小麦赤霉病高光谱信息多循环提取及组合式识别研究

发布时间：2020-10-17 02:05

　　 小麦是世界上最重要的粮食作物之一,在我国有着广泛的种植面积。赤霉病是小麦的一种主要病害,它具有较强的传染性,不仅会导致小麦减产甚至绝收,严重影响小麦种子质量,还会大量分泌多种毒素严重危害人畜健康。因此,小麦赤霉病籽粒的识别研究具有至关重要的意义。本文以小麦赤霉病籽粒高光谱信息提取技术及识别模型的研究为切入点,以图像处理技术、特征提取技术以及分类算法为手段,确证了利用高光谱成像技术实现小麦赤霉病快速识别的可行性;同时,针对特征信息提取方法及识别模型的优化进行了相关研究,建立了多循环信息提取方法及组合式识别模型,提高了特征信息提取精度及识别精度,降低了误判率及漏检率,构建对赤霉病小麦籽粒的高效、准确、可视化的识别模型。本文的主要研究内容与研究成果如下:(1)小麦赤霉病籽粒高光谱图像预处理技术研究利用高光谱成像系统采集中科院第二粮仓计划示范农场提供的健康小麦和赤霉病小麦样本在可见光到近红外(470~1100nm)波段的高光谱图像。在空间图像方面,先利用灰度方差法作为清晰度评价指标选择进行图像处理的最优波段,利用最大类间方差法结合灰度线性拉伸和开操作完成麦粒掩膜提取,并利用主成分分析增强掩膜提取精度。在光谱预处理方面,利用Savitzky-Golay(SG)卷积平滑算法、多元散射校正和变量标准化对小麦光谱数据进行处理,最终采用SG卷积平滑算法进行光谱预处理。在高光谱特征提取方面,利用主成分分析(principal components analysis,PCA)和连续投影法(successive projections algorithm,SPA)进行高光谱数据降维,PCA变换后6个主成分包含原有99%以上的信息,SPA算法提取出8个特征波长,分别为:479.9、498.2、543.8、630.5、726.2、828.9、904.1、920.1nm。通过有效的数据预处理和特征提取为建立高效快速的小麦赤霉病识别模型提供了保障。(2)小麦赤霉病特征信息提取技术及优化在提取小麦样本光谱的过程中提出了一种基于k均值聚类法(k-means)结合kappa系数进行多次循环的方法来提取最优训练样本。最终以每类500条样本光谱作为训练集,每类10000条样本光谱作为测试集,并结合总分类精度和kappa系数对模型进行评价。在PCA和SPA两个特征空间内结合光谱角匹配、k均值聚类法、最近邻域法、线性判别分析和支持向量机(Support Vector Machine,SVM)五种分类算法构建多种小麦赤霉病识别模型。结果表明SVM算法在SPA特征空间中构建的分类模型的分类性能最优,训练集分类精度为91.1%,测试集分类精度达到88.84%,kappa系数为0.7767。(3)小麦赤霉病高光谱特征组合式识别模型建立及验证在SVM模型对小麦赤霉病识别研究的基础上,提出了两种进一步提高赤霉病小麦识别精度的方法分别为:基于多元散射校正的二次SVM识别方法和综合PCA和SPA两种特征空间的组合式SVM识别方法。前一种方法利用SVM模型和SVM散射校正模型二次分类的方法将测试集在SPA特征空间中的分类精度提升至88.98%。后一种方法综合样本在PCA和SPA特征空间中的信息,在不同的反射率区间内选择更合适的特征信息构建的分类模型,将测试集的分类精度提高至90.18%。采集以50%赤霉病染病率混合的小麦籽粒高光谱图像,作为未来标签未知的测试样本,并结合已知小麦高光谱图像利用SG-SVM(PCA+SPA)模型进行小麦赤霉病原位可视化识别研究。上述研究成果表明利用高光谱成像技术结合数据处理算法可以实现小麦赤霉病籽粒的原位快速可视化识别,有助于提高小麦赤霉病的检测效率、检测数量,降低漏检率,为小麦仓储运输加工提供保障,切实可行的确保小麦安全。进而,实现小麦赤霉病的快速无损检测,为我国粮食安全的检测技术手段提供了有力的技术支持。
【学位单位】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;S435.121.45
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状与发展
        1.2.1 小麦赤霉病检测的研究进展
        1.2.2 高光谱成像技术的研究进展
        1.2.3 高光谱成像在小麦检测上的研究现状
    1.3 本文主要研究内容
第二章 支持向量机的理论基础
    2.1 机器学习与统计学习理论基础
        2.1.1 机器学习问题表述
        2.1.2 学习过程的一致性与经验风险最小化准则
        2.1.3 VC维
        2.1.4 结构风险最小化准则
    2.2 支持向量机理论
        2.2.1 最优分类超平面
        2.2.2 核函数与Mercer条件
        2.2.3 支持向量机的特点
    2.3 本章小结
第三章 小麦赤霉病籽粒高光谱图像预处理技术研究
    3.1 高光谱成像系统
        3.1.1 便携式高光谱成像仪
        3.1.2 其他设备
        3.1.3 高光谱图像采集
    3.2 数据处理与分析
        3.2.1 光谱反射率标准化
        3.2.2 空间图像分割
        3.2.3 光谱反射率分析
    3.3 光谱预处理算法
        3.3.1 平滑处理
        3.3.2 多元散射校正
        3.3.3 变量标准化校正算法
    3.4 特征波段选择方法
        3.4.1 主成分分析法
        3.4.2 连续投影法
    3.5 本章小结
第四章 小麦赤霉病高光谱特征组合式识别模型建立及验证
    4.1 高光谱分类技术概述
        4.1.1 高光谱分类方法
        4.1.2 分类精度评价指标
    4.2 小麦赤霉病特征信息多循环提取技术及特征识别模型验证与研究
        4.2.1 基于k-means分类的多循环光谱提取技术
        4.2.2 基于PCA特征空间的赤霉病小麦识别
        4.2.3 基于SPA特征空间的赤霉病小麦识别
    4.3 小麦赤霉病高光谱特征组合式识别模型建立及验证
        4.3.1 基于MSC的二次SVM识别方法
        4.3.2 综合两种特征空间的组合式SVM识别方法
        4.3.3 识别结果可视化
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果

