Identifizierung der Reisschalenpest durch bildgebende Hyperspektralkamera

In dieser Studie wurde eine 400-1000nm-Hyperspektralkamera eingesetzt, und FS23, ein Produkt der Hangzhou Color Spectrum Technology Co., LTD., konnte für verwandte Forschung verwendet werden.FigSpec®-Serien-Hyperspektralkameras für Bildgebung verwenden ein Übertragungsgitterstrahlspaltmodul mit hoher Diffraktionseffizienz und einer hochenfühlenden Oberflächenkamera, kombiniert mit eingebauter Scanning-Bildgebung und Hilfskameratechnologie,Um die traditionellen hyperspektralen Kameras zu lösen, benötigen sie einen externen Push-Scan-Bildgebungsmechanismus und komplexe Fokussierung und andere schwierige ProblemeEs kann direkt mit der Standard-C-Interface-Bildgebungslinse oder dem Mikroskop integriert werden, um eine schnelle Erfassung von Spektralbildern zu erreichen.

Die Präzisionslandwirtschaft ist ein wichtiger Weg, um einen niedrigen Verbrauch, hohe Effizienz, hohe Qualität und Sicherheit in der Landwirtschaft zu erreichen.Der stabile Ertrag und der hohe Ertrag von Reis standen schon immer im Mittelpunkt unserer landwirtschaftlichen Produktion, und eine rechtzeitige und wirksame Krankheitsbekämpfung ist eine wichtige Garantie für einen stabilen Ertrag und einen hohen Ertrag.Wenn die Ursache und der Schadensgrad der geschädigten Pflanzen im frühen Stadium der Reisschwäche erkannt werden können, in Kombination mit einer variablen Anwendung in der feinen Landwirtschaft, kann die Krankheitsrate der Reiskankrankheit wirksam reduziert und der Schadensumfang eingegrenzt werden,und der Reisertrag kann effektiv erhöht werdenDie Variable Application bezieht sich hauptsächlich auf die rechtzeitige Diagnose der Ursache und des Schadensgrades der betroffenen Pflanzen gemäß den Informationen über Pflanzenschädlinge und -krankheiten.und die Anwendung chemischer Wirkstoffe gemäß der geeigneten Krankheitsbehandlung, die örtlichen Bedingungen und die Nachfrage, um den Einsatz chemischer Wirkstoffe zu reduzieren und den Zweck der rechtzeitigen Prävention und Bekämpfung zu erreichen.

In dieser Studie wurde eine hyperspektralen Bildgebungstechnologie zur Erkennung von Reisschichtflecken eingesetzt.und gute Ergebnisse erzielt wurdenBei den SG-, SNV- und MSC-Vorbehandlungsmethoden betrug die Genauigkeit der Vorhersage der Probendiskriminierung 82,8%, 92,1% bzw. 89,1%.Das PLS-DA-Modell, das durch SNV-Vorbehandlungsspektrum erstellt wurde, hatte die höchste GenauigkeitDas PLS-DA-Modell, das durch das SG-Vorbehandlungsspektrum erstellt wurde, hatte die geringste Genauigkeit, aber die Genauigkeit lag bei mehr als 80%.Die Genauigkeit der Vorhersage von LDA- und BPNN-Diskriminierungsmodellen basierend auf der Extraktion von Merkmalinformationen aus der MNF beträgt 95Nach einem umfassenden Vergleich der drei Modelle wurde die Anzahl der Daten, die in den verschiedenen Bands verwendet wurden, um die Anzahl der Daten zu ermitteln, mit 0,3% bzw. 98,4% verglichen.Das BPNN-Modell, das auf der MNF-Funktionsinformationsgewinnung basiert, erzielt den optimalen UnterscheidungseffektDie experimentellen Ergebnisse zeigen, dass die hyperspektralen Bildgebungstechnologie verwendet werden kann, um Reiskornwelken zu identifizieren.,und der MNF-Algorithmus kann verwendet werden, um charakteristische Informationen zu extrahieren, um das ursprüngliche Spektrum darzustellen und den Berechnungsbetrag erheblich zu reduzieren.Der Algorithmus bietet eine breite Anwendungsmöglichkeit bei der schnellen Erkennung und Modellierung von Reiskrankheiten.