文献类型：期刊文章

作　　者：王璨[1] 李志伟[1]

机构地区：[1]山西农业大学工学院,太谷030801

出　　处：《农业工程学报》

基　　金：山西省科技攻关项目:山西优势草种驯化培育及产业化开发-作物识别机械化除草关键技术研究(20140311013-5)

年　　份：2016

卷　　号：32

期　　号：15

起止页码：165-174

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20163302706381)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：除草是保证农作物高产的必要工作。针对机械化除草和智能喷药中存在的杂草识别问题,以2～5叶苗期玉米及杂草为研究对象,进行了融合高度特征与单目图像特征的杂草识别方法研究。首先从单目图像中提取16个形态特征和2个纹理特征;然后基于双目图像,提出了针对植株的高度特征提取方法,所得高度特征与实际测量值间误差在±12 mm以内;利用max-min ant system算法对形态特征进行优化选择,将形态特征减少到6个,有效减少数据量62.5%,并与纹理和高度特征进行融合;将2～5叶玉米幼苗的可除草期划分为3个阶段,分别构建融合高度特征与单目图像特征的SVM识别模型,并与相应不含高度特征模型进行对比。经测试,3个阶段模型的识别准确率分别为96.67%,100%,98.33%;平均识别准确率达98.33%。不含高度特征模型的识别准确率分别为93.33%,91.67%,95%;平均识别准确率为93.33%。结果表明,融合高度特征与单目图像特征的SVM识别模型优于不含高度特征模型,平均识别准确率提高了5百分点。该方法实现了高准确率的杂草识别,研究结果为农业精确除草的发展提供参考。

关 键 词：双目视觉 支持向量机 特征提取  杂草识别 双目图像 特征融合  

分 类 号：TP274] TP391.41]