基于高光谱成像的水稻穗瘟病害程度分级方法

文献类型： 中文期刊

第一作者： 黄双萍

作者： 黄双萍;齐龙;马旭;薛昆南;汪文娟

作者机构：

关键词： 图像处理;病害;分级;高光谱成像;穗瘟;病害程度分析;光谱词袋模型

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2015 年 31 卷 01 期

页码： 212-219

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。

分类号： S435.111.41

  • 相关文献

[1]基于高光谱成像技术的水稻叶瘟病病害程度分级方法. 郑志雄,齐龙,马旭,朱小源,汪文娟. 2013

[2]基于深度卷积神经网络的水稻穗瘟病检测方法. 黄双萍,孙超,齐龙,马旭,汪文娟. 2017

[3]基于高光谱成像的苹果轻微损伤检测有效波长选取. 黄文倩,陈立平,李江波,张驰. 2013

[4]种子活力性状无损速测技术研究进展. 石睿,罗斌,张晗,侯佩臣,周亚男,王成. 2024

[5]猕猴桃自动分级设备设计与试验. 左兴健,武广伟. 2014

[6]改进Multi-scale ResNet的蔬菜叶部病害识别. 王春山,周冀,吴华瑞,滕桂法,赵春江,李久熙. 2020

[7]基于U-Net网络和无人机影像的松材线虫病变色木识别. 张瑞瑞,夏浪,陈立平,谢春春,陈梅香,王维佳. 2020

[8]基于最优二叉树支持向量机的蜜柚叶部病害识别. 张建华,孔繁涛,李哲敏,吴建寨,陈威,王盛威,朱孟帅. 2014

[9]基于近地成像光谱的小麦全蚀病等级监测. 师越,司海平,吴旭,郭伟,时雷,马新明,周益林. 2014

[10]2009年江西省主推早稻品种穗瘟抗性的评估. 兰波,付红,黄凌洪,何烈干,张天才,李湘民. 2010

[11]不同生态环境下2009年江西省主栽早稻品种稻瘟病的发生. 黄凌洪,张天才,汪锐辉,徐小明,徐善忠,陈前武,张国光,兰波,李湘民. 2010

[12]稻瘟病穗瘟防治适期初探. 陆邢峰,易红娟,杨凌峰,周浩,谢松华,孙雪梅,张谷丰. 2019

[13]水稻对叶瘟和穗瘟部分抗性的遗传分析(英文). 饶志明,吴建利,庄杰云,柴荣耀,樊叶杨,HeiLeung,郑康乐. 2005

[14]225份水稻新品系对穗瘟的田间抗性初步评价. 刘亚利,李道远,黄大辉,刘驰,马增凤,李容柏. 2011

[15]2009～2010年婺源县主栽早稻品种稻瘟病的抗性监测. 汪锐辉,姚华源,朱桂兰,洪豹元,李湘民. 2011

[16]粳稻品种稻瘟病田间抗性鉴定与评价. 陈建晨,董丽英,刘沛,汤翠凤,宋杰,向锦茜,刘树芳,余磊,杨勤忠. 2024

[17]基于高光谱成像分析的冬枣微观损伤识别. 魏新华,吴姝,范晓冬,黄嘉宝. 2015

[18]高光谱图像信息检测玉米籽粒胚水分含量. 田喜,黄文倩,李江波,樊书祥,张保华. 2016

[19]基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究. 马本学,肖文东,祁想想,何青海,李锋霞. 2012

[20]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

作者其他论文 更多>>

微信小程序