文献类型：期刊文章

作　　者：雷雨[1,2] 韩德俊[3,4] 曾庆东[4] 何东健[1,5]

LEI Yu1,2,HAN Dejun3,4,ZENG Qingdong4,HE Dongjian1,5(1. College of Mechanical and Electronic Engineering, Northwest A＆F University, Yangling, Shaanxi 712100, China;2. Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture, Northwest A＆F University, Yangling , Shaanxi 712100, China;3. College of Agronomy, Northwest A＆F University, Yangling , Shaanxi 712100, China;4. State Key Laboratory of Crop Stress Biology for Arid Areas, Northwest A＆F University, Yangling , Shaanxi 712100, China;5. Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Service, Yangling, Shaanxi 712100, Chin)

机构地区：[1]西北农林科技大学机械与电子工程学院,陕西杨凌712100 [2]西北农林科技大学农业部农业物联网重点实验室,陕西杨凌712100 [3]西北农林科技大学农学院,陕西杨凌712100 [4]西北农林科技大学旱区作物逆境生物学国家重点实验室,陕西杨凌712100 [5]陕西省农业信息感知与智能服务重点实验室,陕西杨凌712100

出　　处：《农业机械学报》

基　　金：陕西省重点产业链项目(2015KTZDNY01-06)

年　　份：2018

卷　　号：49

期　　号：5

起止页码：226-232

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像技术的小麦条锈病病害程度分级方法。首先利用Hyper SIS高光谱成像系统采集受条锈菌侵染后不同发病程度的小麦叶片高光谱图像,通过分析叶片区域与背景的光谱特征,对555 nm波长的特征图像进行阈值分割获得掩膜图像,并用掩膜图像对高光谱图像进行掩膜处理,提取仅含叶片的高光谱图像;然后用主成分分析法(Principal component analysis,PCA)得到利于条锈病病斑和健康区域分割的第2主成分(The second principal component,PC2)图像,采用最大类间方差法(Otsu)分割出条锈病病斑区域;最后根据条锈病病斑区域面积占叶片面积的比例对小麦条锈病病害程度进行分级。试验结果表明:测试的270个不同小麦条锈病病害等级的叶片样本中,265个样本可被正确分级,分级正确率为98.15%。该研究为田间小麦条锈病害程度评估提供了基础,也为小麦条锈病抗性鉴定方法提供了新思路。

关 键 词：小麦条锈病 病害程度  高光谱成像 主成分分析 分级  最大类间方差法

分 类 号：S435.121.42] TP312]