農業行業
本研究應用了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）。
雜草稻是一種兼有野生稻和栽培稻特性的惡性雜草，已成為僅次于稗草和千金子的第3大水田惡性雜草。雜草稻在苗期其形態與水稻差異很小，生長到約4周時，其葉片在形態和顏色上會發現變化。雜草稻的危害表現在其競爭性強，在稻田中與栽培稻爭奪陽光、養分和水分，嚴重影響水稻產量和質量。粗放式大面積的化學除草帶來了諸多負面影響，如環境污染、糧食和農產品安全等，精準式變量噴灑技術是根據雜草和作物分布情況變量定點噴灑除草劑[3，能有效減少化學農藥的施用量，降低生態環境的污染程度，而田間雜草的自動識別是實施精準式變量噴灑作業的關鍵問題。目前，田間雜草的自動識別研究主要有機器視覺技術和光譜技術。機器視覺技術是由圖像采集設備捕獲田間雜草和農作物的圖像，通過分析雜草圖像和作物圖像各自的特征（如紋理、形狀、顏色等）來鑒別雜草和作物，國內外研究者利用機器視覺技術對小麥、棉田、玉米等農作物和雜草進行自動識別研究。雜草和農作物因其種類不同，內部特征信息也不同，因而雜草和農作物的光譜反射特性也不同，一些學者利用光譜技術來研究雜草和農作物的快速識別。
探討利用高光譜成像技術快速鑒別苗期雜草稻和水稻的可行性。利用高光譜成像系統采集苗期雜草稻和水稻的高光譜圖像，對其進行濾波處理，并優選出特征波長圖像，分別提取特征波長圖像的形狀特征、紋理特征和顏色特征，建立雜草稻和水稻的神經網絡判別模型。模型訓練時的雜草稻和水稻樣本的識別率都為100%，用獨立樣本檢測模型性能時，水稻的回判率為96.88%，雜草稻的回判率為92.86%，總體回判率為95%。研究結果表明，高光譜成像技術可用于苗期雜草稻和水稻的快速鑒別，為進一步利用圖像處理鑒別田間雜草提供參考依據。
