Resumen

El óxido amarillo y el óxido foliar con síntomas similares son dos enfermedades importantes del trigo. En este estudio, para investigar un método para identificar y evaluar las dos enfermedades, se recopilaron los datos hiperespectrales del dosel de trigo sano, trigo en período de incubación y trigo en período de enfermedad de las enfermedades, respectivamente. Después del preprocesamiento de datos, se construyeron tres modelos de máquina de vectores de soporte (SVM) para la identificación de enfermedades y seis modelos de regresión de vectores de soporte (SVR) para la inversión del índice de enfermedad (DI). Los resultados mostraron que el modelo SVM basado en coeficientes de descomposición de paquetes de ondas con una precisión de identificación general del conjunto de entrenamiento igual al 99.67% y la del conjunto de pruebas igual al 82.00% fue mejor que los otros dos modelos. Para mejorar la precisión de identificación, se sugirió que se podría construir un modelo de combinación con un modelo SVM y dos modelos construidos utilizando el método de los k-vecinos más cercanos (NN). Utilizando los modelos SVR de inversión de DI, se obtuvieron resultados satisfactorios para las dos enfermedades. Los resultados demostraron que la identificación y la inversión de DI del óxido amarillo y el óxido foliar pueden implementarse basándose en datos hiperespectrales a nivel de dosel.

• Materias:Espectros Raman Aerosoles atmosféricos Método de caída colgante Antígenos y anticuerpos Farmacocinética
• Subjects:Raman spectra Atmospheric aerosols Hanging drop method Antigens and antibodies Pharmacokinetics
• Palabras claves:Roya amarilla; Roya de la hoja; Enfermedades del trigo; Datos hiperespectrales; Máquina de vectores soporte; Regresión de vectores soporte
• Keywords:Stripe rust; Leaf rust; Wheat diseases; Hyperspectral data; Support vector machine; Support vector regression