多光谱技术提升黄瓜病害识别：神经网络与距离分类器的融合

本文主要探讨了园艺作物病害的多光谱组合分类方法，以设施园艺作物黄瓜为例。研究者利用窄带滤光片型多光谱成像系统，对该类作物的叶子采集了14个可见光通道、近红外通道以及全色通道的图像数据，这些数据包含了16个波段的反射率信息。他们采用多光谱图像分类技术，包括距离分类器、相关系数分类器和BP（Back Propagation）人工神经网络分类器，将不同类型的黄瓜病害转化为线性波谱特征，以此对210个样本进行识别和分类。 研究的目的是开发一种高效的多光谱组合分类器，以解决园艺作物病害的快速、准确和无损检测问题。实验结果显示，通过将人工神经网络和距离分类器相结合，分类性能显著优于单一分类器，这不仅提高了识别精度，还充分利用了两个分类器各自的优势。这种方法可以有效地克服彩色成像分析中因观测者变化、照明条件和系统光谱响应不一致导致的识别误差，并减少了光谱信息的损失。 文章指出，随着我国园艺作物种植规模的扩大，病害诊断的需求日益增长，多光谱成像技术结合光谱分类和分类器的应用，对于提高生产效率和保障作物健康具有重要意义。研究成果还得到了国家自然科学基金项目和云南省自然科学基金项目的资金支持，表明了其在园艺领域应用的前景广阔。 本研究不仅提供了实用的园艺作物病害检测手段，也为未来基于多光谱成像技术的植物病害监测和管理提供了新的思路和技术支撑。