摘要:通过使用数字红外热成像仪观察感染和未感染的玫瑰植物叶片表面温度的变化,发现感染区的叶片温度上升2.3℃。此外通过对健康和感染的叶片进行分类,选取最佳试验叶片并观测它们的热特征;利用绝对温度测量,选择其温度最大值、最小值、中位数、最大温差、标准偏差,拟合数据到标准正态分布和拉普拉斯分布曲线,然后,通过神经模糊分类器来识别感染和健康的叶子;最后利用k均值聚类方法获得原始参数和模糊规则,在分类器的8个簇进行训练和测试,准确率分别达到了92.55%和92.30%。试验结果表明,干旱对健康叶片有不利影响,在干旱条件下健康的叶片正面预测价值和特异性指数值相应降低,而在黑暗中叶片的性能没有显著影响。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社