农业机械学报

作者：廖娟，王辉，梁业雄，何欣颖，曾浩求，何松炜，唐赛欧，罗锡文

单位：华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学;广东省农业人工智能重点实验室,

关键词：棉蚜虫危害等级;航空遥感;高光谱;纹理特征;多特征融合

基金：国家重点研发计划项目（2022YFD2002400）、兵团财政科技计划项目（2023AB014）和国家自然科学基金项目（31901401）

棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级（Cotton aphid damage levels，CADL）监测方法，融合棉花冠层光谱特征波长、植被指数和纹理特征，提高棉花蚜虫危害等级识别精度。采用无人机搭载高光谱成像系统采集棉花冠层高光谱图像，利用Savitzky-Golay平滑（SG平滑）和多元散射校正（MSC）对提取的光谱数据进行预处理，利用支持向量机（SVM）模型将预处理后的光谱数据进行建模，对比发现MSC表现更优。采用竞争性自适应重加权算法（CARS）和随机蛙跳算法（SFLA）对MSC预处理后的光谱数据进行特征波长一次提取，分别提取出31、37个特征波长。进一步使用连续投影算法（SPA）对特征波长进行二次提取，最终确定了6个棉蚜虫危害敏感波长，分别为650、786、931、938、945、961nm。基于二次提取的6个特征波长，计算了9种植被指数和8种纹理特征，并分别分析了9种植被指数和8种纹理特征与棉蚜虫危害等级（CADL）的相关性。构建了LightGBM、XGBoost、SVM和RF模型，并基于以上模型对比了特征波长、植被指数、纹理特征，特征波长和植被指数2种特征相融合，以及特征波长、植被指数和纹理特征3种特征相融合对棉蚜虫危害等级的判定效果。结果表明，植被指数（RDVI、SAVI、MSAVI、OSAVI）和纹理特征（MEA、VAR、DIS、HOM）与CADL相关性较高。基于特征波长、植被指数和纹理特征3种特征相融合的XGBoost模型对棉蚜虫危害等级判定效果最佳，测试集总体分类精度（OA）达到86.99%，Kappa系数为0.8371，相较于仅使用特征波长、植被指数、纹理特征，特征波长和植被指数2种特征相融合的模型，测试集OA分别提升4.88、27.64、21.95、2.44个百分点。

来源：2025年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第5期