使用高光谱成像检测草叶上的灰色菌和炭菌疾病检测
Baohua Zhang1,2, Yunmeng Ou2, Shuwan Yu2
1College of Engineering, Nanjing Agricultural University, No. 40, Dianjiangtai Road, Taishan Street, Pukou District, Nanjing, Jiangsu, 210031, P.R. China.
Plant methods
|December 20, 2023
概括
早期检测草疾病,如灰色菌和炭菌,对于作物产量至关重要. 这项研究结合了光谱指纹特征和植被指数,以使用机器学习进行准确,非破坏性的识别.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 遥感是一种远程传感.
背景情况:
- 灰色菌和炭菌显著降低了草的质量和产量.
- 早期发现疾病对于有针对性的喷和防止广泛的作物损失至关重要.
- 从健康的草叶区分早期疾病阶段是一个重大挑战.
研究的目的:
- 探索使用高光谱成像用于早期检测草叶病.
- 评估将光谱指纹特征和植被指数 (VIs) 结合用于疾病识别的有效性.
- 开发和比较机器学习模型,以准确和快速识别疾病.
主要方法:
- 采用高光谱成像技术来捕获叶子数据.
- 竞争性适应性重权取样 (CARS) 和ReliefF算法用于特征提取.
- 训练和测试了反向传播神经网络 (BPNN),支持矢量机 (SVM) 和随机森林 (RF) 模型.
主要成果:
- 综合的光谱指纹特征和VI显示出与单个特征相比,更高的识别精度.
- BPNN,SVM和RF模型的精度分别为97.78%,94.44%和93.33%.
- 融合特征方法显著提高了早期疾病检测性能.
结论:
- 这项研究提供了一种准确,快速和非破坏性的方法,用于早期识别草灰菌和炭菌.
- 这些发现支持将超光谱成像和机器学习整合起来,以有效地控制草中的疾病.
