基于高光谱成像技术的水稻叶瘟病病害程度分级方法

被引：40

作者：

郑志雄 ^{[1
]}

齐龙 ^{[1
,2
]}

马旭 ^{[1
,2
]}

朱小源 ^{[3
]}

汪文娟 ^{[3
]}

机构：

[1] 华南农业大学工程学院

[2] 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

[3] 广东省农业科学院植物保护研究所

来源：

农业工程学报 | 2013年 / 29卷 / 19期

基金：

高等学校博士学科点专项科研基金;

关键词：

主成分分析; 病害; 分级; 水稻叶瘟病; 高光谱成像; 最大类间方差法;

D O I：

暂无

中图分类号：

S435.111.41 []; O433 [光谱学];

学科分类号：

0703 ; 070302 ;

摘要：

为了快速、准确地对水稻叶瘟病病害程度进行分级评估,结合定性分析与定量估算,提出了一种基于高光谱成像技术的水稻叶瘟病病害程度分级方法。利用HyperSIS高光谱成像系统采集了受稻瘟病侵染后不同病害等级的水稻叶片高光谱图像,通过分析叶瘟病斑区域与正常叶片部位的光谱特征,对差异较大的550和680 nm波段进行二维散点图分析,提取只含病斑的高光谱图像;然后通过主成分分析(principal component analysis,PCA)方法得到利于褐色病斑和灰色病斑分割的第2主成分图像,采用最大类间方差法(Otsu)分割出灰色病斑;最后结合延伸率和受害率2个参数对水稻叶瘟病病害程度进行分级。试验结果表明:测试的166个不同稻叶瘟病害等级的叶片样本中,其中160个样本可被准确分级,分级准确率为96.39%。该研究为稻叶瘟病田间病害程度评估提供了基础,也为稻瘟病抗性鉴定方法提供了新思路。

引用

页码：138 / 144

页数：7

共 20 条

[1]

水稻病虫害诊断与防治原色图谱.[M].傅强;黄世文主编;高成伟等编著;.金盾出版社.2005,

[2]

Near-infrared hyperspectral imaging for grading and classification of pork.[J].Douglas Barbin;Gamal Elmasry;Da-Wen Sun;Paul Allen.Meat Science.2011, 1

[3] Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence [J].

Qin, Jianwei ;

Burks, Thomas F. ;

Ritenour, Mark A. ;

Bonn, W. Gordon .

JOURNAL OF FOOD ENGINEERING, 2009, 93 (02) :183-191

[4] Plant disease detection based on data fusion of hyper-spectral and multi-spectral fluorescence imaging using Kohonen maps [J].

Moshou, D ;

Bravo, C ;

Oberti, R ;

West, J ;

Bodria, L ;

McCartney, A ;

Ramon, H .

REAL-TIME IMAGING, 2005, 11 (02) :75-83

[5]

Detecting Bruises on ‘Golden Delicious’ Apples using Hyperspectral Imaging with Multiple Wavebands.[J].Juan Xing;Cédric Bravo;Pál T. Jancsók;Herman Ramon;Josse De Baerdemaeker.Biosystems Engineering.2004, 1

[6] Automatic detection of 'yellow rust' in wheat using reflectance measurements and neural networks [J].