農業行業
本研究應用400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。
精細農業是實現農業低耗、高效、優質與安全的重要途徑。作為我國第一大糧食作物，水稻的穩產高產一直是我國農業生產的關注重點，而及時有效的病害防治是實現穩產高產的重要保證。水稻紋枯病是水稻三大病害之一，如果能在水稻患病早期及時檢測出受害作物的發病原因和受害程度，再結合精細農業中的變量施藥，就能有效減小水稻病害感染的病變率，縮小危害范圍，切實有效地提高水稻產量。變量施藥主要是指根據獲取的作物的病蟲害信息，及時地診斷受害作物的病因以及受害程度，因病治宜、因地制宜、按需按量施用化學制劑，這樣既能減少化學制劑的使用量，又能達到及時防治的目的。
本研究采用高光譜成像技術實現了對水稻紋枯病的病害識別。試驗對原始光譜分別進行不同的預處理后建立PLS-DA判別分析模型，得到了較好的效果。以SG、SNV和MSC這3種預處理方法下預測樣本判別的正確率分別為82.8%、92.1%和89.1%，其中以SNV預處理的光譜建立的PLS-DA 模型正確率最高，而以SG預處理的光譜建立的PLS-DA模型正確率最低，但正確率均超過了80%，故這3種方法都是可行的。基于MNF特征信息提取建立的LDA和BPNN判別模型預測集的正確率分別為95.3%和98.4%，優于基于全部波段建立的PLS-DA模型。綜合比較3種模型，基于MNF特征信息提取建立的BPNN模型取得了最優判別效果，建模集和預測集正確率分別為99.1%和98.4%。試驗結果表明采用高光譜成像技術能夠識別水稻紋枯病，采用MNF算法提取特征信息可以代表原始光譜，并極大地減少計算量，該算法在水稻病害快速識別建模過程中具有廣泛的應用前景。
