利用光谱反射特性对番茄叶片早疫病害程度的识别

摘要

利用特征排序（feature ranking,FR）提取反射率特征波段识别轻度和严重染病的番茄早疫病样本。依次采集样本在345.75-1 042.25nm波长范围内的反射率信息,将光谱反射率作为x变量,健康、轻度和严重染病样本的因变量设为0、1和2,建立朴素贝叶斯（Naive Bayes,NB）分类模型,识别不同病害程度的样本。由于全波段首尾段含有噪声,切除噪声后进一步研究479.69-920.38nm波段范围内的光谱反射率信息。在基于400.09-1 000.08nm波段范围的分类模型（NB）中,验证集识别率分别为85.71%、90.91%和100%;在479.69-920.38nm得到的验证集识别率分别为78.57%、63.64%和81.82%;在基于特征波段（658.73、654.19、642.33、689.46nm）的分类模型（FR-NB）中,验证集识别率分别为92.86%、63.64%和63.64%。结果表明,基于光谱反射率特性可识别番茄叶片早疫病害,虽然FR-NB分类模型的识别效果有所降低,但较少的输入变量简化了模型,提高了计算效率,为病害检测多光谱传感器的开发提供了依据。