文献类型：期刊文章

作　　者：冯雷[1] 张德荣[2] 陈双双[1] 冯斌[3] 谢传奇[1] 陈佑源[4] 何勇[1]

机构地区：[1]浙江大学生物系统工程与食品科学学院,浙江杭州310058 [2]浙江大学宁波理工学院,浙江宁波315000 [3]全国农业展览馆,北京100026 [4]浙江大学生物技术研究所,浙江杭州310058

出　　处：《浙江大学学报（农业与生命科学版）》

基　　金：国家高技术研究发展计划资助项目(2011AA100705);国家自然科学基金资助项目(61075017);浙江省自然科学基金资助项目(Y5090044);浙江省重大科技专项重点农业资助项目(2009C12002)

年　　份：2012

卷　　号：38

期　　号：3

起止页码：311-317

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、FSTA、IC、JST、PROQUEST、PUBMED、RCCSE、SCOPUS、UPD、WOS、ZGKJHX、ZR、核心刊

摘　　要：为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380～1 031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量,利用最小二乘支持向量机(LS-SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%。说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测。

关 键 词：高光谱成像技术  灰霉病 最小二乘支持向量机 连续投影算法 主成分分析 茄子

分 类 号：TP391] S436.411[计算机类]