检索结果-南通市图书馆

用LCTF光谱技术提取甘蓝小菜蛾虫害叶片特征波段

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光学仪器 2014年第3期36卷 194-197页

作者：林立波李宏宁曹鹏飞冯洁云南师范大学物理与电子信息学院云南昆明650500

利用由液晶可调滤波器（liquid crystal tunable filter,LCTF）和单色CCD相机组成的光谱成像系统对甘蓝正常叶片和遭受小菜蛾虫害甘蓝叶片的光谱特征进行分析,获取了430～720nm每隔5nm波段的灰度值信息,并采用自适应波段选择方法提取出... 详细信息

利用由液晶可调滤波器（liquid crystal tunable filter,LCTF）和单色CCD相机组成的光谱成像系统对甘蓝正常叶片和遭受小菜蛾虫害甘蓝叶片的光谱特征进行分析,获取了430～720nm每隔5nm波段的灰度值信息,并采用自适应波段选择方法提取出了两种叶片的特征波段,通过欧氏距离聚类方法对所提取的特征波段进行聚类分析。结果表明甘蓝正常叶片在545nm、645nm、650nm、655nm波段具有较大光谱信息量,而虫害叶片在550nm、555nm、575nm、585nm、715nm波段有较大光谱信息量。因此,可以利用LCTF快速地检测出植物是否遭受虫害,为农业虫害检测提供了一种新方法。

关键词：液晶可调滤波器自适应波段选择特征波段甘蓝叶片小菜蛾

基于LCTF成像和ABS算法的小白菜光谱特征波段提取研究

在线全文

学校读者我要写书评

暂无评论

光学仪器 2016年第3期38卷 243-247页

作者：董明张洋张晓晓朱嘉玮杨卫平云南师范大学物理与电子信息学院云南昆明650500

基于液晶可调滤波器（LCTF）和CM O S组合的多光谱成像系统,在435-720 n m 波段范围内,以每隔5 n m 波段对小白菜叶片进行灰度值信息的提取,然后求出各个波段的灰度值平均值、标准差以及相关系数,并采用自适应波段选择法（ABS）提取出... 详细信息

基于液晶可调滤波器（LCTF）和CM O S组合的多光谱成像系统,在435-720 n m 波段范围内,以每隔5 n m 波段对小白菜叶片进行灰度值信息的提取,然后求出各个波段的灰度值平均值、标准差以及相关系数,并采用自适应波段选择法（ABS）提取出小白菜叶片的波段指数,最后通过波段指数的排序选取出小白菜叶片的有效特征波段.实验结果表明,用A B S 的特征波段提取的算法,能够快速有效地获取小白菜叶片的光谱信息,在445 nm 、450 nm 、455 nm 、680 nm 、685 nm 、690 nm 、695nm 和710nm 波段具有较理想的波段指数值,有较大的光谱信息量.因此,这些波段可以很好地作为识别小白菜叶片的有效特征信息波段.

关键词：液晶可调滤波器(LCTF) ABS算法特征波段小白菜叶片波段指数

在线全文

学校读者我要写书评

暂无评论

粳稻地物光谱特征波段分析

农业与技术 2022年第7期42卷 11-14页

作者：李政谭勇宋少忠刘春宇王盛楠长春理工大学物理学院吉林长春130022

东北黑土地粳稻是我国优质大米的主要来源之一,常态化大面积监控其生长态势,是保障大米绿色健康和产量的生产需求,也是智慧农业发展的一种方式。本文采用地物光谱技术监测粳稻生长,基于粳稻冠层散射模型,分析叶片在可见光波段的散射现象... 详细信息

东北黑土地粳稻是我国优质大米的主要来源之一,常态化大面积监控其生长态势,是保障大米绿色健康和产量的生产需求,也是智慧农业发展的一种方式。本文采用地物光谱技术监测粳稻生长,基于粳稻冠层散射模型,分析叶片在可见光波段的散射现象,获得粳稻中5个最佳光谱特征波段,分别为散射峰蓝色波段475nm和绿色波段560nm、吸收峰红色波段668nm、红边效应717nm以及近红外吸收峰840nm。这些特征峰值的确定为及时发现病害和定点定量施肥等作业奠定了基础。

