基于光谱特性分析的冬油菜苗期田间杂草识别.pdf

第29卷第20期农业工程学报Vol.29No.20
1282013年10月TransactionsoftheChineseSocietyofAgriculturalEngineeringOct.2013

基于光谱特性分析的冬油菜苗期田间杂草识别

白敬1，徐友2，魏新华1※，张进敏1，沈宝国3
（1.江苏大学现代农业装备与技术教育部重点实验室，镇江212013；2.南京农业大学工学院，南京210031；
3.江苏省联合职业技术学院镇江分院，镇江212016）

摘要：杂草识别是自动除草的关键环节，运用光谱分析技术可以快速识别杂草。该文以冬油菜苗、冬油菜苗期
杂草和土壤为研究对象，通过ASD便携式光谱分析仪采集光谱数据。对每个样本连续采集5组数据，经平均、一
阶导数、压缩等预处理后，得到368组波长在400～2300nm范围内的光谱数据。采用逐步判别分析法，按统计
量Wilks’Lambda最小值原则选择变量，选取了710、755、950和595nm共4个特征波长。运用4个特征波长分
别建立了典型判别函数模型和贝叶斯判别函数模型。用这2组模型分别对预测集进行预测，典型判别函数模型的
正确识别率为97.78%，在不同的先验概率下贝叶斯判别函数模型的正确识别率分别为98.89%和97.78%。结果表
明：当先验概率根据类别大小计算时，以特征波长建立的贝叶斯判别函数模型能较好的识别冬油菜苗期田间杂草，
而且模型稳定。该研究结果可为杂草探测光谱传感器的开发提供参考。
关键词：图像识别，光谱分析，判别分析，冬油菜苗，杂草识别，贝叶斯判别
doi：10.3969/j.issn.1002-6819.2013.20.018
中图分类号：O657.3文献标志码：A文章编号：1002-6819(2013)-20-0128-07

白敬，徐友，魏新华，等.基于光谱特性分析的冬油菜苗期田间杂草识别[J].农业工程学报，2013，29(20)：
128－134.
BaiJing,XuYou,WeiXinhua,etal.Weedidentificationfromwinterrapeatseedlingstagebasedonspectrum
characteristicsanalysis[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),
2013,29(20):128－134.(inChinesewithEnglishabstract)

快速鉴别[16-17]及杂草识别[18-19]等方面应用广泛。
0引言
Piron等[20]利用二次判别分析法选取450、550
油菜是中国的主要油料作物，种植面积和总产和700nm作为识别胡萝卜和杂草的特征波长点，
量长期居世界第一位[1]。但油菜田受杂草危害比较严对胡萝卜和杂草的识别率达到72%。M.T.Gómez-
重，尤其是冬油菜区，杂草与油菜幼苗竞争激烈，Casero等[21]采用逐步判别分析法，选取主要集中在
导致油菜大量减产。因此，对于冬油菜区，苗期的蓝、绿、红和近红外波段的特征波长，对小麦、野
杂草防治是关键。传统的化学除草是粗放式的大面燕麦和金丝雀草的正确识别率为100%。邓巍等[22-23]
积均匀施药，除草剂有效利用率低，且污染农业生利用便携式野外光谱仪在田间测量了玉米、马唐和
态环境[2]，而要实现除草剂的精确喷施必须首先正确稗草植株冠层在350～2500nm波长范围内的光谱
识别杂草[3-4]。在杂草自动识别方面，国内外学者对数据，采用支持向量机（supportvectormachine，
不同作物的田间杂草识别方法进行了大量研究[5-13]。SVM）建立分类模型，识别精度达到80%以上，并
其中，光谱检测分析技术根据一定波段内被测物体研究了基于光谱的绿色植物靶标探测器。陈树人等[24]
反射率的差异进行识别，具有速度快、无污染以及使用ASD光谱仪进行了棉花、刺儿菜、水稻和稗
[14-15]
不破坏样品等优点，在区分水果种类、农产品草的实验室识别研究，利用385、415和435nm3
个特征波长可100%地从棉花中识别出刺儿菜，利
收稿日期：2013-04-03修订日期：2013-09-17用375、465、585、705和1035nm5个特征波长
基金项目：中国博士后科学基金资助项目（20110491360）；江苏高校优
势学科建设工程资助项目（苏财教（2011）8号）；江苏大学高级专业可100%地从水稻中识别出稗草。但在冬油菜苗期
人才科研启动基金资助项目（10JDG026）杂草识别方面的研究相对较少。
作者简介：白敬（1987－），女，主要从事光谱分析及光谱传感器开发