基于高光譜成像技術(shù)的水稻稻瘟病診斷關(guān)鍵技術(shù)研究.pdf

1、精細農(nóng)業(yè)技術(shù)體系包括數(shù)據(jù)獲取與數(shù)據(jù)采集、數(shù)據(jù)分析與可視化表達、決策分析與制定和精細農(nóng)田作業(yè)的控制實施等主要組成部分，其中植物生長信息的快速獲取與生長狀況快速診斷，對提高農(nóng)作物的產(chǎn)量和質(zhì)量具有重要意義。
　　 傳統(tǒng)的水稻稻瘟病病害檢測主要基于分子生物學檢測方法，不利于在線實時水稻稻瘟病病害識別。本研究論文主要圍繞植物生長信息檢測與解析中的病害脅迫信息快速獲取和識別關(guān)鍵技術(shù)展開，利用光學成像傳感裝置快速無損獲取水稻稻瘟病早期病害信息

2、，通過研究不同的病害檢測預報模型，及時監(jiān)控水稻稻瘟病發(fā)生發(fā)展狀況，構(gòu)建稻瘟病預測預報系統(tǒng)，為變量施藥決策系統(tǒng)的實施提供決策支持。本論文的主要研究內(nèi)容和結(jié)論如下：
　　 (1)提出了針對稻瘟病病害檢測的高光譜特征提取方法，實現(xiàn)了高維光譜數(shù)據(jù)壓縮和特征提取，建立了基于光譜特征的稻瘟病病害識別模型，實現(xiàn)了稻瘟病的精確、無損檢測。系統(tǒng)地研究了高斯函數(shù)擬合光譜特征提取、植被指數(shù)光譜特征提取和小波近似系數(shù)光譜特征提取，建立了基于高斯擬合參數(shù)

3、、植被指數(shù)和小波近似系數(shù)的水稻稻瘟病病害分類判別模型。研究表明，3種光譜特征提取方法均可有效提取水稻稻瘟病病害特征光譜信息，其中分析得到的水稻稻瘟病優(yōu)化識別模型為基于1階導數(shù)光譜高斯擬合參數(shù)(峰高、峰寬、峰面積)LDA病害判別模型，該模型在校正集和預測集分類準確率分別為100％和96％。
　　 (2)應(yīng)用數(shù)字圖像處理技術(shù)，實現(xiàn)了水稻稻瘟病高光譜圖像特征信息獲取，建立了基于高光譜圖像統(tǒng)計信息的水稻稻瘟病分類判別模型。系統(tǒng)研究了主成

4、分圖像特征提取，概率統(tǒng)計濾波圖像特征提取和二階概率統(tǒng)計濾波圖像特征提取方法，得到了基于圖像特征提取的優(yōu)化模型--基于主成分圖像統(tǒng)計信息的逐步線性判別模型，該模型在校正集判別準確率為98.3％，預測集判別準確率為97.5％。
　　 (3)應(yīng)用高光譜和高光譜圖像技術(shù)，提取了對水稻稻瘟病識別敏感的特征波長，建立了基于特征波長下光譜和圖像信息的水稻稻瘟病害識別模型，實現(xiàn)基于圖像信息稻瘟病病害識別模型的優(yōu)化。研究應(yīng)用主成分分析-載荷系數(shù)法

5、得到了基于圖像特征波長的病害識別優(yōu)化模型為基于特征波段長(419nm，502nm，569nm，659nm，675nm，699nm，742nm)圖像信息構(gòu)建PCA-LDA分類模型，校正集判別準確率為92.7％，預測集判別準確率為92.5％。
　　 (4)首次建立了水稻冠層光譜信息與抗氧化酶活性關(guān)系預測模型，實現(xiàn)稻瘟病可見癥狀顯癥之前的早期病害識別。應(yīng)用光譜技術(shù)，利用偏最小二乘回歸法建立基于冠層光譜信息的抗氧化物酶(POD、SOD、

6、CAT)酶值活性預測模型。基于可見-近紅波段(400-1100nm)冠層光譜漫反射信息對POD預測相關(guān)系數(shù)，校正集為97.57％，預測集為90.79％；SOD預測相關(guān)系數(shù)，校正集為96.82％，預測集為86.65％；CAT預測相關(guān)系數(shù)，校正集為85.98％，預測集為66.63％。研究首次建立了基于特征波長光譜信息抗氧化物酶(POD、SOD、CAT)活性預測模型，實現(xiàn)了抗氧化酶活性預測模型的簡化?；谔卣鞑ㄩL(491nm，545nm，67

7、6nm，707nm，741nm)的漫反射值對POD預測相關(guān)系數(shù)。校正集為83.35％，預測集為75.19％；基于特征波長(526nm，550nm，672nm，697nm，738nm，747nm)的漫反射值對SOD預測相關(guān)系數(shù)，校正集為69.45％，預測集為54.88％；基于特征波長(491nm，503nm，544nm，673nm，709nm，744nm)漫反射值對CAT的預測相關(guān)系數(shù)，校正集為66.09％，預測集為46.91％。