基于PCA和PNN算法检测水稻病虫害等级的方法技术

本申请公开了一种基于PCA和PNN算法检测水稻病虫害等级的方法，包括步骤：采集水稻的原始高光谱数据，去除原始高光谱数据中的异常点，通过主成分分析PCA法对相邻波段内的原始高光谱数据进行波段数据降维和数据压缩，利用概率神经网络PNN法根据训练集对采样点进行病虫害等级判断，利用神经网络喷洒模型对采样点进行喷洒等级判断，根据喷洒等级进行农药定量喷洒。本发明专利技术可以实现病虫害等级的自动预测，自动识别病虫害等级可以大大降低人工成本和时间成本，为农药的精准喷洒提供依据，对于环保和人体健康具有重要意义。

Detection of Rice Pest and Disease Level Based on PCA and PNN Algorithms

This application discloses a method for detecting the grade of rice diseases and insect pests based on PCA and PNN algorithm. The steps include: collecting the original hyperspectral data of rice, removing the abnormal points in the original hyperspectral data, reducing the dimension of the original hyperspectral data in adjacent bands by PCA method, and compressing the band data by PNN method according to the training set. The grade of pests and diseases was judged by the point, and the spraying grade was judged by the neural network spraying model. The pesticide was sprayed quantitatively according to the spraying grade. The invention can realize automatic prediction of pest and disease grade, automatically identify pest and disease grade can greatly reduce labor cost and time cost, provide basis for precise spraying of pesticides, and has important significance for environmental protection and human health.

【技术实现步骤摘要】
基于PCA和PNN算法检测水稻病虫害等级的方法
本专利技术涉及神经网络技术和高光谱检测病虫害领域，具体地说，是涉及高光谱检测病虫害中基于PCA和PNN算法检测水稻病虫害等级的方法，用以实现病虫害等级判断。
技术介绍
农作物病虫害一直是制约农业生产的重要因素，对作物的产量和品质造成较大的影响。据联合国粮农组织(FAO)估计，世界粮食产量常年因病虫害损失10％，因病害损失14％左右。水稻作为我国主要粮食作物，病虫害的防止具有重要的意思。主成分分析(principalcomponentsanalysis,PCA)是在均方根误差最小的情况下建立统计特征基础上的最佳正交线性变换，目的是将多个指标简化为少数几个综合性指标的一种统计方法。高光谱数据波段可以达到几百个乃至上千个，信息增加的同时，由于邻近波段存在很高的相关性，导致高光谱数据大量的冗余。从而，使用PCA进行数据降维和数据压缩，以便后续处理。概率神经网络(probabilisticneuralnetwork,PNN)于1989年由Specht博士首先提出，是一种径向基函数神经元和竞争神经元共同组合的新型神经网络。它具有模式简单、训练快捷等本文档来自技高网...

【技术保护点】
1.一种基于PCA和PNN算法检测水稻病虫害等级的方法，其特征在于，包括步骤：通过无人机搭载的高光谱仪在采样点采集水稻的原始高光谱数据；去除原始高光谱数据中的异常点，得到1024个波段的地物信息；通过主成分分析PCA法对相邻波段内的原始高光谱数据进行波段数据降维和数据压缩，得到降维后的光谱值，其中每一条光谱值对应一张图像；利用概率神经网络PNN法根据训练集对采样点进行病虫害等级判断，包括：将所述降维后的每一条光谱值所对应的每一张图像作为训练集，所述训练集为真值库，根据所述图像判断病虫害等级作为每一条训练光谱的真值，进行神经网络模型训练，得到神经网络喷洒模型；对所述降维后的光谱值进行特征学习，利...

【技术特征摘要】
1.一种基于PCA和PNN算法检测水稻病虫害等级的方法，其特征在于，包括步骤：通过无人机搭载的高光谱仪在采样点采集水稻的原始高光谱数据；去除原始高光谱数据中的异常点，得到1024个波段的地物信息；通过主成分分析PCA法对相邻波段内的原始高光谱数据进行波段数据降维和数据压缩，得到降维后的光谱值，其中每一条光谱值对应一张图像；利用概率神经网络PNN法根据训练集对采样点进行病虫害等级判断，包括：将所述降维后的每一条光谱值所对应的每一张图像作为训练集，所述训练集为真值库，根据所述图像判断病虫害等级作为每一条训练光谱的真值，进行神经网络模型训练，得到神经网络喷洒模型；对所述降维后的光谱值进行特征学习，利用所述神经网络喷洒模型对采样点进行喷洒等级判断；根据喷洒等级进行农药定量喷洒，定量喷洒按照以下方法计算：Q＝Max×Y，其中，当1≤X≤4时，Y＝0.25×(X-1)；当X＝5时，Y＝1；Q为喷洒量，X为喷洒等级，Y为喷洒比率。2.根据权利要求1所述的基于PCA和PNN算法检测水稻病虫害等级的方法，其特征在于，所述主成分分析PCA法包括步骤：对所有原始高光谱数据即样本数据进行中心化，去均值；求解样本的协方差矩阵；对协方差进行特征值分解，包括利用特征值分解或奇异值分解，求解特征值以及特征向量；取出最大的n个特征值对应的n个特征向量，将特征向量标准化后，...

【专利技术属性】
技术研发人员：李晓鹏，刘龙，宫华泽，陈祺，田平，孙盈蕊，陈俊伸，
申请(专利权)人：北京麦飞科技有限公司，
类型：发明
国别省市：北京,11