连续小波投影算法:一种适用于作物检测的光谱特征提取方法


发布时间:

2022-07-14

来源:

本站

作者:

PhenoTrait

  光谱学是一门主要涉及物理学及化学的重要交叉学科,通过光谱来研究电磁波与物质之间的相互作用,已被广泛应用于作物特性检测之中。作物光谱分析的主要目的之一是从光谱数据中提取光谱特征,并以此为基础构建检测模型。一个理想的光谱特征集应该对目标参数具有高灵敏度,而特征之间的信息冗余度较低。然而,同时满足这两个要求的特征提取方法较少。为了解决这一难题,本研究提出了连续小波投影算法(Continuous wavelet projections algorithm, CWPA),该算法同时具有连续小波分析(Continuous wavelet analysis, CWA)和连续投影算法(Successive projections algorithm, SPA)的优势,可为作物检测生成最优的光谱特征集(图1)。本研究利用三个数据集来评价连续小波投影算法在作物胁迫检测和理化参数反演中的效果,分别为TEASPEC数据集,CORNSPEC数据集和LOPEX数据集。其中,TEASPEC包含三个不同茶叶类型在胁迫和非胁迫状态下的叶片光谱,可用于分析连续小波投影算法在分类问题中的应用效果,而CORNSPEC和LOPEX则包含叶片光谱信息以及对应的叶片理化参数,可用于分析连续小波投影算法在回归问题中的应用效果(图2)。 实验结果显示,与连续小波分析和连续投影算法相比,连续小波投影算法生成的光谱特征集中包含的特征数较少,而取得的结果精度相当或者更高(图3,图4和图5)。具体而言,利用连续小波投影算法生成的两到三个光谱特征,对茶叶胁迫的分类精度可以达到98%,而对玉米叶片叶绿素含量和等效水势的反演精度分别可以达到R2=0.85和R2=0.95。此外,连续小波投影算法的内在机制还可以确保在提取高敏感度特征的同时保持特征之间的互补性。因此,本研究提出的连续小波投影算法可以有效减少数据冗余并提取敏感特征,在利用高光谱数据提取作物表型和监测作物长势中具有极大的应用潜力。

 

  图1 连续小波投影算法的工作流程

 

  图2 数据分析和模型评价示意图

 

  图3 连续小波分析和连续小波投影算法在TEASPEC 数据集(用于分类)中的敏感尺度和特征提取区域

 

  图4 连续小波分析和连续小波投影算法在(A)CORNSPEC数据集和(B)LOPEX数据集(用于回归)中的敏感尺度和特征提取区域

 

  图5 连续投影算法和连续小波投影算法的模型精度随特征数量变化图

 

  来源:Xiaohu Zhao, Jingcheng Zhang, Ruiliang Pu, et al. The continuous wavelet projections algorithm: a practical spectral-feature-mining approach for crop detection. The Crop Journal, 2022, doi: https://doi.org/10.1016/j.cj.2022.04.018

 

  编辑:段博

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。