基于高光譜成像的小麥赤霉病害分級診斷研究.pdf

1、小麥是世界上播種面積最大、分布最廣泛的糧食作物。小麥赤霉病是小麥生長過程中的重要病害，從幼苗到小麥抽穗都有可能受到赤霉病的侵害，而對小麥危害最嚴重的是穗腐。
　　論文針對小麥赤霉病的發(fā)生難防難控問題，以受赤霉病菌侵染的小麥麥穗為研究對象，利用可見-近紅外(400～l000nm)波段的小麥赤霉病光譜數(shù)據(jù)，研究小麥赤霉病害的分級診斷模型，為赤霉病害的分級識別，特別是早期診斷和預測預警奠定基礎。
　　論文主要研究內容及結論如下:<

2、br>　　(1)研究了小麥赤霉病害光譜的特征波長提取方法。基于笫一次主成分分析(PCAl)方法提取0～420個主成分，利用權重系數(shù)法和差分法求二階導數(shù)獲得6個最優(yōu)病害特征波長(548nm、645nm、683nm、739nm、812nm、871 nm)，通過實驗結果分析可知，選取的6個特征波長能夠對小麥穗的赤霉病害進行識別。
　　(2)提出了基于小麥赤霉病害光譜特征波長的第二次主成分分析(PCA2)方法。針對小麥穗樣本的光譜圖像，采

3、用第二主成分分析方法提取感興趣區(qū)域(ROI)即小麥穗的病害區(qū)域。首先，對小麥麥穗的高光譜圖像進行第一次主成分分析，選取最能顯示小麥麥穗全部輪廓區(qū)域的PC1，作為識別小麥麥穗輪廓圖像;然后，對特征波段進行第二次主成分分析，選取最能顯示小麥麥穗病害區(qū)域部分的PC3，作為識別小麥穗病害部分圖像。
　　(3)建立了基于小麥穗赤霉病害光普分級診斷模型。對PC1圖像采用均值濾波法進行小麥穗輪廓部分ROI提取，再利用最大連通區(qū)域標記法求出小麥穗

4、輪廓區(qū)域的面積S1;對PC3圖像采用局部閾值分割法進行小麥麥穗病害部分ROI提取，再利用區(qū)域賦值法求出病害區(qū)域面積S2;得到S2與S1的比值結果，即為小麥赤霉病害的分級百分比。最后，對比小麥穗病害人工分級的結果，吻合度越高分級效果越佳。實驗表明，該模型較為準確的實現(xiàn)了小麥赤霉病病害區(qū)域的分割，驗證了此方法在小麥赤霉病害分級識別上的可行性。
　　(4)實現(xiàn)了對光譜圖像數(shù)據(jù)的自動化批量處理。針對在實驗過程中小麥穗樣本量多、高光譜數(shù)據(jù)大