基于图像处理技术的大田玉米苗期杂草识别方法研究

• 作 者: 周果
• 发表日期: 2013年01期
• 关键词: 玉米 杂草 蚁群算法 神经网络

传统的除草方法已经不再适合现代农业的需求,大量喷施除草剂造环境污染问题越来越严重。精确农业将成为未来农业发展的趋势,田间杂草识别是精确农业研究的一个重要内容,是智能除草的前提。在总结国内外学者研究的基础上,本文提出了大田条件下玉米苗期杂草识别的方法,为智能除草的研究提供了可行性。本文主要完成以下内容：(1)在自然光条件下对大田玉米进行图像采集,讨论了图像采集的工具及条件要求。使用中值滤波法和均值滤波法对图像进行去噪处理并对比处理效果,使用加权灰度化方法对图像进行灰度化,图像轮廓清晰,感兴趣区域突出,效果较好。通过双阈值2G-R-B分割的图像同直方图阈值分割的图像相比,结果表明双阈值分割效率高、准确率高、稳定性好。(2)为提取图像中目标区域的轮廓,用四种传统的边缘检测算法和蚁群算法对图像进行边缘检测,通过实验表明基于蚁群算法的边缘检测结果更好,轮廓清晰平滑,出现断裂的地方较少,并且蚁群算法能将灰度变化较小的部分有效地检测出来,效率比较高,耗时较少。(3)分别提取了单株叶片和180个样本叶片的6种形状特征参数进行研究,通过实验证明单独一种特征参数无法将玉米和其它杂草识别开来,最后证明可以通过宽长比,第一不变矩和圆形度三个无量纲形状特征参数进行来区别出玉米叶片和杂草叶片。(4)采用正交法确定了三层BP神经网络的结构,以BP神经网络作为分类器,把180个样本分为训练集和测试集做为输入,实验得出正确的识别率高达95%。