抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
紋枯病は水稲生産における三大病害の一つであり、その早期検出は病害のタイムリーな制御、食糧安全保障にとって重要な意義がある。ハイパースペクトル技術は,イネ病害虫のハイスループットとリアルタイムモニタリングのための有効な技術を提供する。高スペクトル病害検出におけるハイパースペクトルの次元縮小,または検出特性の抽出は,2017と2018年のイネのポット紋枯病の接種試験および大田紋枯病の試験サンプルのハイパースペクトルデータを用いた。分窓Gram-Schmidt変換のハイパースペクトルデータ次元縮小と特徴バンド抽出を検討し、紋枯病検出モデルを構築し、本研究の方法と主成分分析、連続投影法ハイパースペクトル次元低減効果と病害検出精度を比較した。結果は以下を示した。分窓Gram-Schmidt変換は,ハイパースペクトルデータの次元縮小を効果的に達成でき,そして,ポットサンプルのハイパースペクトルは,4次元に低下し,そして,紋枯病検出モデルの決定係数は,0.8373であり,そして,平均二乗誤差(MSE)は,0.0406であった。大田サンプルのハイパースペクトルは4次元に低下し、紋枯病検出モデルの決定係数R2は0.9701であり、平均二乗誤差MSEは0.0065であった。主成分分析(PCA)の次元縮小,ポット栽培サンプルのハイパースペクトルは6次元,紋枯病検出モデル決定係数R2は0.7931,平均二乗誤差(MSE)は0.049,大田サンプルハイパースペクトルは6次元,紋枯病検出モデル決定係数R2は0.9658,平均二乗誤差(MSE)は0であった。0078;連続投影法の次元縮小、ポット栽培サンプルの高スペクトルが8次元に低下し、紋枯病検出モデルの決定係数R2が0.8132、平均二乗誤差MSEが0.0466、大田サンプルの高スペクトルが4次元に低下し、紋枯病検出モデル決定係数R2が0.9685、平均二乗誤差MSEが0であった。0072。主成分分析(PCA)と連続投影法と比較して,ハイパースペクトル次元低減効果と紋枯病検出の精度は,分窓Gram-Schmidt変換に基づく高いスペクトル次元低減と,イネ紋枯病の防除のための理論的基礎と技術的サポートを提供する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】