基于多维随机森林的番茄灰霉病高光谱图像早期检测.pdf

第 nullnull卷 第 nullnull期 nullnullnullnullnullnullnull 光 谱 学 与 光 谱 分 析 nullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull年 nullnullnull月 nullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnull null 基于多维随机森林的番茄灰霉病高光谱图像早期检测 高荣华 null null 冯 null 璐 null nullnull 张 null 月 null 原继东 null 吴华瑞 null null 顾静秋 null null nullnull北京市农林科学院信息技术研究中心 北京 nullnullnullnullnullnullnull nullnull国家农业信息化工程技术研究中心 北京 nullnullnullnullnullnullnull nullnull北京交通大学计算机与信息技术学院 北京 nullnullnullnullnullnullnull 摘 null 要 null 植物病害的自动早期检测对于作物精确保护至关重要 提出了一种基于多维光谱序列 nullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 和加权随机森林 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 的番茄灰霉病早期诊断与 鉴别方法 目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型 以期在肉眼明 显可见叶面病斑前对作物病害实现诊断 将健康叶片接种灰霉病菌第 null天作为叶片成功染病第 null天 试验首 先采集番茄健康叶片和染病叶片 null天内每天的高光谱图像 提取感兴趣区域并计算平均光谱作为初始光谱 数据 经筛选共得到 nullnullnullnullnull 组有效样本 将样本数据按时间顺序拆分成分别包含 null nullnull 个维度的光谱数据 形成多维原始光谱序列 为增加维度间差异性 相邻原始光谱序列相减构成多维关联光谱序列 分别采用符 号聚合近似估计 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 和符号傅里叶近似估计 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnull 两种符号化方法将光谱序列离散成局部辨别性特征 基于多维光谱序列的局部辨别性特征建 立加权随机森林 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 分类模型 实现病害早期检测 相应地 基于单维光谱序列 nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 的番茄灰霉病识别模型被作为基准模型与 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull模型比 较 试验结果显示 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 检测模型在包含 null至 null个光谱序列维度的 nullnull个测试样本数据中 均获得 nullnullnull以上识别准确率 在包含 null个光谱序列维度测试集中得到最高 nullnullnull的识别准确率 较 nullnullnullnull null nullnullnullnullnullnullnullnullnullnullnull检测模型在染病第 null天的识别率高 nullnullnull个百分点 另外受随机干扰的影响 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull模型准确率在染病 nullnullnullnull出现大幅度回落至最低 nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull模型识别率在肉 眼可见病斑阶段依然保持超过 nullnullnull的较高检测水准 未过度回落 因此 提出的基于多维光谱曲线整体变 化趋势和加权随机森林 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 的分类模型能够有效实现番茄灰霉病早期检测 并具有较 强的鲁棒性 为染病初期的番茄灰霉病鉴别提供新思路 关键词 null 早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列 中图分类号 nullnullnull nullnullnullnullnull 文献标识码 null nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnull null 收稿日期 nullnullnullnull nullnullnullnullnullnull 修订日期 nullnullnullnullnullnullnullnullnullnull null 基金项目 国家自然科学基金面上项目 nullnullnullnull 北京市科技计划课题 nullnullnullnullnullnullnullnullnull 资助 null 作者简介 高荣华 女 nullnullnullnull年生 北京市农林科学院信息技术研究中心副研究员 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null 通讯作者 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 引 null 言 nullnull 番茄灰霉病是一种低温 高湿病害 是棚室番茄栽培的 常见病害 该病繁殖速度快 遗传变异大且适应性强 在患 病早期无法通过肉眼发现 一旦进入发病期将扩散迅速 对 保护地番茄生产威胁极大 已成为番茄设施栽培的主要限制 因素 nullnullnullnull年 null月 国务院颁布施行 农作物病虫害防治条 例 条例中指出监测预警是做好农作物病虫害防控的前提 和基础 null 虽然国内外对番茄灰霉病的防治研究已取得了一 定进展 