作者:彭明霞; 夏俊芳; 彭辉 期刊:《农业工程学报》 2019年第20期
为实现田间条件下快速、准确识别棉花与杂草,该文以自然光照下田间棉花与杂草为研究对象,采用垂直向下拍摄的方式获取棉花杂草视频,按1帧/s的速率从视频中提取图像,在人工去除冗余度过多的图片后,建立1000幅图片的数据集。对比了Faster R-CNN和YOLOv32种典型卷积神经网络,将Faster R-CNN卷积神经网络的深度学习模型引入到棉花杂草图像识别中,并提出一种结构优化的方法,使之适用于复杂背景下的棉田杂草识别。该文选用残差卷积网络提...
农田杂草种类繁多,与作物争水、争肥、争光,危害性极大。唐洪元等在全国28个省、市、自治区的300多个县,3万多块样点(田)的实地调查结果表明,样田中共出现580种杂草,分属77科,其中水田杂草129种,旱地杂草427种,水旱田均有分布的杂草24种。有资料显示,由于杂草的危害,平:匈降低作物产量21%,且导致农作物的品质变劣。如何防除农田杂草,
利用计算机视觉技术将杂草从背景中识别出来进行定位喷洒农药已成为精细农业研究的热点。近年来利用图像处理技术根据杂草颜色.形状、纹理等图像特征,利用模式识别进行自动识别,可以将杂草识别出来。
作者:邱白晶; 刘保玲; 吴春笃; 史春建; 李会芳 期刊:《农业工程学报》 2005年第05期
讨论了近红外图像应用原理和发展特点,分析了近红外图像处理技术在国外农业主要方面的应用和研究现状,并针对近红外图像处理技术在农业工程中的进一步应用研究提出了若干重要发展方向,以促进中国在该领域的研究.
作者:岳国良; 路艳巧; 常浩; 孙翠英 期刊:《中国电力》 2019年第11期
目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特...
杂草的识别是杂草科学防治的前提和基础,每年笔者都接到因为杂草识别不当引起的药效、药害等方面的咨询电话,所以杂草识别非常重要,正如一个医生不能正确诊断,谈何后面的病症的科学治疗呢?现在基层销售商在杂草识别,化学除草剂药理性质以及相关应用技术等诸方面都比较匮乏。
作者:吴兰兰; 徐恺; 熊利荣 期刊:《华中农业大学学报》 2018年第02期
提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概...
随着土地流转机制的成熟和完善,以及由传感器、通信和计算机等技术组成的物联网系统的发展,为农业现代化管理提供了制度和技术的保障,其中农作物生长环境下杂草的识别和清除是家庭农场管理的重要组成部分。首先利用家庭农场作物先验几何特性,拟合小麦正常生长条件下的中心线,根据小麦种植时固定的行间距,识别小麦生长环境下的杂草,对比实地调查的统计数据,该研究算法识别杂草的正确率达到92.8%,可为家庭农场管理装备提供技术支撑。
作者:赵轶; 刘堂友 期刊:《计算机仿真》 2019年第04期
田间农作物杂草的有效识别对于提高自动化除草效率、增加农作物产量具有重要的意义。传统的杂草识别方法需要人为设计并提取特征,流程复杂,识别率低。为此提出基于卷积神经网络的杂草识别方法。首先,构建以卷积层、激活层、池化层、全连接层组建的深度卷积神经网络模型,然后使用该模型对杂草图像进行自动特征提取,从而有效完成对杂草的正确识别。实验结果表明,卷积神经网络模型对杂草识别的正确率要大大优于传统方法,而且无需进行...
作者:秦富贞; 曹爱霞 期刊:《农机化研究》 2019年第10期
园林杂草与景观植物伴随生长,在防控不力的情况下能够很快发展为优势种群,引起自然景观早衰和退化。喷洒除草剂是清除园林杂草的有效方法,但会威胁操作人员的健康。喷药机器人若要准确、高效地完成喷药作业,则必须具备精准喷药和自主导航的功能。为此,将计算机视觉应用在园林喷药机器人上,根据颜色和形状特征识别杂草,根据颜色特征识别路径并规划获得行走路线。试验中,喷药机器人对园林杂草具有较高的识别精度,实际行走路线与规划...
作者:姜红花; 王鹏飞; 张昭; 毛文华; 赵博; 齐鹏 期刊:《农业机械学报》 2018年第11期
为提高作物与杂草识别的准确性,结合深度卷积网络强大的特征提取能力和哈希码便于存储和快速检索的特点,提出了基于深度卷积网络和二进制哈希码的田间杂草快速识别方法。结合预训练的多层卷积网络,增加二进制哈希层构建杂草识别模型,并利用所采集的杂草数据集对模型进行fine-tuning。所提出的二进制哈希层可有效地将高维杂草特征进行压缩,以便于实际田间杂草特征的存储和后续计算。在进行杂草识别时,利用训练好的模型提取输入图像...
