盗墓笔记,武道至尊帝临小说,欢乐颂第二季

黃瓜霜霉病和斑潛蠅是制約黃瓜產業發展的嚴重病蟲害。傳統黃瓜生產過程中，病蟲害識別主要依賴于人工識別，通過種植人員和專業人員的經驗來判斷病蟲害種類。這種方式主觀性強，易混淆病情，可能導致防治不及時和錯誤用藥。因此，準確識別病蟲害對黃瓜生產和環境安全有著重要意義，高光譜成像技術能同時獲得作物的圖像信息和光譜信息，目前已廣泛用于作物病蟲害檢測的研究。

01高光譜數據

高光譜成像系統如圖1（a）所示，主要由計算機、高光譜相機、光源等組成。圖2為三類黃瓜葉片RGB顯示下的高光譜圖像，圖2（a）為無癥狀葉片、圖2（b）為霜霉病葉片、圖2（c）為斑潛蠅蟲害葉片。

圖1 高光譜成像系統

圖2（a）無癥狀葉片

圖2（b）霜霉病葉片

圖2（c）斑潛蠅葉片

1.1高光譜數據提取

使用軟件對高光譜圖像進行數據提取后將數據導入文件，顯示464、513和660nm三個波段圖像合成的RGB圖像，如圖3所示，根據病斑區域大小選擇若干個10X10的感興趣區域(ROI)，提取每個ROI的平均反射率數據作為葉片的原始光譜數據，共提取2656組數據。由于光譜曲線的兩邊緣區噪聲較大，故去除保留450~850nm的159個波段作為有效光譜范圍，圖4為所有葉片原始光譜曲線圖，圖5為三類葉片的平均光譜曲線。

圖3 ENVI中葉片ROI提取

圖4樣本原始光譜曲線

可知三類葉片的平均光譜曲線整體走勢相似。病蟲害葉片在400~700nm波段反射率高于無癥狀葉片，在720~850nm波段反射率低于無癥狀葉片，分析原因是病蟲害導致葉片葉綠素和細胞結構受損。由于斑潛蠅侵害葉片后會留下白色蟲道，所以斑潛蠅葉片在400~700nm波段反射率更高。

圖5三類葉片平均光譜曲線

02特征波長提取

高光譜圖像的光譜數據量大，存在冗余信息，會增加判別模型的計算量，降低模型的計算效率和精度，所以需要對光譜數據進行降維處理，提取其中和樣品類型相關性強的波長數據。

2.1基于VISSA的特征波長提取

VISSA基于模型集群分析的思想，利用加權二進制采樣法構造變量子空間，每一次迭代過程滿足變量空間逐漸收縮和變量空間逐漸優化兩個準則。設定VISSA的加權二進制矩陣采樣數為5000,選擇子模型比率為0.05，交叉驗證次數為5，最終選擇出53個特征波長，如圖6(a)所示，VISSA提取出的特征波長主要分布于450~700和725~850nm。

圖6(a)VISSA提取特征波長

2.2基于CARS的特征波長提取

根據PLS模型交叉驗證均方根誤差大小選擇最優特征變量組合。設定CARS的蒙特卡洛采樣次數為50，交叉驗證次數為5，最終選擇出20個特征波長，如圖6(b)所示，CARS提取出的特征波長主要分布于450~500和530~580nm。

圖6(b)CARS提取特征波長

2.3基于IRIV的特征波長提取

IRIV將變量進行多次隨機組合并建立PLS模型，觀察每個變量是否存在于模型中時交互驗證預測誤差的變化，根據MPA的思想將變量分為強信息變量、信息變量、無信息變量和干擾變量，逐個分析每個變量后去除無信息變量和干擾變量，進行多次迭代分析，直到剩下的變量均為強信息變量和弱信息變量，最終保留的變量即為所需的特征變量設定交叉驗證次數為5，最終選擇出26個特征波長，如圖6(c)所示，IRIV提取出的特征波長主要分布于450~555nm。

圖6(c)IRIV提取特征波長

03總結

對 VISSA、CARS、IRIV、SFLA 所選的特征波長數據進行 SVM、Elman 神經網絡、RF 建模，表1為所建模型測試集的識別結果。

表1 一次降維光譜數據建模結果

由于 VISSA、CARS、IRIV、SFLA 提取出的特征波長仍然較多，使用 SPA對數據進行二次降維SPA是一種可以使矢量空間共線性最小化的前向變量選擇算法。

表2 二次降維光譜數據建模結果

由特征波長數據所建模型的識別效果如表3所示。

表3 特征波長光譜數據建模結果

使用 VISSA-SPA 和 IRIV-SPA 提取的特征波長建立的SVM 模型實現了對黃瓜霜霉病和斑潛蠅蟲害94%以上的識別率，說明通過 VISSA-SPA和IRIV-SPA方法提取特征波長具有良好的效果，但總體來看，模型對霜霉病葉片和斑潛蠅蟲害葉片的識別率要明顯低于無癥狀葉片，為了提高模型的魯棒性和準確性，未來可以使用光譜特征結合病斑的形態特征等建立識別模型。在實際生產中，還可以結合黃瓜的發病時間、發病葉片的位置等進行病蟲害種類的判斷，提高對病蟲害識別的準確率。