但目前生产上仍缺乏该病害早期发现的有效途径 实现对番茄灰霉病的早期检测对我国作物病害防治具有十分 重要意义 随着高光谱成像技术在作物病害识别中的深入应用 对 黄瓜 null 小麦 null 水稻 null 马铃薯 null 和苹果 null 等作物病害检 测获得较高检出率 高光谱具有唯一性特点 不同作物中叶 绿素等生物量含量不同导致其光反射率不同 因此不同物质 中光谱曲线走势和波峰波谷差异较大 该种特异性使得基于 光谱特征作物病害识别成为可能 秦立峰 null 等提出融合病害 差异信息改进的竞争性自适应重加权算法 nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 和连续投影算法 nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 并运用二次降维寻优得到的 特征波段建立了黄瓜霜霉病早期检测模型 针对番茄病害检 测 nullnullnull null 等利用基于小波变换和最小二乘支持向量机回归 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull 的方法筛选最佳波长并建立检测模型 证明了高光谱成 像技术在不同镉胁迫下测定番茄叶片重金属含量的可靠性和 有效性 贾方方 null 等利用去包络线法 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull 筛 选对叶霉病发病程度识别的敏感波段 构建基于光谱特征吸 收参量的发病程度估测模型 上述研究基本思路均是首先对 所获取作物叶片高光谱图像进行病斑或叶片分割并计算平均 光谱曲线 后利用降维工具或相关光谱植被指数 null nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 对光谱特征波段筛选和提取 null 过滤 不做分类贡献的波段信息 最后基于提取的特征波段建立作 物病害识别分类器 nullnullnull nullnull 等对比了基于全波段和使用特征 排序 nullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull 算法筛选的敏感波段分别建立的 nullnull最近邻 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 模型对 null级患病程度番 茄灰霉病叶片的分类准确率 在测试集中 基于全波段 nullnullnull 的总体分类结果为 nullnullnullnullnullnull nullnull nullnullnullnull 模型为 nullnullnullnullnullnull 由此 可见 仅用个别波段光谱信息作为分类依据 忽略了光谱曲 线整体变化趋势 筛选出不合格波段更易导致曲线信息片面 化 尤其患病早期叶片与健康叶片光谱曲线差异不显著 容 易导致识别失误 错过病害早期最佳防治时间 借鉴多维时间序列分类算法 nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 以番茄灰霉病患病早期叶片光谱曲 线为基础 从接病第 null天 染病第 null天 至完全发病连续采集 图像 根据图像不同波段上反射率随时间推移而产生的变化 来监测作物病害的发病情况 完整描述患病区域在不同波段 下 不同发病时期光谱反射率变化趋势 建立基于多维光谱 序列 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 的作物病害分 类器 以实现对番茄灰霉病的早期检测 nullnull 实验部分 nullnullnullnull高光谱图像采集 实验采用盆栽培育番茄幼苗 nullnull株 仪器采用四川双利 合谱科技有限公司的 nullnullnullnullnullnullnullnullnull nullnullnullnull 内置推扫式的便携式高 光谱成像仪 成像仪光谱范围为 nullnullnull nullnullnullnullnullnullnull 光谱分辨 率为 nullnullnull 选取 nullnullnull个光谱通道 单幅拍摄速度 nullnullnull 全幅 图像像素分辨率为 nullnullnullnullnull nullnullnullnull 为了确保采集的图像清晰且 不失真 经预备实验 确定曝光时间为 nullnullnullnullnull 物距为 nullnull nullnull 图像采集速度为 nullnullnullnull null nullnull 图像采集方式如图 null所示 用支架固定高光谱相机 设 置高光谱镜头背对太阳且斜向下 nullnullnull与叶片垂直架设 避免 在采集过程中光谱仪吸收太阳光导致成像不准确 图像采集 时将番茄盆栽置于纯色背景板前 以去除复杂背景的影响 同时在地面标定镜头与盆栽的相对位置以保证采集距离不 变 从 nullnull盆番茄中选出生长状态良好 叶片平展宽大的 nullnullnull 片叶片作为序列采集对象 其中 nullnull片作为接病实验组 nullnull 片为正常生长健康对照组 为了探究侵染灰霉病番茄叶片光 谱信息随时间推移而产生的变化 以接种灰霉病菌第 null天 染病第 null天 作为番茄高光谱序列图像采集的开端 对选定 的叶片以固定姿势和角度连续采集 nullnull 图 null null 番茄叶片高光谱图像采集示意图 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnull 由于每天需采集 nullnullnull张叶片 拍摄过程持续时间较长 为消除光照强度对高光谱图像成像影响 尽量选取上下午光 照强度相同时间段采集 此外 在光照强度较弱时间段的采 集过程中采用补光灯对番茄盆栽进行补光 并根据环境条件 变化 对应采集全白与全黑标定图像 用作计算不同光照情 况下番茄叶片的光谱反射率值 经过对 nullnull盆番茄盆栽连续 采集 共采集了 nullnullnull片叶片 nullnullnull个光谱波段上的 null天连续数 据 经过预处理剔除模糊 过曝等不合格实例后 剩余 nullnullnull 个叶片 实 验 组 nullnull个 对 照 组 nullnull个 进行光谱信息分析 试验 图 null null 接病不同感兴趣区域平均光谱反射率比较 null 染病 