作者:李英 期刊:《电脑编程技巧与维护》 2018年第02期
针对杂草识别,提出一种基于Dempster和Shagfer(DS)证据理论的多分类器融合方法,通过集成不同的分类器如BP神经网络、K近邻分类器和支持向量机等进行多分类器融合。该方法利用各个分类器的识别结果构造DS概率分配函数,再输出最终融合结果。实验结果表明,相较于单个分类器,所设计的多分类器融合模型能够在一定程度提高杂草的识别正确率,一定程度上解决了单个分类器对杂草识别的不均衡问题,有利于提高杂草识别的工作效率。
茶科技专著《茶园杂草识别与防治原色图谱》8月上旬由中国文化出版社出版。该书由湖南省农业科学院茶叶研究所研究员张觉晚等主编,分为茶园杂草的识别和茶园草害治理两部分。第一部分收集了较常见的183种茶园杂草,每种杂草均用清晰的原色图片展示,并对其形态特征和发生规律作了叙述;第二部分详细介绍了茶园杂草的防治方法,将茶园杂草的识别和有效防除融为一体。
作者:王海华; 朱梦婷; 李莉; 王丽燕; 赵海英; 梅树立 期刊:《农业工程学报》 2017年第S1期
区域杂草的识别有利于植保作业中的除草剂精准喷施。现有图像处理技术主要针对行间和株间杂草,而传统的图像采集与分析设备对苗期麦田杂草的识别存在一定局限性,难以满足非人工的区域性喷洒农药等作业需求。由于麦田区域中的麦苗和杂草具有形态和颜色区分度差的特点,传统的图像识别方法难以有效识别。针对此问题,该文提出利用剪切波变换对无人机麦田区域图像中杂草进行识别。该方法利用其自身的方向敏感性以及在纹理识别中的方向无...
作者:朱凤武; 杨建姣; 齐迹 期刊:《中国农机化学报》 2016年第12期
为监测并改善田间生物环境系统的现状,利用图像处理技术对田间的植被覆盖率进行计算分析。田间植被分为作物和杂草两大类,因此杂草识别是计算面积的前提。采用Canny边缘检测法获取植被的特征参数并建立基础数据库作为模型建立的依据;建立基于遗传算法的植被识别模型,并与传统神经网络识别算法的错误率和迭代次数进行对比,识别结果证实遗传算法具有一定的优越性。
作者:龙满生; 何东健 期刊:《农业工程学报》 2007年第07期
利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究.首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标.研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为...
作者:彭超; 王康; 张青; 宋彦平; 秦跃军 期刊:《现代农村科技》 2007年第10期
1禾本科杂草的识别 雀麦、节节麦的根茎处为红褐色或紫红色,而小麦根茎是白色的;雀麦、节节麦、野燕麦的叶上被茸毛,而小麦叶面无茸毛;雀麦的叶子比小麦窄,叶缘毛顺生,野燕麦的叶子比小麦宽,叶上的茸毛倒生,野燕麦无叶耳,小麦有叶耳。当雀麦节节麦分不清时,可挖出种子,节节麦的种子是蛹状,其它杂草种子类似麦粒,但比麦粒秕瘦。
作者:朱伟兴; 金飞剑; 谈蓉蓉 期刊:《农业机械学报》 2007年第12期
针对杂草与小麦叶子交叠的情况,提出了一种利用改进的多层同质性分割算法,并综合颜色与形态特征的杂草识别方法。在颜色空间YIQ,选取I作为特征量并用改进的最大类间方差法分离植物与背景;在颜色空间HSI,选取I的同质性量和S作为特征量进行多层同质性分割分离小麦与杂草;最后结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像;通过模拟化学除草系统,从理论上评价整个系统的除草效率。试验结果表明,杂草正确识别率达92.6%,单幅...
作者:周平; 汪亚明; 赵匀 期刊:《农业机械学报》 2007年第01期
提出了一种基于RGB分量运算和色域位屏蔽压缩的杂草实时检测方法。对杂草和作物的大量实验显示:颜色分量运算可增强目标的显示特性,而对色域的屏蔽压缩可在保证实时性的同时减弱图像噪声污染,减小干扰引起的纹理分割误差。该方法的处理时间几乎不受目标复杂度影响,可在30ms内有效分割出320×240分辨率图像中有颜色差异的不同杂草或农作物,对颜色分布波动具有较强的鲁棒性。颜色分量运算的线性组合系数可通过有监督的学习自动确...
作者:吴迪; 黄凌霞; 何勇; 潘家志; 张赟 期刊:《光学学报》 2008年第08期
为了进行快速实时的杂草识别,研究了作物和杂草叶片的可见一近红外反射光谱特性。选择了两种常见的田间作物大豆(Glycine max)和玉米(Zea mays),以及铁苋菜(Acalypha australis L.)和田字草(Marsilea quadrifolia L.)两种杂草作为研究对象,每种各30个样本,共120个样本。采用ASD Fieldspec便携式光谱仪进行光谱采集。在对400~1000nm的光谱数据进行平滑和一阶求导预处理、。通过主成份分析,去除了一个奇异样本。最后...