关键词：地物光谱特征波段智慧农业

维普期刊数据库博看期刊

图像亮度信息法选取多光谱莲花白叶片特征波段

在线全文

学校读者我要写书评

暂无评论

光学仪器 2018年第3期40卷 33-37页

作者：曹鹏飞彭昌宁陇东学院电气工程学院甘肃庆阳745000

利用液晶可调谐滤波器(LCTF)和CMOS相机组合的多光谱成像系统,在波长400~720nm内以5nm为间隔对莲花白叶片进行多光谱成像。首先根据图像亮度信息法的原理,计算得到各波段莲花白叶片的可识别度;然后对莲花白叶片的可识别度进行大小排序,... 详细信息

利用液晶可调谐滤波器(LCTF)和CMOS相机组合的多光谱成像系统,在波长400~720nm内以5nm为间隔对莲花白叶片进行多光谱成像。首先根据图像亮度信息法的原理,计算得到各波段莲花白叶片的可识别度;然后对莲花白叶片的可识别度进行大小排序,综合图像的信息特征和可识别度,得出555nm、715nm、710nm、575nm、535nm、520nm、720nm、605nm和650nm 9个波段有较好的识别度;最后根据欧氏距离法和光谱角度匹配法分别对莲花白叶片的特征波段的分类精度予以统计,得到两种方法的分类精度分别为95.56%和93.13%。实验证明,选取的9个波段对莲花白叶片具有较好的分类精度,可作为莲花白叶片的特征波段。

关键词：特征波段多光谱成像莲花白叶片分类精度

在线全文

学校读者我要写书评

暂无评论

火龙果植株高光谱识别与特征波段提取

贵州农业科学 2022年第3期50卷 117-124页

作者：舒田陈智虎刘春艳许元红赵泽英贵州省农业科技信息研究所贵州贵阳550006 贵州师范大学喀斯特研究院/国家喀斯特石漠化防治工程技术研究中心贵州贵阳550001

【目的】为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据。【方法】通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建B... 详细信息

【目的】为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据。【方法】通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建BP神经网络模型,分析火龙果不同部位的波段特征,检验BP神经网络模型识别准确率。【结果】在波长400~630 nm内,火龙果花的光谱反射率最高,冠层、枝、果差异不明显,而640~1140 nm光谱反射差异明显;最佳识别光谱特征波段位置为520 nm、642 nm、664 nm、726 nm、950 nm、1000 nm、1130 nm、1330 nm、1345 nm;基于植被指数而言,RVI对于火龙果植株冠层、枝和花识别能力最强,GRVI对于果识别能力最强。通过主成分分析并提取特征波段(1054~1087 nm和812~825 nm)构建的BP神经网络模型识别准确率达82.8%。【结论】基于高光谱数据可实现火龙果植株不同部位的精准识别,同时特征波谱为火龙果病害植株遥感诊断提供信息参考。

关键词：高光谱遥感识别特征波段植被指数 BP神经网络火龙果

基于多时相NDVI及特征波段的作物分类研究

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2008年第5期23卷 520-524页

作者：马丽徐新刚刘良云黄文江贾建华程一沛国家农业信息化工程技术研究中心北京100097 西安科技大学测量工程系陕西西安710054 中国科学院对地观测与数字地球科学中心北京100080

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场——友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各... 详细信息

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场——友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各波段上光谱和时间特征的基础上,设计了决策树分类算法,通过对待分类影像进行系列阈值分割和掩膜处理,成功提取黑龙江友谊农场的大豆、玉米和水稻的种植信息,分类总体精度达到98.67%。

