高光譜相機解決方案

  • 基于光譜分析的冬油菜苗期田間雜草識別研

  • 信息來源：彩譜品牌廠家   瀏覽次數(shù)：86    發(fā)表時間：2023-01-12
  •  
           本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產(chǎn)品FigSpec® FS2X系列-成像高光譜相機進行相關研究。FigSpec®系列成像高光譜相機采用高衍射效率的透射式光柵分光模組與高靈敏度面陣列相機、結(jié)合內(nèi)置掃描成像及輔助攝像頭技術，解決了傳統(tǒng)高光譜相機需外接推掃成像機構(gòu)及調(diào)焦復雜等難以操作的問題。可與標準C接口的成像鏡頭或顯微鏡直接集成，實現(xiàn)光譜影像的快速采集。

           油菜是我國主要的油料作物，但受雜草危害嚴重。據(jù)全國農(nóng)場雜草調(diào)查隊調(diào)查，長江流域冬油菜田雜草害面積約占種植面積的46.9%，油菜因雜草減產(chǎn)一般在10%~20%。人工除草在大面積種植中顯得不切合實際，化學除草成為最有效的除草方法。但大面積的粗放式均勻噴灑，不僅使農(nóng)藥浪費嚴重，而且農(nóng)藥殘留大大增加，會破壞生態(tài)環(huán)境。理想的除草劑施用方式應該是選擇性變量噴灑，但首要問題就是能自動識別雜草。近年來，國內(nèi)外學者利用機器視覺、光譜檢測分析、多光譜成像分析等技術，對水稻、玉米、小麥、棉花、大豆、甜菜、番茄、胡蘿卜等作物的田間雜草識別方法進行了大量研究。但對冬油菜苗田間雜草識別的研究相對較少。下文將以油菜苗期雜草為研究對象，利用光譜分析技術，通過采集油菜幼苗、油菜苗雜草和土壤的光譜信息，找到合適的特征波長，建立判別模型。
     
           冬油菜苗區(qū)雜草的自動識別具有重要意義。特別是目前我國油菜面積大，除草劑噴灑過量和大面積的噴灑?？蓪⒍筒藚^(qū)內(nèi)雜草幼苗扼殺，可有效降低雜草對冬油菜的危害。實現(xiàn)冬油菜苗區(qū)雜草的自動識別，可以定點定量噴灑除草劑，減少農(nóng)藥的浪費，減少對環(huán)境的污染，提高生產(chǎn)效率，為農(nóng)業(yè)的可持續(xù)發(fā)展做出重要貢獻。光譜檢測技術能夠有效、快速地自動識別雜草，為節(jié)約和有效噴灑除草劑提供依據(jù)。本文在研究國內(nèi)外文獻的基礎上，對冬油菜苗區(qū)雜草的自動識別做了以下研究:
           (1)分析樣品的光譜特性。
           通過分析可以看出，400~1300mm范圍內(nèi)的光譜數(shù)據(jù)信息豐富，是本次研究的重要波段。
           (2)逐步判別分析提取特征波長和建模。
           對樣品進行逐步判別分析，提取了595nm、710nm、755nm和950nm四個特征波長。根據(jù)這四個特征波長，分別建立了典型判別模型和貝葉斯判別模型。當各類別的先驗概率相等時，貝葉斯判別函數(shù)模型與典型判別模型的正確識別率相同，均為97.78%。當先驗概率根據(jù)類別大小計算時，貝葉斯判別函數(shù)模型的正確識別率為98.89%。
           (3)UVE-SPA提取特征并建模。
           通過非信息變量剔除法剔除非信息變量的干擾，然后根據(jù)RMSE的變化和模型的需要，通過連續(xù)投影法進一步剔除冗余信息，提取特征波長，分別為450nm、720nm、885nm和1255nm，建立簡潔的分類模型。根據(jù)提取的特征波長建立典型判別模型、貝葉斯判別模型和PLS-DA模型，模型對預測集的正確分類率分別為94.44%、96.67%和87.78%。
           (4)模型對比。
           對本研究建立的所有判別模型進行比較，得出的結(jié)論是:利用逐步判別分析提取的特征波長建立的貝葉斯判別模型是穩(wěn)定的，在根據(jù)每個類別的大小計算先驗概率時，預測集的正確識別率較高。同時，利用該模型設計了光譜傳感器。
     
  • 【關閉本頁】 【返回頂部】 【打印此頁】 【收藏此頁】