一种鉴别油菜菌核病和灰霉病早期病斑的方法技术

本发明专利技术公开了一种鉴别油菜菌核病和灰霉病早期病斑的方法，该方法包括：(1)取待测油菜叶片的高光谱图像，再挑选所述高光谱图像的病斑局部的像素；(2)计算获得所述像素在681.95nm～748.23nm波段的波段比运算值和波段差分运算值；(3)将由所述像素在555.29nm处的光谱值、所述波段比运算值和波段差分运算值构成的特征向量输入经训练的最小二乘支持向量机模型，根据输出结果判断病斑类型。本发明专利技术从带有菌核病、灰霉病早期病斑的高光谱图像信息中分析获得特征差异波段，通过特征波长、波段比运算值和波段差分运算值与最小二乘支持向量机的结合，实现了菌核病和灰霉病早期病斑的准确分类，鉴别精度更高。

【技术实现步骤摘要】

本专利技术涉及数字农业
，尤其涉及一种鉴别油菜菌核病和灰霉病早期病斑 的方法。
技术介绍
油菜是我国重要的油料作物，在种植过程中经常受到各种病害的胁迫，导致减产。 油菜的主要病害有菌核病和灰霉病等。菌核病由核盘菌侵染所致，灰霉病由灰葡萄孢菌侵 染所致。两种病害侵染油菜叶片初期时，油菜叶片上都显示出水渍状病斑，难以区分两种病 害，容易造成误判而错过最佳防治时间。如果用一种快速无损的方法准确识别这两种病害， 则可以指导农户施用针对特定病害的农药，提高效率并且最大限度的保护环境。 高光谱图像技术将图像处理技术与光谱分析技术相结合，成为近年来数字农业领 域研究的热点。它秉承了光谱和高光谱技术的无损检测的特点，同时利用图像处理技术能 够更准确的识别植株的早期病害。高光谱图像技术已被用于水果品质鉴别、植株营养成分 鉴别、植株病害程度鉴别以及染病植株与健康植株的鉴别等。 Moshou利用可见和近红外波段高光谱信息鉴别小麦健康叶片、感染黄锈病叶 片和缺氮叶片，用二次判别分析（quadraticdiscriminantanalysis，QDA)和自组织映 射神经网络（self-organizingmapneuralnet)两种分类方法来鉴别这三类叶片，其 不足在于受病害感染的冠层反射光谱存在不稳定性（MoshouD.，BravoC.，WahlenS.， etal.Simultaneousidentificationofplantstressesanddiseasesinarable cropsbasedonaproximalsensingsystemandSelf-OrganisingNeuralNetworks： Proceedingsof4thEuropeanConferenceonPrecisionAgriculture，2003 ? Berlin:StaffordJ.，WernerA.，2003 :425-432.MoshouD.，BravoC.，WahlenS.，et al.Simultaneousidentificationofplantstressesanddiseasesinarablecrops usingproximalopticalsensing.PrecisionAgriculture，2006,7(3) :149-164. )〇 Qin利用高光谱信息将葡萄柚果实的溃疡病从健康果中分离出来（QinJianwei，Burks T.F. ?KimM.S. ?etal.Citruscankerdetectionusinghyperspectralreflectance imagingandPCAbasedimageclassificationmethod.SensingInstrumentfor FoodQualityandSafety，2008,2(3) :168-177.),Qin进一步将葡萄柚果实的溃疡病 从其他种类的病果中分离出来，该研究的分类方法用了 99个波段参与分析，分类精度较 高，但是运算较费时（QinJianwei，BurksT.F.，RitenourM.A.，etal.Detectionof citruscankerusinghyperspectralreflectanceimagingwithspectralinformation divergence.JournalofFoodEngineering，2009,93 (2) :183-191.)。