关键词：多时相 NDVI 特征波段决策树分类

基于近红外光谱特征提取的花椰菜灰霉病早期检测

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2021年第8期41卷 2543-2548页

作者：穆炳宇张淑娟李泽珍王凯李紫辉薛建新山西农业大学农业工程学院山西晋中030801 山西农业大学食品科学与工程学院山西晋中030801

花椰菜在生长过程中容易感染灰霉病而导致产量减少,现有的分选方法难以在早期检测到感染灰霉病的花椰菜。应用近红外光谱技术实现花椰菜灰霉病的早期判别检测,对花椰菜病害防治意义重大。以接种灰霉菌孢的花椰菜为研究对象,首先,采集对... 详细信息

花椰菜在生长过程中容易感染灰霉病而导致产量减少,现有的分选方法难以在早期检测到感染灰霉病的花椰菜。应用近红外光谱技术实现花椰菜灰霉病的早期判别检测,对花椰菜病害防治意义重大。以接种灰霉菌孢的花椰菜为研究对象,首先,采集对照组和处理组花椰菜的近红外光谱曲线并进行去噪处理,获取4个批次共608个样本(接菌0.5,1,2和3 d每日的健康和染病花椰菜各76朵)在500~2400 nm波段范围内的光谱曲线。同时测量花椰菜样本的多酚氧化酶(polyphenol oxidase,PPO)、过氧化物酶(peroxidase,POD)与丙二醛(malondialdehyde,MDA)的活性值,采用单因素方差分析(analysis of variance,ANOVA)对单一批次的健康和染病花椰菜品质指标进行统计分析。然后,采用K-S算法(Kennard-Stone)将单天的样本划分为校正集(114个样本)与预测集(38个样本),使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)进行4个批次的花椰菜样本的光谱数据特征波段提取,并基于偏最小二乘回归(partial least square regression,PLSR)算法建立单一批次判别模型和组合批次判别模型。结果表明:在接菌早期,用肉眼无法实现染病花椰菜样本的识别,仅在染病第3 d后部分染病样本病害特征明显时可实现判别。测定对照组和处理组花椰菜品质指标后发现:染病2 d后,对照组和染病组样本的所有品质指标均存在显著性差异(p特征波段结合PLSR模型的建立,可以在早期检测出感染灰霉病的花椰菜,为花椰菜灰霉病的早期检测提供参考,具有一定的实际应用价值。

关键词：花椰菜灰霉病早期检测近红外光谱特征波段

高光谱和NSGA2-ELM算法的粳稻叶片氮素含量反演

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2020年第8期40卷 2584-2591页

作者：冯帅曹英丽许童羽于丰华陈春玲赵冬雪金彦沈阳农业大学信息与电气工程学院辽宁沈阳110161 沈阳农业大学辽宁省农业信息化工程技术中心辽宁沈阳110161

为提供一种高效、快速和无损的粳稻叶片氮素含量反演方法,以粳稻小区试验为基础,利用高光谱技术和室内化学实验,获取粳稻分蘖期、拔节期和抽穗期三个生育期共280组叶片高光谱数据以及相对应的水稻叶片氮素含量数据,分析不同施氮水平的... 详细信息

