农业机械学报

作者：赵大勇，张懿文，王卓，白晓平，王枭雄

单位：中国科学院沈阳自动化研究所,中国科学院沈阳自动化研究所,中国科学院沈阳自动化研究所,辽宁大学,中国科学院沈阳自动化研究所,

关键词：高光谱成像;病害潜育期识别;机器学习;番茄叶霉病

基金：中国科学院战略先导科技专项（XDA28040400）

番茄叶霉病的快速传播会导致重大损失，及时检测识别病害具有重要意义。本研究基于高光谱成像技术，标注并提取了170个番茄叶霉病潜育期第5天样本曲线和170个番茄健康样本曲线。通过最大最小归一化（Min-max normalization,MMN）、标准正态变换（Standard normal variate,SNV）、小波变换（Wavelet transform, WT）和基线校正（Baseline correction,BC）4种方法对数据做光谱预处理，使用聚类算法（K-means）剔除异常样本。采用竞争自适应重加权采样（Competitive adaptive reweighted sampling,CARS）算法进行特征波长选择，并对选择出的单特征波长进行定性、定量分析。最后应用支持向量机（Support vector machine,SVM）和线性判别分析（Linear discriminant analysis,LDA）对叶霉病潜育期样本和健康样本进行识别，共构建了8种基于机器学习的番茄叶霉病潜育期检测识别模型并进行对比寻优。结果表明，WT-CARS-LDA模型表现最佳，其识别准确率达到97.62%，为早期发现和防治番茄叶霉病提供了可行的技术方案。

来源：2025年第8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8期