本研究搭建一套91通道、光谱分辨率为5 nm、波长范围为650~1100 nm、生物安全性高的可调谐高光谱激光雷达系统,并完成臭椿、云南松和栾树等林木样本的探测实验。通过实验探测目标回波强度,进而获得目标光谱反射率,最后利用支持向量机分类器对不同种类的健康与染病样本进行分类与识别,臭椿样本的分类精度可以达到96.98%、云南松样本的分类精度可以达到91.21%、栾树样本的分类精度可以达到66.21%。该实验结果具有研究意义和参考价值,为林业病虫害监测提供一种新的发展方向。

相比传统的化学方法及主观视觉测定植物生理信息指标,通过光谱辐射仪对农作物冠层信息的评估更简单、快速和精确.本文结合近年来农作物群体信息的获取方法,综述了不同类型光谱仪尤其以国际上应用最广泛的Cropscan多光谱辐射仪在农作物群体叶面积指数、生物量、氮素及叶绿素的预测,病虫害的监测及产量预测中的应用.总结了不同类型的的植被指数(VIs)、冠层光谱的获取及光谱分析方法,比较了不同农作物建立相关模型的回归系数.总体上建立的数学模型的相关系数较高,能实现对农作物各种生理信息等的检测.此外,将多光谱辐射仪与多种传感器相结合所得到的综合信息对于全面评价农作物生长情况具有重要指导价值。

基于叶绿素荧光光谱分析技术, 从光谱形态角度出发确定了波长685 nm作为健康与病虫害叶片分析的第一特征点, 采用简单波段自相关选择与主成分分析方法相结合实现对光谱的降维处理, 并在保持光谱信息达到99.999%的前提下将主成分因子个数由10降为5。 对比分析了偏最小二乘回归、 BP神经网络和最小二乘支持向量机回归三种建模方法, 以真实值与模型预测值的相关系数作为评价标准, 最终确定最小二乘支持向量机为温室黄瓜病虫害叶绿素荧光光谱分析的一种较为适宜的建模方法。

传统的农作物信息诊断方法存在劳动强度大、 诊断时间长、 操作技术要求高、 受人为主观因素影响大等缺陷, 限制了农作物信息诊断的实时性和准确性。 成像光谱技术能够通过同时获得农作物的图像以及光谱信息, 实现对农作物生长状况、 病虫害等信息的快速、 无损检测, 已在作物信息诊断中得到越来越广泛的应用, 为农业的信息化提供了技术支持。 文章概述了成像光谱技术的原理, 重点介绍了其在农作物种子成分检测、 种子品种分类、 种子病虫害检测、 田间植株长势监测、 田间植株病虫害检测中的国内外最新研究进展, 分析了成像光谱技术应用于农作物信息诊断的难点, 并对其发展方向进行了展望。

为了对植物病虫害进行快速准确检测, 采用荧光光谱技术并结合支持向量机分析方法建立了黄瓜病虫害诊断模型。 通过Savitzky-Golay平滑法(SG), SG平滑法+快速傅里叶变换(FFT)和SG平滑法+一阶导数变换(FDT)三种方法对原始光谱进行降噪处理, 并利用主成分分析法(PCA)对降噪后的光谱进行降维, 根据累积贡献率选取7个主成分进行分析。 将样本数据随机分为训练集和预测集, 利用四种核函数条件下的支持向量机算法建立了预测模型, 并进行预测。 以训练集交叉验证的分类准确率最大值为指标, 对四种核函数模型进行参数优化, 并对比其分类性能, 结果表明, 经SG+FDT+PCA预处理后, 具有多项式核函数的支持向量机对黄瓜病虫害的鉴别准确率达到98.3%, 具有很好的分类和鉴别效果。

利用光谱技术探索了水稻稻纵卷叶螟虫害的检测。 通过分析田间水稻稻纵卷叶螟受害区和对照区冠层反射光谱和一阶微分光谱特征差异发现, 可见光区(400～700 nm), 550 nm附近中度受害水稻冠层反射率明显低于对照冠层反射率值, 重度受害水稻冠层反射率则高于对照区冠层反射率; 水稻受害时, 叶片受损及干枯导致叶绿素含量降低, 对红光波段(600～700 nm)的吸收减小。 近红外区(750～770 nm)范围内, 受害水稻冠层反射光谱曲线均不同程度出现“尖峰”波动, 且光谱曲线红边拐点发生“蓝移”。 通过构建样本总体修正曲线, 提供了直观判别广域水稻是否受稻纵卷叶螟虫害侵扰的依据。 进一步探讨稻纵卷叶螟受害区定性检测参数发现, 利用NIR-NDVI特征可以有效地区分对照区和受害区区域, 经验证, 准确率达70%。

准确重建被测目标的颜色信息对实现可靠的植物病虫害诊断具有十分重要的意义。 文章提出把多光谱成像技术应用于植物病虫害诊断, 所采集的多光谱图像可以从光谱维和图像维反映被测目标的特征信息。 在此基础上, 实验采用16个窄带滤色片、 单色面阵CCD、 积分球混合光源照明和标准观测环境建立了能进行适时、 无损检测的多光谱成像系统。 并利用该设备对Macbeth色卡中8个色卡进行光谱和颜色重建, 重建的结果与光谱辐射度计的测量结果进行了比较。 通过对光谱匹配角度和CIE标准色差分析, 证明这种多光谱成像系统能够准确、 稳定地重建出目标的光谱信息和颜色信息。