基于高光谱成像的寒地水稻叶瘟病与缺氮识别

• 作者: 张雨 章宗鑫 苏中滨 袁建清 贾银江
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 光谱分析 水稻叶瘟病 主成分分析 算法 高光谱成像 支持向量机 偏最小二乘判别
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 155-160
• 页数: 6页
• 分类号: TP391.41
• 字数: 4310字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.13.022

摘要

为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型.试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100％,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5％.本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏中滨	东北农业大学电气与信息学院	84	466	13.0	17.0
2	贾银江	东北农业大学电气与信息学院	22	194	9.0	13.0
3	袁建清	东北农业大学电气与信息学院	14	77	5.0	8.0
5	张雨	东北农业大学电气与信息学院	7	26	3.0	5.0
8	章宗鑫	东北农业大学电气与信息学院	2	15	2.0	2.0