基于高光谱图像技术的稻田苗期杂草稻识别

　　本研究应用了400-1000nm的滚球下注官网，可采用波胆投注网产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。

　　杂草稻是一种兼有野生稻和栽培稻特性的恶性杂草，已成为仅次于稗草和千金子的第3大水田恶性杂草。杂草稻在苗期其形态与水稻差异很小，生长到约4周时，其叶片在形态和颜色上会发现变化。杂草稻的危害表现在其竞争性强，在稻田中与栽培稻争夺阳光、养分和水分，严重影响水稻产量和质量。粗放式大面积的化学除草带来了诸多负面影响，如环境污染、粮食和农产品安全等，精准式变量喷洒技术是根据杂草和作物分布情况变量定点喷洒除草剂[3，能有效减少化学农药的施用量，降低生态环境的污染程度，而田间杂草的自动识别是实施精准式变量喷洒作业的关键问题。目前，田间杂草的自动识别研究主要有机器视觉技术和光谱技术。机器视觉技术是由图像采集设备捕获田间杂草和农作物的图像，通过分析杂草图像和作物图像各自的特征（如纹理、形状、颜色等）来鉴别杂草和作物，国内外研究者利用机器视觉技术对小麦、棉田、玉米等农作物和杂草进行自动识别研究。杂草和农作物因其种类不同，内部特征信息也不同，因而杂草和农作物的光谱反射特性也不同，一些学者利用光谱技术来研究杂草和农作物的快速识别。

　　探讨利用高光谱成像技术快速鉴别苗期杂草稻和水稻的可行性。利用高光谱成像系统采集苗期杂草稻和水稻的高光谱图像，对其进行滤波处理，并优选出特征波长图像，分别提取特征波长图像的形状特征、纹理特征和颜色特征，建立杂草稻和水稻的神经网络判别模型。模型训练时的杂草稻和水稻样本的识别率都为100%，用独立样本检测模型性能时，水稻的回判率为96.88%，杂草稻的回判率为92.86%，总体回判率为95%。研究结果表明，高光谱成像技术可用于苗期杂草稻和水稻的快速鉴别，为进一步利用图像处理鉴别田间杂草提供参考依据。