尚万增:田间图像中杂草群落特征识别的研究论文

尚万增:田间图像中杂草群落特征识别的研究论文

本文主要研究内容

作者尚万增(2019)在《田间图像中杂草群落特征识别的研究》一文中研究指出:近些年来利用机器视觉识别田间杂草并进行变量喷洒除草剂成为现代精细农业发展方向,但传统的图像处理技术多应用在对单植株或者小区域的杂草识别,针对此问题,本论文以杂草群落作为主要研究对象,提出三种不同的提取杂草群落特征的方法,有效地来解决提取杂草群落特征这个关键性问题。主要工作内容包括以下几个部分:(1)采用非下采样剪切波算法(NSST)对杂草群落进行特征识别提取,首先介绍了所用到实验样本图像的特点,对非下采样剪切波的原理做了简单的介绍,并分析了它在表征各向异性信息时的优点,详细介绍了非下采样剪切波算法具体的实现步骤并给出了流程图,同时对于不同灰度图像、不同分割大小、不同尺度和不同识别算法对识别率的影响都给出了详细分析。最后得出在HSV(H)灰度图像分块大小为128×128像素第三尺度采用SVM分类识别算法识别效果最好的结论,采用的SVM算法的鲁棒性最强,其平均识别率可以达到66.6%,最高识别率可以达到71.7%。(2)基于交互方法提取ROI区域中的二值掩模图像,通过数据聚合和相似度匹配得到杂草群落特征图像,利用不同的识别算法对特征图像中的特征值进行识别分类,在不同掩模图像下决策树(Tree)、支持向量机(SVM)、K最近邻算法(KNN)、以及Bagging算法四种算法的平均识别率在87.0%~89.4%之间。(3)由于手动获取ROI区域算法的实时性和性较差,且该算法需要手动获取ROI区域中部分掩模图像作为数据聚合的模板,受人为主观因素的干扰。提出自动获取ROI区域的算法,该算法摒弃了手动提取掩模图像这一步骤,能够较快的提取杂草群落特征,算法的实时性得到保障,同时采用SVM分类识别算法,对提取到的特征值进行分类识别,其识别率达到89.9%,能够达到本课题的实验预期要求。

Abstract

jin xie nian lai li yong ji qi shi jiao shi bie tian jian za cao bing jin hang bian liang pen sa chu cao ji cheng wei xian dai jing xi nong ye fa zhan fang xiang ,dan chuan tong de tu xiang chu li ji shu duo ying yong zai dui chan zhi zhu huo zhe xiao ou yu de za cao shi bie ,zhen dui ci wen ti ,ben lun wen yi za cao qun la zuo wei zhu yao yan jiu dui xiang ,di chu san chong bu tong de di qu za cao qun la te zheng de fang fa ,you xiao de lai jie jue di qu za cao qun la te zheng zhe ge guan jian xing wen ti 。zhu yao gong zuo nei rong bao gua yi xia ji ge bu fen :(1)cai yong fei xia cai yang jian qie bo suan fa (NSST)dui za cao qun la jin hang te zheng shi bie di qu ,shou xian jie shao le suo yong dao shi yan yang ben tu xiang de te dian ,dui fei xia cai yang jian qie bo de yuan li zuo le jian chan de jie shao ,bing fen xi le ta zai biao zheng ge xiang yi xing xin xi shi de you dian ,xiang xi jie shao le fei xia cai yang jian qie bo suan fa ju ti de shi xian bu zhou bing gei chu le liu cheng tu ,tong shi dui yu bu tong hui du tu xiang 、bu tong fen ge da xiao 、bu tong che du he bu tong shi bie suan fa dui shi bie lv de ying xiang dou gei chu le xiang xi fen xi 。zui hou de chu zai HSV(H)hui du tu xiang fen kuai da xiao wei 128×128xiang su di san che du cai yong SVMfen lei shi bie suan fa shi bie xiao guo zui hao de jie lun ,cai yong de SVMsuan fa de lu bang xing zui jiang ,ji ping jun shi bie lv ke yi da dao 66.6%,zui gao shi bie lv ke yi da dao 71.7%。(2)ji yu jiao hu fang fa di qu ROIou yu zhong de er zhi yan mo tu xiang ,tong guo shu ju ju ge he xiang shi du pi pei de dao za cao qun la te zheng tu xiang ,li yong bu tong de shi bie suan fa dui te zheng tu xiang zhong de te zheng zhi jin hang shi bie fen lei ,zai bu tong yan mo tu xiang xia jue ce shu (Tree)、zhi chi xiang liang ji (SVM)、Kzui jin lin suan fa (KNN)、yi ji Baggingsuan fa si chong suan fa de ping jun shi bie lv zai 87.0%~89.4%zhi jian 。(3)you yu shou dong huo qu ROIou yu suan fa de shi shi xing he xing jiao cha ,ju gai suan fa xu yao shou dong huo qu ROIou yu zhong bu fen yan mo tu xiang zuo wei shu ju ju ge de mo ban ,shou ren wei zhu guan yin su de gan rao 。di chu zi dong huo qu ROIou yu de suan fa ,gai suan fa bing qi le shou dong di qu yan mo tu xiang zhe yi bu zhou ,neng gou jiao kuai de di qu za cao qun la te zheng ,suan fa de shi shi xing de dao bao zhang ,tong shi cai yong SVMfen lei shi bie suan fa ,dui di qu dao de te zheng zhi jin hang fen lei shi bie ,ji shi bie lv da dao 89.9%,neng gou da dao ben ke ti de shi yan yu ji yao qiu 。

