文献类型：期刊文章

作　　者：周丽娜[1,2] 于海业[1] 张蕾[1] 任顺[1] 隋媛媛[1] 于连军[3]

机构地区：[1]吉林大学生物与农业工程学院,仿生工程教育部重点实验室,吉林长春130022 [2]长春科技学院,吉林长春130600 [3]长春市农业科学院,吉林长春130000

出　　处：《光谱学与光谱分析》

基　　金：国家高技术研究发展计划(863计划)项目(2012AA10A506-4,2013AA103005-04);吉林省科技发展计划项目(20110217)资助

年　　份：2014

卷　　号：34

期　　号：4

起止页码：1003-1006

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、EI(收录号：20141617586121)、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCI(收录号：WOS:000337199900031)、SCI-EXPANDED(收录号：WOS:000337199900031)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了实现稻瘟病的快速、准确和无损检测，力求构建稻瘟病害预测模型。根据水稻叶片相对病害面积将稻瘟病划分为3个等级，通过激光诱导法采集不同病害等级的活体水稻叶片叶绿素荧光光谱。选取502～830 nm波段激光诱导叶绿素荧光光谱（LICF）作为研究对象，利用Savitzky-Golay平滑法（SG）和一阶导数变换（FDT）对光谱信息进行预处理，通过主成分分析（PCA）方法获取经SG-FDT预处理后光谱的特征向量，根据累积贡献率和方差选取前3个主成分进行分析。将试验样本分为建模样本和检验样本，以稻瘟病害等级为预测指标，利用建模样本的133片叶片的光谱和病害信息分别结合判别分析（DA ）、多类逻辑回归分析（MLRA）和多层感知器（MLP）建立稻瘟病的预测模型，利用检验样本的89片叶片的光谱和病害信息对所建模型进行预测检验，完成对 PCA-DA、PCA-MLRA和 PCA-MLP的对比寻优。结果表明，PCA-DA ，PCA-MLRA和 PCA-MLP模型均能完成对稻瘟病害的预测，但 PCA-MLP模型的平均预测准确率能够达到91.7％，相比PCA-DA和PCA-MLRA模型，在稻瘟病害3个等级上均具有较好的分类和预测能力。

关 键 词：叶绿素荧光光谱  稻瘟病 主成分分析  多层感知器

分 类 号：O657.3]