基于多光譜圖像機器視覺的棉田雜草識別研究.pdf

1、利用機器視覺技術(shù)識別田間雜草是當今的研究熱點和未來除草技術(shù)的發(fā)展趨勢。本研究以棉花及棉田四種惡性雜草為研究對象，運用機器視覺技術(shù)，利用多光譜圖像來實現(xiàn)土壤背景分割、特征提取、模式識別。本文的研究工作主要包括以下幾個方面： (1)土壤背景分割。使用近紅外圖像和紅光圖像建立二維直方圖，以總分割誤差值作為指標選擇分割直線進行背景分割。利用Fisher法實現(xiàn)降維處理，然后通過最大類間方差法(oust法)進行分割，并將分割結(jié)果與使用單獨近

2、紅外圖像或紅光圖像分割結(jié)果進行比較，發(fā)現(xiàn)Fisher法分割效果最好。 (2)識別特征參數(shù)的提取。試驗中通過細化算法和骨架算法分別提取整株植物的細化和骨架長度，以細化長度與葉片面積比、骨架長度與葉片面積比兩個特征參數(shù)，作為棉花和雜草的識別參數(shù)。提取了整株的三個多光譜特征參數(shù)：IR均值、CIR均值和IR/R均值，作為單雙子葉雜草的識別參數(shù)。提取葉片的寬長比、圓滿度、圓度三個形狀特征和標準偏差、平滑度兩個紋理特征，作為識別單雙子葉雜草

3、各自之間種類的識別參數(shù)。 (3)利用統(tǒng)計模式識別中基于有限樣本和結(jié)構(gòu)風(fēng)險最小化原則的支持向量機建立了棉花和雜草的模式識別分類器。實驗中使用徑向基核函數(shù)建立四個支持向量機模型，在模型參數(shù)選擇中，采用網(wǎng)格搜索法來選擇最優(yōu)的尺度參數(shù)。和懲罰參數(shù)℃最終的識別精度為：棉花：98％；狗尾草：92％；牛筋草：84％；刺兒菜：82％；馬齒莧：80％。比使用形狀特征的單識別器的平均識別精度提高12％以上。 本研究實現(xiàn)棉田雜草的識別，為后續(xù)