基于高光谱成像技术判别马铃薯叶片干旱状态
作者机构:西北农林科技大学农学院 浙江农林大学光机电工程学院
出 版 物:《干旱地区农业研究》 (Agricultural Research in the Arid Areas)
年 卷 期:2024年
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 09[农学] 0901[农学-作物学] 081002[工学-信号与信息处理]
基 金:中国科学院战略性先导科技专项(XDA23070201) 杨凌种业创新中心重点研发项目(Ylzy-mls-02)
主 题:马铃薯 干旱状态判别 高光谱成像 特征波长 模型构建
摘 要:为了准确快速地分级评估马铃薯叶片干旱状态,提出了基于高光谱成像技术的马铃薯叶片干旱状态分类方法。于2022年以青薯9号原原种为材料,通过使用高光谱成像仪获取3种不同干旱状态的马铃薯叶片,提取各类样本光谱反射率信息420个,讨论了4种光谱数据预处理方式对建模的影响。使用基于随机森林的交叉验证递归特征消除算法(RF-RFECV)与竞争性自适应重加权抽样法(CARS)进行特征波长选择,结合极端随机树(extremely randomized trees,EXT)构建了马铃薯叶片干旱状态的分类模型。结果表明,本研究构建的3个干旱状态分类模型测试集模型精度均高于85%,其中SNV-RF-RFECV-EXT模型表现最佳,测试集预测准确率达92.14%。同时,为直观地显示马铃薯叶片的干旱状态,选用建立的SNV-RF-RFECV-EXT模型对叶片进行干旱程度可视化,通过不同颜色直观显示叶片干旱状态,为马铃薯叶片干旱状态的判别提供了新方法。