基于光谱信息和支持向量机的绿色植物检测方法研究

作者：徐敏雅; 朱路生; 刘永华; 王苗林; 王慧

来源：中国农机化学报, 2023, 44(12): 137-142.

DOI：10.13733/j.jcam.issn.2095-5553.2023.12.021

• 支持向量机
• 绿色植物
• 靶标探测
• 精准农业
• 光谱信息

针对精准农业中靶变量施药时对植物靶标探测的实际需求，研究红色LED、蓝色LED和卤钨灯照射下基于光谱信息和支持向量机的绿色植物检测方法。分别在室外阳光直射、室外阴影和室内黑暗环境下采集三种光源照射下绿色植物样本和非绿色植物样本的反射光谱。研究常数1和标准差倒数1/SDev两种变量权重对支持向量机SVM模型精确度的影响，结果表明两种变量权重对线性核SVM模型的影响不大，但径向基函数RBF核模型在变量权重为1时效果较差，最低精确度只有51.85%,变量权重为1/SDev时所有RBF核SVM模型精确度较为正常，最低精确度为95.06%。之后建立变量权重为1/SDev的绿色植物检测SVM模型。结果表明，三种光源对于线性核SVM模型的性能影响较小，所有线性核SVM模型的F1-score均超过99.00%,其中卤钨灯照射下建立的SVM模型精确度达到100.00%,蓝色LED照射下建立的SVM模型F1-score最高，达到99.79%;RBF核SVM模型中效果最好的为蓝色LED照射下建立的模型，训练集和测试集F1-score分别为99.59%和99.17%。本研究结果可为开发基于主动光源的绿色植物探测传感器提供理论依据。

• 单位
  江苏农林职业技术学院; 江苏大学