發(fā)布時(shí)間：2023-02-21 09:04

　　本文以小麥赤霉病作為研究對(duì)象,利用實(shí)地測(cè)量的成像高光譜數(shù)據(jù)和非成像高光譜數(shù)據(jù)對(duì)小麥籽粒、麥穗以及冠層三個(gè)尺度的病害展開研究,將特征變量作為分類算法的輸入構(gòu)建監(jiān)測(cè)模型,為農(nóng)業(yè)生產(chǎn)中小麥赤霉病病害的識(shí)別分類以及防治提供科學(xué)的指導(dǎo)。主要研究工作如下:(1)在籽粒尺度上,采用成像高光譜儀獲取健康和染病的小麥籽粒高光譜數(shù)據(jù)作為研究對(duì)象,利用篩選敏感特征波段構(gòu)建小麥籽粒赤霉病識(shí)別模型。首先,利用正交信號(hào)校正對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理;其次,利用遺傳算法結(jié)合偏最小二乘法篩選出8個(gè)敏感特征波段;最后,利用特征波段和全波段光譜數(shù)據(jù)作為模型的輸入,分別建立基于支持向量機(jī)和隨機(jī)森林的小麥籽粒赤霉病識(shí)別模型。其中,基于GA-PLS建立的模型在識(shí)別準(zhǔn)確和模型運(yùn)行時(shí)間上均優(yōu)于基于全波段建立的識(shí)別模型,SVM模型的識(shí)別準(zhǔn)確率略高于RF模型,但模型運(yùn)行時(shí)間較長,RF模型的識(shí)別準(zhǔn)確率略低于SVM模型,但模型運(yùn)行時(shí)間較短,基于GA-PLS建立的SVM模型的樣本預(yù)測(cè)準(zhǔn)確率達(dá)到100%,結(jié)果最優(yōu)。(2)在麥穗尺度上,采用成像高光譜儀采集不同病情嚴(yán)重度的小麥麥穗高光譜圖像數(shù)據(jù),利用光譜特征和圖像特征融合構(gòu)建小麥赤霉病病情嚴(yán)重度分類模...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 基于成像高光譜數(shù)據(jù)的病蟲害遙感監(jiān)測(cè)
        1.2.2 基于非成像高光譜數(shù)據(jù)的病蟲害遙感監(jiān)測(cè)
    1.3 本文研究內(nèi)容
    1.4 論文結(jié)構(gòu)
第二章 實(shí)驗(yàn)方案和數(shù)據(jù)的獲取與預(yù)處理
    2.1 實(shí)驗(yàn)方案
        2.1.1 小麥籽粒赤霉病病害實(shí)驗(yàn)
        2.1.2 小麥麥穗赤霉病病害實(shí)驗(yàn)
        2.1.3 小麥冠層赤霉病病害實(shí)驗(yàn)
    2.2 成像高光譜數(shù)據(jù)的獲取及預(yù)處理
        2.2.1 數(shù)據(jù)獲取
        2.2.2 數(shù)據(jù)預(yù)處理
    2.3 非成像高光譜和實(shí)地調(diào)查數(shù)據(jù)的獲取
        2.3.1 光譜數(shù)據(jù)獲取
        2.3.2 病情嚴(yán)重度的調(diào)查
第三章 基于GA-PLS波段提取的高光譜小麥籽粒赤霉病識(shí)別
    3.1 引言
    3.2 研究方法
        3.2.1 正交信號(hào)校正法
        3.2.2 GA-PLS算法
        3.2.3 支持向量機(jī)原理
        3.2.4 隨機(jī)森林原理
    3.3 健康和染病小麥籽粒光譜特征
    3.4 基于GA-PLS算法特征波段提取
    3.5 病害識(shí)別模型的構(gòu)建
    3.6 本章小結(jié)
第四章 基于圖像和光譜特征融合的小麥麥穗赤霉病病情嚴(yán)重度分類研究
    4.1 引言
    4.2 病情嚴(yán)重度的計(jì)算
        4.2.1 病斑分割
        4.2.2 病情嚴(yán)重度劃分
    4.3 研究方法
        4.3.1 連續(xù)投影算法
        4.3.2 灰度共生矩陣
        4.3.3 顏色矩
        4.3.4 PSOSVM原理
    4.4 不同病情嚴(yán)重度麥穗的光譜特征
    4.5 特征變量提取
        4.5.1 光譜特征提取
        4.5.2 紋理特征提取
        4.5.3 顏色特征提取
    4.6 特征變量的篩選
    4.7 基于PSOSVM模型分類結(jié)果與分析
    4.8 本章小結(jié)
第五章 基于不同特征變量篩選方法的小麥冠層赤霉病遙感監(jiān)測(cè)
    5.1 引言
    5.2 研究方法
        5.2.1 隨機(jī)蛙跳
        5.2.2 競(jìng)爭性自適應(yīng)重加權(quán)采樣法
        5.2.3 變量組合集群分析法
    5.3 健康和染病的小麥冠層光譜特征
    5.4 不同特征變量篩選方法結(jié)果
    5.5 小麥赤霉病冠層遙感監(jiān)測(cè)模型的結(jié)果和分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究內(nèi)容總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間研究成果



本文編號(hào)：3747470