基于光谱技术的水稻稻纵卷叶螟受害区域检测

利用光谱技术探索了水稻稻纵卷叶螟虫害的检测。通过分析田间水稻稻纵卷叶螟受害区和对照区冠层反射光谱和一阶微分光谱特征差异发现,可见光区(400~700 nm),550 nm附近中度受害水稻冠层反射率明显低于对照冠层反射率值,重度受害水稻冠层反射率则高于对照区冠层反射率;水稻受害时,叶片受损及干枯导致叶绿素含量降低,对红光波段(600~700 nm)的吸收减小。近红外区(750~770 nm)范围内,受害水稻冠层反射光谱曲线均不同程度出现"尖峰"波动,且光谱曲线红边拐点发生"蓝移"。通过构建样本总体修正曲线,提供了直观判别广域水稻是否受稻纵卷叶螟虫害侵扰的依据。进一步探讨稻纵卷叶螟受害区定性检测参数发现,利用NIR-NDVI特征可以有效地区分对照区和受害区区域,经验证,准确率达70%。     

琅琊山景区不同指标浓度下水质光谱差异分析

高光谱技术已广泛运用于水质检测领域。探讨不同指标浓度下水质光谱变化规律及其光谱特征,能够为水质指标遥感光谱精准识别与定量提取提供理论基础。选取琅琊山景区不同水体景观共47个典型站位进行水质指标与光谱同步测量,提取每个检测点的7个水质指标及350~950 nm波段,探讨不同浓度水质指标光谱特征变化规律,分析水质指标与光谱反射率、反射率一阶微分、任意两波段反射率比值及差值之间的关系。结果表明： 各水质指标光谱曲线变化趋势一致,但各有差异,区分度最大的波段在可见光范围;不同盐度、溶解性总固体、电导率含量的水质光谱曲线变化较为接近,含量最高的样本光谱反射率最高,且变化最显著;浊度含量较高的水质样本光谱反射率变化较显著,700~950 nm波段不同浊度含量的水质样本光谱反射率区分不明显;溶解氧浓度为4~4.9 mg·L-1的水质光谱反射率在350~900 nm波段内明显低于其余样本;在350~380 nm波段范围,光谱反射率不随叶绿素含量变化而变化,叶绿素含量接近0的样本在400~950 nm波段低于其余样本;不同蓝绿藻藻蓝蛋白含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大,交叉点较多。此外,水质指标与原始光谱反射率相关性较低,光谱一阶微分、差值指数、比值指数与各水质指标相关性整体有所提升。该研究可为水质高光谱遥感检测提供一定的理论基础。     

三亚鹿回头海域疣状杯形珊瑚反射率光谱分析

珊瑚礁地物光谱特征是珊瑚礁遥感研究的理论基础,可以作为遥感定性和定量研究珊瑚礁的依据。采用我国南海三亚湾鹿回头海域的优势物种疣状杯形珊瑚(Pocillopora verrucosa)为研究对象,用光纤光谱仪测量其反射率光谱。利用珊瑚反射率光谱和导数分析的方法研究了健康和白化两种状态下疣状杯形珊瑚的反射率光谱的差异。研究分析的结果显示:健康疣状杯形珊瑚的反射率光谱,在波长580,604.7和647 nm处出现了特征波峰,在波长669 nm处出现一个显著的波谷;白化疣状杯形珊瑚的反射率光谱明显高于健康疣状杯形珊瑚的反射率光谱,但是其波形相对较为平缓,在波长663 nm处存在一个相对较弱的波谷。反射率光谱导数分析发现健康与白化疣状杯形珊瑚存在多个可区分波段,其中主要可区分波段包括:一阶导数,404~425,456~466,513~532,563~568和661~667 nm等;二阶导数,408~420,542~556,563~573,615~634和687~695 nm等;四阶导数,402~418,466~472,478~481,617~622和684~689 nm等。     

