基于光谱分析的冬油菜苗期田间杂草识别研

　　本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FigSpec? FS2X系列-成像高光谱相机进行相关研究。FigSpec?系列成像高光谱相机采用高衍射效率的透射式光栅分光模组与高灵敏度面阵列相机、结合内置扫描成像及辅助摄像头技术，解决了传统高光谱相机需外接推扫成像机构及调焦复杂等难以操作的问题。可与标准C接口的成像镜头或显微镜直接集成，实现光谱影像的快速采集。

　　油菜是我国主要的油料作物，但受杂草危害严重。据全国农场杂草调查队调查，长江流域冬油菜田杂草害面积约占种植面积的46.9%，油菜因杂草减产一般在10%~20%。人工除草在大面积种植中显得不切合实际，化学除草成为最有效的除草方法。但大面积的粗放式均匀喷洒，不仅使农药浪费严重，而且农药残留大大增加，会破坏生态环境。理想的除草剂施用方式应该是选择性变量喷洒，但首要问题就是能自动识别杂草。近年来，国内外学者利用机器视觉、光谱检测分析、多光谱成像分析等技术，对水稻、玉米、小麦、棉花、大豆、甜菜、番茄、胡萝卜等作物的田间杂草识别方法进行了大量研究。但对冬油菜苗田间杂草识别的研究相对较少。下文将以油菜苗期杂草为研究对象，利用光谱分析技术，通过采集油菜幼苗、油菜苗杂草和土壤的光谱信息，找到合适的特征波长，建立判别模型。

　　冬油菜苗区杂草的自动识别具有重要意义。特别是目前我国油菜面积大，除草剂喷洒过量和大面积的喷洒。可将冬油菜区内杂草幼苗扼杀，可有效降低杂草对冬油菜的危害。实现冬油菜苗区杂草的自动识别，可以定点定量喷洒除草剂，减少农药的浪费，减少对环境的污染，提高生产效率，为农业的可持续发展做出重要贡献。光谱检测技术能够有效、快速地自动识别杂草，为节约和有效喷洒除草剂提供依据。本文在研究国内外文献的基础上，对冬油菜苗区杂草的自动识别做了以下研究：

　　（1）分析样品的光谱特性。

　　通过分析可以看出，400~1300mm范围内的光谱数据信息丰富，是本次研究的重要波段。

　　（2）逐步判别分析提取特征波长和建模。

　　对样品进行逐步判别分析，提取了595nm、710nm、755nm和950nm四个特征波长。根据这四个特征波长，分别建立了典型判别模型和贝叶斯判别模型。当各类别的先验概率相等时，贝叶斯判别函数模型与典型判别模型的正确识别率相同，均为97.78%。当先验概率根据类别大小计算时，贝叶斯判别函数模型的正确识别率为98.89%。

　　（3）UVE-SPA提取特征并建模。

　　通过非信息变量剔除法剔除非信息变量的干扰，然后根据RMSE的变化和模型的需要，通过连续投影法进一步剔除冗余信息，提取特征波长，分别为450nm、720nm、885nm和1255nm，建立简洁的分类模型。根据提取的特征波长建立典型判别模型、贝叶斯判别模型和PLS-DA模型，模型对预测集的正确分类率分别为94.44%、96.67%和87.78%。

　　（4）模型对比。

　　对本研究建立的所有判别模型进行比较，得出的结论是：利用逐步判别分析提取的特征波长建立的贝叶斯判别模型是稳定的，在根据每个类别的大小计算先验概率时，预测集的正确识别率较高。同时，利用该模型设计了光谱传感器。