基于高光谱反射成像技术的带荚毛豆虫害检测方法研究

摘要

[目的]为解决带荚毛豆内部发生食心虫虫害难以识别的问题，基于高光谱反射成像技术对带荚毛豆的食心虫虫害进行检测。[方法]利用高光谱反射成像系统获取带荚毛豆的健康样本和虫害样本数据，采用多元散射校正（Multiplicative Scatter Correction,MSC）、标准正态变量变换（Standard Normal Variate,SNV）和卷积平滑（Savitzky Golay,SG）3种预处理方法对450～1 000 nm范围的光谱数据进行处理，确定最佳预处理方法。使用竞争性自适应重加权采样算法（Competitive Adaptive Reweighted Sampling,CARS）、连续投影算法（Successive Projections Algorithm,SPA）对预处理后的数据进行特征波长选择，以2种算法筛选的特征数据作为输入，建立随机森林（Random Forest,RF）、K近邻（K-Nearest Neighbors,KNN）、支持向量机（Support Vector Machine,SVM）和梯度提升决策树（Gradient Boosting Decision Tree,GBDT）分类判别模型。为进一步提升模型的分类精度，选择使用RS算法（Random Search,RS）对4个模型进行超参数寻优，建立RS-RF模型、RS-KNN模型、RS-SVM模型和RS-GBDT模型。[结果]经过对比分析，使用RS算法优化后的模型分类检测结果优于未优化的模型，其中CARS-RS-SVM模型分类结果最佳，Acc为96.22%,Pre为96.47%,Recall为96.03%,f1-Score为96.19%，实现了健康与虫害毛豆的精准区分。[结论]高光谱反射成像技术对带荚毛豆内部虫害的总体识别结果较好，表明该技术能够对带荚毛豆食心虫虫害进行高效的检测与判别，为内部虫害检测提供新的思路与方法。

关键词

高光谱反射成像 / 虫害 / 带荚毛豆 / 随机搜索算法 / SVM