基于高光谱特征提取的甜瓜白粉病早期识别

白粉病是危害甜瓜产量和品质的主要病害之一,利用高光谱技术进行甜瓜白粉病早期病害识别研究。以温室甜瓜为研究对象,使用高光谱成像仪采集甜瓜叶片包含128个波段的高光谱图像,其中接种白粉病菌1~4天内的早期无病斑叶片为染病叶片,未接种病菌的叶片为健康叶片。采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)两种算法提取特征波长,运用主成分分析算法(PCA)对原始数据进行特征降维。分别以原始波长(Original)、SPA特征波长(8个)、CARS特征波长(9个)和PCA主成分(4个)作为早期识别模型的输入变量,结合随机森林(RF)和自适应增强(AdaBoost)两种集成学习算法,构建出8种甜瓜白粉病早期识别模型:Original-RF、SPA-RF、CARS-RF、PCA-RF、Original-AdaBoost、SPA-AdaBoost、CARS-AdaBoost、PCA-AdaBoost,并使用十折交叉验证方法对模型进行评价。结果表明,所建模型准确率均在90%以上,其中使用全波段的Original-AdaBoost和Original-RF模型平均准确率最高,分别为94.3%和93.8%;SPA-AdaBoost有效降低模型输入,在染病第1天识别准确率就达到93.3%,平均准确率达到93.5%。