馬鈴薯的早疫病和晚疫病是馬鈴薯種植過程中最高發(fā)也是最具威脅的病害,病害的防治對于馬鈴薯的產(chǎn)量起著決定性作用。但早期的早疫病和晚疫病比較相似,很難區(qū)分,而且傳統(tǒng)的病害診斷方法容易受諸多因素影響造成誤判、診斷效率低等問題。高光譜成像技術(shù)可以連續(xù)動態(tài)監(jiān)測,能及時準(zhǔn)確地掌握農(nóng)作物病害情況,還具有高分辨率、多波段、波段窄、光譜范圍廣和圖譜合一等特點,對農(nóng)作物病害研究極具價值。本研究基于高光譜成像技術(shù)對早期的馬鈴薯葉片早疫病和晚疫病進(jìn)行檢測分類研究,為了彌補單獨使用光譜特征或圖像特征的不足,本文將高光譜圖像的光譜特征和圖像特征進(jìn)行融合,以達(dá)到精確識別馬鈴薯病害的目的。首先,使用高光譜成像系統(tǒng)采集366.66-976.41nm波段范圍內(nèi)的馬鈴薯早疫病、晚疫病和健康葉片高光譜圖像。由于高光譜圖像具有高維數(shù)據(jù),其中含有大量冗余信息,不同波段間相關(guān)性較大,對于數(shù)據(jù)處理的精確度會產(chǎn)生較嚴(yán)重的影響。特征波長選擇可以選取出全波段光譜中最有用的信息,簡化模型,提高后期建模效率,所以論文使用主成分分析和二階導(dǎo)數(shù)法從光譜維提取出早疫病葉片的特征波段長574.50nm、675.20nm和724.50nm,晚疫病葉片的特... 

【文章來源】：云南師范大學(xué)云南省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

早疫病和晚在農(nóng)業(yè)方面,影響農(nóng)產(chǎn)品品質(zhì)和產(chǎn)量（a）

第2章光譜測量與分析相關(guān)知識9第2章高光譜測量與分析相關(guān)知識2.1測量儀器概述2.1.1高光譜分選儀本文使用的測量儀器是GaiaSorter-Dual高光譜分選儀（如圖2.1是高光譜分選儀實物圖，2.2是高光譜分選儀整體結(jié)構(gòu)示意圖），主要由照明單元、計算機控制單元和樣品傳輸單元構(gòu)成。照明單元用的是溴鎢燈，可確保均勻的照明環(huán)境。計算機控制單元用于控制圖像的采集和處理，它是高光譜成像系統(tǒng)的中樞。樣品傳輸單元主要由電動控制移動平臺完成推掃過程。圖2.1高光譜分選儀實物圖

第2章光譜測量與分析相關(guān)知識10圖2.2高光譜分選儀示意圖GaiaSorter-Dual高光譜分選儀工作原理是通過光源照射在放置于電控移動平臺上的待測物體，樣品的反射光通過鏡頭被光譜相機捕獲，得到二維的影像和光譜信息，隨著電控移動平臺帶動樣品連續(xù)運行，能夠得到連續(xù)的二維影像及實時的光譜信息，所有的數(shù)據(jù)被計算機軟件所記錄，最終獲得一個包含了影像信息和光譜信息的三維數(shù)據(jù)立方體[31]。表2.1高光譜相機主要參數(shù)名稱具體參數(shù)型號掃描方式Image-λ-V10E內(nèi)置推掃光譜范圍400-1000nm相對孔徑焦距F/2.425mm狹縫尺寸30um*8.7mm光譜分辨率2.8nm探測器類型CCD相機像素像素尺寸1394*10246.45μm×6.45μm光譜通道數(shù)256

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜的玉米大斑病害監(jiān)測[J]. 王凡,王超,馮美臣,楊武德,張美俊,肖璐潔,宋曉彥.  山西農(nóng)業(yè)科學(xué). 2019(06)
[2]基于ENVI二次開發(fā)的高光譜推掃圖像拼接技術(shù)[J]. 蓋穎穎,蓋志剛,禹定峰,劉恩曉,李輝,秦勝光.  山東科學(xué). 2018(04)
[3]基于高光譜技術(shù)的農(nóng)作物常見病害監(jiān)測研究[J]. 謝亞平,陳豐農(nóng),張競成,周斌,王海江,吳開華.  光譜學(xué)與光譜分析. 2018(07)
[4]高光譜在冬蟲夏草含量及真?zhèn)舞b別中的應(yīng)用[J]. 孫梅,王睿,陳興海,黃宇,劉業(yè)林.  中國現(xiàn)代應(yīng)用藥學(xué). 2017(08)
[5]湖北省礦業(yè)經(jīng)濟區(qū)土地資源承載力研究[J]. 容東林,成金華,張意翔.  中國國土資源經(jīng)濟. 2017(07)
[6]基于特征熒光信號的去囊衣帶芯橘瓣分選[J]. 王葉群,楊增玲,任衛(wèi)東,劉婷,楊杰,張紹英.  農(nóng)業(yè)工程學(xué)報. 2017(09)
[7]PCA和SPA的近紅外光譜識別白菜種子品種研究[J]. 羅微,杜焱喆,章海亮.  光譜學(xué)與光譜分析. 2016(11)
[8]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)
[9]基于高光譜信息融合和相關(guān)向量機的種蛋無損檢測[J]. 祝志慧,劉婷,馬美湖.  農(nóng)業(yè)工程學(xué)報. 2015(15)
[10]基于高光譜成像技術(shù)的柑橘黃龍病病情診斷及分類[J]. 鄧小玲,鄭建寶,梅慧蘭,李震,鄧曉玲,洪添勝.  西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版). 2013(07)

博士論文
[1]產(chǎn)業(yè)集群發(fā)展中的政府行為及其評價研究[D]. 王戰(zhàn)營.武漢理工大學(xué) 2013
[2]基于高光譜和圖像處理技術(shù)的油菜病蟲害早期監(jiān)測方法和機理研究[D]. 趙蕓.浙江大學(xué) 2013
[3]高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究[D]. 李興.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2006
[4]色貌模型CIECAM02若干問題的研究[D]. 柴冰華.北京理工大學(xué) 2006

碩士論文
[1]空譜聯(lián)合實現(xiàn)馬鈴薯晚疫病識別[D]. 王鑫野.云南師范大學(xué) 2019
[2]基于多特征的圖像檢索方法研究[D]. 姜雪.山東理工大學(xué) 2019
[3]基于高光譜成像的水果輕微機械損傷無損檢測的研究[D]. 韓浩然.云南師范大學(xué) 2018
[4]基于多目標(biāo)決策與數(shù)據(jù)挖掘技術(shù)在農(nóng)林火災(zāi)中的應(yīng)用研究[D]. 吳趙盼.江西科技師范大學(xué) 2018
[5]基于高光譜成像技術(shù)的馬鈴薯早疫病無損檢測研究[D]. 徐明珠.西北農(nóng)林科技大學(xué) 2016
[6]基于智能算法的火電廠鍋爐燃燒優(yōu)化技術(shù)的研究[D]. 潘云.華北電力大學(xué) 2015
[7]企業(yè)兩化融合度評測與提升方法研究[D]. 馬黎娜.北京交通大學(xué) 2013
[8]地震波形特征抽取算法研究與實現(xiàn)[D]. 畢明霞.廣西師范大學(xué) 2011
[9]基于神經(jīng)網(wǎng)絡(luò)的三容水箱液位控制系統(tǒng)辨識[D]. 梁穎杏.廣西大學(xué) 2008



本文編號：3251729