正常、缺素和黄龙病柑桔叶片高光谱成像快速诊断

应用高光谱成像技术,结合峰值比判别法和偏最小二乘判别法,探讨快速无损诊断正常、缺素和黄龙病柑桔叶片的可行性。在374.28~1 016.89nm可见近红外光谱范围内,采集了正常、缺素和黄龙病柑桔叶片的高光谱数据。以主叶脉为轴线,两侧各选一个长约60像素、宽约30像素的椭圆形感兴趣区域。提取两个感兴趣区域的平均反射率光谱,经相关分析,筛选出502.79和374.28nm一对特征波长,建立了正常叶片的峰值比判别模型,模型误判率为1.7%,但该模型无法区分缺素和黄龙病叶片。采用二阶导数结合平滑光谱预处理方法,处理反射率光谱,建立了缺素和黄龙病叶片偏最小二乘判别模型。采用留一法交互验证确定最佳主成分因子数为17,建模相关系数为0.96,建模标准差为0.13,模型对两类叶片分类正确率都达到了100%。在此基础上,提出了峰值比判别模型和偏最小二乘判别模型相结合的不同类别叶片二步快速诊断法。采用未参与建模的正常、缺素和黄龙病叶片各10片,评价模型的分类能力,模型分类正确率达到了96.7%。实验结果表明:应用高光谱成像技术,结合由峰值比判别模型和偏最小二乘判别模型构成的二步判别法,快速识别正常、缺素和黄龙病柑桔叶片是可行的。     

刚竹毒蛾危害下的毛竹叶片光谱特征波长研究

旨在获取刚竹毒蛾危害下的毛竹叶片光谱特征波长,以助于该虫害的有效、准确识别。将于福建省顺昌县实测的105条高光谱数据随机划分为实验组(71条)和验证组(34条)。基于实验组数据,利用单因素方差分析获取健康、轻度危害、中度危害、重度危害等虫害等级间具有极显著差异的波长;结合常用遥感卫星的波段设置对上述波长进行筛选,采用欧式距离、相关系数及光谱角匹配等3种方法判定其虫害判别能力,获取特征波长,并引入验证组样本对其予以验证。结果表明：(1)受害叶片的光谱反射率明显低于健康叶片,虫害等级越高,其反射率越低;(2)受害叶片的光谱特征变化较大,随着虫害等级的上升,其光谱曲线中的“绿峰”及“红谷”趋于消失,“红边”斜率逐渐减小;(3)确定原始光谱703.43~898.56 nm及一阶微分光谱497.68~540.72,554.53~585.25和596.24~618.23 nm为刚竹毒蛾危害下的毛竹叶片光谱特征波长,其对该虫害具有较强的判别能力。该研究从叶片尺度剖析了寄主对刚竹毒蛾的响应机理,是“地-天”耦合的理论基础,可为虫害遥感监测技术体系的建立提供重要依据。     

基于高光谱成像的纸质文物“狐斑”检测方法研究

受保存条件影响,很多纸质文物表面会形成狐斑（foxing）,如果不能进行有效监测和科学判断,会进而影响纸质文物安全。纸质文物狐斑病害检测存在滞后性、主观性等问题,对于书画藏品被墨色、颜料及印章等覆盖的区域更是难以通过肉眼进行识别,因此,基于文物的预防性保护理念,亟待开发对于狐斑高效、精确识别的无损检测技术。可见光-近红外高光谱图像结合了光谱和图像,包含丰富的空间信息与光谱信息,可以实现无损批量地平面采集样本光谱信息。该研究提出一种基于高光谱成像技术检测纸质文物狐斑的快速识别方法,获取模拟纸质文物在360～970 nm的高光谱图像,因360～450 nm受噪声影响过大,所以选择剔除这部分光谱数据;选取感兴趣区域并获取相应的平均光谱反射率,比较健康区域与被狐斑感染区域,发现两者的光谱曲线存在差异;在450～600 nm附近,受狐斑影响区域比健康区域的光谱反射率偏高,并在600 nm附近出现波峰形态;而在600～900 nm范围内,被感染区域与健康区域的光谱都趋于平稳,两者之间差异逐渐减小。选取从特征波长对应的图像中提取的特征信息建立图像识别模型,运用波段运算观察狐斑图像特征,狐斑的大小和分布情况都能清晰地显示,但与印章和墨迹重叠部分,狐斑被印章和墨迹遮盖,难以识别;利用最小噪声分离,虽然不同部分有重叠,但能发现仅凭肉眼难以识别的隐藏的狐斑;180条高光谱数据（450～970 nm）建立狐斑判别模型,随机地分为120条数据为训练集,60条数据为测试集,应用K-近邻法与BP神经网络建立纸质文物狐斑光谱判别模型,总体上两种方法对狐斑判别率分别达到73.3%和85%;BP神经网络相较于K-近邻模型,总体判别率更高,识别效果也更好。结果表明,利用高光谱成像可高效准确识别纸质文物狐斑,为后续研究狐斑分布发展提供可靠的技术手段,也为博物馆馆藏文物的保存提供指导意见。     

