基于高光谱成像技术识别水稻纹枯病

• 作者: 丁为民 崔嘉林 李志伟 杨红兵 沈少庆 袁婧
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 水稻纹枯病 无损检测 高光谱成像技术 偏最小二乘法 最小噪声分离变换 线性判别分析
• 年，卷（期）: 2018,（6）
• 页码范围: 97-103
• 页数: 7页
• 分类号: S24|S511
• 字数: 5076字
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.2018.06.015

摘要

[目的]利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型.[方法]以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380～1030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440～943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线.采用偏最小二乘-判别分析(PLS-DA)对不同预处理的光谱建模.采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型.[结果]标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1％.基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型.基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1％ 和98.4％.[结论]采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁为民	南京农业大学工学院	225	3432	32.0	42.0
2	杨红兵	南京农业大学工学院	18	188	7.0	13.0
3	李志伟	南京农业大学工学院	4	43	4.0	4.0
4	袁婧	南京农业大学工学院	2	6	2.0	2.0
5	沈少庆	南京农业大学工学院	1	4	1.0	1.0
6	崔嘉林	南京农业大学工学院	1	4	1.0	1.0