null天番茄叶 null 不同感兴趣区域 null 不同区域平均光谱曲线对比 null 染病 null天与 null天叶面平均光谱曲线对比 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 第 nullnull期 nullnullnullnullnull nullnullnullnullnull 高荣华等 基于多维随机森林的番茄灰霉病高光谱图像早期检测 nullnullnullnull高光谱图像预处理 首先对番茄叶片图像进行镜头积分球矫正 null消减光照影 响 null再分别提取叶片病斑部分 null健康部分和整片叶子感兴趣 区域 null获得对比光谱反射率曲线如图 null所示 null图 nullnullnullnull展示了 染病第 null天番茄叶片状态 null可明显看出染病区域呈深褐色 null 图 nullnullnullnull表示三个不同感兴趣区域选取 null橙色为整片叶片 null绿 色为健康区域 null红色为病斑区域 null对三个区域光谱反射率做 平均处理得到图 nullnullnullnullnull可知患病区域平均光谱与健康区域有 较大差别 null整片叶片光谱曲线受病斑区域影响与健康叶片曲 线有轻微差异 null随着时间延长 null该差异逐渐增大 null如图 nullnullnullnull 所示 null由此可从整片叶片光谱曲线随时间延长而产生的变化 来判断该叶片患病情况 null nullnull 作物在染病初期 null如图 null所示 null由于无法用肉眼识别患 病区域 null对 nullnullnull片叶片进行整片光谱信息提取 null其中部分叶 片在不同观察日存在叶片卷曲 null脱落等问题 null为保证多维序 列样本完整性 null删除数据维度小于 nullnull的样本 null共得到 nullnullnull 个可供实验样本数据 null其中 nullnullnullnullnullnull组患病实验组叶片 nullnullnullnull nullnull null组对照组叶片 null全部接病叶片与健康叶片在连续 null天的 观测下得到的光谱信息如图 null所示 null可以看出 null随着接病天 数的增加 null叶片的平稳反射率在波长 nullnullnull nullnullnullnullnullnullnullnull 区间内 越来越接近 nullnull该变化为病叶判断提供可能 null以番茄叶片高 光谱图像的 nullnullnull个通道波长作为序列长度 null将 nullnullnull组试验样 本按照近似 nullnullnullnullnull比例划分为 nullnullnull组训练数据和 nullnull组测试 数据进行光谱图像分析 null 图 null null 番茄灰霉病染病第 null天叶片的 nullnullnull图像 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null 图 null null 连续 null天观测下的全部样本光谱反射率变化情况 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull多维光谱序列定义 在探究作物病害的高光谱数据中 null光谱序列指一个目标 区域在相同波长间隔上连续取反射率值生成的一组数据 null以 一维光谱序列为基础 null多维光谱序列涵盖多个观测时间维 度 null在执行分类任务时 null不仅需要考虑每个维度内部的时序 特征 null也需要考虑多个维度之间的关联特征 null多维光谱序列 与病害分类的数学形式表达如下 nullnullnullnullnullnull一维光谱序列 由 null个有序的观测值 null nullnullnullnullnullnullnull 组成的序列 nullnullnullnull null null nullnull nullnullnull nullnull null被称为长度为 null的一维光谱序列 null nullnullnullnullnull null nullnullnullnullnullnull多维光谱序列 由 null个一维光谱序列组成的序列集合 nullnullnullnull null null nullnull nullnullnull nullnull null被称为维度为 null的多维光谱序列 null每个维度序列的长度 均为 nullnullnull null null null null null null null null null null null null null nullnull多维光谱序列 null 中第 null维序 列的第 null 个观测值用 null nullnullnull 表示 null nullnullnullnullnullnull基于多维光谱序列病害分类 给定包含 null 个实例的训练集 nullnullnullnull null null nullnull nullnullnull nullnull nullnull 其中每个实例 null 都是一个长度为 null维度为 null 的多维光谱序 nullnullnullnull 光谱学与光谱分析 nullnullnullnullnullnullnullnullnullnull 第 nullnull卷 列 nullnullnullnullnullnullnull训练集中的实例都属于 null个类别之一 nullnull null null患 病 null健康 nullnull多维光谱序列分类的目标是在训练集 null中学习 多维光谱序列观测值到所属类别的映射 null即叶片是否患病 null nullnullnullnullnullnull光谱子序列 给定一个长度为 null的光谱序列 nullnull从第 null个观测值起 null 截取 null个连续观测值组成的新序列 nullnull null null nullnullnullnull nullnullnull nullnullnullnullnullnull null被 称为光谱序列 null的子序列 null其中 null nullnullnullnullnullnullnullnull null 本试验数据共有 null个特征维度 null分别对应番茄叶片染病 灰霉病菌的第 null天至第 null天 