基于高光譜成像技術(shù)的玉米彎孢葉斑病的早期檢測
發(fā)布時間:2021-04-10 17:33
為實現(xiàn)玉米葉片表面未見明顯病癥的病害早期檢測,提出一種基于高光譜成像技術(shù)的玉米彎孢葉斑病早期檢測方法。以玉米葉片為研究對象,采用人工接種病菌使玉米感染彎孢葉斑病,在接種后1,2,3,4,5d,每天采集接種病菌葉片30片,正常未接種葉片10片,利用高光譜成像系統(tǒng)獲取接種病菌葉片和正常未接種葉片在400~1000nm高光譜圖像數(shù)據(jù),經(jīng)過分析接種病菌葉片和正常未接種葉片的原始光譜、原始光譜的一階導(dǎo)數(shù)光譜、平均光譜絕對差值,確定玉米彎孢葉斑病早期檢測的特征波段選取區(qū)。然后通過顯著性檢驗和相關(guān)性分析,將置信區(qū)間設(shè)為95%,在特征波段選取區(qū)確定458.9,481.1,500.8,515.7,525.7, 531.9,534.4,550.7,578.3,604.9,625.2,646.8,677.5,735.3,754.7nm,為玉米彎孢葉斑病早期檢測的特征波段。最后,基于選定的特征波段構(gòu)建玉米彎孢葉斑病支持向量機檢測模型。結(jié)果表明:利用選取的特征波段作為支持向量機的輸入矢量,建立的玉米彎孢葉斑病早期檢測模型,通過支持向量機選擇的線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)3種不同的核函數(shù),在接種后的第1...
【文章來源】:沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2020,51(02)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
高光譜成像系統(tǒng)
由圖2原始平均光譜反射率的對比,將440~520,520~560,560~680,720~1000nm作為特征波段的選取區(qū)域。同時,為了提高光譜的分辨率,對原始光譜進行導(dǎo)數(shù)處理,本研究對原始光譜進行一階導(dǎo)數(shù)處理,得到原始光譜的一階導(dǎo)數(shù)光譜(圖3)。由圖3可知,在520~535nm和710~740nm波段區(qū)間的兩個反射峰,接種病菌葉片與正常未接種葉片的一階導(dǎo)數(shù)光譜的峰值存在差異。將接種病菌葉片與正常未接種葉片的平均光譜求取差值再給出其對應(yīng)的絕對值,可以得到接種病菌葉片與正常未接種葉片平均光譜的絕對差值曲線(圖4)。由圖4可知,在440~840nm波段范圍內(nèi),550nm附近有一峰值,755nm附近有一個最高點,480nm附近有一個最低點。
將接種病菌葉片與正常未接種葉片的平均光譜求取差值再給出其對應(yīng)的絕對值,可以得到接種病菌葉片與正常未接種葉片平均光譜的絕對差值曲線(圖4)。由圖4可知,在440~840nm波段范圍內(nèi),550nm附近有一峰值,755nm附近有一個最高點,480nm附近有一個最低點。圖4 接種病菌葉片與正常未接種葉片平均光譜絕對差值曲線
【參考文獻】:
期刊論文
[1]高光譜和圖像特征相融合的生菜病害識別[J]. 蘆兵,孫俊,毛罕平,楊寧,武小紅. 江蘇農(nóng)業(yè)學(xué)報. 2018(06)
[2]基于高光譜成像的蘋果果梗完整性識別方法研究[J]. 田有文,賴興濤,張芳,石瑞瑤,古文君,王文森. 沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2018(02)
[3]基于高光譜成像技術(shù)的小麥條銹病病害程度分級方法[J]. 雷雨,韓德俊,曾慶東,何東健. 農(nóng)業(yè)機械學(xué)報. 2018(05)
[4]基于高光譜成像的寒地水稻葉瘟病與缺氮識別[J]. 袁建清,蘇中濱,賈銀江,張雨,章宗鑫. 農(nóng)業(yè)工程學(xué)報. 2016(13)
[5]雙株定向栽培模式對玉米彎孢菌葉斑病發(fā)生流行及玉米產(chǎn)量的影響[J]. 李金堂,默書霞. 玉米科學(xué). 2015(02)
[6]高光譜圖像技術(shù)在摻假大米檢測中的應(yīng)用[J]. 孫俊,金夏明,毛罕平,武小紅,楊寧. 農(nóng)業(yè)工程學(xué)報. 2014(21)
[7]利用近紅外高光譜圖像技術(shù)快速鑒別西瓜種子品種[J]. 張初,劉飛,孔汶汶,章海亮,何勇. 農(nóng)業(yè)工程學(xué)報. 2013(20)
