基于高光谱成像技术结合卷积神经网络的马铃薯病害检测

基于高光谱成像技术结合卷积神经网络的马铃薯病害检测
基于高光谱成像的马铃薯早疫病检测
摘 要 采用两种基于高光谱成像的马铃薯早疫病无损检测的方法：卷积神经网络，支持向量机对马铃薯病叶进行分类。通过对比分类结果，分析不同方法的优劣。实验选取马铃薯正常叶，早疫病叶为研究对象，通过高光谱成像系统获取样本的高光谱图像，进而通过主成分分析方法提取主成分图像。发现正常叶和早疫病叶的主成分图像存在明显不同，最终建立了卷积神经网络和支持向量机的两种早疫病检测模型，实验结果表明卷积神经网络相比支持向量机能很更好地针对马铃薯早疫病进行检测。

关键词：高光谱成像；支持向量机；卷积神经网络；主成分分析；马铃薯早疫病：
1.引言
随着现代农业的发展及对以马铃薯为原材料制作而成的美食的喜爱。马铃薯逐渐变成我国继水稻，玉米，小麦之后的第四大主食。马铃薯同其它农作物一样受到各种植物病害的侵害，严重影响其产量和质量病是常见对马铃薯危害最严重的病害之一[1]。目前对马铃薯早疫病的诊断主要是植保专家等具有一定专业知识的人通过实地观察或者借助图片、文字描述等去人工判断。因为对专业技术要求较高就导致容易出现误判、耗时长、无法及时有效的确认病情采取有效的防治措施从而导致减产。
高光谱成像技术起源于上个世纪， 它融合了图像信息和光谱信息，具有高分辨率、多波段、检测快、破坏小、图谱合一、无污染等优点[2]。使其在农业、地理信息、航空遥感、医疗领域等获得广泛应用[3]。虽然高光谱成像技术可以获得光谱反射率信息、颜色信息、纹理信息和形状特征等许多信息在对植物病害诊断研究中有巨大的潜力和优势[4]。
高光谱图像数据波段范围广、光谱分辨率高，同时包含图像信息和光谱信息。因为高光谱图像的这些特点使得其数据含有大量冗余、数据处理过程变得复杂、给其处理也增加了很大难度。
但是由于这项技术能获得如此多的信息也导致获得的数据信息量大、数据冗余大、对数据