菠菜担保网马晓丹教授指导的2021级硕士研究生张涛以第1作者，马晓丹教授为通讯作者在中科院分区3区SCI ( IF:5.1 ) 期刊《Ecological Informatics》在线发表了题为“Drought recognition based on feature extraction of multispectral images for the soybean canopy”的研究论文。(DOI: https://doi.org/10.1016/j.ecoinf.2023.102248 ，文章链接：Drought recognition based on feature extraction of multispectral images for the soybean canopy ----ScienceDirect)
大豆生育过程需要大量水分，而干旱胁迫是大豆生长的非生物逆境因素之一。干旱大豆表型特征的准确快速提取，对农艺上培育抗旱品种具有重要意义。为有效避免传统人工检测费时费力且极易出错等不足，本文提出了一种基于多光谱图像特征提取的大豆干旱性状识别方法。首先，利用Sequoia多光谱相机获取了绥农26号大豆冠层的近红外、红光、红边、绿光4个通道的数字图像。然后，将中值滤波算法与阈值算法相结合，有效提取了近红外通道大豆冠层的目标图像，并以此为模板实现对红光、红边、绿光通道大豆冠层的分割与获取。在此基础上，应用多光谱图像融合与处理技术计算了大豆冠层9个植被指数（NDVI、GNDVI、NDGI、RVI、DVI、GCI、RECI、RDVI、NLI）和各通道的7个纹理特征（均值、标准差、平滑度、三阶矩、信息熵、平均梯度、分形维数）。最后，以提取出的大豆冠层多光谱图像的37个维度特征为依据，建立了基于支持向量机的干旱胁迫下大豆冠层识别模型，准确率达96.87%，运行时间仅为0.493441秒。所提模型与GA-BP神经网络、径向基神经网络(RBF)、随机森林(RF)等方法相比，准确率平均提高了8.33%。该成果可为大豆生长过程中合理栽培以及抗旱品种选育提供大量数据支撑和技术保障。
本研究由黑龙江省自然科学基金（资助编号：LH2021C062）、国家自然科学基金会（资助编号31601220）、黑龙江省博士后科研发展基金（LBH-Q20053）共同资助。