基于高光谱成像技术的茄子叶片灰霉病早期检测

被引:18
作者
冯雷 [1 ]
张德荣 [2 ]
陈双双 [1 ]
冯斌 [3 ]
谢传奇 [1 ]
陈佑源 [4 ]
何勇 [1 ]
机构
[1] 浙江大学生物系统工程与食品科学学院
[2] 浙江大学宁波理工学院
[3] 全国农业展览馆
[4] 浙江大学生物技术研究所
基金
浙江省自然科学基金;
关键词
高光谱成像技术; 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;
D O I
暂无
中图分类号
S436.411 [茄子病虫害];
学科分类号
摘要
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。
引用
收藏
页码:311 / 317
页数:7
相关论文
共 18 条
[1]   基于高光谱图像技术的油菜籽品种鉴别方法研究 [J].
邹伟 ;
方慧 ;
刘飞 ;
周康韵 ;
鲍一丹 ;
何勇 .
浙江大学学报(农业与生命科学版), 2011, 37 (02) :175-180
[2]  
基于高光谱图像技术的苹果粉质化LLE-SVM分类[J]. 赵桂林,朱启兵,黄敏.光谱学与光谱分析. 2010(10)
[3]   冬小麦叶绿素含量高光谱检测技术 [J].
王伟 ;
彭彦昆 ;
马伟 ;
黄慧 ;
王秀 .
农业机械学报, 2010, 41 (05) :172-177
[4]  
基于多光谱成像技术的水稻叶瘟检测分级方法研究[J]. 冯雷,柴荣耀,孙光明,吴迪,楼兵干,何勇.光谱学与光谱分析. 2009(10)
[5]   基于地面多光谱成像技术的茄子灰霉病无损检测研究 [J].
吴迪 ;
朱登胜 ;
何勇 ;
张传清 ;
冯雷 .
光谱学与光谱分析, 2008, (07) :1496-1500
[6]   利用高光谱图像技术评判茶叶的质量等级 [J].
陈全胜 ;
赵杰文 ;
蔡健荣 ;
Vittayapadung Saritporn .
光学学报, 2008, (04) :669-674
[7]   基于可见/近红外光谱技术的番茄叶片灰霉病检测研究 [J].
吴迪 ;
冯雷 ;
张传清 ;
何勇 .
光谱学与光谱分析, 2007, (11) :2208-2211
[8]   基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究 [J].
吴迪 ;
冯雷 ;
张传清 ;
何勇 .
红外与毫米波学报, 2007, (04) :269-273
[9]   基于高光谱图像技术的雪花梨品质无损检测 [J].
洪添胜 ;
乔军 ;
Michael ONgadi ;
赵祚喜 ;
李震 .
农业工程学报, 2007, (02) :151-155
[10]   图像纹理的灰度共生矩阵计算问题的分析 [J].
薄华 ;
马缚龙 ;
焦李成 .
电子学报, 2006, (01) :155-158+134