论文参考文献

  • [1].新疆玉米杂草群落组成及化学除草剂减施增效技术研究[D]. 李双建.石河子大学2019
  • [2].不同茬口当归田杂草群落特征及除草剂筛选研究[D]. 梁伟.甘肃农业大学2018
  • [3].耕作方式对冬小麦—夏玉米轮作农田杂草群落及土壤理化性质影响的研究[D]. 王能伟.齐鲁工业大学2017
  • [4].辽宁省水稻田杂草群落研究[D]. 王晓红.沈阳农业大学2005
  • [5].重庆烟田杂草群落结构与化学防除技术[D]. 石生探.西南大学2013
  • [6].泰安市麦田杂草群落构成及化学防除技术研究[D]. 刘忠德.山东农业大学2004
  • [7].保护性耕作对陇东黄土高原轮作田杂草发生的影响及其机制研究[D]. 赵玉信.兰州大学2015
  • [8].沈阳地区玉米—杂草群落生态位的研究[D]. 姜琳琳.沈阳农业大学2007
  • [9].不同杂草管理模式对农田潜杂草群落动态影响的研究[D]. 韦继光.南京农业大学2005
  • [10].烟田杂草群落结构及其防治技术研究[D]. 詹晖华.浙江大学2006
  • 读者推荐
  • [1].融合Retinex与暗通道的图像去雾增强算法研究[D]. 张文娟.西安石油大学2019
  • [2].基于卷积神经网络和迁移学习的农作物病害和杂草图像识别研究[D]. 王敬贤.中国科学技术大学2019
  • [3].基于机器视觉的农机导航算法研究[D]. 陈艳.广西科技大学2019
  • [4].农田土壤中农药残留前处理技术研究[D]. 李晓通.烟台大学2019
  • [5].火焰控草对农田主要杂草群落特征的影响[D]. 周龙.西北农林科技大学2019
  • [6].大数据背景下包头市推进社会治理智能化研究[D]. 李永刚.内蒙古大学2019
  • [7].融合视觉记忆机制的目标跟踪策略研究[D]. 刘高成.内蒙古大学2019
  • [8].应用于除草机器人的PSO-BP杂草图像识别方法研究[D]. 周影.内蒙古工业大学2018
  • [9].基于图像处理的动态农田杂草识别方法研究[D]. 朱炽阳.吉林农业大学2018
  • [10].基于BP神经网络的田间杂草识别技术的研究[D]. 杨建姣.吉林农业大学2017
  • 论文详细介绍

    论文作者分别是来自广西科技大学的尚万增,发表于刊物广西科技大学2019-07-03论文,是一篇关于机器视觉论文,杂草群落论文,特征提取与识别论文,非下采样剪切波算法论文,广西科技大学2019-07-03论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自广西科技大学2019-07-03论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    尚万增:田间图像中杂草群落特征识别的研究论文
    下载Doc文档

    猜你喜欢