综合颜色和形态特征的小麦田杂草识别方法

被引:3
作者
朱伟兴
金飞剑
谈蓉蓉
机构
[1] 江苏大学电气信息工程学院
关键词
杂草识别; 机器视觉; 形态学; 同质性; 与运算;
D O I
暂无
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
利用机器视觉技术把杂草精确识别出来是精细农业领域研究的热点问题之一。针对杂草与小麦叶子交叠的情况,提出一种综合颜色和形态特征的方法进行杂草识别。在L*a*b*颜色空间,选取a*作为特征量并用改进的最大类间方差法进行阈值分割获得植物图像;在HSI颜色空间,利用多层的同质性分割算法分离小麦与杂草;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;模拟化学除草系统,从理论上评价整个系统的识别效率。实验结果表明:杂草正确识别率高达92.6%以上,且除草剂的使用量减少超过72.4%。
引用
收藏
页码:2870 / 2872+2876 +2876
页数:4
相关论文
共 6 条
[1]   结合颜色和形态特征的杂草实时识别方法 [J].
刘洪臣 ;
陈忠建 ;
冯勇 .
光电工程, 2006, (07) :96-100
[2]   彩色图像分割方法综述 [J].
林开颜 ;
吴军辉 ;
徐立鸿 .
中国图象图形学报, 2005, (01) :1-10
[3]   基于机器视觉的田间杂草识别技术研究进展 [J].
毛文华 ;
王一鸣 ;
张小超 ;
王月青 .
农业工程学报, 2004, (05) :43-46
[4]   一种改进的最大类间方差法 [J].
杜奇 ;
向健勇 ;
袁胜春 .
红外技术, 2003, (05) :33-36
[5]   Computer vision based methods for detecting weeds in lawns [J].
Watchareeruetai, Ukrit ;
Takeuchi, Yoshinori ;
Matsumoto, Tetsuya ;
Kudo, Hiroaki ;
Ohnishi, Noboru .
MACHINE VISION AND APPLICATIONS, 2006, 17 (05) :287-296
[6]   Robotic Weed Control System for Tomatoes [J].
Lee W.S. ;
Slaughter D.C. ;
Giles D.K. .
Precision Agriculture, 1999, 1 (1) :95-113