基于光谱和图像特征融合的棉花垂的智能识别
Zhihao Lu1, Shihao Huang1, Xiaojun Zhang2
1College of Engineering, Huazhong Agricultural University, Wuhan, 430070, People's Republic of China.
Plant methods
|July 29, 2023
概括
这项研究引入了一种新的方法,用于识别棉花verticillium枯,使用融合的光谱和图像数据. 这种方法显著提高了鉴定准确度,提供了一种非破坏性的疾病检测方法.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 遥感 遥感 遥感 遥感
背景情况:
- Verticillium枯会对棉花产量和经济回报产生重大影响.
- 传统的疾病识别方法是手动的,主观的和低效的.
- 准确的识别棉花verticillium枯对于研究和作物管理至关重要.
研究的目的:
- 开发一种用于识别棉花verticillium枯的新方法.
- 为了融合光谱和图像特征,提高疾病检测.
- 为了比较不同特征提取和分类模型的性能.
主要方法:
- 收集了棉花高光谱和RGB图像的健康和生病的叶子.
- 应用的光谱预处理 (SG,MSC,DT,MN) 和特征提取 (PCA,SPA).
- 使用EfficientNet用于图像特征提取和SVM/BPNN用于融合特征分类.
主要成果:
- 融合的光谱和图像特征使用SG-MN-SPA-FF-BPNN模型实现了最高的分类准确率98.99%.
- 单个光谱特征带模型 (SG-MN-SPA-BPNN) 达到了93.78%的准确性.
- 仅靠EfficientNet模型,疾病识别的平均准确率为93.00%.
结论:
- 通过高光谱成像将光谱和图像特征融合在一起,可以有效地提高棉花的识别准确性.
- 开发的方法为疾病检测提供了一种非破坏性和准确的方法.
- 这项研究为棉花早期疾病诊断提供了理论基础和实践方法.


