本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用杭州彩譜科技有限公司產(chǎn)品FigSpec? FS2X系列-成像高光譜相機(jī)進(jìn)行相關(guān)研究。FigSpec?系列成像高光譜相機(jī)采用高衍射效率的透射式光柵分光模組與高靈敏度面陣列相機(jī)、結(jié)合內(nèi)置掃描成像及輔助攝像頭技術(shù)，解決了傳統(tǒng)高光譜相機(jī)需外接推掃成像機(jī)構(gòu)及調(diào)焦復(fù)雜等難以操作的問(wèn)題。可與標(biāo)準(zhǔn)C接口的成像鏡頭或顯微鏡直接集成，實(shí)現(xiàn)光譜影像的快速采集。

　　油菜是我國(guó)主要的油料作物，但受雜草危害嚴(yán)重。據(jù)全國(guó)農(nóng)場(chǎng)雜草調(diào)查隊(duì)調(diào)查，長(zhǎng)江流域冬油菜田雜草害面積約占種植面積的46.9%，油菜因雜草減產(chǎn)一般在10%~20%。人工除草在大面積種植中顯得不切合實(shí)際，化學(xué)除草成為最有效的除草方法。但大面積的粗放式均勻噴灑，不僅使農(nóng)藥浪費(fèi)嚴(yán)重，而且農(nóng)藥殘留大大增加，會(huì)破壞生態(tài)環(huán)境。理想的除草劑施用方式應(yīng)該是選擇性變量噴灑，但首要問(wèn)題就是能自動(dòng)識(shí)別雜草。近年來(lái)，國(guó)內(nèi)外學(xué)者利用機(jī)器視覺(jué)、光譜檢測(cè)分析、多光譜成像分析等技術(shù)，對(duì)水稻、玉米、小麥、棉花、大豆、甜菜、番茄、胡蘿卜等作物的田間雜草識(shí)別方法進(jìn)行了大量研究。但對(duì)冬油菜苗田間雜草識(shí)別的研究相對(duì)較少。下文將以油菜苗期雜草為研究對(duì)象，利用光譜分析技術(shù)，通過(guò)采集油菜幼苗、油菜苗雜草和土壤的光譜信息，找到合適的特征波長(zhǎng)，建立判別模型。

　　冬油菜苗區(qū)雜草的自動(dòng)識(shí)別具有重要意義。特別是目前我國(guó)油菜面積大，除草劑噴灑過(guò)量和大面積的噴灑。可將冬油菜區(qū)內(nèi)雜草幼苗扼殺，可有效降低雜草對(duì)冬油菜的危害。實(shí)現(xiàn)冬油菜苗區(qū)雜草的自動(dòng)識(shí)別，可以定點(diǎn)定量噴灑除草劑，減少農(nóng)藥的浪費(fèi)，減少對(duì)環(huán)境的污染，提高生產(chǎn)效率，為農(nóng)業(yè)的可持續(xù)發(fā)展做出重要貢獻(xiàn)。光譜檢測(cè)技術(shù)能夠有效、快速地自動(dòng)識(shí)別雜草，為節(jié)約和有效噴灑除草劑提供依據(jù)。本文在研究國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，對(duì)冬油菜苗區(qū)雜草的自動(dòng)識(shí)別做了以下研究：

　　（1）分析樣品的光譜特性。

　　通過(guò)分析可以看出，400~1300mm范圍內(nèi)的光譜數(shù)據(jù)信息豐富，是本次研究的重要波段。

　　（2）逐步判別分析提取特征波長(zhǎng)和建模。

　　對(duì)樣品進(jìn)行逐步判別分析，提取了595nm、710nm、755nm和950nm四個(gè)特征波長(zhǎng)。根據(jù)這四個(gè)特征波長(zhǎng)，分別建立了典型判別模型和貝葉斯判別模型。當(dāng)各類(lèi)別的先驗(yàn)概率相等時(shí)，貝葉斯判別函數(shù)模型與典型判別模型的正確識(shí)別率相同，均為97.78%。當(dāng)先驗(yàn)概率根據(jù)類(lèi)別大小計(jì)算時(shí)，貝葉斯判別函數(shù)模型的正確識(shí)別率為98.89%。

　　（3）UVE-SPA提取特征并建模。

　　通過(guò)非信息變量剔除法剔除非信息變量的干擾，然后根據(jù)RMSE的變化和模型的需要，通過(guò)連續(xù)投影法進(jìn)一步剔除冗余信息，提取特征波長(zhǎng)，分別為450nm、720nm、885nm和1255nm，建立簡(jiǎn)潔的分類(lèi)模型。根據(jù)提取的特征波長(zhǎng)建立典型判別模型、貝葉斯判別模型和PLS-DA模型，模型對(duì)預(yù)測(cè)集的正確分類(lèi)率分別為94.44%、96.67%和87.78%。

　　（4）模型對(duì)比。

　　對(duì)本研究建立的所有判別模型進(jìn)行比較，得出的結(jié)論是：利用逐步判別分析提取的特征波長(zhǎng)建立的貝葉斯判別模型是穩(wěn)定的，在根據(jù)每個(gè)類(lèi)別的大小計(jì)算先驗(yàn)概率時(shí)，預(yù)測(cè)集的正確識(shí)別率較高。同時(shí)，利用該模型設(shè)計(jì)了光譜傳感器。