基于可见光技术倒伏水稻识别探究.docVIP

基于可见光技术倒伏水稻识别探究摘要：研究可见光技术倒伏水稻的识别，主要光谱分析因受穗颈瘟或者稻飞虱倒伏的水稻，对主分量进行光谱分析。使用支持向量分类机，输入数据创建分类模型。得出结果，因受穗颈瘟倒伏的水稻识别精度为90.9%，因受稻飞虱倒伏的水稻识别精度为100%。可见，可见光谱是有效识别倒伏水稻方法的一种。 关键词：可见光技术；稻飞虱；穗颈瘟 中图分类号：S511 文献标识码：A 文章编号：1674-0432（2010）-12-0091-1 本文主要研究受稻飞虱和穗颈瘟而倒伏的水稻冠层做光谱研究，使用支持向量分类机针对倒伏和正常得水稻分别给与主分量光谱分析，以增加灾害评估、病虫害监测与遥感估测中可见光光谱技术的使用。 1 材料与方法 1.1 试验准备 仪器使用ASD公司观测仪器的高光谱辐射仪（FieldSpe Pro FRTM），在350-2500nm的波段范围中350-1000nm的波段宽(光谱采样间隔)为1.4nm，3nm的光谱分辨率；1000-2500nm的波段宽(光谱采样间隔)为2nm，10nm的光谱分辨率。 选取穗京4号水稻品种，其易感稻瘟病。2009年4月10日播种，5月12日移栽（机插），稻穗颈瘟自然发病较重，引起水稻植株倒伏，黄熟期光谱观测。 1.2 研究方法 在观测点于2009年8月20日上午10:00-11:00测定穗颈瘟危害倒伏水稻的冠层光谱，各样点采集3次光谱，测定10条光谱曲线，取其平均值作为该样点的光谱反射值，测定正常水稻光谱。 在View Spec Pro2.14（一种光谱分析软件）中，使用光谱平滑处理（五步滑动平均法）。在Matlab7.0中可以实现光谱数据分析，选用400-1800nm之间的波段进行分析，去掉1341-1450nm之间的吸收水汽的光谱带。 2 分析与结果 2.1 水稻田间冠层光谱特征分析 水稻因受穗颈瘟和稻飞虱的危害而倒伏，而改变了原有的群体结构，致使植株受光条件和各组分(如茎秆、稻穗等)对冠层光谱的贡献比例都发生变化。 图 1 正常和倒伏的水稻冠层光谱曲线 由图1可知，在可见光400-1800nm的谱段内，正常水稻和倒伏水稻的反射光谱有一定得的增加，在可见光400-690nm的普段内提高了2-10%。说明对倒伏与正常这不同生长状态的水稻可以使用冠层光谱进行识别。 2.2 C2 SVC对倒伏水稻的识别与验证 图2 前二个主成分分量 首先从观测点观测70个正常和倒伏的水稻中随机选取75%的样株，作为训练C2 SVC的数据，输入向量使用前两个主分量光谱，对正常与倒伏得水稻进行划分。由于LIBSVM 2.83有很多默认的参数，使用默认参数立即可以解决大量分类与回归问题，分别影响模型运行精度和速度的重要参数是核函数类型和交互检验阶数。长时间测试后发现，每当惩罚系数C为1、交互检验阶数是3、核函数使用径向基函数RBF并且保持其他参数不改变时，模型的平均精确度到达到100%，可训练数据中可以实现对正常和倒伏水稻完美识别。 在LIBSVM 2.83中，训练完成后的网络，它的参数权值总是恒定的，为了检测构建模型的普适性，使用黑龙江友谊农场的22个样株作为数据验证，测试水稻不同生长状态时的识别效果，利用C2 SVC对倒伏与正常水稻的生长状态进行识别时，倒伏水稻没有被错分为正常，反之亦然，精度是100%。 3 结论 本研究中观测点的水稻倒伏都是着地倒，并没有其他倒伏角度的情况。另外，本研究中的的光谱测试只有地面测试，没有其他高光谱影像数据。所以，结果能否用于其他研究，还需验证。 参考文献 [1] 刘良云,王纪华,宋晓宇,等.小麦倒伏的光谱特征及遥感监测[J].遥感学报,2007,9:323-327. [2] 刘占宇.水稻主要病虫害胁迫遥感监测研究[A].浙江大学博士学位论文[D].2008,6:79-86. [3] 刘燕德,陈兴苗,欧阳爱国.梨表面色泽的可见/近红外漫反射光谱无损检测研究[J].红外与毫米波学报,2008,27(4):266-268. 作者简介：房振兵（1968-），男，湖北襄樊人，湖北省襄樊市农科院农艺师，研究方向：水稻育种。 1