[发明专利]一种利用高光谱成像技术识别稻田稗草的方法

说明书

本发明公开了一种利用高光谱成像技术识别稻田稗草的方法，属于稻田恶性杂草识别预警技术领域。其包括以下步骤：种植水稻和稗草种质资源；选取水稻和稗草通过高光谱成像系统进行光谱数据采集；将光谱数据作为模型输入变量，经过计算机软件的图像校准、图像处理，获得整片叶子的平均反射率，经过信号降噪后，选择特殊光谱从而建立判别模型；无人机搭载高光谱成像设备采集大面积稻区光谱数据，最后计算出稗草发生率评估危害程度。本发明采用高光谱成像技术鉴别稻田稗草，利用水稻和稗草光谱差异特性，区分稗草和水稻；筛选六个主要波谱特征减少计算准确率达98.1%，无人机搭载技术高空作业，能够大面积快速无损获取光谱数据结果。

技术领域

本发明属于稻田恶性杂草识别预警技术领域，具体涉及一种利用高光谱成像技术识别稻田稗草的方法。

背景技术

稗草是世界性恶性杂草，是稻田中发生最多、危害最重、分布最广的主要杂草之一。稗草不但能竞争水、肥、光照以及生长空间，降低水稻产量和品质，而且是稻飞虱、稻椿象等病虫害的寄主，严重危害水稻的生产安全。近些年来，由于水稻直播技术和精量穴直播技术的广泛应用，稗草危害更加猖獗，导致水稻减产甚至绝收的现象时有发生。稗草的早期识别和密度监测一直是开展稻田稗草防控的前提。

然而，在现实水稻生产中，稻田稗草识别仍旧处于落后的形态学鉴定阶段，通过叶耳和叶舌差异判断稻田稗草发生率，仍旧是目前大农场大面积水稻种植常用的方法。稗草和水稻拥有共同的进化来源，在3-4叶期（关键控草期）拥有相似的生长表型，主观评估稗草数目和危害程度，在水稻实际生产中往往存在很大偏差，常常发生防控不及时或除草剂过量施药的现象。第二种方法是RGB色差法对杂草特征进行识别，该方法存在识别率低的问题，同时该技术的准确率容易受到环境影响，不能推广使用；第三种方法是高光谱成像技术，该技术能够同时获得空间信息和光谱信息，但由于该技术数据量大，数据冗余严重，占用计算机内存大，以前主要应用于实验室离线分析。

早在2007年，日本学者开始使用高光谱成像技术开展甜菜和杂草（包括野燕麦、问荆草、狗尾草、繁缕）的鉴别工作，识别率仅有29.3%，采用逐步判别算法后正确率也仅有81.3%。2011年，美国科学家使用可见/近红外多光谱对玉米伴生杂草进行识别，准确率最高可达96.7%，但仍旧存在数据量冗余严重，无法应用的问题。2015年采用11维度（1000-2500nm）的波段开展甘蓝地中杂草识别，总体准确识别率达96.8%，虽然计算量大幅度降低，但研究主要针对行间识别，无法应用于稻田稗草鉴别。

2014年采用人工神经网络分类法，设定为7个主要波谱特征，能够鉴别豌豆田、春小麦田、油菜田中的野燕麦和红根猪草，准确率达88-94%，但该方法的优点是只有7个波段，计算量降低，但缺点是识别率低，安装固定在有伸缩臂的平板卡车上，适合于旱地作业，不适合在大面积水稻田开展作业。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种利用高光谱成像技术识别稻田稗草的方法的技术方案。

所述的一种利用高光谱成像技术识别稻田稗草的方法，其特征在于包括以下步骤：

S1.种植水稻和稗草种质资源，覆盖所测稻区的所有稗草和水稻品种；

S2.选取水稻样本植株和稗草样本植株通过高光谱成像系统进行光谱数据采集；

S3.将步骤S2中的光谱数据作为模型输入变量，采用计算机软件进行图像校准、图像处理，获得整片叶子的平均反射率，经过信号降噪后，利用光谱差异建立最小二乘法判别分析模型；

S4.采用续投影算法SPA筛选出特殊光谱，增加计算速度；

S5.无人机搭载高光谱成像设备采集大面积稻区光谱数据，计算机进行稻区光谱信息读取及处理，依据步骤S3中的最小二乘法判别分析模型来区分水稻、稗草或其他，最后计算出稗草发生率评估危害程度。