文献类型：期刊文章

作　　者：冯雷[1] 陈双双[1] 冯斌[2] 刘飞[1] 何勇[1] 楼兵干[3]

机构地区：[1]浙江大学生物系统工程与食品科学学院,杭州310058 [2]全国农业展览馆,北京100026 [3]浙江大学生物技术研究所,杭州310058

出　　处：《农业工程学报》

基　　金：国家高技术研究发展计划(2011AA100705);浙江省科技厅重点农业项目(2006C22022);国家自然科学基金项目(61075017);浙江省重大科技专项重点农业项目(2009C12002);浙江省自然科学基金资助课题(Y5090044)

年　　份：2012

卷　　号：28

期　　号：1

起止页码：139-144

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20120314688280)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为更好地指导农户进行植物病害防治,提高大豆豆荚的商品性,减少损失,需要运用快速有效的方法来进行大豆豆荚炭疽病的早期检测。该文应用可见-近红外光谱技术结合连续投影算法(SPA)和最小二乘支持向量机(LS-SVM),实现了大豆豆荚炭疽病的早期快速无损检测。对194个大豆豆荚样本进行光谱扫描,通过不同预处理方法比较,建立了大豆豆荚炭疽病早期无损鉴别的最优偏最小二乘法(PLS)模型。同时应用主成分分析(PCA)和连续投影算法(SPA)分别了提取最佳主成分和有效波长,并将其作为LS-SVM的输入变量,建立了PCA-LS-SVM和SPA-LS-SVM模型,以样本鉴别的准确率作为模型评价指标。试验结果显示PCA-LS-SVM和SPA-LS-SVM模型都获得了比较满意的准确率,且SPA-LS-SVM模型的准确率最高为95.45%。研究表明,SPA能够有效地进行波长选择,进而使LS-SVM模型获得较高的鉴别率,说明应用可见-近红外光谱技术鉴别大豆豆荚炭疽病是可行的。这为进一步应用光谱技术进行大豆生长对逆境胁迫的反应提供了新的方法,为实现大豆病害的田间实时在线检测提供参考。

关 键 词：近红外光谱 主成分分析 最小二乘法 支持向量机 判断分析  炭疽病

分 类 号：TP391] S435.621[计算机类]