|
|||||
|
|
| 基于主成分分析和BP神经网络的柑橘黄龙病诊断技术 | |
| 引用本文： | 邓小玲,孔晨,吴伟斌,梅慧兰,李震,邓晓玲,洪添胜. 基于主成分分析和BP神经网络的柑橘黄龙病诊断技术[J]. 光子学报, 2014, 43(4): 430002 |
| 作者姓名： | 邓小玲 孔晨 吴伟斌 梅慧兰 李震 邓晓玲 洪添胜 |
| 作者单位： | 邓小玲:华南农业大学 工程学院, 广州 510642华南农业大学 南方农业机械与装备关键技术教育部重点实验室，广州 510642国家柑橘产业技术体系机械研究室，广州 510642 孔晨:华南农业大学 工程学院, 广州 510642 吴伟斌:华南农业大学 工程学院, 广州 510642华南农业大学 南方农业机械与装备关键技术教育部重点实验室，广州 510642国家柑橘产业技术体系机械研究室，广州 510642 梅慧兰:华南农业大学 工程学院, 广州 510642华南农业大学 南方农业机械与装备关键技术教育部重点实验室，广州 510642国家柑橘产业技术体系机械研究室，广州 510642 李震:华南农业大学 工程学院, 广州 510642华南农业大学 南方农业机械与装备关键技术教育部重点实验室，广州 510642国家柑橘产业技术体系机械研究室，广州 510642 邓晓玲:华南农业大学 资源环境学院柑橘黄龙病研究室，广州 510642 洪添胜:华南农业大学 工程学院, 广州 510642华南农业大学 南方农业机械与装备关键技术教育部重点实验室，广州 510642国家柑橘产业技术体系机械研究室，广州 510642 |
| 基金项目： | 国家自然科学基金(青年基金)(No. 31201129)、现代农业产业技术体系建设专项资金(No. CARS-27)、广东省教育厅高校优秀青年创新人才培养计划(No. 2012LYM_0028)、教育部高等学校博士学科点专项科研基金(No. 20124404120006)和广东省科技计划项目(No. 2011B-020308009)资助 |
| 摘 要： | 柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术,前者凭经验,诊断快,但准确性低;后者准确性高,但效率低和成本高.本文采用高光谱成像技术,获取5种症状柑橘叶片的高光谱图像,采用基于主成分分析和BP神经网络相结合的方法,对370~988nm波段范围内的柑橘叶片高光谱图像进行了病状的无损检测.研究结果表明,柑橘叶片的高光谱图像存在很大冗余,前四个主成分累积方差贡献率达到97.42%.数据建模分类得表明:BP神经网络的分类准确率达85%以上,经主成分后再利用BP神经网络的分类准确率绝大部分达到90%以上.因此,利用高光谱成像技术进行柑橘黄龙病的早期诊断具有较高的可行性. |
| 关 键 词： | 柑橘黄龙病 光谱学 高光谱图像 无损检测 主成分分析 BP神经网络 |
| 收稿时间： | 2013-07-26 |
Detection of Citrus HuangLongBing Based on Principal Component Analysis and Back Propagation Neural Network |
|
| Abstract: | |
| Keywords: | Citrus HuangLongBing Spectroscopy Hyperspectral imaging Nondestructive testing Principal Component Analysis (PCA) Back Propagation Neural Network (BPNN) |
| 本文献已被 CNKI 等数据库收录！ | |