基于超光谱融合太赫兹技术的番茄叶霉检测方法

叶霉是番茄叶的一种常见病害。其检测是减少病害造成的产量损失和提高番茄质量的重要手段。在本研究中，采用太赫兹超光谱成像通过结合内部和外部叶片特征开发了一种针对番茄叶霉的多源检测新方法。首先，通过近红外超光谱成像和太赫兹时域光谱提取了来自不同病害等级番茄叶的多源信息，同时使用Savitzky Golay (SG)平滑算法去除低频噪声。遗传算法 (GA) 被用于优化特征近红外超光谱波段的选择。主成分分析 (PCA) 被用来优化太赫兹特征吸收光谱和功率谱维度。通过结合近红外超光谱成像、太赫兹吸收率和功率谱，采用反向传播神经网络 (BPNN) 开发了针对不同级别番茄叶霉侵染的识别模型，模型的识别率分别为95%、96.67%和95%。基于近红外超光谱特征、太赫兹时域光谱特征和分类模型，利用贝叶斯网络模型重新计算了番茄叶健康参数变量的后验分布概率密度。最后，建立了基于超光谱融合太赫兹的番茄叶霉融合诊断与健康评估模型，番茄叶霉样品的识别率达到了97.12%，与单一检测方法相比，提高了0.45%的识别准确率，从而实现了对设施病害的准确检测。