1、油菜是我國主要的油料作物，但受雜草危害嚴(yán)重。據(jù)全國農(nóng)田雜草考查組考察，長江流域冬油菜田草害面積約占種植面積的46.9％，一般年份會(huì)造成油菜減產(chǎn)10％～20％?；瘜W(xué)除草法是最有效的除草方法，但通用的粗放式大面積均勻噴施方式，不僅浪費(fèi)嚴(yán)重，且會(huì)增加農(nóng)藥殘留、破壞生態(tài)環(huán)境。理想的除草劑施用方式應(yīng)是選擇性變量噴施，但其首要的問題就是自動(dòng)識(shí)別雜草。近年來，國內(nèi)外學(xué)者運(yùn)用機(jī)器視覺、光譜檢測分析、多光譜成像分析等技術(shù)對水稻、玉米、小麥、棉花、大豆、甜

2、菜、番茄和胡蘿卜等作物的田間雜草識(shí)別方法進(jìn)行了大量研究，但是針對冬油菜苗期田間雜草的識(shí)別研究相對較少。
　　本文擬以冬油菜苗期田間雜草為研究對象，運(yùn)用光譜分析技術(shù)，通過采集冬油菜苗、冬油菜苗期田間各種雜草以及土壤的光譜信息，尋找合適的特征波長并建立判別模型，并在此基礎(chǔ)上設(shè)計(jì)基于光譜技術(shù)的傳感器，為田間雜草自動(dòng)識(shí)別裝置的開發(fā)奠定基礎(chǔ)。主要內(nèi)容如下:
　　1.通過ASD便攜式光譜分析儀采集冬油菜苗、土壤、雜草的光譜反射率。一次測

3、量得到5組數(shù)據(jù)，油菜采集60次，干、濕土壤各采集30次，每種雜草采集50次，隨機(jī)選取訓(xùn)練集和預(yù)測集。對所有樣本數(shù)據(jù)進(jìn)行平滑、一階導(dǎo)數(shù)、壓縮等預(yù)處理。并對采集的光譜數(shù)據(jù)曲線進(jìn)行光譜特性的分析，可知400～1300nm范圍內(nèi)的信息量較為豐富，是本研究的重要波段。
　　2.采用逐步判別分析法，按統(tǒng)計(jì)量Wilks' Lambda最小值原則選擇變量，選取了710、755、950和595nm共4個(gè)特征波長。運(yùn)用4個(gè)特征波長分別建立了典型判別函

4、數(shù)模型和貝葉斯判別函數(shù)模型。用這2組模型分別對預(yù)測集進(jìn)行預(yù)測，典型判別函數(shù)模型的正確識(shí)別率為97.78％，在不同的先驗(yàn)概率下貝葉斯判別函數(shù)模型的正確識(shí)別率分別為98.89％和97.78％。
　　3.運(yùn)用無信息變量消除法消除無信息變量的干擾，再通過連續(xù)投影法根據(jù)RMSE的變化以及模型的需要進(jìn)一步消除冗余信息，提取的特征波長，分別為450、720、885和1255nm，以建立簡潔的分類模型。根據(jù)所提取的特征波長分別建立典型判別模型、貝

5、葉斯判別模型和PLS-DA模型，三個(gè)模型對預(yù)測集的正確分類率分別為94.44％、96.67％和87.78％。
　　4.以預(yù)測集的正確識(shí)別率為依據(jù)，綜合考慮模型對訓(xùn)練集的分類效果，對本研究建立的所有判別模型進(jìn)行了比較，得出結(jié)論為:在識(shí)別冬油菜苗期田間雜草時(shí)，運(yùn)用逐步判別分析法提取特征波長，并根據(jù)各個(gè)種類樣本的大小計(jì)算先驗(yàn)概率，所建立的貝葉斯判別模型較穩(wěn)定，對預(yù)測集的正確識(shí)別率較高，該方法更適用。將該模型作為設(shè)計(jì)光譜傳感器的依據(jù)。同時(shí)

6、，就各個(gè)判別模型的錯(cuò)誤判別，進(jìn)行了誤判分析。由于葉片中葉脈，絨毛或者葉片拼接部位的影響，采集的光譜特征產(chǎn)生變化，進(jìn)而影響樣本分類。
　　5.運(yùn)用優(yōu)選的四個(gè)特征波長點(diǎn)及模型，設(shè)計(jì)光譜傳感器。根據(jù)光學(xué)系統(tǒng)原理與田間實(shí)際操作要求，確定在田間測試時(shí)光譜傳感器的視場角為9°，測試物距為400～700mm，對應(yīng)的視場范圍直徑為60～100mm;為使田間探測時(shí)四個(gè)光學(xué)通道的視場范圍基本一致，設(shè)計(jì)傳感器周圍通道的光軸與中心通道光軸成3°的夾角;采