[8]基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級方法[J]. 鄭志雄,齊龍,馬旭,朱小源,汪文娟. 農(nóng)業(yè)工程學(xué)報. 2013(19)
[9]白粉病脅迫下小麥冠層葉綠素密度的高光譜估測[J]. 馮偉,王曉宇,宋曉,賀利,王晨陽,郭天財. 農(nóng)業(yè)工程學(xué)報. 2013(13)
[10]基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J]. 黃文倩,陳立平,李江波,張馳. 農(nóng)業(yè)工程學(xué)報. 2013(01)
本文編號:3130050
【文章來源】:沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2020,51(02)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
高光譜成像系統(tǒng)
由圖2原始平均光譜反射率的對比,將440~520,520~560,560~680,720~1000nm作為特征波段的選取區(qū)域。同時,為了提高光譜的分辨率,對原始光譜進行導(dǎo)數(shù)處理,本研究對原始光譜進行一階導(dǎo)數(shù)處理,得到原始光譜的一階導(dǎo)數(shù)光譜(圖3)。由圖3可知,在520~535nm和710~740nm波段區(qū)間的兩個反射峰,接種病菌葉片與正常未接種葉片的一階導(dǎo)數(shù)光譜的峰值存在差異。將接種病菌葉片與正常未接種葉片的平均光譜求取差值再給出其對應(yīng)的絕對值,可以得到接種病菌葉片與正常未接種葉片平均光譜的絕對差值曲線(圖4)。由圖4可知,在440~840nm波段范圍內(nèi),550nm附近有一峰值,755nm附近有一個最高點,480nm附近有一個最低點。
將接種病菌葉片與正常未接種葉片的平均光譜求取差值再給出其對應(yīng)的絕對值,可以得到接種病菌葉片與正常未接種葉片平均光譜的絕對差值曲線(圖4)。由圖4可知,在440~840nm波段范圍內(nèi),550nm附近有一峰值,755nm附近有一個最高點,480nm附近有一個最低點。圖4 接種病菌葉片與正常未接種葉片平均光譜絕對差值曲線
【參考文獻】:
期刊論文
[1]高光譜和圖像特征相融合的生菜病害識別[J]. 蘆兵,孫俊,毛罕平,楊寧,武小紅. 江蘇農(nóng)業(yè)學(xué)報. 2018(06)
[2]基于高光譜成像的蘋果果梗完整性識別方法研究[J]. 田有文,賴興濤,張芳,石瑞瑤,古文君,王文森. 沈陽農(nóng)業(yè)大學(xué)學(xué)報. 2018(02)
[3]基于高光譜成像技術(shù)的小麥條銹病病害程度分級方法[J]. 雷雨,韓德俊,曾慶東,何東健. 農(nóng)業(yè)機械學(xué)報. 2018(05)
[4]基于高光譜成像的寒地水稻葉瘟病與缺氮識別[J]. 袁建清,蘇中濱,賈銀江,張雨,章宗鑫. 農(nóng)業(yè)工程學(xué)報. 2016(13)
[5]雙株定向栽培模式對玉米彎孢菌葉斑病發(fā)生流行及玉米產(chǎn)量的影響[J]. 李金堂,默書霞. 玉米科學(xué). 2015(02)
[6]高光譜圖像技術(shù)在摻假大米檢測中的應(yīng)用[J]. 孫俊,金夏明,毛罕平,武小紅,楊寧. 農(nóng)業(yè)工程學(xué)報. 2014(21)
[7]利用近紅外高光譜圖像技術(shù)快速鑒別西瓜種子品種[J]. 張初,劉飛,孔汶汶,章海亮,何勇. 農(nóng)業(yè)工程學(xué)報. 2013(20)
[8]基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級方法[J]. 鄭志雄,齊龍,馬旭,朱小源,汪文娟. 農(nóng)業(yè)工程學(xué)報. 2013(19)
[9]白粉病脅迫下小麥冠層葉綠素密度的高光譜估測[J]. 馮偉,王曉宇,宋曉,賀利,王晨陽,郭天財. 農(nóng)業(yè)工程學(xué)報. 2013(13)
[10]基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J]. 黃文倩,陳立平,李江波,張馳. 農(nóng)業(yè)工程學(xué)報. 2013(01)
本文編號:3130050
本文鏈接:http://sikaile.net/nykjlw/dzwbhlw/3130050.html
最近更新
教材專著