换一批基于SVC的苎麻褐斑病叶片高光谱识别
Hyperspectral Identification of Ramie Leaves with the Brown Spot Based on the SVC
摘要对叶片高光谱信息进行分析,实现苎麻褐斑病快速无损的诊断,对提高苎麻产量和品质有重要意义.利用FieldSpec3便携式地物光谱仪和手持叶片夹持器,采集了430个苎麻褐斑病叶片和健康叶片高光谱数据.提出了一种基于离散系数的子波段主成分分析PCA方法来提取特征变量.同时,为了探讨不同主成分个数对模型的影响,分别以1～10个主成分作为特征变量,采用支持向量机分类SVC方法建立苎麻叶片褐斑病识别模型.结果 表明:1)波段A(511 ～636 nm)、波段B(690 ～ 714 nm)、波段C(1406～1511 nm)和波段D(1870～2450 nm)离散系数较大,是建立识别模型的敏感波段;2)4个子波段中,波段C建模效果最好,选择5～10个PCA主成分作为特征变量建立SVC识别模型时,在主成分个数相同的情况下,其正确率可以达到90％以上,总体高于全波段和其他子波段.基于离散系数筛选较敏感的子波段进行PCA,选择合适的主成分个数作为特征变量,建立苎麻叶片褐斑病SVC识别模型是可行的,为开创一种新的苎麻褐斑病诊断方法提供技术支持.
更多相关知识
- 浏览68
- 被引4
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
