基于光谱的作物病害识别研究进展定稿.doc
《基于光谱的作物病害识别研究进展定稿.doc》由会员分享,可在线阅读,更多相关《基于光谱的作物病害识别研究进展定稿.doc(9页珍藏版)》请在咨信网上搜索。
1、专业文献综述题 目: 基于光谱的作物病害识别研究进展 姓 名: 周红娅 学 院: 信息科学技术学院 专 业: 计算机科学与技术 班 级: 计科122班 学 号: 19212217 指导教师: 姜海燕 职称: 教授 2015 年06月28日南京农业大学教务处制基于光谱的作物病害识别研究进展作者:周红娅 指导老师:姜海燕摘要:目前我国的粮食生产每年都因作物病害造成巨大经济损失。传统的作物病害识别方式耗时耗力,已满足不了当前对作物病害识别的需求。本文对传统的作物病害识别方法进行了简单的叙述,综述了基于高光谱、多光谱技术的多种作物病害识别的研究进展,病害有番茄灰霉病、黄瓜白粉病、水稻稻瘟病等,以及介绍
2、了每个病害识别研究中对光谱数据进行处理的各种算法。光谱技术在农作物病害识别方面虽得到广泛应用,但仍存在作物、病害种类不全,以及检测的区域有限等问题,最后对光谱在病害识别发展前景进行了展望。关键字:作物病害;高光谱;多光谱;病害识别 Research Progress on Crop Diseases RecognitionBased on Spectrum ZHOU Hong-ya,JIANG Hai-yan(Nanjing Agricultural University, College of Information Science and Technology, Jiangsu Nanji
3、ng 210095) Abstract: At present, Chinas food production has huge economic loss every year because of crop diseases. The traditional methods of crop diseases recognition are time-consuming and power-consumption and cant meet current demands for crop diseases recognition. The traditional methods of cr
4、op diseases recognition and the researchs progress of crop diseases recognition based on hyperspectral and multispectral technology are introduced in this paper.These diseases including tomato gray mold ,cucumber powdery mildew and rice blast of rice are researched.Various algorithms for processing
5、spectral data are summarized.Spectral technology has been widely used in crop diseases recognition,but there still exists some problems including incomplete crop varieties,incomplete diseases and limited detection areas.Finally, the prospect of the development of the crop disease recognition based o
6、n Spectrum is discussed.Key words: crop diseases;hyperspectral;multispectral;diseases recognition引言:作物病害是造成粮食生产损失最大的因素,而且农作物病害的种类繁多,有1400种之多,成为作物生产最大的隐患。中国是农业大国,只用了7%的土地就养活了全球20%的人口,所以农作物病害对中国农作物生产的影响不容小觑,如果能做到在病害发生或发生之初就识别检测到作物病害,提前做好防护准备,以减少由粮食生产带来的损失。但是传统的农作物病害识别监测是田间人工调查、取样、测定、识别作物病害,这种方式很费时费力,而
7、且病虫害的发展是非常快的,所以传统的病害识别检测达不到提前防护的要求,使得病害预测准确性不高,会使作物错过喷洒农药的最佳时期,会对农作物的生产造成巨大损失。现在,信息技术和生物技术发展也越来越迅速,各界科研人士也对作物病害识别不断的提出新的看法和研究,当前研究的热点是,如何快速的分析和处理光谱信息,提高作物病害识别监测的效率。本文对基于高光谱、多光谱技术的作物病害识别研究进展进行了综述,主要有以下四种技术,即高光谱遥感技术、高光谱成像技术、近红外光谱技术和多光谱成像技术。1.传统的作物病害识别方法作物病害识别需要对病害被发生的时间和成长过程有很精确的数据进行分析,一旦预测不及时或者不准确将会带
8、来巨大的经济损失,显然,传统的作物病害识别方法不能达到该要求。传统的作物病害识别是人工检测1,且对检测者的检验以及专业知识有硬性要求,检测者通过积累的实践经验来确定作物是否患病,甚至确定出患有哪种病害。这要求检测人员具有较丰富的经验,对病害非常熟悉这就表明对检测人员的要求很高,即检测人员必须具有较丰富的经验,对病害的生长过程非常熟悉。如果检测者经验不足,不但会影响检测速度、增加劳动强度,而且会对作物病害做出错误的识别,从而造成巨大经济损失,而且检测的结果也只是通过经验所得,需要的时间很长,成本很高,而且难以在大范围展开,存在地域的局限性,且得出的结论存在误差,精度不是很高,但是农作物病害识别要