null为了实现番茄灰霉病病害的早 期检测 null分别制作包含 null nullnull 个特征维度的光谱序列数据 null例 如特征维度为 null时 nullnullnullnull组实验样本只包含实验叶片染病第 null天至染病第 null天和相同观测日期的对照叶片数据 null其他维 度同理 null nullnullnullnullnullnull多维关联光谱序列 维度随机选择 null即在构建每棵决策树时随机选择 null维光 谱序列中的 null个维度 nullnullnullnullnull生成初始光谱序列 null从而降低 计算复杂度 null同时增加决策树之间的差异性 null 为了提取初始光谱序列中各个维度之间的关联特征 null计 算初始序列中任意两条序列之间对应属性点的差值 null生成与 初始序列长度相同的关联光谱序列 null初始序列 null null 与 null null 之 间的关联序列 null null 的计算公式如式 nullnullnull nullnull null null null nullnullnull null null null nullnullnull null null nullnull nullnullnullnullnull null null null 初始序列维度为 null时 null转换后的关联序列维度为 nullnullnullnullnullnullnull null nullnull null null图 null null null null null null分别展示了 nullnullnull时初始序列转换为关联序 列的过程 null建模时 null在平衡样本维度与计算开销情况下 null序 列维度 null取值为 nullnull即样本维度 nullnull 时 null随机选取其中 null维参 图 null null 初始序列 null 与关联序列 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null null null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null null null 图 null null 符号聚合近似估计 nullnullnull 方法 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null nullnullnullnullnullnull 与决策树的构建 null样本维度 nullnull 时则用原维度 null nullnullnullnull光谱序列符号化表达 建立分类器时 null直接采用光谱序列整体的相似性进行分 类的方法时间复杂度较高 null因此为减小模型复杂度 null提取代 表光谱序列局部辨别性的特征进行分类以缩减模型运算规 模 nullnullnullnull nullnullnullnull 算法 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null采用符号聚合近似估计 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null技术将时间序列转换到时域空间 null 生成单词特征 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null算法采用符 号傅里叶近似 nullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null技术将 时间序列转换为频域空间的单词特征集合 null该两种符号化方 法允许在离散后的符号表示上定义距离 null运行机器学习算 法 null同时产生与对原始数据进行操作的算法相同的结果 null该 性质使得该两种方法在降维的同时还能够保留原始序列的大 体形状 null因此在各类时间序列任务中被广泛应用 null nullnullnullnullnullnull光谱序列符号化 给定一个长度为 null的光谱序列 nullnull利用光谱序列符号化 技术将序列 null或其子序列转换为离散符号组成的字符串 null这 个过程被称为光谱序列符号化 null nullnullnullnullnullnullnullnullnull方法符号化光谱序列 给定长度为 null 的光谱序列或其子序列 nullnull字母表大小 null null单词长度 null null将序列分为等长的 null个子序列 null分别计算每 个子序列中各个点的平均值 null基于高斯分布将平均值划分为 null个区域 null每个区域对应一个字符 null将平均值序列离散化为 对应字符 null得到序列 null 对应的字符串 null这个过程就是 nullnullnull 方法 null图 null展示了采用 nullnullnull方法将长度为 nullnullnull的序列转换 为长度为 null的字符串的过程 null nullnullnullnullnullnullnullnullnull方法符号化光谱序列 nullnullnull方法与 nullnullnull方法类似 null区别在于 nullnullnull方法不计算 序列的平均值 null而是对序列进行傅里叶变换后将傅里叶系数 离散处理 null为每个系数计算合适的离散化分割点 null图 null展示 了采用 nullnullnull方法将长度为 nullnull的序列转换为长度为 null的字符 串的过程 null 图 null null 符号傅里叶近似 nullnullnull 方法 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null nullnullnullnullnullnull nullnullnullnull加权随机森林模型构建 随机森林能较好地学习多个特征维度之间的潜在关系 null nullnullnullnull 第 nullnull期 nullnullnullnullnull nullnullnullnullnull 高荣华等 null基于多维随机森林的番茄灰霉病高光谱图像早期检测 且复杂度较低 null抗干扰能力强 null因此常被用来处理高维度数 据 null例如时间序列森林 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnulln