文献类型：期刊文章

作　　者：谢传奇[1] 冯雷[1] 冯斌[2] 李晓丽[1] 刘飞[1] 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,杭州310058 [2]全国农业展览馆,北京100026

出　　处：《农业工程学报》

基　　金：浙江省重大科技专项重点农业资助项目(2009C12002);"十二五"国家科技支撑计划资助项目(2011BAD21B04);国家高技术研究发展计划(863计划)资助项目(2011AA100705)

年　　份：2012

卷　　号：28

期　　号：18

起止页码：177-184

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20124415631096)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：对灰霉病胁迫下茄子叶片过氧化氢酶(CAT)活性的高光谱图像特征进行了研究。采用380～1030nm范围的高光谱图像摄像仪获取健康、轻度、中度、严重染病茄子叶片的高光谱图像信息,基于ENVI软件处理平台提取高光谱图像中对象的漫反射光谱响应特性,并采用平滑、中值滤波、归一化法等预处理方法提高光谱的信噪比。然后采用偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)和BP神经网络算法来建立叶片高光谱响应特征与CAT活性之间的关系模型。在PLSR模型中,前2个隐含变量能够实现健康、轻度、中度、严重染病茄子叶片的直观定性区分,而基于PLSR模型推荐的9个隐含变量建立的BP神经网络模型的预测集决定系数R2为0.8930,均方根误差为2.17×103。表明基于高光谱图像特性可以实现灰霉病胁迫下茄子病害程度的有效区分,同时证明基于高光谱图像特性的茄子叶片CAT活性的定量检测是可行的。

关 键 词：图像识别  模型  神经网络  茄子 灰霉病 过氧化氢酶 高光谱图像

分 类 号：TP391] S432.22[计算机类]