基于近地高光谱数据和遗传算法优化的支持向量机麦穗尺度赤霉病识别

发布时间：2021-03-10 14:34

　　为了实现小麦赤霉病的有效防控,给大区域尺度赤霉病监测提供理论支撑。该文利用麦穗非成像高光谱数据提出了小麦赤霉病敏感特征筛选和监测模型构建方法。通过相关性分析共选出了8个敏感特征:包括350-400nm、500-600nm和720-1000nm三个特征波段,MSR、NDVI和SIPI三个植被指数,以及WF01和WF02两个小波特征。将筛选出的敏感特征,结合SVM、和经过GA算法优化的SVM（GASVM）共建立了16种小麦赤霉病监测模型,并对两类模型的监测精度进行对比,结果显示:相同特征变量下通过GASVM建立的监测模型整体精度比通过SVM算法建立的模型精度更高,其中,MSR结合GASVM的总体精度达75%, Kappa系数为0.47。说明GASVM算法能够用于小麦赤霉病的监测,对提高病害监测精度具有重要应用价值。 

【文章来源】：农业工程技术. 2020,40(24)

【文章页数】：1 页


本文编号：3074824