基于光譜和多源波譜成像技術(shù)的植物灰霉病快速識別的方法研究.pdf

1、植物病害不僅導(dǎo)致農(nóng)作物減產(chǎn)和品質(zhì)下降，甚至絕產(chǎn)，而且還會導(dǎo)致殺菌劑等農(nóng)藥不必要地增加，從而增加了農(nóng)業(yè)生產(chǎn)成本并且造成嚴(yán)重的環(huán)境問題，植物病害是制約高產(chǎn)、優(yōu)質(zhì)、高效益農(nóng)業(yè)持續(xù)發(fā)展的重要因素之一，因此對植物病害監(jiān)測顯得尤為重要，它為及時掌握病害的發(fā)生情況、制定防治策略和指導(dǎo)防治提供了依據(jù)。本文以茄子和番茄等茄科蔬菜為研究對象，應(yīng)用高光譜成像檢測技術(shù)將茄科蔬菜葉片的外觀信息和內(nèi)部化學(xué)信息數(shù)字化，結(jié)合圖像處理技術(shù)、數(shù)據(jù)挖掘技術(shù)和植物病理學(xué)知識等

2、建立相關(guān)的數(shù)學(xué)模型。主要研究結(jié)論如下：
　　 (1)應(yīng)用高光譜成像技術(shù)對茄子葉片的灰霉病進行早期檢測研究。介紹了茄子葉片樣本制備過程以及高光譜圖像信息采集方法，研究利用主成分分析(PCA)對高光譜圖像進行降維，選取3個特征波長分別為554.05nm、684.49nm和763.63nm，并分別提取3個特征波長下的8個基于灰度共生矩陣的紋理特征參數(shù)，再應(yīng)用連續(xù)投影算法(SPA)優(yōu)選13個特征變量從而分別建立偏最小二乘法(PLS)、反

3、向傳播人工神經(jīng)網(wǎng)絡(luò)(BPANN)和最小二乘支持向量機(LS-SVM)模型。結(jié)果表明，LS-SVM模型的預(yù)測效果最佳，無論閾值設(shè)定為±0.5、±0.2或±0.1，預(yù)測的準(zhǔn)確率都達(dá)到97.5％。
　　 (2)應(yīng)用高光譜成像技術(shù)對番茄葉片的灰霉病進行早期檢測研究。研究了原始光譜(Raw)和5種光譜預(yù)處理方法，并應(yīng)用連續(xù)投影算法(SPA)分別提取番茄葉片高光譜圖像中的光譜特征和圖像特征，進而分別建立基于光譜信息、圖像信息以及基于光譜信息

4、和圖像信息的PLS、BPANN和LS-SVM模型。結(jié)果表明，當(dāng)閾值設(shè)定為±0.5時，PLS、BPANN和LS-SVM三種建模方法對番茄葉片灰霉病的早期預(yù)測都取得了滿意結(jié)果，但隨著精度要求的提高即閾值絕對值逐漸減小，只有基于光譜信息和圖像信息的三種建模方法對番茄葉片灰霉病的早期預(yù)測都取得了較為理想的效果，這充分反映了高光譜圖像能夠全面地檢測番茄葉片的內(nèi)外部信息。無論閾值設(shè)定為±0.5、±0.2或±0.1，LS-SVM模型的預(yù)測效果都是最佳

5、的，預(yù)測的準(zhǔn)確率都達(dá)到100％。
　　 (3)應(yīng)用高光譜成像技術(shù)實現(xiàn)茄子葉片化學(xué)防御酶指標(biāo)的測定。為了充分利用高光譜的信息建立更加可靠準(zhǔn)確的模型，系統(tǒng)應(yīng)用SPA分別提取了茄子葉片高光譜圖像中的光譜特征和圖像特征，從而建立PLS、BPANN和LS-SVM模型。結(jié)果表明，BPANN能夠很好地預(yù)測茄子葉片中的超氧化物歧化酶(SOD)活性，預(yù)測相關(guān)系數(shù)Rp=0.8468；LS-SVM能夠很好地預(yù)測過氧化物酶(POD)活性，預(yù)測相關(guān)系數(shù)R