基于近红外高光谱的梨叶片炭疽病与黑斑病识别

摘要

针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像,提取图像的平均光谱反射率。采用多元散射校正法(Multiplicative scatter correction,MSC)、SavitzkyGolay卷积平滑法和标准正态变换法(Standard normal variate,SNV)分别对原始光谱数据进行预处理。然后,采用主成分分析算法(Principal component analysis,PCA)、连续投影算法(Successive projections algorithm,SPA)、无信息变量消除法(Uniformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)提取特征波长,分别获取了27、12、15、26、20条特征波长,并将其作为后期建模的输入变量。经对比发现,在各基于特征波长建立的支持向量机(SVM)分类识别模型以及BP神经网络分类识别模型中,SPASVM识别模型效果最佳,测试集准确率为93.25%,建模集准确率为94.80%。试验结果证明,利用高光谱技术能够有效识别砀山酥梨叶片的黑斑病与炭疽病。