塔河地区主要岩石金属元素含量、物性参数与光谱特征间的关系研究

测试了采集自黑龙江省塔河地区的300块并进行抛光处理后的岩石样本350~2 500nm间光谱反射率、磁化率、密度、孔隙率和金属元素含量(Fe,Mn,Ti,Zr,V,Zn,Pb,Nb,Co,Bi),并计算了其光谱吸收深度。在此基础上,以相关性分析方法为依据,探讨了所采集岩石样本的金属元素含量、物性参数、反射光谱间的特征响应关系,计算了岩石样本金属元素和光谱吸收深度间的相关性系数、物性参数与光谱反射率的相关性系数,获得成果如下:(1)在410nm附近,闪长玢岩各金属元素与吸收深度间的相关系数都存在尖锐的波峰和波谷,相关系数达到极值。(2)岩石样本金属元素和吸收深度的相关性研究中,侵入岩的相关系数则显著高于其他岩石类型。(3)1 400nm附近,岩石样本金属元素与吸收深度、各物性参数与光谱反射率的相关性都存在尖锐的波峰和波谷。其中磁化率、密度、视孔隙率与光谱反射率的相关系数在可见光范围内波动变化较大。(4)在1 900~2 500nm范围内,金属元素与光谱吸收深度、各物性参数与光谱反射率间的相关系数波动较大,其中金属元素和光谱吸收深度呈显著相关,相关系数达到极值。进一步研究了岩石金属元素和物理特性与其光谱特征的关系,对于不同岩性的不同波段的反射率与不同金属元素间分布状态的探测,具有一定意义。     

三亚鹿回头海域盾形陀螺珊瑚和精巧扁脑珊瑚反射率光谱分析

为了进一步深入研究不同形状和不同颜色珊瑚的光谱特征,选择三亚湾鹿回头海域两种常见造礁石珊瑚(褐色片状珊瑚：盾形陀螺珊瑚(Turbinaria peltata)和蓝灰色块状珊瑚：精巧扁脑珊瑚(Platygyra daeda))为样本进行测量和分析。于2015年7月22日上午采集两种珊瑚样品各7组。样品块大小~6 cm,并将其暂养于中国科学院海南热带海洋生物重点实验站岸基实验室珊瑚养殖缸,养殖缸内水温控制在~26 ℃。待样品块暂养≥4小时后用光纤光谱仪测量其反射率,光谱采集条件为无云遮挡的晴天。所用光纤光谱仪(海洋光学USB2000+),波段为200～850 nm,光谱分辨率1.34 nm,步长0.6 nm,视场角为25°。珊瑚样品置于缸内的平台上,过滤后恒温~26 ℃的海水持续注入以保证缸内水温恒定;多余的海水自动从养殖缸上壁溢出以排除因光线折射入水体后引起的“汇聚现象”;养殖缸内壁采用黑色尼龙布贴壁,以避免玻璃缸壁光线反射对测量结果的影响。光纤光谱仪的探头与样品间距保持在5 cm,每个样品重复测量10次取平均值以代表该样品的光谱反射率。测量光源为太阳光,每次测量前校正一次光谱仪,选用可见光波段的反射率光谱进行数据分析。反射率光谱导数分析可以放大光谱间的差异,四阶导数光谱法在提高检测灵敏度、改善分辨率和加强抗干扰力等方面具有独特的优点,故此对所测珊瑚光谱反射率数据进行反射率光谱数据一阶导数、二阶导数和四阶导数分析,根据盾形陀螺珊瑚和精巧扁脑珊瑚反射率光谱导数之间的差异确定两种珊瑚光谱的敏感可区分波段。分析结果发现,可见光范围内两种珊瑚反射率差异明显;后者反射率光谱明显高于前者,仅~700 nm出现类似较高反射率。盾形陀螺珊瑚反射率介于4%～15%之间,波峰和波谷明显。400～450 nm反射率相对较低约为4%～5%;480 nm后急升至~10%,502,578,604和652 nm附近为明显波峰;随后激增至700 nm的~36%。精巧扁脑珊瑚反射率介于6%～16%之间;400～420 nm波长附近反射率值相对较低,为~6%;420～470 nm急剧升高至~15%,486 nm附近出现宽大波峰,为该珊瑚的特征峰;486,577,607和650 nm处也存在四个明显波峰;随后剧增至700 nm的~37%。光谱反射率导数分析结果表明盾形陀螺珊瑚和精巧扁脑珊瑚可区分波段为：一阶导数483.7～492.6,496.2～500和533.5～540.5 nm。二阶导数414～422.7,499.4～504,520.2～523.3,534.2～536.6,557.5～561和671.8～675 nm。四阶导数414～417.6,427.4～430.3,433.4～436.5,452.3～455.5和657.1～659.1 nm。     

