基于光譜分析的冬油菜苗期田間雜草識別研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、油菜是我國主要的油料作物,但受雜草危害嚴重。據(jù)全國農(nóng)田雜草考查組考察,長江流域冬油菜田草害面積約占種植面積的46.9%,一般年份會造成油菜減產(chǎn)10%~20%?;瘜W除草法是最有效的除草方法,但通用的粗放式大面積均勻噴施方式,不僅浪費嚴重,且會增加農(nóng)藥殘留、破壞生態(tài)環(huán)境。理想的除草劑施用方式應(yīng)是選擇性變量噴施,但其首要的問題就是自動識別雜草。近年來,國內(nèi)外學者運用機器視覺、光譜檢測分析、多光譜成像分析等技術(shù)對水稻、玉米、小麥、棉花、大豆、甜

2、菜、番茄和胡蘿卜等作物的田間雜草識別方法進行了大量研究,但是針對冬油菜苗期田間雜草的識別研究相對較少。
  本文擬以冬油菜苗期田間雜草為研究對象,運用光譜分析技術(shù),通過采集冬油菜苗、冬油菜苗期田間各種雜草以及土壤的光譜信息,尋找合適的特征波長并建立判別模型,并在此基礎(chǔ)上設(shè)計基于光譜技術(shù)的傳感器,為田間雜草自動識別裝置的開發(fā)奠定基礎(chǔ)。主要內(nèi)容如下:
  1.通過ASD便攜式光譜分析儀采集冬油菜苗、土壤、雜草的光譜反射率。一次測

3、量得到5組數(shù)據(jù),油菜采集60次,干、濕土壤各采集30次,每種雜草采集50次,隨機選取訓練集和預測集。對所有樣本數(shù)據(jù)進行平滑、一階導數(shù)、壓縮等預處理。并對采集的光譜數(shù)據(jù)曲線進行光譜特性的分析,可知400~1300nm范圍內(nèi)的信息量較為豐富,是本研究的重要波段。
  2.采用逐步判別分析法,按統(tǒng)計量Wilks' Lambda最小值原則選擇變量,選取了710、755、950和595nm共4個特征波長。運用4個特征波長分別建立了典型判別函

4、數(shù)模型和貝葉斯判別函數(shù)模型。用這2組模型分別對預測集進行預測,典型判別函數(shù)模型的正確識別率為97.78%,在不同的先驗概率下貝葉斯判別函數(shù)模型的正確識別率分別為98.89%和97.78%。
  3.運用無信息變量消除法消除無信息變量的干擾,再通過連續(xù)投影法根據(jù)RMSE的變化以及模型的需要進一步消除冗余信息,提取的特征波長,分別為450、720、885和1255nm,以建立簡潔的分類模型。根據(jù)所提取的特征波長分別建立典型判別模型、貝

5、葉斯判別模型和PLS-DA模型,三個模型對預測集的正確分類率分別為94.44%、96.67%和87.78%。
  4.以預測集的正確識別率為依據(jù),綜合考慮模型對訓練集的分類效果,對本研究建立的所有判別模型進行了比較,得出結(jié)論為:在識別冬油菜苗期田間雜草時,運用逐步判別分析法提取特征波長,并根據(jù)各個種類樣本的大小計算先驗概率,所建立的貝葉斯判別模型較穩(wěn)定,對預測集的正確識別率較高,該方法更適用。將該模型作為設(shè)計光譜傳感器的依據(jù)。同時

6、,就各個判別模型的錯誤判別,進行了誤判分析。由于葉片中葉脈,絨毛或者葉片拼接部位的影響,采集的光譜特征產(chǎn)生變化,進而影響樣本分類。
  5.運用優(yōu)選的四個特征波長點及模型,設(shè)計光譜傳感器。根據(jù)光學系統(tǒng)原理與田間實際操作要求,確定在田間測試時光譜傳感器的視場角為9°,測試物距為400~700mm,對應(yīng)的視場范圍直徑為60~100mm;為使田間探測時四個光學通道的視場范圍基本一致,設(shè)計傳感器周圍通道的光軸與中心通道光軸成3°的夾角;采

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論