留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于偏振光谱的叶片尺度下玉米与杂草识别研究

林芬芳 张东彦 王秀 吴太夏 陈新福

林芬芳, 张东彦, 王秀, 吴太夏, 陈新福. 基于偏振光谱的叶片尺度下玉米与杂草识别研究[J]. 红外与激光工程, 2016, 45(12): 1223001-1223001(10). doi: 10.3788/IRLA201645.1223001
引用本文: 林芬芳, 张东彦, 王秀, 吴太夏, 陈新福. 基于偏振光谱的叶片尺度下玉米与杂草识别研究[J]. 红外与激光工程, 2016, 45(12): 1223001-1223001(10). doi: 10.3788/IRLA201645.1223001
Lin Fenfang, Zhang Dongyan, Wang Xiu, Wu Taixia, Chen Xinfu. Identification of corn and weeds on the leaf scale using polarization spectroscopy[J]. Infrared and Laser Engineering, 2016, 45(12): 1223001-1223001(10). doi: 10.3788/IRLA201645.1223001
Citation: Lin Fenfang, Zhang Dongyan, Wang Xiu, Wu Taixia, Chen Xinfu. Identification of corn and weeds on the leaf scale using polarization spectroscopy[J]. Infrared and Laser Engineering, 2016, 45(12): 1223001-1223001(10). doi: 10.3788/IRLA201645.1223001

基于偏振光谱的叶片尺度下玉米与杂草识别研究

doi: 10.3788/IRLA201645.1223001
基金项目: 

高等学校博士学科点专项科研基金新教师类(20123228120004);公益性行业(农业)科研专项(201303031);国家自然科学基金(41301505,41301471)

详细信息
    作者简介:

    林芬芳(1980-),女,讲师,博士,主要从事农业定量遥感方面的研究。Email:linfenfang@126.com

    通讯作者: 张东彦(1982-),男,副教授,博士,主要从事高光谱技术应用方面的研究。Email:hello-lion@hotmail.com
  • 中图分类号: TP97

Identification of corn and weeds on the leaf scale using polarization spectroscopy

