水稻叶片SPAD值高光谱成像估测

摘要

以水稻叶片为研究对象,基于健康和稻瘟病叶片高光谱图像,运用高光谱特征参数、竞争性自适应重加权(CARS)和主成分分析(PCA)算法选取特征变量,采用偏最小二乘回归(PLSR)、支持向量机(SVM)和反向传播神经网络(BPNN)算法,构建水稻叶片SPAD值高光谱估测模型,并对比分析.结果 表明,所有模型均可预测SPAD值,最优模型为PCA-BPNN,其预测集决定系数、均方根误差、相对误差分别为0.8082、2.0783、4.18％.研究表明基于健康和稻瘟病叶片的高光谱图像估测叶绿素含量可行,为水稻健康状况监测、病害影响评估提供理论基础.