白粉病胁迫下小麦叶片光谱响应与智能分类识别

• Published in: 华南农业大学学报 Vol. 42; no. 3; pp. 86 - 93
• Main Authors: 龙腾, 李继宇, 龙拥兵, 闫晓静, 赵静
• Format: Journal Article
• Language: Chinese
• Published: 华南农业大学 工程学院,广东 广州 510642%华南农业大学 电子工程学院/人工智能学院,广东 广州 510642 01.05.2021; 华南农业大学 电子工程学院/人工智能学院,广东 广州 510642%岭南现代农业科学与技术广东省实验室,广东 广州510642; 岭南现代农业科学与技术广东省实验室,广东 广州510642%中国农业科学院 植物保护研究所,北京 100193
• Subjects: 小麦白粉病; PCA-SVM; 智能分类; SF-SPAD值; 高光谱
• ISSN: 1001-411X
• DOI: 10.7671/j.issn.1001-411X.202009001

S431.11; [目的]开展基于高光谱技术的白粉病胁迫下田间小麦光谱的响应研究,实现小麦白粉病感染等级的快速确定.[方法]采用光纤光谱仪配合积分球和叶片夹采集大田活体小麦叶片可见?近红外光谱;通过光谱数据拟合得到的SF-SPAD(Spectrum fitting SPAD)值来反映叶绿素含量,对叶片感染白粉病进行初步判定;使用PROSPECT模型进行光谱敏感度分析确定敏感波段;结合主成分分析(Principal component analysis,PCA)降维和支持向量机(Support vector machine,SVM)建模,实现对光谱数据的二分类;根据二分类模型判断的病点百分比对小麦病虫害感染程度进行分级.[结果]SF-SPAD值随自下而上的叶序的增大而逐渐上升;SF-SPAD值≤0.90的全是病点,≥1.05的全是好点.光谱敏感度分析确定了敏感波段为可见光波段440～500和540～780 nm,降低了数据维度.确定了感染等级(R)与病点百分比(％)的关系为R1:0～30％、R2:30％～50％、R3:50％～70％、R4:70％～100％.本研究所建模型适用的检测株数最少为20株.[结论]结合SF-SPAD值和光谱PCA-SVM二分类建立的监测模型可以准确、快速地判定小麦白粉病感染与否及感染等级,同时可以降低采样数量、减少地面检测工作量、提高检测效率,是一项实用性强、简单、易推广的智能化监测技术.