叶片滞尘对大叶黄杨光谱特征的影响及其滞尘量预测研究

大气颗粒物污染在全球范围内已成为严重的城市环境问题之一。为探究滞尘对叶片光谱特征的影响,并建立以高光谱数据为基础的叶面滞尘预测模型。以北京市常见绿化树种(大叶黄杨)为研究对象,设置高、中、低滞尘污染梯度,采集720个叶片样本,利用ASD Fildsoec Handheld光谱仪获取高光谱数据。结果表明:光谱反射峰分别在560和900 nm处,吸收谷分别在400～500, 600～700和1 000～1 050 nm范围内;有无滞尘的叶片反射率在不同波段表现出不同的规律,在400～760和760～1 100 nm范围内的光谱反射率大小分别表现为滞尘叶片除尘叶片、滞尘叶片除尘叶片;滞尘与除尘叶片在植被光谱曲线上的差异性较明显, 350～700和1 900～2 500 nm波段,滞尘叶片的光谱反射率略高于除尘叶片,而在780～1 400 nm范围内,滞尘叶片光谱反射率则显著低于除尘叶片,差异性表现为:重度污染区中度污染区轻度污染区;反射率在可见光波段(350～780 nm)随叶面滞尘量的增加而增大,而近红外波段(780～1 100 nm)的变化趋势则相反;粉尘对叶片的红边斜率影响较大,表现为滞尘叶片无尘叶片,而对红边位置没有显著影响。叶面滞尘量预测模型中,以叶面水含量指数、简单比值指数建立的二次多项式预测模型效果最好,分别为y=-1.18x~2+0.542 4x+0.991 7,y=-7.67x~2+3.692 4x+0.371 4。模型验证表明,R~2分别达到0.987 7和0.887 3,拟合效果较好,说明预测模型可有效地估测大叶黄杨叶面滞尘量。     

可见/近红外高光谱成像技术对鸡蛋种类无损判别

利用高光谱技术对鸡蛋种类判别进行研究,为鸡蛋种类无损判别提供科学方法。本研究利用400~1 000 nm高光谱系统采集3种鸡蛋样本的高光谱图像,对原始光谱进行预处理;应用CARS、GAPLS和IRF对预处理后的光谱数据提取特征波长;分别建立基于全光谱和特征波长的KNN和PLS-DA鸡蛋判别模型。结果表明:Detrend法为最优预处理方法;利用CARS、GAPLS和IRF分别选出31、52和71个特征波长;基于IRF提取的特征波长的PLS-DA模型最优,校正集正确率97.02%,预测集正确率85.71%。表明基于高光谱成像技术采集的鸡蛋反射光谱对种类无损判别是可行的。     

基于高光谱的番茄叶片斑潜蝇虫害检测

番茄植株在生长过程中受病虫害的侵染,将导致番茄减产和种植户的经济效益降低,该研究用高光谱技术结合化学计量学方法,实现了番茄叶片斑潜蝇虫害的快速识别。搭建了简易的高光谱成像系统,包括光源单元、高光谱图像采集单元和数据处理单元,用该系统获取番茄叶片的高光谱图像,对高光谱图像进行校准,并从每一幅图像中提取光谱信息。分别采用了光谱角匹配(SAM)分析方法和光谱红边参数判别分析(DA)方法识别番茄叶片斑潜蝇虫害。在SAM分析中,对高光谱数据进行了归一化预处理,以消除多余信息,增加样品之间的差异。比较了以不同番茄叶片样品的反射光谱作为测试光谱时,虫害识别效果的差异,当以受到斑潜蝇侵染的番茄叶片的平均反射光谱作为测试光谱时,虫害识别的正确率较高,达到96.5%。在光谱红边参数判别分析中,从光谱数据中提取了红边位置、红边振幅、最小振幅、红边面积、红谷位置和红边振幅/最小振幅6组红边信息,利用判别分析方法建立番茄叶片斑潜蝇虫害的判别模型,比较了距离判别、Fisher判别、Bayes判别分析方法的判别效果,使用距离判别分析建模的判别正确率最低,判别正确率为88.0%,使用Fisher判别分析建模的效果最佳,判别正确率为96.0%。研究结果表明,采用高光谱技术识别番茄叶片斑潜蝇虫害具有可行性。     

