發(fā)布時間：2021-03-26 01:41

　　針對溫室黃瓜早期霜霉病高光譜圖像田間采集環(huán)境光照的影響及有效病害特征難以提取的問題,提出融合病害差異信息改進(jìn)的競爭性自適應(yīng)重加權(quán)算法（Competitive adaptive reweighted sampling,CARS）和連續(xù)投影算法（Successive projections algorithm,SPA）相結(jié)合的特征波段提取方法,并建立了黃瓜霜霉病早期檢測模型。首先,采集黃瓜健康葉片和染病12 d內(nèi)每天的高光譜圖像,按病程分為7類;提取感興趣區(qū)域,并計算平均光譜作為光譜數(shù)據(jù);采用包絡(luò)線消除法確定霜霉病害差異波段基于病害差異波段采用CARS對7個不同階段的光譜數(shù)據(jù)分別提取特征波段再利用SPA進(jìn)行二次降維尋優(yōu);最后將各特征波段組合,得到47個特征波段數(shù)據(jù),據(jù)此建立最小二乘-支持向量機(jī)（Least square support vector machines,LSSVM）模型用于病害檢測。在94個葉片樣本組成的測試集上進(jìn)行了病害檢測實(shí)驗(yàn)結(jié)果表明融合病害差異信息的Dis-CARS-SPA-LSSVM對染病2 d到發(fā)病12 d均能取得100%的檢測識別率;對染病1d的測試集檢測識別率達(dá)... 

【文章來源】：農(nóng)業(yè)機(jī)械學(xué)報. 2020,51(11)北大核心EICSCD

【文章頁數(shù)】：9 頁


本文編號：3100702