CHNSpec Technology （Zhejiang）Co.,Ltd chnspec@colorspec.cn 86--13732210605
この研究では400-1000nmの超スペクトルカメラが適用され,杭州カラースペクトルテクノロジー株式会社 (LTD) の製品であるFS23は,関連研究に使用できる.FigSpec® シリーズ画像化超スペクトルカメラは,高 difr クション効率のトランスミッショングリートビーム分割モジュールと高感度表面配列カメラを使用します組み込みのスキャニング画像と補助カメラ技術で伝統的な超スペクトルカメラを解決するには 外部プッシュスキャン画像メカニズムと複雑な焦点化やその他の難しい問題が必要です標準のCインターフェイス画像レンズや顕微鏡と直接統合してスペクトル画像の迅速な取得を実現できます.
精密農業は 低消費,高効率,高品質,農業の安全を 達成するための重要な方法です安定した収穫量と米の高収穫量は,常に農業生産の焦点でした安定した収穫と高い収穫を達成するための重要な保証です.米葉病は米の3つの主要な病気の1つです.被害を受けた作物の原因と被害程度が,米病の初期段階に検出できる場合繊細な農業における変数的な適用と組み合わせると,米病感染の病率を効果的に減少させ,害範囲を絞ることができます.稲の収穫は効率的に増やすことができます変数的な適用は,主に,作物害虫や病気の情報に基づいて,影響を受けた作物の原因と損害の程度を適時に診断することを指します.適切な病気治療法に従って化学剤の適用化学剤の使用を削減し,適時予防と制御の目的を達成するため,
この研究では,ハイパースペクトラル画像技術を使用して,米殻病を認識しました.PLS-DA差別性分析モデルは,元のスペクトルの異なる予備処理の後,そして良い結果が得られましたSG,SNVおよびMSC予備処理方法では,予測サンプル差別の精度はそれぞれ82.8%,92.1%および89.1%であった.SNV前処理スペクトルによって確立されたPLS-DAモデルは,最も高い精度を持っていたこの3つの方法が実行可能であるため,この3つの方法が実行可能である.MNF 特徴情報抽出に基づく LDA と BPNN 識別モデルの予測セットの精度は 95 です..3%と98.4%で,すべての帯域に基づくPLS-DAモデルよりも優れている.MNF の特徴情報抽出に基づく BPNN モデルでは,最適な識別効果が得られる.実験結果は,ハイパースペクトラル画像技術を使用して米粒の枯れを特定することが可能であることを示しています.,MNF アルゴリズムを使って 元のスペクトルを表現する特徴情報を抽出し 計算量を大幅に削減できますこのアルゴリズムは,大米病の迅速な認識とモデリングのプロセスで幅広い応用の可能性を持っています..
