基于颜色分量与直方图的玉米苗期背景分割方法研究

对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。     

基于Matlab7.0的大豆苗期土壤背景与杂草分割算法

解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础.为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝(B)合成的同一像素点,绿色植被图像的颜色分量G值都大于R和B值,而背景则恰恰相反.研究表明,采用G-R和G-B双阈值颜色特征分割进行土壤背景分离取得了很好的效果,此方法较2G-R-B颜色特征分割法对绿色植物和土壤背景的分离更为有效,可广泛应用于处于各种农作物田间杂草识别及其它绿色植被分割中受光照变化影响较大的领域.     

基于近红外图像的杂草识别研究

利用近红外图像识别杂草,使用均值法和最大方差自动取阈值法去除土壤背景,利用作物和杂草的形态差异识别杂草。结果表明,利用近红外图像进行土壤背景分割,相对误差小于0.049 0;应用形态学方法可有效识别作物和杂草,识别精度为85.0%-98.8%。     

图像分割技术之迭代算法在杂草识别中的应用

计算机图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像分割技术是图像处理之基本技术,图像分割就是在一幅影像中查找同类的区域。图像分割的应用范围涵盖了图像噪声的过滤以及特征的提取和识别。在介绍图像分割的主要特征的基础上,针对农田杂草识别中图像分割特点,提出了应用迭代算法的分割方法,并开发了相应的软件。实验验证该方法用于农田杂草识别前的图像的二值化处理,能够很好地消除图像噪声,得到连续的图像边界,可以有效地实现图像的二值化处理,为后续的杂草识别打下良好的基础。     

基于视觉注意模型的苗期油菜田间杂草检测

提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概率、错误分割目标概率及漏分割目标概率分别为92.46%、3.26%及7.54%;针对形状、纹理、综合特征及精选特征四类特征参数集,径向基-支持向量机的识别率分别为96.00%、94.29%、100.00%及96.00%。     

田间杂草识别软件系统的研究

除草剂的使用方式都是大面积喷洒,不仅造了浪费,也带来了许多负面的影响,研制用于化学除草的田间杂草识别系统是当务之急。本系统基于VC++6.0开发,完成了图像中植物与背景的分离、并利用形态学算法实现阔叶子植物与窄叶子杂草的识别处理。     

基于潮湿土壤的杂草图像分割方法

杂草图像分割是杂草识别中重要的步骤,光照是分割误差的重要影响因素。因此,根据潮湿土壤受光照影响小,提出了一种基于潮湿土壤的杂草图像分割方法。首先,用水将土壤做潮湿处理,然后采集杂草图像,再用阈值分割的方法进行分割。试验结果表明在潮湿土壤下获取图像的分割误差显著低于干燥土壤,有助于杂草识别的研究。     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

基于机器视觉的温室作物行间杂草的识别

根据温室行间植物的位置特征,应用空域中值滤波对图像进行预处理,然后运用色度法和最大方差自动取阈值法对图像处理,最后应用种子填充法将杂草和作物进行分割。结果表明,机器视觉技术在对温室杂草的识别方面具有一定的优越性。     

改进最大类间方差的苗期农业图像分割方法研究

针对苗期农业图像的特点,提出了一种改进的Otsu阈值分割方法。使用2g-r-b方法对图像实行灰度化,再应用改进的判别函数选择分割阈值,以得到最优的分割结果。通过对分割结果的试验分析,验证了改进的Otsu法的有效性。     

胡麻不同生长时期施用除草剂对杂草的防效及胡麻的增产效果

[目的]研究除草剂苗期茎叶喷雾1次用药兼防胡麻田阔叶杂草与禾本科杂草的最佳施药时期。[方法]施药器械为卫士牌WS-16PA型背负式手动喷雾器,喷液量为675 L/hm~2,40%2甲·辛酰溴EC 1 500 m L/hm~2+108 g/L高效氟吡甲禾灵EC 1 350 m L/hm~2(制剂用量)在胡麻株高为2~5、5~10、10~15和15~20 cm时进行茎叶均匀喷雾处理,药后不同时间调查各处理对胡麻的安全性,药后45 d调查各处理对阔叶杂草与禾本科杂草的株防效和鲜重防效,胡麻成熟后测产。[结果]40%2甲·辛酰溴EC 1 500 m L/hm~2+108 g/L高效氟吡甲禾灵EC 1 350 m L/hm~2在胡麻株高为5~10 cm时施药,对胡麻药害较轻,药后45 d对阔叶杂草的株防效和鲜重防效分别为93.72%和95.13%,对禾本科杂草的株防效和鲜重防效分别为95.68%和98.73%;胡麻产量为2 240.0 kg/hm~2,较人工除草增产3.86%,较空白对照增产265.24%。[结论]40%2甲·辛酰溴EC 1 500 m L/hm~2+108 g/L高效氟吡甲禾灵EC 1 350 m L/hm~2在胡麻苗期不同生长时期茎叶喷雾1次用药兼防胡麻田阔叶杂草与禾本科杂草的最佳施药时期为胡麻株高5~10 cm。     