9、求识别精度很高,所以这些误差可能会使农作物错过最佳的治疗时间,影响农作物的产量,影响粮食安全,造成不必要的经济损失,因此开发一种新的病害识别方法是有必要的。2.基于多光谱的作物病害识别2.1基于近红外光谱技术的作物病害识别研究进展近红外光谱2指的是波长为780到2500nm 的电磁波,处于可见光和红外光之间,近红外光谱技术从19世纪50年代左右开始有事使用,之后就不断地得到广发的应用,但是在20世纪60年代中后期,近红外光谱技术曾一度消沉,处于沉默期,直到20世纪70年代,多元校正技术的产生又将近红外光谱技术推到了人们的视线,20世纪90年代之后,近红外光谱进入快速发展时期,曾经成为发展最快、
10、最热门的一种技术。近红外光谱技术多应用于作物品质检测、无损检测等领域,但近红外技术也应用于识别小麦条锈病和水稻稻瘟病、水稻胡麻斑和水稻纹枯病等。为实现小麦条锈病早期诊断,李小龙、秦丰等3于2013年,利用傅里叶近红外光谱仪,对150片患有小麦条锈病和叶锈病的麦页进行近红外光谱信息的采集,应用由中国农业大学开发的CAUNIRS近红外光谱分析软件,利用定性偏最小二乘法(DPLS)建立小麦条锈病和叶锈病早期检测的定性鉴别模型,测试级样品的识别准确率为97.00%。同样地,2015年,李小龙、秦丰、赵龙莲等4将30片患有小麦条锈病不同程度级别和30片健康小麦叶片作为研究对象,利用近红外光谱技术获得光谱
11、信息,在前面研究的基础上,采用由台湾林智仁教授编写的LIBSVM软件包中的C-SVM建立了小麦条锈病不同严重度叶片的定性识别模型。用处理复杂非线性数据的RBF核函数建模,可使用网格搜索算法获得最优惩罚参数和核函数参数。该模型识别准确率为97.01%。前者实现了利用近红外光谱技术在小麦条锈病诊断的应用,后者则表明可以对小麦条锈病进行分级识别。谭峰,汪春等5通过近红外光谱技术对水稻健康植株与染病植株进行光谱信息采集,提取不同部位的光谱特征,有叶瘟病 3种病害等级光谱特征; 谷粒瘟 5 种病害等级光谱特征和穗茎瘟4种病害等级光谱特征,使用中文 windows 操作系统下的通用操作软件系统对光谱数据进
12、行分析,结果表明不同的植株有不同的近红外光谱特征,为近红外光谱技术应用于水稻稻瘟病的识别提供了前期基础。与前者研究不同的是,王晓丽等2 等目前已经实现了基于近红外光谱技术的水稻病害识别,使用仪器自带的软件 ViewSpecPro 对得出的 DN 值进行处理得到光谱反射率值。由于光谱数据可能会受到环境的干扰和影响,采用了S-G 平滑、kernel 平滑算法、倒数算法和多元散射校正算法对近红外光谱数据进行预处理, 建立了基于逐步回归分析的水稻病害识别模型和基于人工神经网络的水稻病害识别模型,对水稻胡麻斑、水稻纹枯病以及健康的水稻的识别率为88.9%,100%和100%。在水稻病害识别方面取得了很大
13、的进展。目前的近红外光谱技术主要的病害识别的研究对象是小麦和水稻,在其他作物的病害识别方面的研究还有待研究。2.2基于多光谱成像技术的作物病害识别研究进展多光谱成像技术指的是通过特定波长范围内的光强度变化来实现检测和判别。随着多光谱技术的不断应用在各个领域,在农业领域,多光谱成像技术通过可见光到热红外的波段的不同,实现对作物病害的诊断、农产品品质检测等方面,尤其在农作物病害识别领域,已有很多相关研究人士对多光谱进行了研究,研究进展如下:冯洁、廖宁放等6以黄瓜为研究对象,将人工神经网络和多光谱成像技术相结合,神经网络采用Levenberg-Marquard训练算法,用Matlab软件编程实现多光
14、谱黄瓜诊断的人工神经网络算法。对光谱图像进行灰度值处理分析,建立了基于多光谱成像技术的植物病虫害神经网络诊断模型,可以对黄瓜的红粉、黑星、白粉三种病进行病害识别,且准确率达到96.67%、93.33%、100%,这表明利用多光谱成像技术可以对黄瓜进行病害识别。吴迪、朱登胜等7同样利用Matlab软件编程,利用多光谱成像仪采集了茄子的红光、近红光、绿光等光谱信息,使用二中算法对光谱信息进行处理,建立茄子灰霉病识别模型,且模型对茄子灰霉病的识别度很高。上面研究表明,利用多光谱成像技术对茄子的灰霉病和黄瓜的三种病害识别监测是可行的且效率较高的。孙光明、杨凯盛等8利用Matlab处理工具,对的大麦用多
15、光谱图像采集系统对患有赤霉病的大麦进行光谱图像采集,利用Matlab对光谱图像进行分割和图像特征提取,并多元散射校正,研究发现,经过 MSC 预处理建立的 LS-SVM 模型的预测准确率高达 93.9%此研究表明利用多光谱成像技术可以对大麦赤霉病进行识别监测。Dammer等9同样的提取出光谱特征,分析比较了多光谱技术和彩色图像处理技术对冬小麦赤霉病识别的效果,结果表明,对于冬小麦赤霉病识别监测多光谱技术比彩色图像处理技术好,而且多光谱系统在对小麦进行识别之前只需要进行一次校准。张浩、姚旭国等10以水稻穗颈瘟为研究对象,用Matlab 6.5软件实现多光谱图像处理算法,包括噪声消除、背景去除以及
16、对图像进行多处理分割,提取IR、R、G分量,建立了水稻穗颈瘟识别模型,识别精度很高,可以对水稻穗颈瘟的识别监测。该研究表明可以快速的、准确对水稻穗颈瘟病进行非破坏性检。冯雷,柴荣耀等11利用多光谱成像技术对水稻叶瘟进行分级检测研究且取得了不错的进展,利用多光谱成像技术获取水稻叶面和水稻冠层光谱图像信息,利用Matlab编程实现多光谱图像处理算法,该算法实现背景噪声的消除,以及枯叶的灰度分析,建立了水稻稻叶瘟病情检测分级模型,该模型对水稻苗瘟、水稻叶瘟的识别准确率为98%、90%。该项研究实现了对水稻病害的分级检测。3.基于高光谱的作物病害识别3.1基于高光谱遥感技术的作物病害识别进展遥感技术1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 光谱 作物 病害 识别 研究进展 定稿
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【快乐****生活】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【快乐****生活】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。