14、高光谱和图像特征相融合的生菜病害识别

高光谱和图像特征相融合的生菜病害识别

1、发现问题

为精准识别生菜的病害类型及所处病害时期

2、基本思路

利用高光谱套件分别采集炭疽病、菌核病、白粉病的发病早期、中期和晚期以及健康状态下生菜叶片样本的高光谱信息，利用多项式平滑( Savitzky-Golay，SG) 算法对原始光谱数据进行降噪平滑处理，采用连续投影算法( Successive projections algorithm ，SPA) 对预处理后的数据进行特征波长的优选，使用一阶到三阶矩和纹理 LBP 算子分别提取样本图像的颜色特征和纹理特征，最后通过 SVＲ 预测模型对颜色、纹理及光谱特征值数据进行训练并对预测集样本进行分类研究。结果表明，基于高光谱和图像融合特征的 SVＲ 预测模型性能良好，预测集决定系数为0．895 6，均方根误差为 3. 75%。由于决定系数不够理想，通过引入松弛变量的方式降低间隔阈值，最终模型预测集决定系数为0．928 6，均方根误差为0. 034 2，决定系数提高了 3. 68%，均方根误差降低了 8. 8%，病害时期判断准确率为 92. 23%。

3、过往研究

（1）杨赛等利用联合偏度算法对玉米种子的近红外高光谱信息进行分析，实现对玉米种子品质的分级，识别精度达到了 96. 28%。

（2）岳学军等通过采集柑橘叶片 4 个重要生长时期的反射光谱信息对柑橘叶片的磷含量进行预测，通过 Isomap-SVＲ 建模为柑橘树营养诊断提供依据，模型预测集的决定系数为0．894 9。

（3）曹文涛等利用光谱测量技术，对土壤氯化钠含量进行了监测，模型决定系数为0．859。

（4）在病害诊治方面，Bravo 等分别使用可见光和近红外波段光谱信息对小麦早期黄锈病展开研究，并取得了较好的预测效果，模型预测集最佳相关系数为 0. 9。

（5）王斌等通过线性逐步判别分析法和非线性的偏最小二乘支持向量机( LS-SVM