一种基于高光谱成像的CARS-SPA-GA特征波长选择方法与马叶病分类
Xue Li1, Xueliang Fu1, Honghui Li1
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot 010011, China.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
这项研究引入了一种新的CARS-SPA-GA方法,使用光谱数据准确地检测土豆植物中的早期虫和虫虫虫. 该方法显著提高了对土豆害虫和疾病的分类准确性.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 频谱学是一种光谱学.
背景情况:
- 早期的虫和母虫虫的入侵大大降低了土豆的产量.
- 光谱分析显示作物疾病分类有前途,但对马早期腐烂的研究有限.
研究的目的:
- 开发和评估一种新的特征选择方法 (CARS-SPA-GA) 用于使用光谱数据对马叶的早期虫和虫虫的感染进行分类.
- 提高土豆害虫和疾病检测的准确性和效率.
主要方法:
- 从土豆叶片中预处理可见/近红外光谱数据.
- 使用竞争性适应性重权取样 (CARS) 和连续投影算法 (SPA) 进行特征波长选择.
- 使用遗传算法 (GA) 进行二次特征选择,并使用实编码遗传算法 (RCGA) 进行支持矢量机 (SVM) 分类器的参数优化.
主要成果:
- 通过CARS-SPA-GA方法,选择了具有高度信息性的波长子集 (9%的全频段).
- 经RCGA优化的SVM模型实现了高分类准确率98.366%的高分类准确度,用于区分健康的,早期受病影响的和被虫虫感染的马叶.
- 拟议的方法在准确性和检测效率方面取得了显著的改善.
结论:
- 可见/近红外光谱数据是可行的,用于分类早期虫和母虫虫在土豆中的入侵.
- CARS-SPA-GA特征选择方法有效地提高了马害虫和疾病分类的准确性和效率.
