公共文化服务平台

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

基于直接正交信号校正的水稻冠层叶瘟光谱诊断被引量：16: 2010年; 采用直接正交信号校正-连续投影算法(DOSC-SPA)联用的组合处理方法,实现了应用可见/近红外光谱技术对水稻冠层叶瘟病的快速准确诊断。采集水稻冠层样本共120个,其中健康和染病样本各60个。用DOSC-SPA方法,对水稻冠层光谱数据进行直接正交化处理,然后通过连续投影算法提取有效波长(EW),建立了有效波长(775 nm)与叶瘟诊断判别的直接线性方程:Y=5.283X。应用该方程对预测集样本进行诊断判别,其判别准确率为95.0%,获得了满意的判别精度。结果表明,DOSC-SPA组合处理方法提取水稻冠层叶瘟诊断的特征波长是非常有效的,并且通过直接线性方程能获得满意的判别精度,为后续水稻大田叶瘟病情监测、喷药处理及相应病情监测仪器的开发提供了方法和依据。; 刘飞冯雷柴荣耀孙光明楼兵干孙测何勇; 关键词：连续投影算法偏最小二乘法水稻

茄子灰霉病叶片过氧化氢酶活性与高光谱图像特征关联方法被引量：11: 2012年; 对灰霉病胁迫下茄子叶片过氧化氢酶(CAT)活性的高光谱图像特征进行了研究。采用380～1030nm范围的高光谱图像摄像仪获取健康、轻度、中度、严重染病茄子叶片的高光谱图像信息,基于ENVI软件处理平台提取高光谱图像中对象的漫反射光谱响应特性,并采用平滑、中值滤波、归一化法等预处理方法提高光谱的信噪比。然后采用偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)和BP神经网络算法来建立叶片高光谱响应特征与CAT活性之间的关系模型。在PLSR模型中,前2个隐含变量能够实现健康、轻度、中度、严重染病茄子叶片的直观定性区分,而基于PLSR模型推荐的9个隐含变量建立的BP神经网络模型的预测集决定系数R2为0.8930,均方根误差为2.17×103。表明基于高光谱图像特性可以实现灰霉病胁迫下茄子病害程度的有效区分,同时证明基于高光谱图像特性的茄子叶片CAT活性的定量检测是可行的。; 谢传奇冯雷冯斌李晓丽刘飞何勇; 关键词：茄子灰霉病过氧化氢酶高光谱图像

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

基于高光谱图像技术的油菜籽品种鉴别方法研究被引量：23: 2011年; 提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法．采集多个品种油菜籽400～1000cm范围的高光谱图像数据，通过主成分分析法（PCA）获得主成分图像，确定特征波长；采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数，应用人工神经网络建立油菜籽品种鉴别模型．结果表明，模型训练时品种判别率为93．75％，预测的判别率为91．67％．说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用．; 邹伟方慧刘飞周康韵鲍一丹何勇; 关键词：图像处理高光谱图像主成分分析油菜籽

基于可见-近红外光谱和多光谱成像技术的梨损伤检测研究被引量：8: 2011年; 提出了利用可见-近红外光谱技术和多光谱成像技术检测鸭梨损伤随时间及程度变化的新方法。利用可见-近红外光谱技术,分别结合偏最小二乘(partial least squares,PLS)和最小二乘支持向量机(leastsquares-support vector machine,LS-SVM)方法对鸭梨受损程度和受损天数进行预测。结果表明,两种方法在鸭梨损伤后期对损伤程度的判别均具有较好的效果;LS-SVM方法对鸭梨轻度损伤的损伤天数的预测精度较高,但重度损伤天数的预测效果不如PLS方法。然后利用多光谱图像预测鸭梨受损天数。研究发现,利用LS-SVM建立的模型预测效果较稳定,预测结果相关系数均在0.85左右。说明利用可见-近红外光谱分析技术和多光谱成像技术能够快速无损地检测出鸭梨的损伤程度及时间,为鸭梨检测提供了一种新方法。; 曹芳吴迪郑金土鲍一丹王遵义何勇; 关键词：多光谱成像鸭梨最小二乘支持向量机偏最小二乘法

