基于波段选择的烟草病害检测模型

文献类型： 中文期刊

第一作者： 潘兆杰

作者： 潘兆杰;孙根云;张爱竹;付航;王新伟;任广伟

作者机构：

关键词： 烟草病害;精准识别;高光谱;波段选择;支持向量机

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2023 年 004 期

页码： 1023-1029

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 烟草是我国重要的经济作物，税收的重要来源，为国家的经济发展做出了巨大贡献，然而，烟草病害严重影响烟叶产量与品质。采用光谱分析技术对烟草病害进行早期防治具有非常重要的现实意义。以接种烟草花叶病毒（TMV）与马铃薯Y病毒（PVY）的烟草为研究对象，分别采集室内与室外培养的染病烟草叶片高光谱数据。为实现对烟草病害的精准识别，每隔两天对两种染病烟草进行光谱数据采集，将每种病害数据详细地分成五个严重度等级，最终获得1 697个在350～2 500 nm波段范围内的光谱数据。为对烟草高光谱数据进行有效利用，以支持向量机（SVM）为基础，结合快速近邻波段选择算法（FNGBS）与归一化匹配滤波（NMFW）,提出一种聚类与排序相结合的波段选择算法（FNG-NMFW）。FNG-NMFW首先采用FNGBS算法对烟草光谱进行精细分组，再采用NMFW算法对各组波段进行排序以选择特征光谱，实现烟草光谱特征提取与降维。在波段选择的基础上，采用SVM对烟草特征光谱进行分类，最终实现高精度烟草病害检测。研究结果显示：该模型性能稳定，在样本数量较少情况下，即可实现TMV与PVY两种病害的高精度识别。对于TMV1与TMV3,该算法可以获得精度优于94%的检测结果，对于PVY1与PVY3,该算法精度接近90%,表明该算法可有效完成两种病害早期的识别与预防工作。与采用全波段光谱数据进行病害检测的模型相比，FNG-NMFW模型优势明显，烟草病害检测结果总体精度达94.46%,精度提高约1.5%,检测时间由12.9 s缩短为1.1 s。

分类号： S435.72%TP751

  • 相关文献

[1]基于改进SPA算法的高效降维方法. 崔颖,王雪婷,刘述彬,陆忠军. 2018

[2]基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较. 刘轲,周清波,吴文斌,陈仲新,唐华俊. 2016

[3]冬小麦叶片光合特征高光谱遥感估算模型的比较研究. 张卓,龙慧灵,王崇倡,杨贵军. 2019

[4]冬小麦叶面积指数遥感反演方法比较研究. 谢巧云,黄文江,蔡淑红,梁栋,彭代亮,张清,黄林生,杨贵军,张东彦. 2014

[5]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[6]基于高光谱和参数优化支持向量机的水稻施氮水平分类研究. 罗建军,杨红云,路艳,万颖,孙爱珍,易文龙. 2020

[7]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[8]基于无人机高光谱遥感的太行山经济林树种识别研究. 孙一丹,杨晓楠,张海涛,张爱军,庞立欣,郭艳超,郭雪涛,梁欣. 2024

[9]不同颗粒大小对高光谱估算土壤有机质含量的影响. 司海青,姚艳敏,王德营,刘影. 2015

[10]基于支持向量机模型的冬小麦全蚀病为害等级遥感监测. 焦红涛,吴旭,司海平,时雷,郭伟,马新明,周益林. 2014

[11]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[12]基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型. 李敏,覃泽林,兰宗宝,方辉,余圣新,莫小香,谢国雪,曾志康. 2023

[13]基于光学传感器的农药精准识别检测技术研究进展. 刘蓓蓓,翟荣启,张杰,刘广洋,黄晓冬,吕军,刘俊江,许晓敏,李凌云,张延国,陈鸽,徐东辉. 2023

[14]农产品中典型化学污染物精准识别与检测关键技术. 王静,何方洋,金茂俊,佘永新,金芬,杨鑫. 2020

[15]烟草病害的发生特点与防治对策. 高正良,钱玉梅,周本国. 1997

[16]德江县烟草主要病害及综合防治方法. 苏畅涛,李云,罗斐,宋街明. 2011

[17]转GbNPR1基因提高烟草抗病性. 王月琳,林春晶,韦正乙,王云鹏,仲晓芳,邢少辰. 2015

[18]山东省烟草病毒病研究进展及防治对策. 陈德鑫,王凤龙,钱玉梅,杨清林,时焦,张连涛,魏颖颖. 2004

[19]2011年昆明市烟草主要病害发生特点. 高福宏,陈静,陶琼,徐云,李忠环,彭云,鞠福清. 2013

[20]高光谱影像的苹果花叶病叶片花青素定量反演. 田明璐,班松涛,常庆瑞,张卓然,武旭梅,王琦. 2017

作者其他论文 更多>>

微信小程序