详情

原文传递小麦赤霉病染病籽粒识别的光谱病害指数构建及应用

专利名称：	小麦赤霉病染病籽粒识别的光谱病害指数构建及应用
摘要：	本发明特别涉及一种小麦赤霉病染病籽粒识别的光谱病害指数构建，包括如下步骤：(A)挑选健康和染病小麦籽粒作为样本，采集得到两条平均光谱曲线；(B)分别对两条平均光谱曲线进行一阶微分处理得到两条一阶微分光谱曲线；(C)根据两条平均光谱曲线求解波长λ1，根据两条一阶微分光谱曲线求解波长λ2；(D)计算每个小麦籽粒的光谱病害指数；(E)根据健康和染病小麦籽粒的光谱病害指数分别画出其频数直方图；(F)对两个频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值；还公开了利用该模型进行小麦赤霉病检测的方法。本发明构建的光谱病害指数，具有无损、计算速度快、精度高、稳定性好的应用优势。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	安徽大学
发明人：	张东彦;王倩;梁栋;郑玲;黄林生;尹勋;王道勇;陈高
专利状态：	有效
申请日期：	2019-05-18T00:00:00+0800
发布日期：	2019-08-16T00:00:00+0800
申请号：	CN201910415768.8
公开号：	CN110132856A
代理机构：	北京中济纬天专利代理有限公司
代理人：	秦超
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	230601 安徽省合肥市经开区九龙路111号
主权项：	1.一种小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：包括如下步骤： (A)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为校正集，采集校正集中小麦籽粒的光谱数据后求平均得到健康小麦籽粒平均光谱曲线C1和染病小麦籽粒平均光谱曲线C3； (B)分别对两条平均光谱曲线C1和C3的每个波长进行一阶微分处理得到健康小麦籽粒一阶微分光谱曲线C2和染病小麦籽粒一阶微分光谱曲线C4； (C)根据两条平均光谱曲线C1和C3求解反射率值差异最大的波长λ1，根据两条一阶微分光谱曲线C2和C4求解光谱曲线值差异最大的波长λ2； (D)根据以下公式计算每个小麦籽粒的光谱病害指数NSDI：式中，Rλ1表示在λ1波长处的反射率值，Sλ2表示在λ2波长处的一阶微分值； (E)根据健康小麦籽粒的光谱病害指数NSDI画出其频数直方图，根据染病小麦籽粒的光谱病害指数NSDI画出其频数直方图； (F)对健康小麦籽粒和染病小麦籽粒的频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值T。 2.如权利要求1所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤C中，按如下步骤确定特征波长λ1和λ2： (C11)根据两条平均光谱曲线C1和C3，求解出使C1-C3值最大的波长λ11以及使C1-C3值最小的波长λ12； (C12)根据两条一阶微分光谱曲线C2和C4，求解出使C2-C4值最大的波长λ21以及使C2-C4值最小的波长λ22； (C13)按以下公式计算D1和D2：式中，Rλ11、Rλ12、Sλ21以及Sλ22是健康小麦籽粒的特征值，R′λ11、R′λ12、S′λ21以及S′λ22是染病小麦籽粒的特征值； (C14)判断D1和D2的大小，若D1≥D2，则取λ11和λ21作为特征波长λ1和λ2；否则，取λ12和λ22作为特征波长λ1和λ2。 3.如权利要求1或2所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤C中，包括如下步骤： (C21)根据确定的特征波长λ1和λ2判断如下公式是否成立： (Rλ1-R′λ1)·(Sλ2-S′λ2)＜0；式中，Rλ1和Sλ2是健康小麦籽粒的特征值，R′λ1和S′λ2是染病小麦籽粒的特征值； (C22)若上式成立，则执行步骤D；若上式不成立，则返回步骤A重新选择校正集或扩大校正集中样本数量。 4.如权利要求3所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F中，按以下步骤确定判断阈值： (F1)取两条拟合曲线的交点为基准判断阈值T0； (F2)在基准判断阈值T0附近选取多个特定阈值得到一组阈值{T-i，...，T-1，T0，T1，...，Tk}； (F3)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为验证集，利用所测得阈值对验证集中小麦籽粒进行识别，计算每个阈值对应的识别精确度、特异性以及敏感性； (F4)根据用户需求、识别精确度、特异性以及敏感性从一组阈值中选择最佳的一个阈值作为判断阈值T。 5.