  • 摘要: 自然界中不同种物质拥有不同的偏振特性,这些特征信号能用于检测不同的目标地物。为了探索偏振光谱技术用于精确识别作物和杂草的可行性,此研究利用配置偏振片的成像光谱仪FISS-P在室内采集玉米与5种杂草的偏振光谱影像。通过比较和分析0、60、120和无偏4种状态下玉米与各种杂草的光谱响应规律、光谱特征和决策识别模型精度,结果显示4种偏振状态下玉米和杂草的光谱变化趋势较一致,无偏状态下玉米和杂草的光谱强度最大;不同偏振状态下玉米和杂草的敏感波段既存在共性又表现出一定的差异性;4种偏振状态下玉米杂草识别模型的总体精度和Kappa系数均达到90%以上,其中,0偏振状态下玉米和杂草识别模型的整体精度最高,接近100%。综上,偏振光谱能够在叶片尺度较好地识别玉米和杂草,这为田间尺度进一步应用提供了扎实的数据积累。
  • [1] Taghadomi-Saberi S, Hemmat A. Improving field management by machine vision-A review[J]. Agricultural Engineering International:The CIGR e-journal, 2015, 17(3):92-111.
    [2] Cope J S, Corney D, Clark J Y, et al. Plant species identification using digital morphometrics:A review[J]. Expert Systems with Applications, 2012, 39:7562-7573.
    [3] Zwiggelaar R. A review of spectral properties of plants and their potential use for crop/weed discrimination in row-crops[J]. Crop Protection, 1998, 17(3):189-206.
    [4] Piron A, Leemans V, Kleynen O. Selection of the most efficient wavelength bands for discriminating weeds from crop[J]. Computers Electronics in Agriculture, 2008, 62(2):141-148.
    [5] Moshou D, Kateris D, Pantazi X E, et al. Crop and Weed Species Recognition based on Hyperspectral Sensing and Active Learning[M]. Netherland:Wageningen Academic Publishers, 2013.
    [6] Herrmann I, Shapira U, Kinast S, et al. Ground-level hyperspectral imagery for detecting weeds in wheat fields[J]. Precision Agriculture, 2013, 14(6):637-659.
    [7] Vaiphasa C, Skidmore A K, Boer W F, et al. A hyperspectral band selector for plant species discrimination[J]. Isprs Journal of Photogrammetry Remote Sensing, 2007, 62:225-235.
    [8] Grant L, Daughtry C S T, Vanderbilt V C. Polarized and non-polarized leaf reflectances of Coleus blumei[J]. Environmental Experimental Botany, 1987, 27(2):139-145.
    [9] Breon F M, Tanre D, Lecomte P, et al. Polarized reflectance of bare soils and vegetation:measurements and models[J]. IEEE Transactions on Geoscience Remote Sensing, 1995, 33(2):487-499.
    [10] Grant L, Daughtry C S T, Vanderbilt V C. Polarized and specular reflectance variation with leaf surface features[J]. Physiologia Plantarum, 1993, 88(1):1-9.
    [11] Maignan F, Bron F M, Fdle E, et al. Polarized reflectances of natural surfaces:Spaceborne measurements and analytical modeling[J]. Remote Sensing of Environment, 2009, 113(12):2642-2650.
    [12] Raven P N, Jordan D L, Smith C E. Polarized directional reflectance from laurel and mullein leaves[J]. Optical Engineering, 2002, 41(5):1002-1012.
    [13] Vanderbilt V C, Grant L, Daughtry C S T. Polarization of light scattered by vegetation[J]. Proceedings of the IEEE, 1985, 73(6):1012-1024.
    [14] Sid`Ko A F, Botvich I Y, Pisman T I, et al. A study of spectral-polarization characteristics of plant canopies using land-based remote sensing[J]. Journal of Quantitative Spectroscopy Radiative Transfer, 2013, 129(11):109-117.
    [15] Zhao Yunsheng, Huang Fang, Jin Lun, et al. Study on polarizing reflectance characteristics of plant simple leaf[J]. Journal of Remote Sensing, 2000, 4(2):131-135. (in Chinese)赵云升, 黄方, 金伦, 等. 植物单叶偏振反射特征研究[J]. 遥感学报, 2000, 4(2):131-135.
    [16] Song Kaishan, Zhang Bai, Zhao Yunsheng. Study on polarized characteristics of deciduous tree leaves in northeast of China[J]. Journal of Northeast Normal University, 2004, 36(1):88-94. (in Chinese)宋开山, 张柏, 赵云升. 东北主要高大落叶乔木单叶的偏振特性研究[J]. 东北师大学报, 2004, 36(1):88-94.
    [17] Zhu Wenjing, Mao Hanping, Liu Hongyu, et al. Study on the polarized reflectance characteristics of single greenhouse tomato nutrient deficiency leaves[J]. Spectroscopy and Spectral Analysis, 2014, 34(1):145-150. (in Chinese)朱文静, 毛罕平, 刘红玉, 等. 温室番茄缺素叶片偏振反射特征分析[J]. 光谱学与光谱分析, 2014, 34(1):145-150.
    [18] Zhang L, Huang C, Wu T, et al. Laboratory calibration of a field imaging spectrometer system[J]. Sensors, 2011, 11(3):2408-2425.
