大豆豆荚炭疽病严重度的光谱检测-论文.pdf

《大豆豆荚炭疽病严重度的光谱检测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2012年8月农业机械学报第43卷第8期DOI：10．6041／j．issn．1000—1298．2012．08．032大豆豆荚炭疽病严重度的光谱检测冯雷陈双双冯斌何勇楼兵干(1．浙江大学生物系统工程与食品科学学院，杭州310058；2．全国农业展览馆，北京100026；3．浙江大学生物技术研究所，杭州310058)【摘要】利用可见／近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN2种组合模型进行分析预

2、测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA—BPNN的检测准确率最高，为90％。研究表明，SPA能够有效地进行波长选择，使BPNN模型获得满意的检测率。关键词：大豆可见／近红外光谱连续投影算法反向传输人工神经网络主成分分析偏最／bZ_乘法中图分类号：0657．3；$435．621．22文献标识码：A文章编号：1000．1298(2012)08—0175~5SpectralDetectiononDiseas

3、eSeverityofSoybeanPodAnthracnoseFengLeiChenShuangshuangFengBinHeYongLouBinggan。(1．SchoolofBiosystemsEngineeringandFoodScience，ZhqiangUniversity，Hangzhou310058，China2．NationalAgricultureExhibitionCenter，Beqing100026，China3．InstituteofBiotechnology，Zhejia

4、ngUniversity，Hangzhou310058，China)AbstractVisibleandnearinfraredreflectance(Vis／NIR)spectroscopytechniquewasappliedtodetectthediseaseseverityofsoybeanpodsanthraenose．Principalcomponentanalysis(PCA)combinedwithbackpropagationneuralnetwork(BPNN)andsuccess

5、iveprojectionsalgorithm(SPA)combinedwithBPNNwereusedastwomethodstoanalyzeandpredictionofthediseaseseverityofsoybeanpodsanthracnose．DatacompressionofSPAandlearningabilityofBPNNwasusedtoachievethedetectionofanthracnoseseverityonsoybeanpods．Theaccuraterate

6、ofidentificationwasusedtoevaluatethemode1．TheresultsofexperimentshowedthatSPA——BPNNwasthebettercalibrationmodelandtheaccuraterateofdetectionwas90％．Accordingtotheresults，SPAwasapowerfulwayfortheselectionofeffectivewavelengths，andBPNNmodelcouldobtaintheac

7、curatedetection．KeywordsSoybean，Vis／NIRspectroscopy，Successiveprojectionsalgorithm，Backpropagationneuralnetwork，Principalcomponentanalysis，Partialleastsquares起鲜食豆荚品质下降的主要因子，严重影响了出口引言贸易与农户的经济效益卜。及时使用杀菌剂可以大豆豆荚炭疽病(Colletotrichumtruncatum)是弓在一定程度上控制该病，降低损失，

8、这主要依赖于农收稿13期：2011—09—04修回日期：2011—09—22国家高技术研究发展计划(863计划)资助项目(2011AA100705)、“十二五”国家科技支撑计划资助项目(2011BAD21B04)、国家自然科学基金资助项目(61075017、60605011)、浙江省科技厅重点农业资助项目(2006C22022)、浙江省重大科技专项重点农业资助项目(2009C12002)和浙江省自然科学基金资助项目(Y5090044)作者简介：冯雷，副教