基于高光谱成像和卷积神经网络的‘库尔勒’香梨黑斑病潜育期诊断研究

作者：胡泽轩; 王文秀^*; 张凡; 赵丹阳; 马倩云; 孙剑锋

来源：河北农业大学学报, 2022, 45(05): 86-137.

DOI：10.13320/j.cnki.jauh.2022.0085

• 高光谱成像
• 卷积神经网络
• ‘库尔勒’香梨
• 黑斑病
• 潜育期

黑斑病是‘库尔勒’香梨贮藏期的易染病害之一，在潜育期外观无明显变化，很难直接通过肉眼进行准确识别。本研究结合高光谱成像和卷积神经网络（CNN），实现了‘库尔勒’香梨黑斑病潜育期的识别。获取健康和不同病害程度香梨样品的高光谱图像，提取感兴趣区域内光谱后，利用不同预处理方法对其进行处理，分别基于常规算法（最小二乘-支持向量机、K最邻近法、随机森林）和CNN建立病害识别模型。结果表明，与常规算法建模结果相比，CNN模型的识别效果最优。当卷积层数为3，全连接层数为3，学习率为0.000 5时，CNN模型的识别效果最佳，对样品的总体识别准确率为99.70%，对潜育期样品的识别准确率为99.76%，分别较常规算法提高了12和14个百分点。该结果证实CNN模型能够显著提高对‘库尔勒’香梨黑斑病潜育期识别的准确率，为‘库尔勒’香梨黑斑病的早期诊断防治提供了1种新的方法。

• 单位
  塔里木大学; 河北农业大学