[發明專利]一種基于高光譜成像技術的檸檬黃脈病快速檢測方法在審
| 申請號： | 202210950815.0 | 申請日： | 2022-08-09 |
| 公開（公告）號： | CN115290577A | 公開（公告）日： | 2022-11-04 |
| 發明（設計）人： | 李勛蘭;韓國輝;魏召新;彭芳芳;劉劍飛 | 申請（專利權）人： | 重慶市農業科學院 |
| 主分類號： | G01N21/25 | 分類號： | G01N21/25;G06V10/28;G06V10/34;G06V10/764;G06V20/10 |
| 代理公司： | 北京東方盛凡知識產權代理有限公司 11562 | 代理人： | 李哲 |
| 地址： | 401329 重*** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 光譜 成像 技術 檸檬黃 快速 檢測 方法 | ||
1.一種基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，包括：
獲取葉片高光譜圖像，提取葉片光譜數據；
對所述葉片光譜數據進行預處理，并劃分樣本集；
提取所述樣本集的特征波長；
構建檸檬黃脈病診斷模型，基于所述特征波長與所述檸檬黃脈病診斷模型，完成檸檬黃脈病快速檢測。
2.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，所述葉片高光譜圖像包括：健康、缺氮、藥害損傷三種未染檸檬黃脈病的檸檬葉片圖像，以及僅具有黃脈病、缺氮且具有黃脈病、藥害損傷且具黃脈病的三種感染檸檬黃脈病的檸檬葉片圖像。
3.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，提取葉片光譜數據包括：
對所述葉片高光譜圖像進行校正；
將校正后的所述葉片高光譜圖像進行二值化處理，獲得目標區域；
對所述目標區域進行掩膜處理，獲得去除背景后的全葉片高光譜圖像，對所述全葉片高光譜圖像計算均值，獲得所述葉片光譜數據。
4.根據權利要求3所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，對所述葉片高光譜圖像進行校正包括：通過白色校正圖像與暗校正圖像，對所述葉片高光譜圖像進行校正；
對所述葉片高光譜圖像進行校正的表達式為：
其中，Rλ為校正后的高光譜圖像，Iλ為原始高圖像、Dλ為采集的暗校正圖像，Wλ為采集的白色校正圖像。
5.根據權利要求4所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，所述白色校正圖像與暗校正圖像均基于健康檸檬葉片和黃脈病檸檬葉片獲得。
6.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，對所述葉片光譜數據進行預處理的方式為：采用Savitzky-Golay平滑濾波結合一階求導的處理方式。
7.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，
采用Kennard-Stone算法將預處理后的所述葉片光譜數據按照2：1比例隨機劃分樣本集；所述樣本集包括：訓練集與驗證集。
8.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，提取所述樣本集的特征波長包括：
采用競爭性自適應重加權算法聯合連續投影算法提取所述樣本集的特征波長。
9.根據權利要求1所述的基于高光譜成像技術的檸檬黃脈病快速檢測方法，其特征在于，基于最小二乘支持向量機算法構建所述檸檬黃脈病診斷模型；
所述最小二乘支持向量機算法的表達式為：
其中，αi為拉格朗日乘子，Xi為輸入值，K(X,Xi)為核函數，b為偏差量；
所述核函數的表達式為：
其中，σ2為核函數中的核參數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶市農業科學院，未經重慶市農業科學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210950815.0/1.html，轉載請聲明來源鉆瓜專利網。
