Идентификация вредителя рисовой оболочки с помощью гиперспектральной камеры

В этом исследовании была применена гиперспектральная камера диапазона 400-1000 нм, и FS23, продукт Hangzhou Color Spectrum Technology Co., LTD., можно было использовать для соответствующих исследований.Гиперспектральные камеры изображения серии FigSpec® используют модуль расщепления луча решетки передачи с высокой эффективностью дифракции и высокочувствительную камеру поверхности массива, в сочетании с встроенным сканированием и вспомогательной технологией камеры,для решения традиционных гиперспектральных камер требуется внешний механизм визуализации с помощью толкательного сканирования и сложной фокусировки и других сложных проблемОн может быть напрямую интегрирован со стандартным линзой изображения интерфейса C или микроскопом для достижения быстрого получения спектральных изображений.

Точное сельское хозяйство является важным способом достижения низкого потребления, высокой эффективности, высокого качества и безопасности в сельском хозяйстве.Устойчивая урожайность и высокая урожайность риса всегда были в центре нашего сельскохозяйственного производства, а своевременный и эффективный контроль заболеваний является важной гарантией достижения стабильного урожая и высокого урожая.Если причину и степень повреждения поврежденных культур можно выявить на ранней стадии болезни риса, в сочетании с переменным применением в тонком сельском хозяйстве, можно эффективно снизить заболеваемость инфекцией рисовой болезни, можно сузить сферу вреда,и урожайность риса может быть эффективно увеличена. переменное применение в основном относится к своевременной диагностике причины и степени повреждения пораженных культур в соответствии с информацией о вредителях и болезнях растений,и применение химических агентов в соответствии с соответствующим лечением заболевания, местных условий и спроса, с тем чтобы уменьшить использование химических агентов и достичь цели своевременной профилактики и контроля.

В этом исследовании для распознавания гриппа рисовой оболочки была использована гиперспектральная технология визуализации.и были получены хорошие результатыПри SG, SNV и MSC методах предварительной обработки точность предсказательной дискриминации выборки составила 82,8%, 92,1% и 89,1% соответственно.Модель PLS-DA, установленная с помощью спектра предварительной обработки SNV, имела самую высокую точность, в то время как модель PLS-DA, установленная спектрами предварительной обработки SG, имела самую низкую точность, но точность была более 80%.Точность предсказания множества моделей LDA и BPNN, основанных на экстракции информации о характеристиках MNF, составляет 950,3% и 98,4% соответственно, что лучше, чем модель PLS-DA, основанная на всех полосах.модель BPNN, основанная на извлечении информации о характеристиках МНФ, достигает оптимального эффекта дискриминацииРезультаты эксперимента показывают, что гиперспектральная технология визуализации может быть использована для определения вяления рисовых зерен.,и алгоритм MNF может быть использован для извлечения характеристической информации для представления исходного спектра и значительно уменьшить объем расчета.Алгоритм имеет широкие перспективы применения в процессе быстрого распознавания и моделирования болезни риса.