基于组合模拟波段的油菜菌核病早期诊断方法研究被引量：6: 2010年; 应用组合模拟波段建立的线性和非线性判别模型实现了油菜菌核病的早期诊断。采集油菜健康叶片80个,菌核病染病叶片100个,采用预处理算法与连续投影算法(SPA)相结合提取组合模拟波段,分别建立偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘-支持向量机(LS-SVM)模型。通过比较,最优PLS判别的预处理分别为直接正交信号校正(DOSC)、De-trending和原始反射光谱(Raw),准确率分别为100%,95.7%和95.7%。应用组合模拟波段的最优线性模型为SPA-MLR(DOSC)和SPA-PLS(DOSC)模型,准确率均为100%,基于DOSC、De-trending和Raw组合模拟波段的SPA-LS-SVM模型的判别准确率均为100%。结果表明,基于组合模拟波段进行油菜菌核病早期诊断是可行的,为油菜菌核病的早期诊断及病害监测仪器的开发提供了方法和依据。; 刘飞冯雷楼兵干孙光明王连平何勇; 关键词：油菜菌核病连续投影算法

作物-环境信息的快速获取技术与传感仪器被引量：19: 2010年; 作物-环境信息的快速获取是精准农业实施最为基本和关键的因素.作物信息主要包括作物生长过程中营养信息、生长发育不同阶段的生理信息和生态信息、呼吸作用、光合作用、根系发育等信息、病虫害信息等.环境信息主要包括土壤信息等.作物-环境信息具有数据海量、多维,空间分布差异大,时变性强等特点.传统的作物-环境信息获取方法耗时费力,无法满足精准农业信息快速获取的需要.为此需要大力研究适用于作物-环境信息快速获取的技术和传感仪器.目前主要采用的信息快速获取方法包括机器视觉、光谱分析以及多光谱与高光谱成像技术等.文中对目前主要开展的作物-环境信息快速获取技术和传感仪器进行了综述,并提出了进一步开展作物-环境信息快速获取技术和传感仪器的研究方向.; 何勇赵春江吴迪聂鹏程冯雷; 关键词：精准农业环境信息信息获取

稻叶瘟染病程度的可见-近红外光谱检测方法被引量：15: 2011年; 基于可见-近红外光谱技术,并采用偏最小二乘算法对不同水稻稻叶瘟染病程度的叶片进行化学计量学分析,分别建立基于全波段、特征波段和特征波长的稻叶瘟染病程度定量检测模型.结果表明：全波段建模的叶瘟病染病程度检测正确率达到96.7%;通过偏最小二乘算法的回归系数选择5个特征波段,分别为552-558、672-682、719-726、756-768和990-998 nm,基于特征波段的模型正确率也达到了90%,说明该5个特征波段与叶瘟病染病程度有很好的相关性;基于特征波段结果,选择5个特征波长,对叶瘟病染病程度的检测正确率为80%.说明基于可见-近红外光谱技术方法具有较好的预测能力,为稻叶瘟染病程度的快速鉴别提供了一种新方法.; 程术希邵咏妮吴迪何勇; 关键词：水稻

大豆豆荚炭疽病严重度的光谱检测被引量：5: 2012年; 利用可见/近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN 2种组合模型进行分析预测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA-BPNN的检测准确率最高,为90%。研究表明,SPA能够有效地进行波长选择,使BPNN模型获得满意的检测率。; 冯雷陈双双冯斌何勇楼兵干; 关键词：连续投影算法主成分分析偏最小二乘法

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

浙江省重大科技专项基金(2009C12002)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

浙江省重大科技专项基金(2009C12002)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