国家自然科学基金(61075017)
- 作品数：2 被引量：42H指数：2
- 相关作者：冯斌陈双双冯雷何勇刘飞更多>>
- 相关机构：浙江大学全国农业展览馆更多>>
- 发文基金：浙江省重大科技专项基金浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于高光谱成像技术的茄子叶片灰霉病早期检测被引量：16
- 2012年
- 为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380～1 031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量,利用最小二乘支持向量机(LS-SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%。说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测。
- 冯雷张德荣陈双双冯斌谢传奇陈佑源何勇
- 关键词：灰霉病最小二乘支持向量机连续投影算法主成分分析茄子
- 基于光谱技术的大豆豆荚炭疽病早期鉴别方法被引量：26
- 2012年
- 为更好地指导农户进行植物病害防治,提高大豆豆荚的商品性,减少损失,需要运用快速有效的方法来进行大豆豆荚炭疽病的早期检测。该文应用可见-近红外光谱技术结合连续投影算法(SPA)和最小二乘支持向量机(LS-SVM),实现了大豆豆荚炭疽病的早期快速无损检测。对194个大豆豆荚样本进行光谱扫描,通过不同预处理方法比较,建立了大豆豆荚炭疽病早期无损鉴别的最优偏最小二乘法(PLS)模型。同时应用主成分分析(PCA)和连续投影算法(SPA)分别了提取最佳主成分和有效波长,并将其作为LS-SVM的输入变量,建立了PCA-LS-SVM和SPA-LS-SVM模型,以样本鉴别的准确率作为模型评价指标。试验结果显示PCA-LS-SVM和SPA-LS-SVM模型都获得了比较满意的准确率,且SPA-LS-SVM模型的准确率最高为95.45%。研究表明,SPA能够有效地进行波长选择,进而使LS-SVM模型获得较高的鉴别率,说明应用可见-近红外光谱技术鉴别大豆豆荚炭疽病是可行的。这为进一步应用光谱技术进行大豆生长对逆境胁迫的反应提供了新的方法,为实现大豆病害的田间实时在线检测提供参考。
- 冯雷陈双双冯斌刘飞何勇楼兵干
- 关键词：近红外光谱主成分分析最小二乘法支持向量机炭疽病
