番茄病害早期快速診斷與生理信息快速檢測方法研究.pdf

1、精細(xì)農(nóng)業(yè)技術(shù)作為農(nóng)業(yè)信息化和農(nóng)業(yè)現(xiàn)代化發(fā)展最前沿的領(lǐng)域之一，是當(dāng)今世界發(fā)展現(xiàn)代農(nóng)業(yè)，實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵和核心技術(shù)。精細(xì)農(nóng)業(yè)要求快速、準(zhǔn)確、數(shù)字化和定位化的獲取農(nóng)業(yè)生產(chǎn)和管理信息，而農(nóng)作物生長過程信息的快速、準(zhǔn)確、動態(tài)獲取和監(jiān)控方法和技術(shù)需求尤為緊迫。傳統(tǒng)的實驗室化學(xué)測量分析已經(jīng)不能滿足農(nóng)業(yè)對信息快速、準(zhǔn)確、動態(tài)、高效獲取的要求。本研究針對農(nóng)作物信息快速檢測技術(shù)的急迫需求，以番茄為研究對象，應(yīng)用高光譜成像技術(shù)系統(tǒng)建立番茄病害的早期診

2、斷識別方法和模型，并實現(xiàn)病害脅迫下番茄葉片生理信息的快速檢測，為番茄栽培的精細(xì)化管理和病害綜合防治提供新的技術(shù)支撐，對番茄的精細(xì)化生產(chǎn)和種植具有重要意義。本研究主要成果包括：
　　 (1)建立了番茄莖稈灰霉病早期診斷的光譜識別模型和圖像識別模型，構(gòu)建了番茄莖稈病害早期診斷的數(shù)據(jù)預(yù)處理、特征信息提取、線性和非線性識別模型的優(yōu)化分析路徑，為番茄莖稈病害的早期診斷識別提供了有效方法。系統(tǒng)地比較了不同光譜預(yù)處理下的全譜偏最小二乘法(PL

3、S)模型，并應(yīng)用載荷系數(shù)法提取特征波長，建立了番茄莖稈灰霉病診斷識別的優(yōu)化模型。得出的最優(yōu)光譜判別模型為特征波長-最小二乘-支持向量機(jī)(EW-LS-SVM)模型，對預(yù)測集樣本的正確識別率達(dá)到100％。應(yīng)用概率統(tǒng)計濾波和二階概率統(tǒng)計濾波提取了高光譜圖像的紋理特征信息，建立了PLS判別模型，對預(yù)測集樣本的正確識別率為97.37%。通過遺傳算法.偏最小二乘法(GA-PLS)提取特征紋理，建立了PLS和SVM判別模型，最優(yōu)模型GA-PLS-PL

4、S模型對預(yù)測集樣本的準(zhǔn)確識別率為92.11%。
　　 (2)建立了番茄葉片三種病害(灰霉病、菌核病和早疫病)脅迫的光譜同步診斷方法和模型。提取了高光譜數(shù)據(jù)在400-900nm范圍的可見/近紅外光譜信息，系統(tǒng)比較了多種光譜預(yù)處理方法、PLS和極限學(xué)習(xí)機(jī)(ELM)識別模型，得出的最優(yōu)模型為全譜ELM模型(Detrending)，對預(yù)測集樣本三種病害同步診斷的正確識別率為94.20%。應(yīng)用GA-PLS提取的特征波段，并建立了番茄葉片三

5、種病害同步診斷的PLS、誤差反向傳輸神經(jīng)網(wǎng)絡(luò)(BPNN)、SVM和ELM模型，總體效果為ELM模型較好，對預(yù)測集樣本的準(zhǔn)確識別率均接近90%。
　　 (3)建立了基于高光譜圖像信息的番茄葉片三種病害(灰霉病、菌核病和早疫病)同步診斷模型和兩種病害相互識別模型。采用GA-PLS確定特征波長圖像，并應(yīng)用概率統(tǒng)計濾波和二階概率統(tǒng)計濾波提取紋理特征，系統(tǒng)地比較了PLS、BPNN、SVM和ELM四種建模方法的診斷識別效果。結(jié)果表明：對灰霉

6、病、早疫病和健康葉片的診斷識別、以及對灰霉病、菌核病和健康葉片的診斷識別的正確識別率均大于90%；對菌核病、早疫病和健康葉片的診斷識別、以及三種病害同步診斷識別的正確識別率低于80%。
　　 (4)建立了的番茄葉片灰霉病脅迫下過氧化物酶(POD)活力的快速檢測模型。比較了全譜PLS和ELM模型對番茄葉片POD的快速檢測，最優(yōu)模型為全譜ELM模型(MSC)，對預(yù)測集樣本預(yù)測結(jié)果的相關(guān)系數(shù)r=0.8297，預(yù)測集均方根誤差RMSEP