基于近红外高光谱的梨叶片炭疽病与黑斑病识别 (1).pdfVIP

２０２２年２月农业机械学报第５３卷第２期

ｄｏｉ:１０.６０４１/ｊ.ｉｓｓｎ.１０００￣１２９８.２０２２.０２.０２３

基于近红外高光谱的梨叶片炭疽病与黑斑病识别

１１１１２２

刘莉陶红燕方静郑文娟王良龙金秀

(１.安徽农业大学园艺学院ꎬ合肥２３００３６ꎻ２.安徽农业大学信息与计算机学院ꎬ合肥２３００３６)

摘要:针对梨炭疽病和黑斑病发病症状很相似ꎬ难以区分ꎬ导致实际生产中不便对症施药的问题ꎬ以砀山酥梨叶片

为研究对象ꎬ探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性ꎮ首先ꎬ运用高光谱成像系统采集砀山

酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像ꎬ提取图像的平均光谱反射率ꎮ采用多元散射校正法

(ＭｕｌｔｉｐｌｉｃａｔｉｖｅｓｃａｔｔｅｒｃｏｒｒｅｃｔｉｏｎꎬＭＳＣ)、ＳａｖｉｔｚｋｙＧｏｌａｙ卷积平滑法和标准正态变换法(Ｓｔａｎｄａｒｄｎｏｒｍａｌｖａｒｉａｔｅꎬ

ＳＮＶ)分别对原始光谱数据进行预处理ꎮ然后ꎬ采用主成分分析算法(ＰｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓꎬＰＣＡ)、连续投影

算法(ＳｕｃｃｅｓｓｉｖｅｐｒｏｊｅｃｔｉｏｎｓａｌｇｏｒｉｔｈｍꎬＳＰＡ)、无信息变量消除法(ＵｎｉｆｏｒｍａｔｉｖｅｖａｒｉａｂｌｅｅｌｉｍｉｎａｔｉｏｎꎬＵＶＥ)、竞争性自

适应重加权算法(ＣｏｍｐｅｔｉｔｉｖｅａｄａｐｔｉｖｅｒｅｗｅｉｇｈｔｅｄｓａｍｐｌｉｎｇꎬＣＡＲＳ)、随机蛙跳算法(Ｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍꎬ

ＳＦＬＡ)提取特征波长ꎬ分别获取了２７、１２、１５、２６、２０条特征波长ꎬ并将其作为后期建模的输入变量ꎮ经对比发现ꎬ在

各基于特征波长建立的支持向量机(ＳＶＭ)分类识别模型以及ＢＰ神经网络分类识别模型中ꎬＳＰＡＳＶＭ识别模型

效果最佳ꎬ测试集准确率为９３２５％ꎬ建模集准确率为９４８０％ꎮ试验结果证明ꎬ利用高光谱技术能够有效识别砀山

酥梨叶片的黑斑病与炭疽病ꎮ

关键词:砀山酥梨ꎻ炭疽病ꎻ黑斑病ꎻ高光谱ꎻ特征波长ꎻ识别模型

中图分类号:Ｓ４３６６１２１ꎻＳ６６１２文献标识码:Ａ文章编号:１０００￣１２９８(２０２２)０２￣０２２１￣１０ＯＳＩＤ:

ＩｄｅｎｔｉｆｙｉｎｇＡｎｔｈｒａｃｎｏｓｅａｎｄＢｌａｃｋＳｐｏｔｏｆＰｅａｒＬｅａｖｅｓｏｎＮｅａｒ￣ｉｎｆｒａｒｅｄ

Ｈｙｐｅｒｓｐｅｃｔｒｏｓｃｏｐｙ

１１１１２２

ＬＩＵＬｉＴＡＯＨｏｎｇｙａｎＦＡＮＧＪｉｎｇＺＨＥＮＧＷｅｎｊｕａｎＷＡＮＧＬｉａｎｇｌｏｎｇＪＩＮＸｉｕ

(１.ＣｏｌｌｅｇｅｏｆＨｏｒｔｉｃｕｌｔｕｒｅꎬＡｎｈｕｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＨｅｆｅｉ２３００３６ꎬＣｈｉｎａ

２.ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅꎬＡｎｈｕｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＨｅｆｅｉ２３００３６ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｐｅａｒａｎｔｈｒａｃｎｏｓｅａｎｄｐｅａｒｂｌａｃｋｓｐｏｔａｒｅｓｅｒｉｏｕｓｄｉｓｅａｓｅｓｔｈａｔｏｃｃｕｒｄｕｒｉｎｇｔｈｅｇｒｏｗｔｈｏｆ

ｐｅａｒｓ.Ｔｈｅｓｙｍｐｔｏｍｓｏｆｔｈｅｓｅｔｗｏｄｉｓｅａｓｅｓａｒｅｖｅｒｙｓｉｍｉｌａｒａｎｄｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｄｉｓｔｉｎｇｕｉｓｈꎬｗｈｉｃｈｌｅａｄｓｔ