基于多光谱成像技术的稻飞虱自动识别与危害评估研究

本项目基于多光谱成像技术建立水稻典型虫害（稻飞虱）的识别、危害等级和危害损失评估模型，解决目前稻飞虱识别中过分依赖于人眼主观视觉所存在的问题，为进一步发展标准化、自动化、高效率、网络化、国际化的作物虫害专家诊断系统奠定基础。本项目拟采用的多光谱成像系统工作在可见光和近红外波段，利用宽带和窄带的多光谱图像数据，将稻飞虱个体样本信息和受害植株整体冠层信息结合起来建立模型。具有可测样品面积大、空间分辨率高、光谱重建精度高、光谱范围宽、获取信息全面的特点。通过该系统对云南稻飞虱和受害植株进行多光谱图像数据采集，建立标准化的多光谱图像专家数据库。在此基础上根据数据库样本的光谱、颜色、形状、纹理等特征信息研究建立稻飞虱的自动识别和危害等级、危害损失评估模型；进一步，根据上述硬件系统、数据库、识别和评估模型建立自动专家诊断系统。

本项目基于多光谱成像技术建立水稻典型虫害（稻飞虱）的识别、分类模型，解决目前稻飞虱识别中过分依赖于人眼主观视觉所存在的问题，为进一步发展标准化、自动化、高效率、网络化、国际化的作物虫害专家诊断系统奠定基础。本项目采用的三种多光谱成像系统工作在可见光和近红外波段：（1）基于滤光片型混合光源窄带多光谱显微成像系统采用14个可见光和1个近红外区域的窄带滤光片，在45/0标准观测照明条件下用荧光灯和卤钨灯获得显微多光谱图像；（2）基于LCTF的多光谱成像系统主要由光学镜头、LCTF和CCD实现了快速波段调谐, 具有较高的空间分辨率和光谱分辨率；（3）LED光照的变光源多光谱成像系统避免了滤光片调制的多光谱成像方法中难以处理的图像模糊、位置失配等问题，可进一步提高成像的稳定性。项目用利三种多光谱成像设备采集的图像数据，将植株个体样本信息和受害植株整体冠层信息结合起来建立模型。具有可测样品面积大、空间分辨率高、光谱重建精度高、光谱范围宽、获取信息全面的特点。通过该系统对云南稻飞虱和受害植株进行多光谱图像数据采集，建立标准化的多光谱图像专家数据库。在此基础上根据数据库样本的光谱、颜色、形状、纹理等特征信息研究建立受害植物的识别和组合分类模型。在所采集的植物叶面病害多光谱图像数据基础上，项目提出了一种基于光谱分布的病害定量检测方法。该方法首先进行光谱聚类，然后采用线性优化技术，对像素光谱进行分析，定位病害区域和病虫害信号强度。实验结果表明，该方法能有效区分正常叶面和病害区域，可作为病虫害危害评估的一种预处理技术。同时，项目研究了受害植物病虫害的分类方法，提出将多个分类器组合起来的潜能，使用分类精度作为分类器的性能测度，给出互补的信息，实现植叶常见病虫害的多光谱诊断；进一步，项目研究从大量成像光谱数据中选择出有效的特征波段，用于对园艺作物的光谱特征信息进行快速分类和识别。实验提出了用亮度信息提取植株病害窄带多光谱图像特征波段，并利用波段指数提出水稻叶面的特征波段为645nm、675nm、685nm、670nm、690nm 和660nm。结果表明所选出的特征波段可以在压缩了大部分数据的条件下，达到与全波段基本相同的识别率。最后，项目组开展了利用样本光谱特征信息进行成像仿真的技术研究。实验还分析了基于光谱的渲染技术的应用，展示了基于光谱的渲染技术广泛的应用前景。