[发明专利]基于PCA和PNN算法检测水稻病虫害等级的方法

摘要

本申请公开了一种基于PCA和PNN算法检测水稻病虫害等级的方法，包括步骤：采集水稻的原始高光谱数据，去除原始高光谱数据中的异常点，通过主成分分析PCA法对相邻波段内的原始高光谱数据进行波段数据降维和数据压缩，利用概率神经网络PNN法根据训练集对采样点进行病虫害等级判断，利用神经网络喷洒模型对采样点进行喷洒等级判断，根据喷洒等级进行农药定量喷洒。本发明可以实现病虫害等级的自动预测，自动识别病虫害等级可以大大降低人工成本和时间成本，为农药的精准喷洒提供依据，对于环保和人体健康具有重要意义。

主权项

1.一种基于PCA和PNN算法检测水稻病虫害等级的方法，其特征在于，包括步骤：通过无人机搭载的高光谱仪在采样点采集水稻的原始高光谱数据；去除原始高光谱数据中的异常点，得到1024个波段的地物信息；通过主成分分析PCA法对相邻波段内的原始高光谱数据进行波段数据降维和数据压缩，得到降维后的光谱值，其中每一条光谱值对应一张图像；利用概率神经网络PNN法根据训练集对采样点进行病虫害等级判断，包括：将所述降维后的每一条光谱值所对应的每一张图像作为训练集，所述训练集为真值库，根据所述图像判断病虫害等级作为每一条训练光谱的真值，进行神经网络模型训练，得到神经网络喷洒模型；对所述降维后的光谱值进行特征学习，利用所述神经网络喷洒模型对采样点进行喷洒等级判断；根据喷洒等级进行农药定量喷洒，定量喷洒按照以下方法计算：Q＝Max×Y，其中，当1≤X≤4时，Y＝0.25×(X‑1)；当X＝5时，Y＝1；Q为喷洒量，X为喷洒等级，Y为喷洒比率。