[發明專利]一種基于近地高光譜技術冬小麥赤霉病遙感識別方法

在審

• 申請號: 202010616580.2
• 申請日: 2020-07-01
• 公開（公告）號: CN111767863A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 黃林生;吳康;吳照川;劉勇;黃文江;張東彥;趙晉陵;翁士狀;曾瑋;雷雨
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 合肥國和專利代理事務所(普通合伙) 34131
• 代理人: 張祥騫

本發明涉及一種基于近地高光譜技術冬小麥赤霉病識別方法，與現有技術相比解決了從直立角度識別冬小麥赤霉病嚴重程度精度低的缺陷。本發明包括以下步驟：高光譜數據的獲取；赤霉病病情嚴重度的計算；原始光譜波段特征的篩選；最優小波特征的篩選；冬小麥麥穗赤霉病識別模型的構建；冬小麥麥穗赤霉病識別模型的訓練；冬小麥麥穗赤霉病識別結果的獲得。本發明不僅實現了直立角度下對冬小麥赤霉病嚴重度進行識別，還大大提高了冬小麥赤霉病嚴重度識別的精度。

技術領域

本發明涉及冬小麥麥穗赤霉病識別技術領域，具體來說是一種基于近地高光譜技術冬小麥赤霉病遙感識別方法。

背景技術

非成像高光譜技術具有光譜分辨率高，波段數多，信息量豐富等特點，并且近地采集的非成像高光譜數據受大氣和外界環境影響小，信噪比高，更接近于地物的真實光譜。健康小麥與被病蟲害侵染的小麥之間的區別可以通過它們光譜的差異性體現出來。小麥的光譜特性是由其化學和形態學共同決定的，這種光譜特性隨著小麥植株的生長狀況、健康狀況以及生長條件的改變而改變。被病菌感染的小麥，小麥的組織色素、水分含量以及內部結構會發生變化，這些變化可以作為函數來研究，因此光譜分析可以用來監測小麥的健康疾病狀況。

現有技術中，梁琨等(2015)利用高光譜成像技術，通過光譜分析和圖像處理來識別小麥籽粒的赤霉病。所建立的線性判別分析、支持向量機和BP(反向傳播)神經網絡模型對赤霉病感染的籽粒有較好的識別效果，準確率均在90％以上。Ewa等(2018)建立了基于高光譜圖像紋理參數的分類模型來識別被感染的籽粒，對位于腹側的籽粒進行分類，準確率為100％。劉爽(2019)對小麥籽粒高光譜圖像信息進行提取并建立識別模型，利用高光譜圖像技術實現了小麥赤霉病籽粒的高效準確識別。Jin等(2018)在野外利用深度神經網絡對健康穗和赤霉病感染穗的高光譜像元進行分類，分類精度達到74.3％。Whetton等(2018)使用高光譜成像儀在線測量田間的赤霉病小麥，并使用從地塊收集的RGB照片來評估作物病害發病率(受感染穗數與健康穗數之比)。該研究取得了良好的準確性(82％)，但沒有確定疾病的嚴重程度。以往對赤霉病的研究主要集中在利用高光譜成像對病變小麥籽粒進行分類或是在實驗室條件下對病害麥穗進行識別，要么僅為健康與疾病的二分類識別，并且未達到理想的識別效果，要么疾病嚴重程度未進行分類。因此，如何利用高光譜技術從直立角度實現對小麥赤霉病嚴重程度的分類識別，提高識別精度已經成為急需解決的技術問題。

發明內容

本發明的目的是為了解決現有技術中從直立角度識別冬小麥赤霉病嚴重程度識別精度低的缺陷，提供一種基于近地高光譜技術冬小麥麥穗赤霉病遙感識別方法來解決上述問題。

為了實現上述目的，本發明的技術方案如下：

一種基于近地高光譜技術冬小麥赤霉病遙感識別方法，包括以下步驟：

高光譜數據的獲取：獲取直立角度下的冬小麥單穗樣本的反射率光譜。

赤霉病病情嚴重度的計算：采用病情嚴重度計算公式求出每個冬小麥單穗樣本的病情嚴重度，并根據病情嚴重度將冬小麥單穗樣本進行分類。

原始光譜波段特征的篩選：對冬小麥單穗樣本的反射率光譜和病情嚴重度進行相關性分析，篩選出相關性高的原始光譜波段特征。

最優小波特征的篩選：對冬小麥單穗樣本的反射率光譜進行連續小波變換求得相應小波特征，并從相應小波特征中篩選出與病情嚴重度相關性高且嚴重度類間差異顯著的小波特征作為最優小波特征。

冬小麥麥穗赤霉病識別模型的構建：利用SVM算法構建冬小麥麥穗赤霉病識別模型。

冬小麥麥穗赤霉病識別模型的訓練：利用篩選出的原始光譜波段特征和最優小波特征作為冬小麥麥穗赤霉病識別模型的輸入變量，對冬小麥麥穗赤霉病識別模型進行訓練。