版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、油菜是我國(guó)主要的油料作物,但受雜草危害嚴(yán)重。據(jù)全國(guó)農(nóng)田雜草考查組考察,長(zhǎng)江流域冬油菜田草害面積約占種植面積的46.9%,一般年份會(huì)造成油菜減產(chǎn)10%~20%?;瘜W(xué)除草法是最有效的除草方法,但通用的粗放式大面積均勻噴施方式,不僅浪費(fèi)嚴(yán)重,且會(huì)增加農(nóng)藥殘留、破壞生態(tài)環(huán)境。理想的除草劑施用方式應(yīng)是選擇性變量噴施,但其首要的問(wèn)題就是自動(dòng)識(shí)別雜草。近年來(lái),國(guó)內(nèi)外學(xué)者運(yùn)用機(jī)器視覺(jué)、光譜檢測(cè)分析、多光譜成像分析等技術(shù)對(duì)水稻、玉米、小麥、棉花、大豆、甜
2、菜、番茄和胡蘿卜等作物的田間雜草識(shí)別方法進(jìn)行了大量研究,但是針對(duì)冬油菜苗期田間雜草的識(shí)別研究相對(duì)較少。
本文擬以冬油菜苗期田間雜草為研究對(duì)象,運(yùn)用光譜分析技術(shù),通過(guò)采集冬油菜苗、冬油菜苗期田間各種雜草以及土壤的光譜信息,尋找合適的特征波長(zhǎng)并建立判別模型,并在此基礎(chǔ)上設(shè)計(jì)基于光譜技術(shù)的傳感器,為田間雜草自動(dòng)識(shí)別裝置的開(kāi)發(fā)奠定基礎(chǔ)。主要內(nèi)容如下:
1.通過(guò)ASD便攜式光譜分析儀采集冬油菜苗、土壤、雜草的光譜反射率。一次測(cè)
3、量得到5組數(shù)據(jù),油菜采集60次,干、濕土壤各采集30次,每種雜草采集50次,隨機(jī)選取訓(xùn)練集和預(yù)測(cè)集。對(duì)所有樣本數(shù)據(jù)進(jìn)行平滑、一階導(dǎo)數(shù)、壓縮等預(yù)處理。并對(duì)采集的光譜數(shù)據(jù)曲線進(jìn)行光譜特性的分析,可知400~1300nm范圍內(nèi)的信息量較為豐富,是本研究的重要波段。
2.采用逐步判別分析法,按統(tǒng)計(jì)量Wilks' Lambda最小值原則選擇變量,選取了710、755、950和595nm共4個(gè)特征波長(zhǎng)。運(yùn)用4個(gè)特征波長(zhǎng)分別建立了典型判別函
4、數(shù)模型和貝葉斯判別函數(shù)模型。用這2組模型分別對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè),典型判別函數(shù)模型的正確識(shí)別率為97.78%,在不同的先驗(yàn)概率下貝葉斯判別函數(shù)模型的正確識(shí)別率分別為98.89%和97.78%。
3.運(yùn)用無(wú)信息變量消除法消除無(wú)信息變量的干擾,再通過(guò)連續(xù)投影法根據(jù)RMSE的變化以及模型的需要進(jìn)一步消除冗余信息,提取的特征波長(zhǎng),分別為450、720、885和1255nm,以建立簡(jiǎn)潔的分類(lèi)模型。根據(jù)所提取的特征波長(zhǎng)分別建立典型判別模型、貝
5、葉斯判別模型和PLS-DA模型,三個(gè)模型對(duì)預(yù)測(cè)集的正確分類(lèi)率分別為94.44%、96.67%和87.78%。
4.以預(yù)測(cè)集的正確識(shí)別率為依據(jù),綜合考慮模型對(duì)訓(xùn)練集的分類(lèi)效果,對(duì)本研究建立的所有判別模型進(jìn)行了比較,得出結(jié)論為:在識(shí)別冬油菜苗期田間雜草時(shí),運(yùn)用逐步判別分析法提取特征波長(zhǎng),并根據(jù)各個(gè)種類(lèi)樣本的大小計(jì)算先驗(yàn)概率,所建立的貝葉斯判別模型較穩(wěn)定,對(duì)預(yù)測(cè)集的正確識(shí)別率較高,該方法更適用。將該模型作為設(shè)計(jì)光譜傳感器的依據(jù)。同時(shí)
6、,就各個(gè)判別模型的錯(cuò)誤判別,進(jìn)行了誤判分析。由于葉片中葉脈,絨毛或者葉片拼接部位的影響,采集的光譜特征產(chǎn)生變化,進(jìn)而影響樣本分類(lèi)。
5.運(yùn)用優(yōu)選的四個(gè)特征波長(zhǎng)點(diǎn)及模型,設(shè)計(jì)光譜傳感器。根據(jù)光學(xué)系統(tǒng)原理與田間實(shí)際操作要求,確定在田間測(cè)試時(shí)光譜傳感器的視場(chǎng)角為9°,測(cè)試物距為400~700mm,對(duì)應(yīng)的視場(chǎng)范圍直徑為60~100mm;為使田間探測(cè)時(shí)四個(gè)光學(xué)通道的視場(chǎng)范圍基本一致,設(shè)計(jì)傳感器周?chē)ǖ赖墓廨S與中心通道光軸成3°的夾角;采
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)字圖像處理玉米苗期田間雜草識(shí)別方法的研究.pdf
- 基于機(jī)器視覺(jué)的田間雜草識(shí)別技術(shù)研究.pdf
- 田間雜草的圖像識(shí)別技術(shù)研究.pdf
- 基于支持向量機(jī)的田間雜草識(shí)別方法研究.pdf
- 應(yīng)用圖像處理技術(shù)識(shí)別田間雜草方法的研究.pdf
- 基于支持向量機(jī)的玉米田間雜草識(shí)別方法研究.pdf
- 基于光譜分析與圖像處理的模式識(shí)別研究.pdf
- 基于LabVIEW的光譜分析系統(tǒng)研究.pdf
- 紅外光譜分析
- 原子光譜分析
- 快速光譜分析系統(tǒng).pdf
- 基于快速光譜分析測(cè)試系統(tǒng)的研究.pdf
- 紅外光譜分析法識(shí)別蠶繭雌雄的研究.pdf
- 油菜苗期長(zhǎng)勢(shì)參數(shù)遙感反演方法研究.pdf
- 基于圖像與光譜分析技術(shù)的茶葉等級(jí)識(shí)別方法研究.pdf
- 基于金屬有機(jī)框架材料的光譜分析.pdf
- 光譜分析考試題
- tq analyst光譜分析軟件
- 硝酸根離子的光譜分析.pdf
- 基于光譜分析的生物質(zhì)火焰燃燒特性研究.pdf
評(píng)論
0/150
提交評(píng)論