[發明專利]一種基于成像高光譜數據的小麥白粉病嚴重程度檢測模型的建模方法及應用

在審

• 申請號: 202010633251.9
• 申請日: 2020-07-02
• 公開（公告）號: CN111751295A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 趙晉陵;方艷;黃林生;梁棟;徐超;黃文江;張東彥;翁士狀
• 申請（專利權）人: 安徽大學
• 主分類號: G01N21/25
• 分類號: G01N21/25;G06F30/27
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 李正

1.一種基于成像高光譜數據的小麥白粉病嚴重程度檢測模型的建模方法，包括以下步驟：

1)掃描獲取侵染白粉病小麥葉片382.9～1059.1nm波長范圍內1024個波段的高光譜影像；

2)以步驟1)所述高光譜影像的光譜數據作為原始波段，采用主成分分析算法、隨機森林和連續投影算法分別對所述原始波段進行降維獲得對白粉病敏感的特征波段，分別為主成分分析算法降維后的特征波段、隨機森林降維后的特征波段和連續投影算法降維后的特征波段的光譜信息；

3)測定所述侵染白粉病小麥葉片病情指數，基于所述病情指數對小麥白粉病的嚴重程度劃分成不同等級，得到等級標簽；所述劃分標準包括：病情指數＝0為0級，健康；0病情指數≤45％為1級，輕度侵染；病情指數45％為2級，重度侵染；

4)以所述主成分分析算法降維后的每個樣本特征波段的光譜信息和等級標簽為原始數據，采用支持向量機建模、隨機森林建模或概率神經網絡建模進行建模；或者，

以隨機森林降維后的每個樣本特征波段的光譜信息和等級標簽為原始數據，采用隨機森林建模或概率神經網絡建模進行建模；或者，

以連續投影算法降維后的每個樣本特征波段的光譜信息和等級標簽為原始數據，采用隨機森林建模；得到6個預估模型；

所述步驟2)和步驟3)之間沒有時間順序限制。

2.根據權利要求1所述的建模方法，其特征在于，步驟3)所述侵染白粉病小麥葉片病情指數的計算方法包括：基于步驟1)所述高光譜影像的圖像數據，提取小麥葉片中侵染白粉病的部分，計算每片小麥葉片上白粉病病斑面積和每片小麥葉片的面積，利用式I計算小麥葉片病情指數；

3.根據權利要求2所述的建模方法，其特征在于，所述提取小麥葉片中侵染白粉病部分的方法包括閾值分割法。

4.根據權利要求1所述的建模方法，其特征在于，步驟1)中所述高光譜影像的分辨率為2～3nm。

5.根據權利要求1所述的建模方法，其特征在于，步驟1)中所述高光譜影像包括每個像元的光譜信息和每個波段的圖像信息。

6.根據權利要求1所述的建模方法，其特征在于，步驟1)在獲得高光譜影像后，還包括對高光譜影像進行Savitzky-Golay平滑處理。

7.根據權利要求1所述的建模方法，其特征在于，步驟2)中在采用主成分分析算法、隨機森林和連續投影算法分別對所述原始波段進行降維前，還包括對原始波段進行多元散射校正，得到降維前病害分級的準確度預測結果；在得到主成分分析算法降維后的特征波段、隨機森林降維后的特征波段和連續投影算法降維后的特征波段后，還包括對所述主成分分析算法降維后的特征波段、隨機森林降維后的特征波段和連續投影算法降維后的特征波段分別進行多元散射校正，得到3種降維后病害分級的準確度預測結果。

8.根據權利要求1所述的建模方法，其特征在于，步驟2)中所述主成分分析算法降維后的特征波段、隨機森林降維后的特征波段和連續投影算法降維后的特征波段數量獨立為10～20。

9.權利要求1～8任意一項所述建模方法構建得到的預估模型在預估小麥白粉病嚴重程度中的應用。

10.根據權利要求9所述應用，其特征在于，所述應用包括以下步驟：獲取侵染白粉病小麥葉片特征波段光譜數據，將所述光譜數據輸入對應的預估模型，得到小麥白粉病的嚴重程度等級。