| 番茄叶片早疫病近红外高光谱成像检测技术 |
| |
| 引用本文： | 谢传奇,方孝荣,邵咏妮,何 勇.番茄叶片早疫病近红外高光谱成像检测技术[J].农业机械学报,2015,46(3):315-319. |
| |
| 作者姓名： | 谢传奇 方孝荣 邵咏妮 何 勇 |
| |
| 作者单位： | 浙江大学;佛罗里达大学,金华职业技术学院,浙江大学,浙江大学 |
| |
| 基金项目： | 国家高技术研究发展计划（863计划）资助项目（2013AA102301）、高等学校博士学科点专项科研基金资助项目（20130101110104）、教育部留学回国人员科研启动基金资助项目和中央高校基本科研业务费专项资金资助项目（2014FZA6005） |
| |
| 摘 要： | 提出了基于格拉姆斯密特(MGS)模型和贝叶斯罗蒂斯克回归(BlogReg)的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874~1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机(LS-SVM)识别模型,再通过MGS和BlogReg提取特征波长(EW),分别得到5个(911、1 409、1 511、1609、1 656 nm)和9个(901、905、908、915、918、1 123、1 305、1 460、1 680 nm)特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%~98%,预测集的正确识别率为96%~100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。
|
| 关 键 词： | 番茄 早疫病 近红外光谱 格拉姆斯密特模型 贝叶斯罗蒂斯克回归 最小二乘-支持向量机 |
| 收稿时间： | 4/4/2014 12:00:00 AM |
Detection of Early Blight on Tomato Leaves Using Near-infrared Hyperspectral Imaging Technique |
| |
| Xie Chuanqi,Fang Xiaorong,Shao Yongni and He Yong.Detection of Early Blight on Tomato Leaves Using Near-infrared Hyperspectral Imaging Technique[J].Transactions of the Chinese Society of Agricultural Machinery,2015,46(3):315-319. |
| |
| Authors: | Xie Chuanqi Fang Xiaorong Shao Yongni and He Yong |
| |
| Institution: | Zhejiang University;University of Florida,Jinhua Polytechnic,Zhejiang University and Zhejiang University |
| |
| Abstract: | |
| |
| Keywords: | Tomato Early blight Near-infrared spectroscopy Modified gram-schmidt model Bayesian logistic regression Least square-support vector machines |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
