基于多光谱图像的水稻穗颈瘟严重度识别研究

被引：8

作者：

张浩 ^{[1
,2
]}

姚旭国 ^{[2
]}

毛雪琴 ^{[3
]}

张震 ^{[3
]}

郑可锋 ^{[2
]}

机构：

[1] 农业部资源遥感与数字农业重点开放实验室

[2] 浙江省农业科学院数字农业研究中心

[3] 浙江省农业科学院植物保护与微生物研究所

来源：

湖南农业科学 | 2009年 / 01期

关键词：

多光谱图像; 分割方法; 水稻; 穗颈瘟;

D O I：

10.16498/j.cnki.hnnykx.2009.01.008

中图分类号：

S435.111.41 [];

学科分类号：

摘要：

为实时获取作物病害程度信息,研究了水稻穗颈瘟的多图像分割方法,并利用分割结果来估测穗颈瘟的发病程度。由于图像中背景复杂,从获取的多光谱图像中提取IR、R、G分量,难以将水稻穗颈从背景中分割出来。采用IR-G和2IR-R-G分割方法将水稻穗颈从图像中分离出来,31幅图像中水稻穗颈灰度值与病情指数呈极显著线性相关,由此建立了水稻穗颈瘟严重度的多光谱图像预测模型,实现了对水稻水稻穗颈瘟的快速、准确、非破坏性检测。

引用

收藏

页码：65 / 68

页数：4

相关论文

共 13 条

[1] Fall armyworm damaged maize plant identification using digital images [J].

Sena, DG ;

Pinto, FAC ;

Queiroz, DM ;

Viana, PA .

BIOSYSTEMS ENGINEERING, 2003, 85 (04) :449-454

[2] Yellowness index: an application of spectral second derivatives to estimate chlorosis of leaves in stressed vegetation [J].

Adams, ML ;

Philpot, WD ;

Norvell, WA .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1999, 20 (18) :3663-3675

[3]

遥感导论.[M].梅安新等[编著];.高等教育出版社.2001,

[4] 基于多光谱图像的水稻叶片叶绿素和籽粒氮素含量检测研究 [J].

张浩 ;

姚旭国 ;

张小斌 ;

祝利莉 ;

叶少挺 ;

郑可锋 ;

胡为群 .

中国水稻科学, 2008, (05) :555-558

[5] 玉米小斑病病害程度图像检测 [J].

葛婧 ;

邵陆寿 ;

丁克坚 ;

李静 ;

赵淑元 .

农业机械学报, 2008, (01) :114-117

[6] 水稻稻瘟病的发生及防治措施 [J].

唐金华 ;

姬宪明 .

现代农业, 2007, (09) :20-20

[7] 基于图像识别的玉米叶部病害诊断研究 [J].

赵玉霞 ;

王克如 ;

白中英 ;

李少昆 ;

谢瑞芝 ;

高世菊 .

中国农业科学, 2007, (04) :698-703

[8] 基于多光谱视觉传感技术的油菜氮含量诊断方法研究 [J].

冯雷 ;

方慧 ;

周伟军 ;

黄敏 ;

何勇 .

光谱学与光谱分析, 2006, (09) :1749-1752

[9] 计算机视觉技术在农作物氮素营养诊断上的应用研究进展 [J].

刘洪见 ;

郑丽敏 ;

廖树华 ;

朱虹 ;

李永宾 ;

不详 .

麦类作物学报 , 2005, (05) :117-121

[10] 计算机辅助小麦图像识别应用中颜色特征基本参量的表达 [J].

吴富宁朱虹郑丽敏廖树华 .

农业网络信息, 2004, (04) :10-14