为提供一种高效、快速和无损的粳稻叶片氮素含量反演方法,以粳稻小区试验为基础,利用高光谱技术和室内化学实验,获取粳稻分蘖期、拔节期和抽穗期三个生育期共280组叶片高光谱数据以及相对应的水稻叶片氮素含量数据,分析不同施氮水平的粳稻叶片光谱特征,采用随机青蛙算法(random_frog)与迭代和保留信息变量算法(IRIV)相结合的方式筛选特征波段,并将任意两个光谱波段随机组合构建差值植被指数DSI(Ri,Rj)、比值植被指数RSI(Ri,Rj)和归一化植被指数NDSI(Ri,Rj),分别将较优的特征波段组合和植被指数组合作为模型输入,构建BP神经网络、支持向量机(SVR)和非支配的精英策略遗传算法优化极限学习机(NSGA2-ELM)粳稻叶片氮素含量反演模型,并对模型进行验证分析。结果表明:随着施氮水平的增加,粳稻叶片近红外波段范围反射率逐渐升高,在可见光波段范围反射率逐渐降低。采用random_frog与IRIV相结合的方式筛选特征波段共得到8个特征波段,其中可见光波段7个,分别为414.2, 430.9, 439.6, 447.9, 682.7, 685.4和686.3 nm,近红外波段仅有1个为999.1 nm,该方法较好地剔除了干扰信息,大大降低了波段间的共线性。同时从三种植被指数(DSI(Ri,Rj), RSI(Ri,Rj), NDSI(Ri,Rj))与粳稻叶片氮素含量的决定系数等势图中可知, DSI(R648.1,R738.1), RSI(R532.8,R677.3)和NDSI(R654.8,R532.9)与叶片氮素含量相关性最好,R^2分别为0.811 4, 0.829 7和0.816 9。在输入参量不同的建模效果对比分析中,以特征波段组合作为模型输入所构建的模型反演效果略优于植被指数组合,R^2均大于0.7, RMSE均小于0.57。而在反演模型间的对比分析中,提出的NSGA2-ELM反演模型的估测效果要优于BP神经网络模型和SVR模型,训练集决定系数R^2为0.817 2,均方根误差RMSE为0.355 5,验证集R^2为0.849 7, RMSE为0.301 1。鉴于此, random_frog-IRIV筛选特征波段方法结合NSGA2-ELM建模方法在快速检测粳稻叶片氮素含量中具有显著优势,可为粳稻田间精准施肥提供了参考。

关键词：高光谱数据叶片氮素含量特征波段植被指数反演模型

在线全文

学校读者我要写书评

暂无评论

高光谱信息的农林植被种类区分

光谱学与光谱分析 2018年第12期38卷 3890-3896页

作者：虞佳维程志庆张劲松王鹤松蒋跃林杨书运安徽农业大学资源与环境学院安徽合肥230000 中国林业科学研究院林业研究所北京100091 北京林业大学林学院森林培育与保护教育部重点实验室北京100083

为了能够更加快速、准确对粮食主产区的作物与树木进行种类区分,以黄淮海地区三种主要植被(玉米、小麦和杨树)为研究对象,获取该三种植被原始反射率光谱,并对原始光谱进行特征点提取、一阶微分变换、二阶微分变换以及植被指数计算四种... 详细信息

为了能够更加快速、准确对粮食主产区的作物与树木进行种类区分,以黄淮海地区三种主要植被(玉米、小麦和杨树)为研究对象,获取该三种植被原始反射率光谱,并对原始光谱进行特征点提取、一阶微分变换、二阶微分变换以及植被指数计算四种方法的分析处理,提取三种植被各自的光谱特征点、特征波段、蓝黄红边微分值和、位置、振幅以及面积四个特征指标以及植被指数的数值区间。基于特征值在不同植被种类间数值重叠范围越小区分精度越高的原理,比较分析植被光谱在不同处理方法下的植被区分精度,并且最终选取重叠范围最小的特征指标作为区分不同植被的识别指标。结果显示:相较于原始光谱特征点提取、二阶微分变换以及植被指数计算,一阶微分变换对于玉米、小麦和杨树的识别分类具有较高的精度,其中黄边振幅、黄边面积以及黄边微分值和具有较高的识别精度,黄边振幅的识别精度达到97. 5%,黄边面积以及黄边微分值识别精度达98. 1%,用另外167组数据对该结果进行验证,显示黄边振幅的识别精度达96. 4%,黄边面积以及黄边微分值和的识别精度达97. 6%。该结果与用平均光谱曲线区分单种植被不同生长状态选取的特征值结果不同,这种方法能有效的保留个体光谱反射曲线的差异,从结果可见通过一阶微分变换提取黄边参数的方法能有效的用于树木和粮食作物共同种植区域的植被区分,并且黄边面积以及黄边微分值和的识别精度最高。

关键词：高光谱植被区分特征波段范围