基于多特征融合的田间杂草分类识别

被引：14

作者：

赵鹏

韦兴竹

机构：

[1] 东北林业大学信息与计算机工程学院

来源：

农业机械学报 | 2014年 / 45卷 / 03期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

杂草识别; 机器视觉; 数据融合; BP神经网络; 光谱分析;

D O I：

暂无

中图分类号：

S451 [杂草]; TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

提出了一种基于模糊BP综合神经网络的田间杂草分类识别方法。对分类特征进行模糊化处理,充分考虑了杂草的分类特征本身存在的不确定性。使用遗传算法对网络结构进行优化处理,提高了该综合神经网络的收敛性和稳定性。并基于特征级数据融合方法进行杂草识别。对田间7种杂草进行识别的实验结果表明,7种杂草的混合识别率达到94.2%;另外,对玉米及其伴生杂草进行分类测试,混合识别率达到96.7%,具有较好的识别精度。

引用

页码：275 / 281

页数：7

共 17 条

[1] 基于SVM-DS多特征融合的杂草识别
何东健
乔永亮
李攀
高瞻
李海洋
唐晶磊
[J]. 农业机械学报, 2013, 44 (02) : 182 - 187
[2] 杂草信息实时获取技术与设备研究进展
毛文华
张银桥
王辉
赵博
张小超
[J]. 农业机械学报, 2013, 44 (01) : 190 - 195
[3] 基于SVM和D-S证据理论的多特征融合杂草识别方法
李先锋
朱伟兴
孔令东
花小朋
[J]. 农业机械学报, 2011, 42 (11) : 164 - 168+163
[4] 基于成像光谱技术的作物杂草识别研究[J]. 刘波,方俊永,刘学,张立福,张兵,童庆禧.光谱学与光谱分析. 2010(07)
[5] 基于株心颜色的玉米田间杂草识别方法
毛文华
王辉
赵博
张银桥
周鹏
张小超
[J]. 农业工程学报, 2009, 25(S2) (S2) : 161 - 164
[6] 基于光谱分析技术的作物中杂草识别研究[J]. 陈树人,栗移新,毛罕平,沈宝国,张玉珠,陈斌.光谱学与光谱分析. 2009(02)
[7] 基于纹理和位置特征的麦田杂草识别方法
曹晶晶
王一鸣
毛文华
张小超
[J]. 农业机械学报, 2007, (04) : 107 - 110
[8] 基于图像分析的杂草分形维数计算
李志臣
姬长英
[J]. 农业工程学报, 2006, (11) : 175 - 178
[9] 基于机器视觉的田间杂草识别技术研究[D]. 毛文华.中国农业大学. 2004
[10] Weed identification using an automated active shape matching (AASM) technique
Swain, Kishore C.
Norremark, Michael
Jorgensen, Rasmus N.
Midtiby, Henrik S.
Green, Ole
[J]. BIOSYSTEMS ENGINEERING, 2011, 110 (04) : 450 - 457

← 1 2 →