融合光谱形态特征的苹果霉心病检测方法.pdfVIP

第 39 卷 第 1 期 农 业 工 程 学 报 Vol.39 No.1 162 2023 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2023 融合光谱形态特征的苹果霉心病检测方法 1 1 1 1 1,2,3 1,2,3※ 刘昊灵 ，张仲雄 ，陈 昂 ，浦育歌 ，赵 娟 ，胡 瑾 （1. 西北农林科技大学机械与电子工程学院，杨凌 712100 ；2. 农业农村部农业物联网重点实验室，杨凌 712100 ； 3. 陕西省农业信息感知与智能服务重点实验室，杨凌 712100 ） 摘 要：针对轻微霉心病和健康苹果光谱差异较小，致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率 较低的问题。该研究将光谱形态特征与光谱特征融合的方法引入霉心病模型构建，建立了融合光谱形态特征的判别模型。 以215 个苹果可见/近红外光谱为样本，分析了不同预处理和特征提取组合对建模效果的影响，并完成了光谱特征的提取； 分析健康果和霉心病苹果平均光谱的差异性，提取波峰、波谷等差异明显的光谱形态特征点，对比波段比、波段差和归 一化强度差三类形态特征获取方法；最终建立光谱形态特征参数和光谱特征融合的苹果霉心病模型。试验结果表明，归 一化预处理后提取的特征光谱和归一化强度差形态特征融合后模型判别准确率最高，在支持向量机模型中训练集、测试 集判别准确率分别为 98.6%和 96.3% 。特别是当发病程度小于 10%时，该研究的判别模型准确率高于 95%，表明通过融 合光谱形态特征可以提升轻微病变霉心苹果的判别准确率。 关键词：光谱；病害；苹果霉心病；光谱形态特征；归一化强度差；支持向量机 doi ：10.11975/j.issn.1002-6819.202210038 中图分类号：O657.33; S436.611 文献标志码：A 文章编号：1002-6819(2023)-01-0162-09 刘昊灵，张仲雄，陈昂，等. 融合光谱形态特征的苹果霉心病检测方法[J]. 农业工程学报，2023，39(1)：162-170. doi ：10.11975/j.issn.1002-6819.202210038 LIU Haoling, ZHANG Zhongxiong, CHEN Ang, et al. Detection method for apple moldy cores based on spectral shape features[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(1): 162- 170. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.202210038