【相似文献】

相关期刊论文 前10条

1 王超杰;;小麦赤霉病防治试验及防治措施[J];河南农业;2016年30期

2 顾国伟;凌小明;冯新军;袁忠勤;;6种药剂防治小麦赤霉病田间药效试验[J];宁波农业科技;2016年02期

3 张广照;郭贵东;杨瑞清;檀银忠;陈义兵;;不同施药时期防治小麦赤霉病效果比较[J];湖北植保;2018年06期

4 何维娜;;小麦赤霉病化防治措施研讨[J];现代农业;2018年12期

5 姜明波;翟顺国;王守强;程泽强;韩国琼;刘先明;;信阳地区小麦赤霉病发生与春季降水的相关性分析[J];河南农业科学;2018年11期

6 郎立云;;小麦赤霉病的发生情况和防治对策[J];基层农技推广;2019年01期

7 李俊杰;李楠;;不同药剂防治小麦赤霉病害试验[J];农业科技通讯;2019年02期

8 曹辉;左红娟;王峰;;郑州市小麦赤霉病田间防治试验[J];农业科技通讯;2019年02期

9 林开创;;2018年孟州市小麦赤霉病的发生原因及防控对策[J];河南农业;2019年01期

10 郭建国;;漫谈小麦赤霉病[J];农药市场信息;2019年06期

相关博士学位论文 前10条

1 韩青梅;三唑类杀菌剂Folicur与Caramba对小麦赤霉病和条锈病防治效果及机理的研究[D];西北农林科技大学;2003年

2 余桂红;小麦赤霉病抗性遗传分析及分子标记的开发[D];上海交通大学;2008年

3 赵兰飞;小麦赤霉病Ⅱ型抗性机理研究及相关基因的功能鉴定[D];山东农业大学;2016年

4 侯文倩;小麦赤霉病抗病相关基因的分离鉴定及BSMV-VIGS功能验证[D];山东农业大学;2014年

5 张承启;新型杀菌剂氰烯菌酯对禾谷镰刀菌的作用机制研究[D];浙江大学;2016年

6 陈雨;新型杀菌剂氰烯菌酯对禾谷镰孢菌（Fusarium graminearum）的作用方式及抗药性遗传研究[D];南京农业大学;2009年

7 邓阳;Paenibacillus polymyxa JSa-9抗菌物质的结构鉴定及小麦生防应用研究[D];南京农业大学;2012年

8 张艳军;杀菌剂对禾谷镰孢菌DON毒素产生和小麦衰老生理的影响[D];南京农业大学;2009年

9 高旭利;禾谷镰刀菌蛋白激酶Prp4调控mRNA剪切机制研究[D];西北农林科技大学;2016年

10 樊平声;禾谷镰刀菌多菌灵抗药性群体演变及DON毒素产生规律研究[D];南京农业大学;2008年

相关硕士学位论文 前10条

1 刘爽;小麦赤霉病高光谱信息多循环提取及组合式识别研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

2 阮超;冬小麦赤霉病和白粉病多尺度遥感监测[D];安徽大学;2019年

3 丁文娟;基于不同尺度的冬小麦赤霉病高光谱遥感监测[D];安徽大学;2019年

4 杨楠;生防菌株PC60对小麦赤霉病的生物防治机理研究[D];浙江大学;2017年

5 李长成;小麦赤霉病籽粒抗性评价体系的建立[D];扬州大学;2018年

6 张臻;两株生防菌对小麦赤霉病和茎基腐病防治效果的评价[D];华中农业大学;2018年

7 温淑娴;基于高光谱成像的小麦赤霉病害分级诊断研究[D];安徽农业大学;2017年

8 施洁琼;基于气象相似年的小麦赤霉病监测预警系统[D];安徽农业大学;2017年

9 吴彦衡;基于支持向量机的小麦赤霉病预测研究及应用[D];安徽农业大学;2018年

10 赵超越;基于多模型的安徽小麦赤霉病预测研究[D];安徽农业大学;2018年

本文编号：2844107