论文部分内容阅读
快速、准确地检测作物病害是精细农业的重要研究方向。生化方法虽然能够准确识别病害种类,但实时性较差,难以满足现代农业生产的需要。本文以苗期辣椒和番茄为研究对象,基于QE65000光谱仪,应用光谱技术将对茄科蔬菜的灰霉病检测进行研究,结合常用植被指数、数据挖掘技术和植物病理学知识等建立相关数学模型,并对便携式双波段光谱检测仪器的软硬件设计进行了探索。本研究主要成果如下：(1)植物冠层光谱实验必须要保证光强均匀性的前提,对于暂时难以应用到室外实验的高光谱成像平台,可以选用尽量多(8-10个以上)卤素灯模拟小尺度上比较均匀的光照环境进行实验。由于室外空间光照的均匀性,室外白板校正不需严格遵循白板位置与冠层同一平面原则,经实验发现在50厘米尺度内,只要白板能够覆盖整个探头视场,光强恒定时,探头与白板的距离的改变不影响白板校正射结果。在晴朗天气多的地域和季节,实验适宜采用ASD公司生产的便携式光谱仪,而阴雨天气较多的地域和季节,实验可以考虑采用海洋光学公司的QE65000型光谱仪。(2)应用光谱技术对苗期辣椒(日本富士尖椒)和番茄(粉欧宝和浙杂809)冠层灰霉病进行检测研究。为了便于研究结果应用到便携仪器开发和同领域内研究成果的直接对比,研究只采用了原始光谱和平滑预处理方法,对3种不同的宿主-灰霉病系统进行了建模分析处理,阈值为±0.5时,基于全波段的PLS模型的预测准确率为78.5%(辣椒),84.3%(粉欧宝番茄)和82.4%(浙杂809番茄),其中经过平滑预处理后的PLS模型结果,只有浙杂809番茄预测准确率有所提高,达到87.1%。在PLS的基础上,本研究采用载波系数法和回归系数法提取特征波长,发现在三次实验中两种方法提取的特征波长具有较好的一致性。(3)植物染病之后,其色素、水分、养分等会发生改变,植被指数被广泛应用到遥感和植物色素及养分分析中。因此,本研究利用常见的34种植被指数,通过计算其与相应样本类别的冠层灰霉病的Pearson相关系数,筛选出相关系数大于0.5的植被指数,辣椒、粉欧宝番茄和浙杂809番茄的冠层灰霉病分别选择了14个、20个和17个植被指数进行LS-SVM建模,整体预测准确性分别为79.4%(辣椒),83.1%(粉欧宝番茄)和87.1%(浙杂809番茄),相比较全波段的PLS模型准确率有所上升。为了植被指数模型的效果,本文又建立了全波段的LS-SVM模型,辣椒、粉欧宝番茄和浙杂809番茄冠层灰霉病模型的预测准确率分别为82.8%,88%,88.2%。尽管植被指数的LS-SVM模型输入维度下降了97.5%,但模型的精确度下降较少,因此以植被指数提取光谱信息建模是一种比较有效的方式。(4)为了增强模型的的稳定性和普适性,本文结合三次实验结果,选择相关性最强的13种植被指数：GNDVI、OSAVI、OSVAVI2、MTCI、Mac、ND705、PSNDb、 Datt、mSR、PSNDb、MTCI、SIPI和PSSRb,分别建立不同种类LS-SVM模型,其预测准确率为74.2%(辣椒),89.2%(粉欧宝番茄)和85.5%(浙杂809番茄)。通过分析13个植被指数两两相关性,剔除冗余的植被指数后将模型输入分别降低到9个和7个建立单类别LS-SVM模型,模型预测准确性由84.9%(辣椒),75.9%(粉欧宝),84.3%(浙杂809)下降到58.1%(辣椒),73.5%(粉欧宝番茄),74.7%(浙杂809番茄)。通过分析不同数量植被指数的建模结果,模型输入为9-13个(筛选的13个指数)时模型效果较佳。最后,基于浙杂809番茄全样本构建了双波段植被差异指数(Rλ1/Rλ2)/(Rλ1/Rλ2)和简单植被指数(Rλ1/Rλ2,λ1=732.58nm,λ2=549.22nm,其相关系数绝对值分别为0.8257和0.8227。利用另两次实验结果对两种指数进行验证,尽管相关系数未达到0.8,但都接近或者超过相应实验中传统植被指数与冠层灰霉病相关系数的最大值,说明构建的两种指数具有一定的稳定性,可为后续研究提供参考。(5)研究了双波段便携式茄科蔬菜冠层灰霉病快速检测仪器,采用便携式枪式外壳。光路设计采用了分叉光纤,自行设计的光学通道实现了分叉光纤与滤光片固定对接以及四片滤光片的方便更换(便于采集多波段信息)。仪器采用发无线方式进行数据传输。基于Visual Basic设计了上位机控制程序,实现了数据的显示、曲线绘制和EXCEL存储,初步嵌入了基于GNDVI简单线性判别模型。经过初步测试,仪器能够保持较高的测量精度。