Identificação da praga do invólucro do arroz por imagem com câmara hiperespectral

Neste estudo, uma câmera hiperespectral de 400-1000 nm foi aplicada e a FS23, um produto da Hangzhou Color Spectrum Technology Co., LTD., poderia ser usada para pesquisas relacionadas.As câmaras hiperespectrais de imagem da série FigSpec® utilizam um módulo de divisão de feixe de grelha de transmissão com alta eficiência de difração e uma câmera de matriz de superfície de alta sensibilidade, combinado com a tecnologia de imagem de digitalização e câmara auxiliar,Para resolver as câmeras hiperespectrais tradicionais exigem um mecanismo de imagem de digitalização externa e foco complexo e outros problemas difíceisPode ser integrado diretamente com a lente de imagem ou microscópio de interface C padrão para obter uma aquisição rápida de imagens espectral.

A agricultura de precisão é uma forma importante de alcançar um baixo consumo, alta eficiência, alta qualidade e segurança na agricultura.O rendimento estável e alto do arroz sempre foram o foco da nossa produção agrícolaA bactéria é uma das três principais doenças do arroz.Se a causa e o grau de danos das culturas danificadas puderem ser detectados no estágio inicial da doença do arroz, combinado com a aplicação variável na agricultura fina, a taxa de doença da infecção pela doença do arroz pode ser eficazmente reduzida, o âmbito de prejuízo pode ser reduzido,e o rendimento do arroz pode ser aumentado de forma eficazA aplicação variável refere-se principalmente ao diagnóstico oportuno da causa e do grau de danos das culturas afectadas, de acordo com as informações sobre pragas e doenças das culturas,e a aplicação de agentes químicos de acordo com o tratamento adequado da doença, condições locais e da procura, a fim de reduzir a utilização de agentes químicos e atingir o objectivo da prevenção e do controlo em tempo útil.

Neste estudo, a tecnologia de imagem hiperespectral foi utilizada para reconhecer a bactéria da bainha do arroz.e obtiveram bons resultadosNos métodos de pré-tratamento SG, SNV e MSC, a precisão da discriminação de amostra de previsão foi de 82,8%, 92,1% e 89,1%, respectivamente.O modelo PLS-DA estabelecido pelo espectro de pré-tratamento SNV teve a mais alta precisão, enquanto o modelo PLS-DA estabelecido pelo espectro de pré-tratamento SG teve a menor precisão, mas a precisão foi superior a 80%.A precisão do conjunto de previsões dos modelos discriminantes LDA e BPNN baseados na extracção de informações sobre características do MNF é de 95O modelo PLS-DA, baseado em todas as faixas de frequência, apresenta um desempenho superior a 0,3% e 98,4%, respectivamente.O modelo BPNN baseado na extração de informações sobre características do MNF obtém o efeito discriminante ideal, e a precisão do conjunto de modelagem e do conjunto de previsão é de 99,1% e 98,4%, respectivamente.,e o algoritmo MNF pode ser usado para extrair informações características para representar o espectro original, e reduzir muito o valor do cálculo.O algoritmo tem uma ampla perspectiva de aplicação no processo de reconhecimento rápido e modelagem da doença do arroz.