李江波用主成分 分析与波段比算法相结合将脐橙溃疡果从脐橙其他种类的病果中分离出来，相对于Qin的 研究降低了运算量（李江波，铙秀勤，应义斌等.基于高光谱成像技术检测脐橙溃疡. 农业工程学报，2010, 26 (8) :222-228.)。 但是，采用高光谱图像技术来鉴别同一种植株的症状异常相似的不同病害的研究 较少。T.Rumpf用高光谱信息结合植被指数（VegetationIndices)和支持向量机（Support VectorMachines)将甜菜健康叶片与感染锈病、尾孢菌叶斑病和白粉病等三类甜菜病害 的叶片区分，总鉴别精度超过86%，但是当三种病害两两进行鉴别时精度不理想（Rumpf T.，MahleinA.K.，SteinerU.，etal.Earlydetectionandclassificationofplant diseaseswithSupportVectorMachinesbasedonhyperspectralreflectance. ComputersandElectronicsinAgriculture，2010,74(l) :91-99.)。这是高光谱图像技 术用于鉴别植物病害研究中的一个尚未很好解决的问题。
技术实现思路
本专利技术提供了，该方法能够精确鉴 别油菜叶片上菌核病和灰霉病的早期病斑，鉴别精度高。 -种鉴别油菜菌核病和灰霉病早期病斑的方法，包括： (1)取待测油菜叶片的高光谱图像，再挑选所述高光谱图像的病斑局部的像素； (2)计算获得所述像素在681. 95nm~748. 23nm波段的波段比运算值和波段差分 运算值； (3)将由所述像素在555. 29nm处的光谱值、所述波段比运算值和波段差分运算值 构成的特征向量输入经训练的最小二乘支持向量机模型，根据输出结果判断病斑类型。 具体地，所述最小二乘支持向量机模型的训练方法，包括以下步骤： (1)取感染菌核病、灰霉病的油菜叶高光谱图像病斑局部的像素，构成训练集； (2)计算训练集中像素在681. 95nm~748. 23nm波段的波段比运算值和波段差分 运算值； (3)以由训练集中像素在555. 29nm处的光谱值、在681. 95nm~748. 23nm波段 的波段比运算值和波段差分运算值构成的特征向量作为输入，以像素所在病斑的类型为输 出，训练最小二乘支持向量机模型。 所述取感染菌核病、灰霉病的油菜叶高光谱图像病斑局部的像素的方法，包括以 下步骤：(1)在健康的油菜叶片上接种菌丝块；(2)获取被感染的油菜叶片的高光谱图像； (3)去除高光谱图像中菌丝块所在的区域； (4)去除高光谱图像中健康叶肉所在的区域，剩余部分即为高光谱图像的病斑局 部。 作为优选，所述去除高光谱图像中菌丝块所在的区域的方法为：将高光谱图像的 每个像素在549.IOnm处的光谱值和679. 42nm光谱值作差，根据差值区分高光谱图像中菌 丝块所在的区域。 作为优选，根据512. 05nm处的光谱值区分高光谱图像中的健康叶肉像素和病斑 局部像素。 作为优选，所述最小二乘支持向量机模型的超参数y为0. 79214,核函数参数S2 为 4. 4687。 本专利技术还提供了，包括： (1)取待测油菜叶片的高光谱图像，再挑选所述高光谱图像的病斑局部的像素； (2)计算获得所述像素在681. 95nm~748. 23nm波段的波段比运算值或波段差分 运算值； (3)确定分类的阈值，根据所述的波段比运算值或波段差分运算值确定病斑类型。 具体地，所述阈值的确定方法为：计算已知样本像素的波段比运算值或波段差分 运算值，绘制接收机操作特征曲线，选择最佳的阈值。 作为本文档来自技高网...

【技术保护点】
一种鉴别油菜菌核病和灰霉病早期病斑的方法，包括：(1)取待测油菜叶片的高光谱图像，再挑选所述高光谱图像的病斑局部的像素；(2)计算获得所述像素在681.95nm～748.23nm波段的波段比运算值和波段差分运算值；(3)将由所述像素在555.29nm处的光谱值、所述波段比运算值和波段差分运算值构成的特征向量输入经训练的最小二乘支持向量机模型，根据输出结果判断病斑类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵芸，徐兴，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：浙江;33