基于SVC的苎麻褐斑病叶片高光谱识别

• 作者: 崔国贤 曹晓兰 李运 汪佩佩
• 来源期刊: 激光生物学报
• 学科: 农学
• 关键词: 苎麻 高光谱 主成分分析 支持向量机分类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 61-67
• 页数: 7页
• 分类号: S123|S563.1
• 字数: 6524字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7146.2020.01.009

摘要

对叶片高光谱信息进行分析,实现苎麻褐斑病快速无损的诊断,对提高苎麻产量和品质有重要意义.利用FieldSpec3便携式地物光谱仪和手持叶片夹持器,采集了430个苎麻褐斑病叶片和健康叶片高光谱数据.提出了一种基于离散系数的子波段主成分分析PCA方法来提取特征变量.同时,为了探讨不同主成分个数对模型的影响,分别以1～10个主成分作为特征变量,采用支持向量机分类SVC方法建立苎麻叶片褐斑病识别模型.结果 表明:1)波段A(511 ～636 nm)、波段B(690 ～ 714 nm)、波段C(1406～1511 nm)和波段D(1870～2450 nm)离散系数较大,是建立识别模型的敏感波段;2)4个子波段中,波段C建模效果最好,选择5～10个PCA主成分作为特征变量建立SVC识别模型时,在主成分个数相同的情况下,其正确率可以达到90％以上,总体高于全波段和其他子波段.基于离散系数筛选较敏感的子波段进行PCA,选择合适的主成分个数作为特征变量,建立苎麻叶片褐斑病SVC识别模型是可行的,为开创一种新的苎麻褐斑病诊断方法提供技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔国贤	湖南农业大学苎麻研究所	97	891	15.0	24.0
2	曹晓兰	湖南农业大学信息与智能科学技术学院	25	108	5.0	9.0
3	汪佩佩	湖南农业大学信息与智能科学技术学院	2	1	1.0	1.0
4	李运	湖南农业大学信息与智能科学技术学院	3	0	0.0	0.0