1 西北农林科技大学机械与电子工程学院,陕西 杨凌 712100
2 陕西省农业信息感知与智能服务重点实验室,陕西 杨凌711200
3 浙江农林大学光机电工程学院,浙江 杭州 311300
针对马铃薯晚疫病害的早期检测和防治问题, 利用光谱技术对马铃薯晚疫病叶片过氧化物酶(POD)活性进行预测, 并基于POD酶活性实现了马铃薯晚疫病的患病程度预测。 采集和测定处于不同温湿度及接菌时间的马铃薯叶片样本的光谱反射率和POD酶活性, 选用中心化(MC)预处理方法以消除原始光谱数据的误差。 为降低模型复杂程度, 利用随机青蛙算法(RF)、 连续投影算法(SPA)、 竞争自适应加权算法(CARS)对波长进行筛选, 结果表明利用CARS算法提取的72个特征波长数据建立的POD酶活性的偏最小二乘回归(PLSR)预测模型效果最好, 其预测集的决定系数为0.958 1、 均方根误差RMSEp为25.698 6 U·(g·min)-1。 最后利用径向基函数神经网络(RBFNN)拟合了POD酶活性和温湿度、 接菌时间的关系, 建立了POD酶活性的动力学模型, 实现了基于POD酶活性的马铃薯晚疫病患病程度预测。 结果证明利用光谱技术快速测定POD酶活性以实现马铃薯晚疫病患病程度预测是可行的。
马铃薯晚疫病 光谱技术 过氧化物酶 特征波长 患病预测 Potato late blight Spectroscopy Peroxidase Characteristic wavelength Disease prediction 光谱学与光谱分析
2022, 42(5): 1426
1 昆明理工大学信息工程与自动化学院，云南 昆明 650500
2 云南大学信息学院，云南 昆明 650091
利用X射线影像进行胸部疾病诊断是一种常用的诊断方法，具有重要的临床诊断价值。随着大规模可用数据集的发布，已经提出了几种利用胸部X射线图像预测常见疾病的方法。然而大多数现有的预测模型大都仅考虑单个视图，忽略了多视图影像对于临床医生诊断的支持作用。此外使用单个模型进行影像特征抽取时，存在有效特征提取不全的问题，进而导致疾病预测准确率较低。为此，提出了一种新的深度相关多级特征融合方法（DFFM），该方法融合不同模型提取的不同视图的视觉特征，以提高疾病预测的准确性。并在目前最大的胸部X射线数据集MIMIC-CXR上进行了验证，实验结果表明，所提方法的area under the receiver operating characteristic curve （AUC）值达0.847，与现有的单视图及简单进行特征拼接的多视图模型相比，AUC值分别提升了12.6个百分点和5.3个百分点，验证了所提多级融合方法的有效性。
医用光学 疾病预测 模型融合 深度相关 多视图 特征抽取 激光与光电子学进展
2022, 59(18): 1817001
1 吉林大学生物与农业工程学院, 吉林 长春 130022
2 吉林大学植物科学学院, 吉林 长春 130022
温室蔬菜病害的发生及大面积流行严重影响设施农业的生产管理, 大大降低设施农业的经济效益。 为了实现温室蔬菜病害的无损准确预测, 以黄瓜霜霉病害为例, 利用激光诱导叶绿素荧光构建光谱特征指数, 建立了温室蔬菜病害的预测模型。 在试验中采用对比分析的方法, 通过对作物健康叶片接种病菌孢子, 分别采集健康、 接种2 d、 接种6 d和出现明显病症共4组试验样本的光谱曲线, 定性分析了荧光强度随叶片样本感染病菌孢子的变化规律; 利用光谱曲线不同波段峰谷值创建了叶绿素荧光光谱指数k1=F685/F512和k2=F734/F512, 根据数值的变化范围, 设定k1和k2分别为20和10时可以作为判断样本出现明显病症与未出现明显病症的特征值, 其判断的准确率分别达到96%和94%; 利用构建的光谱指数与样本健康状况的分类结果, 选择光谱指数F685/F512, F685-F734, F715/F612可以定性判断样本健康状况, 并选择光谱指数F685/F512, F734/F512, F685-F734, F715/F612作为建立定量分析模型的输入量, 以预测集分类准确率作为评价标准, 对比判别分析、 BP神经网络、 支持向量机三种数据建模方法, 结果表明支持向量机作为霜霉病害预测的建模方法, 其预测能力达到91.38%。 利用激光诱导叶绿素荧光构建光谱指数方法, 研究植物病害的预测问题, 具有很好的分类和鉴别效果。
光谱指数 病害预测 叶绿素荧光 支持向量机 Spectrum index Disease prediction Chlorophyll fluorescence Support vector machine 光谱学与光谱分析
2016, 36(6): 1779
