基于机器学习的超谱波长选择和分类蜘蛛感染的黄瓜叶
Boris Mandrapa1, Klaus Spohrer2, Dominik Wuttke3
1Institute of Agricultural Engineering, Tropics and Subtropics Group, University of Hohenheim, Stuttgart, Germany. boris.mandrapa@uni-hohenheim.de.
Experimental & applied acarology
|August 23, 2024
概括
机器学习使用高光谱成像精确检测黄瓜中的双斑蜘蛛. 这种方法为温室农业中早期发现害虫提供了一个有希望的,实用的方法.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机科学 计算机科学
背景情况:
- 双斑蜘蛛 (Tetranychus urticae) 是一个重要的温室害虫,造成了大量的作物损害,特别是黄瓜.
- 蜘蛛的食改变了叶子的光谱特性,为光学检测方法创造了潜力.
研究的目的:
- 应用机器学习方法来检测使用超光谱数据在黄瓜叶中发现蜘蛛虫感染.
- 识别有效的波长并评估机器学习算法的准确性,以分类健康和受感染的叶子.
主要方法:
- 在受控条件下从黄瓜叶子收集过光谱数据.
- 采用三种特征选择方法来确定有效的波长.
- 利用三个监督机器学习算法来分类叶子感染状态.
主要成果:
- 在所有特征选择和分类方法组合中,实现了超过80%的分类准确度.
- 即使使用了减少的十个或五个波长,也保持了高精度.
- 证明了机器学习在区分健康和受蜘蛛感染的黄瓜叶子方面的有效性.
结论:
- 机器学习是基于图像检测黄瓜中的蜘蛛的强大工具.
- 鉴定了有限数量的有效波长,这表明在害虫防治中具有实用性和成本效益的应用的巨大潜力.
