Identificatie van rijstschilfolie door middel van beeldvorming met een hyperspectrale camera

In dit onderzoek werd een hyperspectrale camera van 400-1000 nm toegepast en kon FS23, een product van Hangzhou Color Spectrum Technology Co., LTD., worden gebruikt voor gerelateerd onderzoek.FigSpec®-serie beeldvorming hyperspectrale camera's gebruiken een transmissie rooster balk splitsing module met een hoge diffractie efficiëntie en een hoge gevoeligheid oppervlakte array camera, gecombineerd met ingebouwde scanning imaging en hulpcamera technologie,Om de traditionele hyperspectrale camera's op te lossen, is een extern beeldvormingmechanisme en complexe scherpstelling en andere moeilijke problemen nodig.Het kan rechtstreeks worden geïntegreerd met de standaard C-interface beeldvorming lens of microscoop om snelle verwerving van spectrale beelden te bereiken.

Precision agriculture is een belangrijke manier om een laag verbruik, hoge efficiëntie, hoge kwaliteit en veiligheid in de landbouw te bereiken.de stabiele opbrengst en de hoge opbrengst van rijst zijn altijd de focus geweest van onze landbouwproductieHet is een belangrijke garantie voor een stabiele opbrengst en een hoge opbrengst.Indien de oorzaak en de mate van schade aan beschadigde gewassen in het vroege stadium van de rijstziekte kunnen worden vastgesteld, in combinatie met variabele toepassing in de fijne landbouw, kan het ziektecijfer van de infectie met rijstziekte effectief worden verminderd, kan de schadeomvang worden beperkt,en de rijstopbrengst kan effectief worden verhoogdDe variabele toepassing heeft hoofdzakelijk betrekking op de tijdige diagnose van de oorzaak en de mate van schade aan de getroffen gewassen op basis van de informatie over gewasplagen en -ziekten.en de toepassing van chemische middelen volgens de juiste ziektebehandeling, de plaatselijke omstandigheden en de vraag, om het gebruik van chemische agentia te verminderen en het doel van tijdige preventie en bestrijding te bereiken.

In dit onderzoek werd hyperspectral imaging-technologie gebruikt voor het herkennen van rijstschilfolie. het PLS-DA discriminant analyse model werd vastgesteld na verschillende voorbehandeling van de oorspronkelijke spectra,en goede resultaten werden behaaldBij SG-, SNV- en MSC-voorbehandelmethoden was de nauwkeurigheid van de voorspellende steekproefdiscriminatie respectievelijk 82,8%, 92,1% en 89,1%.Het PLS-DA-model dat is vastgesteld door SNV-voorbehandeling had de hoogste nauwkeurigheidHet PLS-DA-model, dat is gebaseerd op het SG-voorbehandelingsspectrum, had de laagste nauwkeurigheid, maar de nauwkeurigheid was meer dan 80%.De nauwkeurigheid van de voorspellingsset van LDA- en BPNN-discriminatiemodellen op basis van MNF-functiegegevens-extractie is 95Na een uitgebreide vergelijking van de drie modellen werd vastgesteld dat de gemiddelde werkloosheid van de werknemers in de Gemeenschap met een gemiddelde werkloosheid van 0,3% en 98,4% was, wat beter is dan het PLS-DA-model dat op alle banden is gebaseerd.het op MNF gebaseerde BPNN-model voor het extraheren van kenmerkinformatie bereikt het optimale discriminerende effectDe experimentele resultaten tonen aan dat de hyperspectrale beeldvormingstechnologie kan worden gebruikt om rijstkorrels te identificeren.,en het MNF-algoritme kan worden gebruikt om karakteristieke informatie te extraheren om het oorspronkelijke spectrum weer te geven en het berekeningsbedrag sterk te verminderen.Het algoritme heeft een breed toepassingsperspectief in het proces van snelle herkenning en modellering van rijstziekte.