二次主成分提取高光谱的病害薯叶特征波长

针对马铃薯晚疫病,提出了将病害叶片和健康叶片联合测试并提取有效特征波长的检测方法。对健康和病害叶片的光谱图像进行主成分分析,并从主成分图像的权重系数曲线中提取出6个健康叶片特征波长和病害叶片特征波长。基于健康叶片与病害叶片的6个特征波长做第二次主成分分析,将特征波长优化至712.19 nm、749.70 nm和841.47 nm,再基于这3个特征波长做主成分分析,选用主成分中对比度最明显的图像来识别病害区域。研究表明,采用健康叶片与病害叶片联合使用并结合二次主成分分析可实现马铃薯叶片病害的设别,且识别率可达100%。     

马铃薯晚疫病害的高光谱图像空谱对比研究

为了快速检测马铃薯晚疫病,采用高光谱成像技术对马铃薯晚疫病的空谱信息进行对比研究以得到最佳判别手段。使用高光谱相机采集病害侵染0～6 d的高光谱图像,同时选取第6 d典型晚疫病病害的高光谱数据作为研究对象。采用二阶导数结合主成分分析和二次主成分分析分别从光谱和空间两个方面进行特征提取,之后基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、BP神经网络、决策树算法3种识别模型对不同时期病害进行识别。实验结果表明:基于二次主成分图像的灰度值结合BP神经网络建立的模型对马铃薯晚疫病的识别具有良好的成效,其识别率达96.6%。利用主成分图像灰度值建立的3种模型既减少了波段的冗余又提高了识别率,为研究和开发实时在线检测仪器提供了参考。