    [19] Wu T, Zhang L, Cen Y, et al. Polarized spectral measurement and analysis of sedum spectabile boreau using a field imaging spectrometer system[J]. IEEE Journal of Selected Topics in Applied Earth Observations Remote Sensing, 2013, 6(2):724-730.
    [20] Li Ying, Zhang Lifu, Yan Wei, et al. Weed identification using imaging spectrometer data[J]. Journal of Remote Sensing, 2013, 17(4):855-871. (in Chinese)李颖, 张立福, 严薇, 等. 地面成像光谱数据的田间杂草识别[J]. 遥感学报, 2013, 17(4):855-871.
    [21] Jia X, Richards J. Segmented principal components transformation for efficient hyperspectral remote-sensing image display and classification[J]. IEEE Transactions on Geoscience Remote Sensing, 1999, 37(1):538-542.
    [22] Kheir R B, Greve M H, Abdallah C, et al. Spatial soil zinc content distribution from terrain parameters:a GIS-based decision-tree model in Lebanon[J]. Environmental Pollution, 2010, 158(2):520-528.
    [23] Vega F A, Matas J M, Andrade M L, et al. Classification and regression trees (CARTs) for modelling the sorption and retention of heavy metals by soil[J]. Journal of Hazardous Materials, 2009, 167(1-3):615-624.
    [24] Meng Xia, Xie Donghui, Wang Yan, et al. Study on multi-angular polarized spectrum characteristics of leaf based on some indoor experimental data[J]. Spectroscopy Spectral Analysis, 2014, 34(3):619-624. (in Chinese)孟夏, 谢东辉, 汪艳, 等. 叶片多角度偏振光谱特性影响因素的实验研究[J]. 光谱学与光谱分析, 2014, 34(3):619-624.
    [25] Song Kaishan, Zhang Bai, Zhao Yunsheng, et al. Study of polarized reflectance of corn leaf and its relationship to laboratory measurements of bi-directional reflectance[J]. Journal of Remote Sensing, 2007, 11(5):632-640. (in Chinese)宋开山, 张柏, 赵云升, 等. 基于室内光谱测量的玉米单叶偏振与二向性反射关系研究[J]. 遥感学报, 2007, 11(5):632-640.
  • [1] 尚珊珊, 余子开, 范涛, 金利民.  高斯过程模型在SAR图像目标识别中的应用 . 红外与激光工程, 2021, 50(7): 20200337-1-20200337-7. doi: 10.3788/IRLA20200337
    [2] 熊志航, 廖然, 曾亚光, 刘晋, 马辉.  利用偏振成像在复杂现场快速识别金属碎屑(特约) . 红外与激光工程, 2020, 49(6): 20201012-1-20201012-6. doi: 10.3788/IRLA20201012
    [3] 陈伟力, 徐文斌, 王淑华, 陈艳, 张亚洲, 李军伟, 邓蓉.  基于红外光谱偏振度对比度的涂层材质识别研究 . 红外与激光工程, 2020, 49(6): 20190445-1-20190445-7. doi: 10.3788/IRLA20190445
    [4] 战俊彤, 张肃, 付强, 段锦, 李英超, 姜会林.  不同湿度环境下可见光波段激光偏振特性研究 . 红外与激光工程, 2020, 49(9): 20200057-1-20200057-7. doi: 10.3788/IRLA20200057
    [5] 战俊彤, 张肃, 付强, 段锦, 李英超.  非球型粒子对激光偏振特性的影响 . 红外与激光工程, 2020, 49(11): 20200150-1-20200150-6. doi: 10.3788/IRLA20200150
    [6] 穆竺, 王加科, 吴从均, 颜昌翔, 刘智颖.  偏振光谱识别光学系统的复原方法与设计 . 红外与激光工程, 2019, 48(5): 518004-0518004(8). doi: 10.3788/IRLA201948.0518004
    [7] 张秀玲, 侯代标, 张逞逞, 周凯旋, 魏其珺.  深度学习的MPCANet火灾图像识别模型设计 . 红外与激光工程, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006
    [8] 张颖, 宋平, 赵慧洁.  一种适用于涂层的双高斯偏振BRDF模型 . 红外与激光工程, 2017, 46(11): 1117002-1117002(7). doi: 10.3788/IRLA201746.1117002
    [9] 胡冬梅, 刘泉, 于林韬, 朱一峰.  LSSVM模型下的LCVR相位延迟特性标定方法 . 红外与激光工程, 2016, 45(5): 517004-0517004(4). doi: 10.3788/IRLA201645.0517004
    [10] 庄绪霞, 阮宁娟, 赵思思.  基于点目标测量的空间目标特性识别技术 . 红外与激光工程, 2016, 45(S1): 194-199. doi: 10.3788/IRLA201645.S126001
    [11] 张焱, 李吉成, 王沙飞, 邱跳文.  红外偏振特性建模与实验验证 . 红外与激光工程, 2016, 45(6): 604001-0604001(8). doi: 10.3788/IRLA201645.0604001
    [12] 夏润秋, 王霞, 金伟其, 梁建安, 刘敬.  海面环境中红外偏振成像系统作用距离模型 . 红外与激光工程, 2016, 45(3): 304007-0304007(5). doi: 10.3788/IRLA201645.0304007
    [13] 王中任, 路清彦, 刘海生.  基于CAD模型的随机工件视觉识别和定位方法 . 红外与激光工程, 2015, 44(S1): 230-235.
    [14] 颛孙晓博, 武文远, 黄雁华, 龚艳春, 吴成国, 李兆兆.  基于MB模型的简化偏振BRDF模型建立与仿真 . 红外与激光工程, 2015, 44(3): 1098-1102.
    [15] 陶会荣, 张福民, 曲兴华.  无合作目标测量中目标表面后向散射特性的实验研究 . 红外与激光工程, 2014, 43(S1): 95-100.
    [16] 王霞, 夏润秋, 金伟其, 刘敬, 梁建安.  红外偏振成像探测技术进展 . 红外与激光工程, 2014, 43(10): 3175-3182.
    [17] 左林, 杨爱英, 赖俊森, 孙雨南.  非线性偏振旋转锁模光纤激光器数值模型 . 红外与激光工程, 2013, 42(1): 57-62.
    [18] 张东彦, 刘良云, 黄文江, Coburn Craig, 梁栋.  利用图谱特征解析和反演作物叶绿素密度 . 红外与激光工程, 2013, 42(7): 1871-1881.
    [19] 杨杭, 张立福, 童庆禧.  采用可见/近红外成像光谱技术的玉米籽粒品种识别 . 红外与激光工程, 2013, 42(9): 2437-2441.
    [20] 李雅男, 孙晓兵, 毛永娜, 乔延利, 洪津.  空间目标光谱偏振特性 . 红外与激光工程, 2012, 41(1): 205-210.
  • 加载中
计量
  • 文章访问数:  207
  • HTML全文浏览量:  18
  • PDF下载量:  149
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-04-17
  • 修回日期:  2016-05-20
  • 刊出日期:  2016-12-25