高光谱成像技术鉴别菠菜叶片农药残留种类

利用高光谱成像技术无损鉴别菠菜叶片农药残留种类。采用高光谱成像仪采集900~1 700 nm波段内的光谱数据,采用多元散射校正对光谱数据进行预处理。利用主成分分析对不同种类菠菜样品的光谱数据进行分析,结果表明主成分分析能在可视化层面对不同种类的农药残留菠菜样品进行有效判别。另外,将卡方检验特征选择算法分别与支持向量机、朴素贝叶斯、决策树和线性判别分析算法结合,并采用10-fold交叉验证评价方法,筛选出最佳波段和最优判别模型（线性判别模型）。筛选出的8个特征波长为1 439.3,1 442.5,1 445.8,1 449,1 452.3,1 455.5,1 458.7,1 462 nm,模型的预测准确率达到0.993且10次交叉验证的标准差为0.009。结果表明,基于高光谱成像技术能准确地识别菠菜叶片上的农药残留种类。     

高光谱的刺五加黑斑病的早期检测研究

对感染黑斑病的刺五加叶片进行光谱特性研究,能为药用植物病害的早期筛选与精准治疗提供重要研究资料。实验目的,运用高光谱成像技术实现植物病害的自动监督分类与识别。实验过程,首先使用高光谱成像系统在可见光波段（380～960 nm）内采集刺五加黑斑病的叶片样本,光谱数据经过去除亮暗噪声和平滑预处理后,再经过主成分分析实现数据降维,继而运用基于不同核函数的支持向量机法建立分类模型,最后利用总体分类精度、Kappa系数等因子评价不同核函数对分类器性能的影响。根据叶片表面的特征将其分为四类样本：健康亮部、健康暗部、轻度病害和重度病害等。对比各类样本的光谱可知,刺五加的健康样本在540 nm波长存在一个明显峰值,在620～680 nm光谱曲线急剧上升;而病害样本的光谱反射率呈现缓慢且平稳的上升趋势,上述特征能够将图像空间上反射强度接近的健康亮部和严重病害完全区分开。经对比发现前四个主成分（PC1,PC2,PC3,PC4）在分类表达上存在差异,主要表现为PC1含有的信息多,能够较好地区分各类样本;PC2则出现健康亮部和严重病害的交叉混淆;PC3是对于PC2的补充,能基本完整地表达轻微病害;PC4的贡献率仅有0.19%,依然能够准确地识别严重病害。不同主成分分量在表达各类样本特征中存在的差异能够作为复杂样本分类的参考依据。对比四种核函数对支持向量机分类器性能的影响,结果显示线性核函数的识别过程受光强反射的影响较大,Sigmoid核函数的训练精度易受数据集大小的影响,在识别健康亮或暗,以及轻微病害上均存在一定的误差,多项式核函数与径向基核函数的效果较好,其中,多项式核函数的精度更高,为92.77%。研究表明,利用高光谱成像技术能够准确地识别刺五加的健康叶片和患病叶片,为实现自动诊断药用植物叶片病害提供新方法。     

基于高光谱成像技术和MNF检测苹果的轻微损伤

苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。为了快速有效地识别苹果的轻微损伤,以具有代表性的双色红富士苹果为研究对象,提出了一种以高光谱成像和最低噪声分离(MNF)变换的苹果轻微损伤识别检测方法。首先,使用高光谱成像系统获取苹果的可见-近红外波段(400~1 000 nm)的图像,对比发现全波段的最低噪声分离变换比主成分分析(PCA)变换可获得更好的识别效果;其次,利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图,依据该系数曲线挑选出了5个特征波段(560,660,720,820和960 nm);最后,特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验,损伤识别总体正确率为97.1%,试验结果表明,利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤,为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。     

