基于近地高光譜數(shù)據(jù)和遺傳算法優(yōu)化的支持向量機(jī)麥穗尺度赤霉病識別

黃林生 張寒蘇 阮超 黃文江 胡廷廣 趙晉陵

摘 要：為了實(shí)現(xiàn)小麥赤霉病的有效防控，給大區(qū)域尺度赤霉病監(jiān)測提供理論支撐。該文利用麥穗非成像高光譜數(shù)據(jù)提出了小麥赤霉病敏感特征篩選和監(jiān)測模型構(gòu)建方法。通過相關(guān)性分析共選出了8個(gè)敏感特征：包括350-400 nm、500-600 nm和720-1000 nm三個(gè)特征波段，MSR、NDVI和SIPI三個(gè)植被指數(shù)，以及WF01和WF02兩個(gè)小波特征。將篩選出的敏感特征，結(jié)合SVM、和經(jīng)過GA算法優(yōu)化的SVM（GASVM）共建立了16種小麥赤霉病監(jiān)測模型，并對兩類模型的監(jiān)測精度進(jìn)行對比，結(jié)果顯示：相同特征變量下通過GASVM建立的監(jiān)測模型整體精度比通過SVM算法建立的模型精度更高，其中，MSR結(jié)合GASVM的總體精度達(dá)75%， Kappa系數(shù)為0.47。說明GASVM算法能夠用于小麥赤霉病的監(jiān)測，對提高病害監(jiān)測精度具有重要應(yīng)用價(jià)值。

關(guān)鍵詞：小麥赤霉病;高光譜數(shù)據(jù);相關(guān)性分析;遺傳算法;小波變換;支持向量機(jī)

DOI： 10.25165/j.ijabe.20201302.5331

引用信息： Huang L S， Zhang H S， Ruan C， Huang W J， Hu T G， Zhao J L. ?Detection of scab in wheat ears using in situ hyperspectral data and support vector machine optimized by genetic algorithm. ?Int J Agric & Biol Eng， 2020; 13（2）： 182–188.