CAJ | 학술논문

田间全面积均匀喷施除草剂不经济,还污染环境,精准喷施除草剂意义重大,其关键是正确识别杂草.用便携式野外光谱仪,在田间测量了玉米、马唐和稗草植株冠层在350～2 500 nm波长范围内的光谱数据,经过数据预处理,数据分析波长选为350～1 300和1 400～1 800 nm.数据处理采用支持向量机(SVM)模式识别方法.SVM具有可实现对小样本建模结构风险最小化、结果最优化、泛化能力强的优点.用线性、多项式、径向基和多层感知核函数对玉米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80%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,建立了玉米、马唐和稗草的一对一多分类SVM模型,正确识别率达80%.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一种研究思路和应用基础.
전간전면적균균분시제초제불경제,환오염배경,정준분시제초제의의중대,기관건시정학식별잡초.용편휴식야외광보의,재전간측량료옥미、마당화패초식주관층재350～2 500 nm파장범위내적광보수거,경과수거예처리,수거분석파장선위350～1 300화1 400～1 800 nm.수거처리채용지지향량궤(SVM)모식식별방법.SVM구유가실현대소양본건모결구풍험최소화、결과최우화、범화능력강적우점.용선성、다항식、경향기화다층감지핵함수대옥미화잡초건립이분류모형,결과표명,삼계다항식핵함수SVM분류모형적정학식별솔최고,체도80%이상,차지지향량비례교소.이이분류모형위기출,이용투표궤제,건립료옥미、마당화패초적일대일다분류SVM모형,정학식별솔체80%.전간광보측량수광조、배경화의기측량정도등조건적영향교대,단결과잉표명SVM결합광보기술재전간잡초식별중응용잠력흔대,차연구위전간잡초식별급전감기적건립제공료일충연구사로화응용기출.