基于无人机可见光通道及支持向量机模型的柑橘黄龙病个体识别方法

摘要

【目的】探究基于无人机可见光通道和支持向量机(SVM)模型的柑橘黄龙病个体识别方法,为生产上快速、高效发现柑橘黄龙病病株提供参考依据。【方法】构建2套基于SVM的识别模型,先通过柑橘黄龙病黄化识别模型确定具备黄龙病黄化特征的植株,再通过黄龙病斑驳特征识别模型对黄化植株的叶片进行斑驳特征分析确认黄龙病植株;对模型进行1次个体识别试验和2次普适性验证试验。【结果】对于黄龙病植株黄化特征识别,红(R)、绿(G)、蓝(B)、色调(H)和明度(V)在光谱分布上均具备特征性,可作为柑橘黄龙病黄化识别模型的输入变量;对于黄龙病叶片斑驳特征识别,通过叶片左、右部分平均反射率之差(D_(rl))和上、下部分平均反射率之差(D_(ub))及波形振幅的平均值(^(-)A)可有效排除缺素及其他非黄龙病黄化病害对识别结果的干扰,上述3个指标可作为柑橘黄龙病斑驳特征识别模型的输入变量。在个体识别试验中,对28株柑橘进行基于无人机可见光通道和SVM模型的柑橘黄龙病个体识别,识别准确率达100.00%。在中国南方柑橘黄龙病防治研究中心果场开展的普适性验证试验中,对4383株柑橘进行识别,非黄龙病个体识别准确率达100.00%,黄龙病个体识别准确率为89.47%;在广西南宁市武鸣区四明村果园开展的普适性试验中,非黄龙病个体识别准确率为97.30%,黄龙病个体识别准确率为86.67%。【结论】基于无人机可见光通道和SVM机模型的柑橘黄龙病个体识别方法能较好地识别柑橘种植区的黄龙病植株,且相较于高光谱识别方法成本更低,可在柑橘种植区域黄龙病防治中广泛应用。