大豆豆荚炭疽病严重度的光谱检测.pdfVIP

２０１２年 ８月 农 业 机 械 学 报 第 ４３卷第 ８期 ＤＯＩ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１２．０８．０３２ 大豆豆荚炭疽病严重度的光谱检测 １ １ ２ １ ３ 冯　雷　陈双双　冯　斌 　何　勇 　楼兵干 （１．浙江大学生物系统工程与食品科学学院，杭州 ３１００５８；２．全国农业展览馆，北京 １０００２６； ３．浙江大学生物技术研究所，杭州 ３１００５８） 　　【摘要】　利用可见／近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法（ＰＣＡ）结合 反向传输人工神经网络（ＢＰＮＮ）和连续投影算法（ＳＰＡ）结合ＢＰＮＮ２种组合模型进行分析预测。利用 ＳＰＡ的数据 压缩功能和 ＢＰＮＮ的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指 标。实验结果显示 ＳＰＡ ＢＰＮＮ的检测准确率最高，为９０％。研究表明，ＳＰＡ能够有效地进行波长选择，使 ＢＰＮＮ 模型获得满意的检测率。 关键词：大豆　可见／近红外光谱　连续投影算法　反向传输人工神经网络　主成分分析　偏最小二乘法 中图分类号：Ｏ６５７３；Ｓ４３５６２１２＋２ 文献标识码：Ａ 文章编号：１０００１２９８（２０１２）０８０１７５０５ ＳｐｅｃｔｒａｌＤｅｔｅｃｔｉｏｎｏｎＤｉｓｅａｓｅＳｅｖｅｒｉｔｙｏｆＳｏｙｂｅａｎＰｏｄＡｎｔｈｒａｃｎｏｓｅ １ １ ２ １ ３ ＦｅｎｇＬｅｉ　ＣｈｅｎＳｈｕａｎｇｓｈｕａｎｇ　ＦｅｎｇＢｉｎ　ＨｅＹｏｎｇ　ＬｏｕＢｉｎｇｇａｎ （１．ＳｃｈｏｏｌｏｆＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＦｏｏｄＳｃｉｅｎｃｅ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００５８，Ｃｈｉｎａ ２．ＮａｔｉｏｎａｌＡｇｒｉｃｕｌｔｕｒｅＥｘｈｉｂｉｔｉｏｎＣｅｎｔｅｒ，Ｂｅｉｊｉｎｇ１０００２６，Ｃｈｉｎａ ３．ＩｎｓｔｉｔｕｔｅｏｆＢｉｏｔｅｃｈｎｏｌｏｇｙ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００５８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｖｉｓｉｂｌｅａｎｄｎｅａｒｉｎｆｒａｒｅｄｒｅｆｌｅｃｔａｎｃｅ（Ｖｉｓ／ＮＩＲ）ｓｐｅｃｔｒｏｓｃｏｐｙｔｅｃｈｎｉｑｕｅｗａｓａｐｐｌｉｅｄｔｏｄｅｔｅｃｔｔｈｅ ｄｉｓｅａｓｅｓｅｖｅｒｉｔｙｏｆｓｏｙｂｅａｎｐｏｄｓａｎｔｈｒａｃｎｏｓｅ．Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ）ｃｏｍｂｉｎｅｄｗｉｔｈｂａｃｋ ｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ（ＢＰＮＮ）ａｎｄｓｕｃｃｅｓｓｉｖｅｐｒｏｊｅｃｔｉｏｎｓａｌｇｏｒｉｔｈｍ（ＳＰＡ）ｃｏｍｂｉｎｅｄｗｉｔｈＢＰＮＮ ｗｅｒｅｕｓｅｄａｓｔｗｏｍｅｔｈｏｄｓｔｏａｎａｌｙｚｅａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｄｉｓｅａｓｅｓｅｖｅｒｉｔｙｏｆｓｏｙｂｅａｎｐｏｄｓａｎｔｈｒａｃｎｏｓｅ． ＤａｔａｃｏｍｐｒｅｓｓｉｏｎｏｆＳＰＡａｎｄｌｅａｒｎｉｎｇａｂｉｌｉｔｙｏｆＢＰＮＮｗａｓｕｓｅｄｔｏａｃｈｉｅｖｅｔｈｅｄｅｔｅｃｔｉｏｎｏｆａｎｔｈｒａｃｎｏｓｅ ｓｅｖｅｒｉｔｙｏｎｓｏｙｂｅａｎｐｏｄｓ．Ｔｈｅａｃｃｕｒａｔｅｒａｔｅｏｆｉｄｅｎｔｉｆｉｃａｔｉｏｎｗａｓｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｍｏｄｅｌ．Ｔｈｅｒｅｓｕｌｔｓ ｏｆｅｘｐｅｒｉｍｅｎｔｓｈｏｗｅｄｔｈａｔＳＰＡ ＢＰＮＮｗａｓｔｈｅｂｅｔｔｅｒｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌａｎｄｔｈｅａｃｃｕｒａｔｅｒａｔｅｏｆｄｅｔｅｃｔｉｏｎ ｗａｓ９０％．Ａｃｃｏｒｄｉｎｇ