基于主成分分析和径向基网络的水稻胡麻斑病严重度估测

对植被病害严重度的精确预测是采取植保措施的关键,同时对减少农药使用量也具有积极意义。该研究首先对叶片光谱反射数据进行重采样和求一阶、二阶微分,再用主成分分析PCA技术对上述变换光谱进行分析,最后结合径向基函数神经网络RBFN对水稻胡麻叶斑病严重度进行预测。将全部的光谱数据和病害严重度分为两组,75％用于网络训练,25％用作网络性能测试。文中对预测结果准确性有重要影响的径向基函数扩展速率和不同的数据处理方法进行了讨论,研究发现,一阶微分光谱经PCA压缩后,获得主分量光谱,输入RBN,病害严重度的预测均方根误差仅有7.73％。表明：主成分分析和径向基函数神经网络（PCA-RBFN）相结合,可以对水稻胡麻斑病严重度进行快速、精确的估算。     

玉米叶片的光谱响应及其氮素含量预测研究

以不同施肥水平下两年玉米田间试验为基础,利用高光谱技术探讨大喇叭口期不同层次玉米叶片光谱响应的敏感区域,并依据叶片氮素含量与原始光谱反射率及其一阶导数的相关性,最终构建了叶片氮素含量的预测模型。结果表明：不同施肥水平下叶片光谱反射率差别明显区域集中在550 nm附近波段、761～1 300 nm波段,不同层次间叶片光谱反射率差别明显区域集中在550 nm附近波段,叶片氮素含量与470～760 nm波段光谱反射率及其一阶导数呈极显著相关。经过对比筛选,以光谱指数DSI(564,681)和DSI(681,707)构建的指数预测模型效果最好,预测精度达93.43%和93.39%,能有效估测叶片氮素含量。     

低温冷冻和机械损伤条件下马铃薯高光谱图像特征响应特性研究

开展了低温冷冻和机械损伤条件下马铃薯高光谱图像特征响应特性研究。采用卓立汉光公司Image~λ“谱像”系列高光谱相机获取完好的、低温冷冻和机械损伤条件下的光谱波段范围为387～1 035 nm的马铃薯高光谱图像;截取校正后的像素尺寸大小为60×60的马铃薯高光谱中部完好的图像并计算该区域平均反射率值;冻伤的马铃薯样本的反射光谱曲线在440,560和680 nm附近有明显吸收峰;机械损伤样本在560和680 nm附近有明显吸收峰,在680 nm附近吸收峰谷值明显低于冻伤样本;完好的马铃薯样本反射光谱曲线相对较为平滑,在560和680 nm附近未见明显吸收峰;撞伤样本在440,560和680 nm附近存在吸收峰,而在410 nm附近有一个明显的反射峰。四类马铃薯样本的反射光谱曲线特征峰值表现出一定的指纹特性,因而可以被用于后续品质特征检测分析使用。由于仪器或检测环境、光照强弱等因素影响,光谱数据中掺杂噪声,因此采用化学计量学预处理方法消除噪声的影响;随机选取70%的马铃薯四类样本的反射光谱作为训练数据,剩余的30%作为测试集;接着,利用极端梯度提升算法、类型提升算法和轻量梯度提升机算法来获取马铃薯高光谱图像的有效特征波谱,减少高维海量高光谱数据对后续品质分类模型的影响;最后,将提取到的有效特征波长构建马铃薯品质判别模型。在建立的分类模型中,使用的轻量梯度提升机+逻辑斯蒂回归达到最高的判别精度98.86%。该研究为将来高光谱图像成像技术在现代农业生产加工过程中马铃薯品质有效监测与控制提供理论基础和技术支撑。     

稻干尖线虫病胁迫水稻叶片波谱响应特征及识别研究

对植被病害的精确识别是采取植保措施的前提,同时对喷施农药也具有积极的指导作用。比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、光谱反射率、高光谱特征参数,受害水稻叶片与健康叶片相比,叶绿素和类胡萝卜素含量分别降低18%和22%;光谱反射率在蓝紫光、绿光和红光谱段分别增加1.5,1和2.3倍,在近红外和短波红外区域分别降低约28.9%和26.3%,红边和蓝边分别蓝移约8和10nm,绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量,对受害和健康叶片进行识别,精度为100%。研究表明,水稻叶片光谱对病害胁迫具有显著的响应特征,利用C-SVC对受害和健康叶片进行辨别的方法是可行的。