利用融合高度与单目图像特征的支持向量机模型识别杂草.pdf

《利用融合高度与单目图像特征的支持向量机模型识别杂草.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷2016焦第15期8月农业工程学报TransactionsoftheChineseSocietyofAgriculturalEngineeringV01．32No．15Aug．2016165利用融合高度与单目图像特征的支持向量机模型识别杂草王璨，李志伟※(山西农业大学工学院，太谷030801)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

2、高度特征与实际测量值间误差在+12mm以内；利用max．minantsystem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

3、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doi：10．119756．issn．1002—6819．2016．15．023中图分类号：TP274；TP391．41文献标志码：A文章编号：1002—6819(2016)一15-0165—10王璨，李志伟．利用融合高度与单目图像特征的支持向量机模型识别杂草【J】．农业工程学报，2016，32(15)：165—174．doi：10．119750．issn．1002—6819．2016．15．0

4、23http：／／www．tesae．orgWangCan，LiZhiwei．WeedrecognitionusingSVMmodelwithfusionheightandmonocularimagefeatures[J]．TransactionsoftheChineseSocietyofAgficulturalEngineering(TransactionsoftheCSAE)，2016，32(15)：165—174．(inChinesewithEnglishabs仃act、doi：10．11975／j．issn．1002—6819．2016．15．023http：／／w

5、ww．tcsae．org0引言田问杂草对于幼苗期农作物的生长具有极大的危害。杂草会与农作物争夺阳光、水分、养料和生长空间，干扰作物的生长。大部分杂草属于多年生植物，抗逆性强，导致病菌和害虫常寄生在杂草上过冬，等作物出苗后再进行转移，增加病虫害的发生与蔓延”，。如果不及时除草，将会导致作物生长缓慢、虫害等一系列问题，最终造成农作物产量减少，质量下降。化学除草因其成本低廉、无视地形等优点在国内外被广泛使用。但其缺点是不对作物和杂草目标进行区分，直接在田间覆盖式的喷洒除草药剂[2l，不仅造成大量浪费，而且增加了土壤对化学药剂的依赖性，在污染环境的同时也会危害人类健康。随着精准农业

6、概念”，的提出，国内外相继开展了针对除草剂精确使用方法的研究，在此基础上，智能化的田间杂草识别与除草设备t“1成为了研究的热点。而无论哪一种除草设备，所要解决的关键问题都是杂草的精确识别，即对土壤、作物、杂草等目标进行准确的区分。因此，研究杂草的精确收稿日期：2016—0卜23修订日期：2016—04—28基金项目：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一作物识别机械化除草关键技术研究(20140311013—5)作者简介：王璨，男，博士生，主要从事农业信息技术及应用研究。太谷山西农业大学工学院，030801。Email：wangcan8206@}163．to

7、m※通信作者：李志伟，男，教授，博士生导师，主要从事精细农业装备和生物环境测控技术研究。太谷山西农业大学工学院，030801。Email：lizhiweitong@163．com识别方法具有重要意义。目前，机器视觉技术凭借其快速、准确和智能的优点，被广泛应用于杂草识别的研究中。毛文华等拍俐用植物的颜色、位置、纹理和形态特征识别行间与行内杂草，正确识别率大于89％。Tellaeche等[71提取多种颜色、形状和纹理特征进行棉田杂草识别研究，对高密度杂草的识别率达82％。Staab等【8利用光谱和空间分布两项特征训练贝