基于高光谱成像技术的番茄叶片烟粉虱侵害程度检测
樊阳阳1
宋华鲁1
梁志超1
申婷婷2
王帅1
1.山东省农业科学院农业信息与经济研究所,山东济南 2501002.江苏大学食品与生物工程学院,江苏镇江 212013
摘要：烟粉虱(Bemisia tabaci:Aleyrodidae)是一种分布广泛且危害严重的害虫,早期检测对其有效防治至关重要.本研究基于可见/近红外高光谱成像技术采集烟粉虱侵害早期5个阶段的番茄叶片高光谱图像,通过连续投影算法(SPA)、变量组合集群分析(VCPA)、多聚类特征选择(MCFS)和主成分载荷(PCA-loading)4种方法提取特征波长,用其作为输入变量构建线型判别分析(LDA)、支持向量机(SVM)和反向传播神经网络(BPNN)检测模型,结果表明,基于SPA提取的特征波长建立的SVM模型检测效果最好,准确率可达86.21％.基于SPA提取特征波长的图像,利用灰度共生矩阵(GLCM)提取纹理特征,通过方差分析筛选出10个纹理特征,将其单独及与提取的特征波长共同作为输入变量进行建模,结果显示,与仅用特征波长作为输入变量相比,单独使用纹理特征作为输入变量的模型检测准确率明显降低,而特征波长与纹理特征共同作为输入变量的模型检测准确率未出现明显提高.综上,基于可见/近红外高光谱成像技术采集图像,利用SPA法提取特征波长并输入SVM构建检测模型,可以实现对番茄叶片烟粉虱早期为害的检测,这可为烟粉虱的早期检测及防治提供技术支持.
关键词：烟粉虱番茄叶片高光谱成像技术特征波长纹理特征机器学习
分类号：S126(农业物理学)
资助基金：山东省自然科学基金青年科学基金项目(ZR2021QC216)山东省重点研发计划项目(2021LZGC026)
论文发表日期：2026-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 151-159 )
英文信息