如权利要求4所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F2中，在基准判断阈值T0左、右两边各选择n个特定阈值，且得到的一组阈值以δ为公差，该组阈值即为{T0-nδ，...，T0-δ，T0，T0+δ，...，T0+nδ}。 6.如权利要求4所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F3中，对一组阈值{T-i，...，T-1，T0，T1，...，Tk}中的任一阈值Tx，x∈[-i，k]，按如下步骤求得Tx对应的识别精确度、特异性以及敏感性： (F31)将验证集中健康小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI≤Tx的健康小麦籽粒个数为Tp，光谱病害指数NSDI＞Tx的健康小麦籽粒个数为Fn； (F32)将验证集中染病小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI＞Tx的染病小麦籽粒个数为Tn，光谱病害指数NSDI≤Tx的染病小麦籽粒个数为Fp； (F33)阈值Tx对应的识别精确度q、特异性Sensitivity、敏感性Specificity按如下公式计算： 7.如权利要求3所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的校正集中，健康小麦籽粒个数大于等于500个且小麦赤霉病染病籽粒个数大于等于500个；频数直方图以光谱病害指数NSDI为横坐标、频数为纵坐标；对频数直方图以高斯曲线进行曲线拟合。 8.一种基于光谱病害指数的小麦赤霉病染病籽粒检测方法，其特征在于：包括以下步骤： (S1)按照权利要求1中的步骤A～步骤F构建小麦赤霉病染病籽粒光谱病害指数模型，确定波长λ1、λ2以及判断阈值T； (S2)采集待检测小麦籽粒的光谱数据得到其光谱曲线C5，根据光谱曲线C5求得波长λ1处的反射率值Rλ1；对光谱曲线C5的每个波长进行一阶微分处理得到待检测小麦籽粒一阶微分光谱曲线C6，根据光谱曲线C6求得波长λ2处的一阶微分值Sλ2； (S3)将Rλ1和Sλ2代入以下公式计算待检测小麦籽粒的光谱病害指数NSDI： (S4)将待检测小麦籽粒的光谱病害指数NSDI与判断阈值T相比较，若NSDI≤T，则待检测小麦籽粒为健康小麦籽粒，若NSDI＞T，则待检测小麦籽粒为染病小麦籽粒。 9.如权利要求8所述的基于光谱病害指数的小麦赤霉病染病籽粒检测方法，其特征在于：所述的步骤S1和步骤S2中，样本小麦籽粒和待检测小麦籽粒的光谱曲线使用同一型号的光谱仪在同一光线条件下采集获得。 10.如权利要求8所述的基于光谱病害指数的小麦赤霉病染病籽粒检测方法，其特征在于：所述的步骤C包括以下步骤： (C11)根据两条平均光谱曲线C1和C3，求解出使C1-C3值最大的波长λ11以及使C1-C3值最小的波长λ12； (C12)根据两条一阶微分光谱曲线C2和C4，求解出使C2-C4值最大的波长λ21以及使C2-C4值最小的波长λ22； (C13)按以下公式计算D1和D2：式中，Rλ11、Rλ12、Sλ21以及Sλ22是健康小麦籽粒的特征值，R′λ11、R′λ12、S′λ21以及S′λ22是染病小麦籽粒的特征值； (C14)判断D1和D2的大小，若D1≥D2，则取λ11和λ21作为特征波长λ1和λ2；否则，取λ12和λ22作为特征波长λ1和λ2； (C21)根据确定的特征波长λ1和λ2判断如下公式是否成立： (Rλ1-R′λ1)·(Sλ2-S′λ2)＜0；式中，Rλ1和Sλ2是健康小麦籽粒的特征值，R′λ1和S′λ2是染病小麦籽粒的特征值； (C22)若上式成立，则执行步骤D；若上式不成立，则返回步骤A重新选择样本或扩大样本数量；所述的步骤F中，按以下步骤确定判断阈值： (F1)取两条拟合曲线的交点为基准判断阈值T0； (F2)在基准判断阈值T0左、右两边各选择n个特定阈值，且得到的一组阈值以δ为公差，该组阈值即为{T0-nδ，...，T0-δ，T0，T0+δ，...，T0+nδ}； (F3)对一组阈值{T0-nδ，...，T0-δ，T0，T0+δ，...，T0+nδ}中的任一阈值Tx，x∈[-n，n]，按如下步骤求得Tx对应的识别精确度、特异性以及敏感性： (F31)将验证集中健康小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI≤Tx的健康小麦籽粒个数为Tp，光谱病害指数NSDI＞Tx的健康小麦籽粒个数为Fn； (F32)将验证集中染病小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI＞Tx的染病小麦籽粒个数为Tn，光谱病害指数NSDI≤Tx的染病小麦籽粒个数为Fp； (F33)阈值Tx对应的识别精确度q、特异性Sensitivity、敏感性Specificity按如下公式计算： (F4)根据用户需求、识别精确度、特异性以及敏感性从一组阈值中选择最佳的一个阈值作为判断阈值T。
所属类别：	发明专利