基于近地成像光谱的小麦全蚀病等级监测

文献类型： 中文期刊

第一作者： 乔红波

作者： 师越;司海平;吴旭;郭伟;时雷;马新明;周益林

作者机构：

关键词： 病害;图像处理;支持向量机;小麦全蚀病;近地成像光谱;遥感监测;灰色聚类分析

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2014 年 30 卷 20 期

页码： 172-178

收录情况： CSCD

摘要： 小麦全蚀病是检疫性的土传病害,对小麦生产危害极大,对其发生的监测是治理的根本。遥感技术可实时、宏观监测病害发生发展,尤其是成像光谱技术的图谱合一,可精准对病害识别和分类。该文首先通过主成分分析提取不同小麦白穗率的冠层光谱特征;再通过灰色聚类分析方法,研究白穗率等级的可分性;最后利用基于径向基(RBF,radial basis function)核函数的支持向量机对全蚀病害的近地成像高光谱图像进行分类,从而验证近地成像光谱在全蚀病监测上的可行性。研究结果显示:该方法对5种程度的小麦全蚀病白穗率的分类精度均达94%以上,Kappa值大于0.8。研究表明利用该方法,通过近地成像光谱图像可以准确监测小麦全蚀病的病情,对小麦全蚀病的治理有指导意义。

分类号： S435.121

  • 相关文献

[1]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

[2]基于无人机数字图像与高光谱数据融合的小麦全蚀病等级的快速分类技术. 师越,司海平,吴旭,郭伟,时雷,马新明,周益林. 2015

[3]基于监督局部线性嵌入算法的玉米田间杂草识别. 阎庆,梁栋,张东彦. 2013

[4]红毛丹色泽品质的计算机视觉分级技术研究. 章程辉,刘木华,王群. 2005

[5]基于机器学习的免套袋苹果缺陷分级. 张琛,房胜,王风云,李哲,郑纪业,沈宇. 2019

[6]基于计算机视觉的水稻叶部病害识别研究. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 2014

[7]基于支持向量机模型和图像处理技术的甜椒叶面积测定. 宰松梅,温季,郭冬冬,韩启彪,邓忠,孙浩,赵东彬. 2011

[8]小麦主要病害遥感监测研究进展. 贺佳,郝瑞,任淑芳. 2024

[9]县域冬小麦病害遥感监测信息系统研制. 李卫国,顾晓鹤,葛广秀,陈华,张琤琤. 2019

[10]基于SVM的高粱叶片病斑图像自动分割提取方法研究. 白文斌,白帆,贺文文,王伟仁,程彦俊,刘璋. 2014

[11]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

[12]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

[13]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

[14]基于高光谱成像的水稻穗瘟病害程度分级方法. 黄双萍,齐龙,马旭,薛昆南,汪文娟. 2015

[15]经济植物篱保墒效果灰色分析. 陈一兵,林超文. 2004

[16]小麦全蚀病拮抗木霉ZBS6的分离、筛选及鉴定. 孙虎,薛保国,杨丽荣,全鑫,组艳青. 2010

[17]3%苯醚甲环唑FS防治小麦全蚀病田间效果试验. 闫佳会. 2015

[18]荧光93菌体和代谢物对全蚀病菌和小麦生长影响的初步研究. 彭于发,黄大昉,陈彩层,张杰. 1992

[19]gdo基因RNAi对小麦全蚀病菌的影响. 董振杰,麦艳娜,夏晴,马超,田修斌,李欢欢,刘文轩,宋玉立. 2019

[20]种子处理防治小麦全蚀病试验研究. 刘永刚,吕和平,陈明. 2004

作者其他论文 更多>>

微信小程序