CAJ | 학술논문

精确施药的关键是快速正确识别杂草.为此,利用ASD野外便携式光谱仪,在田间测量了大豆、马唐和稗草植株冠层在350 ～2 500nm波长内的光谱数据,经过数据预处理,数据分析波长选为350 ～1 300nm和1 400～1 800m.数据处理采用支持向量机(SVM)模式识别方法,用线性、多项式、径向基和多层感知核函数对大豆和杂草建立二分类模型.结果表明:三阶多项式核函数SVM分类模型的正确识别率最高,达到85％以上,且支持向量比例较小;以二分类模型为基础,利用投票机制建立了大豆、马唐和稗草的一对一多分类SVM模型,正确识别率达83％;田间光谱测量受光照、背景和仪器测量精度等条件的影响较大,但结果仍表明SVM结合光谱技术在田间杂草识别中的应用潜力很大.此研究为田间杂草识别及传感器的建立提供了研究思路和应用基础.
정학시약적관건시쾌속정학식별잡초.위차,이용ASD야외편휴식광보의,재전간측량료대두、마당화패초식주관층재350 ～2 500nm파장내적광보수거,경과수거예처리,수거분석파장선위350 ～1 300nm화1 400～1 800m.수거처리채용지지향량궤(SVM)모식식별방법,용선성、다항식、경향기화다층감지핵함수대대두화잡초건립이분류모형.결과표명:삼계다항식핵함수SVM분류모형적정학식별솔최고,체도85％이상,차지지향량비례교소;이이분류모형위기출,이용투표궤제건립료대두、마당화패초적일대일다분류SVM모형,정학식별솔체83％;전간광보측량수광조、배경화의기측량정도등조건적영향교대,단결과잉표명SVM결합광보기술재전간잡초식별중적응용잠력흔대.차연구위전간잡초식별급전감기적건립제공료연구사로화응용기출.