文献类型：期刊文章

作　　者：谢传奇[1,2] 方孝荣[3] 邵咏妮[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]佛罗里达大学农业与生物工程系,盖恩斯维尔32611 [3]金华职业技术学院成人教育学院,金华321017

出　　处：《农业机械学报》

基　　金：国家高技术研究发展计划(863计划)资助项目(2013AA102301);高等学校博士学科点专项科研基金资助项目(20130101110104);教育部留学回国人员科研启动基金资助项目;中央高校基本科研业务费专项资金资助项目(2014FZA6005)

年　　份：2015

卷　　号：46

期　　号：3

起止页码：315-319

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20151700776884)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了基于格拉姆斯密特（MGS）模型和贝叶斯罗蒂斯克回归（BlogReg）的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874-1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机（LS-SVM）识别模型,再通过MGS和BlogReg提取特征波长（EW）,分别得到5个（911、1 409、1 511、1609、1 656 nm）和9个（901、905、908、915、918、1 123、1 305、1 460、1 680 nm）特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%-98%,预测集的正确识别率为96%-100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。

关 键 词：番茄 早疫病 近红外光谱 格拉姆斯密特模型  贝叶斯罗蒂斯克回归  最小二乘-支持向量机  

分 类 号：TP391] S436.412[计算机类]