使用高光谱成像在大豆中预测大豆黄色斑点马赛克病毒

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:

• 农作物疾病显著降低了产量,需要早期检测方法.
• 大豆黄色斑点马赛克病毒 (SYMMV) 对大豆生产构成威胁.
• 传统的疾病识别方法可能耗时且不太准确.

研究的目的:

• 使用高光谱成像 (HSI) 和机器学习 (ML) 识别大豆黄斑马马赛克病毒 (SYMMV).
• 评估不同ML模型在SYMMV早期检测方面的有效性.
• 为了确定SYMMV识别的特征波长.

主要方法:

• 大豆植物是在两个环境条件下 (EN I和EN II) 种植的,并且感染了SYMMV.
• 超光谱成像 (HSI) 用于捕获大豆植物的光谱数据.
• 机器学习 (ML) 模型,包括随机森林,k-最近邻居,支持矢量机器和后勤回归,被训练和测试.
• 信息获取方法用于特征波长的特征选择.

主要成果:

• 从653nm到682nm的连续波长显示了SYMMV分类的高信息获取.
• 随机森林和k-最近邻居模型在早期疾病检测中实现了超过90%的准确性.
• 支持矢量机在两个环境中都表现出最高的性能,精度>95%.
• 后勤回归精度从EN I的>82%提高到EN II的>90%.

结论:

• 超光谱成像 (HSI) 与机器学习 (ML) 结合,为早期植物疾病识别提供了一个高度准确和高效的替代方案.
• 特定的光谱频段对于区分感染SYMMV的植物至关重要.
• 开发的HSI-ML方法显示了实时作物疾病监测和管理的巨大潜力.