文献类型： 中文期刊

作者： 梁栋 ¹ ; 刘娜 ¹ ; 张东彦 ¹ ; 赵晋陵 ¹ ; 林芬芳 ¹ ; 黄林生 ¹ ; 张庆 ¹ ; 丁玉婉 ¹ ;

作者机构： 1.安徽省农业生态大数据工程实验室安徽大学;国家农业信息化工程技术研究中心;南京信息工程大学地理与遥感学院

关键词： 高光谱;主成分分析(PCA);支持向量机(SVM);密度分割;病害判别

期刊名称： 红外与激光工程

ISSN： 1007-2276

年卷期： 2017 年 01 期

页码： 50-58

收录情况： EI ; 北大核心 ; CSCD

摘要： 病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度,成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病——白粉病和条锈病,采用高光谱成像系统获取两种病害侵染的小麦叶片图谱合一数据,通过主成分分析法对影像数据进行降维、密度分割法对病害面积进行分割后,得到识别病斑准确率达到97%;进一步分析侵染白粉病和条锈病的叶片病斑区域的光谱特征差异,选择第二主成分图像筛选两种病害的敏感波段,得到识别白粉病的敏感波段为519、643、696、764、795、813 nm,条锈病的敏感波段为494、630、637、698、755、805 nm。最后对筛选出的敏感波段建立白粉病和条锈病支持向量机(SVM)判别模型并验证,得到两种病害的区分精度为92%。综上,利用高光谱图像协同解析可在叶片尺度实现小麦白粉病和条锈病的有效判别,这为开发病害区分仪器提供了重要的理论基础。