文档介绍：1 1 2
1
1
1
3 3
1 1 1 1 2 2 2
第29卷,第10期光谱学与光谱分析 Vol 29 ,No 10 ,pp2730 2733
2 0 0 9 年 1 0 月 Spectroscopy and Spectral Analysis October , 2009
基于多光谱成像技术的水稻叶瘟检测分级方法研究
2 2 2 2
冯雷1 , 柴荣耀2 , 孙光明1 , 吴迪1 , 楼兵干3 , 何勇1
2 1 1
1 浙江大学生物系统工程与食品科学学院, 浙江杭州 310029
3 2 1 1 1 1
2 浙江省农业科学院植物保护研究所, 浙江杭州 310021
3 浙江大学生物技术研究所, 浙江杭州 310029
摘要实时、可靠的植物病害检测是进行科学的植物喷药作业的基础, 也是精确农作的关键技术之一。目
前水稻稻瘟病害检测鉴定方法存在着专业知识要求高、花费大、效率低等缺点。文章提出了利用包含绿、
红、近红外三波段通道的多光谱成像技术对水稻叶瘟病进行检测。研究目的是建立能够快速、准确分析稻叶
瘟病情的检测模型, 实时过滤掉背景噪声、自然枯叶等干扰因素, 实现对水稻生长状况进行及时、有效、非
破坏性检测。研究表明, 利用多光谱成像技术提取水稻叶面及冠层图像信息, 可以快速有效地检测稻叶瘟病
情。通过实验建立的稻叶瘟病情检测分级模型, 对于营养生长期的水稻苗瘟的识别准确率为 98 % , 叶瘟的
识别准确率为 90 % , 为实施科学的稻叶瘟防治提供了决策支持。
关键词水稻; 稻瘟病; 多光谱图像; 植物保护
中图分类号: TP79 , S436 4 文献标识码: A DOI: 10 3964/ j issn 1000 0593 (2009) 10 2730 04
提出了新的研究课题。
引言研究模拟植保专家的视觉功能并在判别速度、可靠性、
持久性等方面超越人眼性能的图像识别处理系统, 将会为实
我国水稻种植面积约占粮食作物总面积的 1/ 4 , 而产量现植物病害的智能化检测和防治提供技术支持。多光谱成像
接近全国粮食总产量的 1/ 2 , 在商品粮中占 1/ 2 以上, 因此技术是将摄入光源经过过滤, 同时采集不同可见光谱和红外
水稻在我国粮食生产中占有举足轻重的地位。稻瘟病是水稻光谱等波段的数字图像, 并进行分析处理的技术。它结合了
生产上最主要的病害之一, 广泛分布于世界各稻作区, 在水波谱学分析技术(特征敏感波段提取) 和模式检测(数字图像
稻的整个生育期都可发病, 造成大面积的危害, 流行年份一处理) 技术的长处, 同时可以弥补光谱仪抗干扰能力较弱和
般减产 10 %~20 % , 严重的达 40 %~50 %[1 ] 。其中, 尤以稻 RGB 数字图像波段感受范围窄的缺点。随着计算机软硬件
叶瘟和稻穗瘟引起的损失最大。叶瘟的年发病率在 40 %至技术、图像处理技术的迅速发展, 多光谱成像技术在农业上
50 % ; 重的可达 80 % ; 穗颈瘟可达 50 %。稻瘟病菌群体组成的应用, 尤其在地面近距离对植物信息采集研究, 有了一些
复杂, 且变异较快, 抗瘟品种推广 3~5 年后往往失去抗性。进展。在国外,