基于偏振光谱的叶片尺度下玉米与杂草识别研究

doi: 10.3788/IRLA201645.1223001
    作者简介:

    林芬芳(1980-),女,讲师,博士,主要从事农业定量遥感方面的研究。Email:linfenfang@126.com

    通讯作者: 张东彦(1982-),男,副教授,博士,主要从事高光谱技术应用方面的研究。Email:hello-lion@hotmail.com
基金项目:

高等学校博士学科点专项科研基金新教师类(20123228120004);公益性行业(农业)科研专项(201303031);国家自然科学基金(41301505,41301471)

  • 中图分类号: TP97

摘要: 自然界中不同种物质拥有不同的偏振特性,这些特征信号能用于检测不同的目标地物。为了探索偏振光谱技术用于精确识别作物和杂草的可行性,此研究利用配置偏振片的成像光谱仪FISS-P在室内采集玉米与5种杂草的偏振光谱影像。通过比较和分析0、60、120和无偏4种状态下玉米与各种杂草的光谱响应规律、光谱特征和决策识别模型精度,结果显示4种偏振状态下玉米和杂草的光谱变化趋势较一致,无偏状态下玉米和杂草的光谱强度最大;不同偏振状态下玉米和杂草的敏感波段既存在共性又表现出一定的差异性;4种偏振状态下玉米杂草识别模型的总体精度和Kappa系数均达到90%以上,其中,0偏振状态下玉米和杂草识别模型的整体精度最高,接近100%。综上,偏振光谱能够在叶片尺度较好地识别玉米和杂草,这为田间尺度进一步应用提供了扎实的数据积累。

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回