基于多模态特征融合的高光谱成像茶树虫害智能识别方法研究

摘要

[目的]茶树虫害的精准识别是茶园绿色防控的关键环节，为解决茶园虫害早期检测灵敏度低、多源异构数据融合不足等问题，提出一种基于层次分析模型(Active Learning Strategy-Analytic Hierarchy Process, ALS-AHP)的高光谱多模态特征融合框架。[方法]通过构建400～1 000 nm高光谱成像系统，集成光谱反射率、纹理参数与叶绿素荧光三维特征，创新性建立权重动态优化的特征选择机制。[结果]本模型对蚜虫卵等隐性虫害的检测灵敏度达88.7%，较传统支持向量机(Support Vector Machine, SVM)提升31.2%，在复杂光照条件下对小绿叶蝉、茶尺蠖等混合虫害的识别准确率稳定在(93.5±1.8)%，特征维度压缩率达64.3%。[结论]研究揭示了高光谱响应与虫害侵染程度的非线性映射关系，为构建“光谱指纹-生理胁迫-虫害等级”三位一体诊断模型提供理论支撑。

关键词

高光谱成像 / 层次分析模型 / 特征融合 / 茶树虫害 / 智能识别