基于超微型地物光谱仪的稻田秧苗及稗草的早期识别

摘要

为探究水稻秧苗与稗草的早期准确识别方法，利用超微型地物光谱仪采集二叶-四叶期水稻和同期生长的稗草植株冠层在400～920nm波段内的光谱信息，结合化学计量学的竞争性自适应重加权采样算法（Competitive Adaptive Reweighted Sampling,CARS）筛选出特征波长，利用MATLAB分类学习器工具箱进行种类识别，建立多种分类识别模型。结果表明：基于SG平滑-SG求导-CARS处理建立的偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）模型表型最优，其在二叶期样本集的校正集、交叉验证集和外部验证集的正确识别率均为100%；在二叶-四叶期样本集的校正集、交叉验证集和外部验证集的正确识别率分别为100%、98%和99%。综上，高光谱技术结合化学计量学能够快速、无损和精准识别苗期水稻和稗草，可应用于早期稻田稗草的精准防除。

关键词

水稻 / 稗草 / 高光谱 / 判别模型 / PLS-DA / 早期识别