除草剂不同施用时期对杂草数量及苦参产量的影响

为解决中药材种植过程中的除草难问题,开展了苦参育苗田除草剂应用效果试验,研究除草剂不同施用时期对苦参育苗田杂草数量、苦参根条数及产量的影响。结果表明,除草剂的施用显著降低了农田杂草数量,播种后出苗前喷施除草剂和出苗后喷施除草剂杂草分别较清水对照减少了79%和87%;出苗后喷施除草剂苦参根条数量较出苗前喷施除草剂以及清水对照显著减少。参照大田人工除草后,播种后出苗前喷施除草剂处理苦参苗鲜货产量显著高于清水对照;苗后喷施除草剂处理苦参根条单重显著高于播种后出苗前喷施除草剂处理和清水对照,而苦参苗鲜货产量则明显低于二者。因此,除草剂应选择在苦参播种后出苗前施用,效果最佳。     

DE-638防除水稻直播田杂草试验

2002～2003年进行了2.5?-638OD防除直播稻田杂草效果及对水稻安全性的田间小区试验。结果表明,2.5?-638OD对直播稻田杂草防效较好,施药适期长,持效期长,在有效防除直播稻田稗草的同时,还可有效的防除雨久花、狼巴草等阔叶杂草,并对水稻安全,DE-638适宜的施药剂量为22.5～37.5g.ai/hm2,适宜的施药方法为喷雾法。     

速收除草肥对谷子的安全性及对谷田杂草的防除研究

采用随机完全区组设计,研究不同浓度速收与肥料混用对谷子出苗率及株高的影响,以及对谷子田杂草的防除效果。结果表明,速收180g/hm2和肥料300kg/hm2混用对谷子出苗率及株高的抑制均未达显著水平,对谷子田阔叶杂草的防效可达90%以上,对禾本科杂草的防效稍差于阔叶杂草,但也可达到80%左右,说明该处理是谷子田最理想的除草施肥一次性作业方法,既对谷子安全又具有较好的除草效果。     

麦茬高度对除草剂控制杂草效果的影响

麦茬的存在造成了免耕田控制杂草使用过量除草剂。农户小麦收割时由于使用不同的联合收割机服务形成了不同的麦茬高度,多数农民认为高麦茬环境下杂草控制是免耕推广的关键配套技术。通过研究杂草处于不同麦茬环境中,使用不同喷洒喷头施用除草剂后杂草对喷洒药液的剂量反应规律,得出不同剂量除草剂对杂草藜的控制效果差异不显著,而稗草在使用不同的除草剂剂量和处在不同的喷洒麦茬环境后呈现出一定的差异,本研究还给出了狗尾草在不同除草剂剂量条件下的剂量反应曲线。     

应用多光谱数字图像识别苗期作物与杂草

通过对多光谱成像仪获得的数字图片,采用一定的目标分割与形态学处理,对豆苗和杂草进行识别判断.为解决识别速度与正确率的矛盾,以豆苗和杂草图像的识别为例,提出一种基于多光谱图像算法的杂草识别新方法.应用3CCD多光谱成像仪获取豆苗与杂草图像,以多光谱图像的近红外IR通道图像为基础,利用图像分割和形态学方法,将所有豆苗叶子影像提取出来.对于剩下的2种杂草(牛筋草,空心莲子草)图像,先利用图像分析工具统计出图像块的长度、宽度、面积等基本特征参数,并根据它们形状的不同,总结出两条简单的判别规则,进行进一步的识别.本试验对147个目标进行判断,其中误判14个,正确率为90.5%,表明该方法算法简单、计算量小、速度快,能够有效识别这2种杂草,为田间杂草的快速识别提供了一种新方法.     

基于Mask R-CNN的玉米苗与株芯检测方法

【目的】研究基于改进Mask R-CNN的玉米苗冠层分割算法,满足精准作业中对靶施肥的识别要求,提高化肥的使用效率,减少环境污染。【方法】采集田间玉米苗图片并增强数据,生成田间数据集;使用ResNeXt50/101-FPN作为特征提取网络对分割算法进行训练,并与原始ResNet50/101-FPN的训练精度结果作对比;采用不同光照强度及有伴生杂草的玉米苗图片对比验证冠层识别算法效果。【结果】在不同光照强度下,无伴生杂草的目标平均识别精度高于95.5%,分割精度达98.1%;在有伴生杂草与玉米苗有交叉重合情况下,目标平均识别精度高于94.7%,分割精度达97.9%。检测一帧图像的平均时间为0.11 s。【结论】Mask R-CNN的玉米苗及株芯检测算法有更高的准确率和分割精度,更能适应不同光照强度及有伴生杂草的苗草交叉重合情况的目标检测。     

44%谷友(单嘧·扑灭)可湿性粉剂防治谷田阔叶杂草的田间试验研究

研究44%谷友(单嘧.扑灭)可湿性粉剂对谷田阔叶杂草的田间防治效果。结果表明:该药剂使用剂量1800 g/hm2时,施药后30 d防效为95.04%,施药后45 d防效为89.41%,防效高于对照药剂(50%扑灭津可湿性粉剂)。经过对谷子的安全性测定,该剂量对谷苗前期虽有抑制作用,但起到了蹲苗作用,中后期抑制作用趋于消失。该剂量下谷子产量与空白对照的差异较小。     

南方红壤区紫花苜蓿田间杂草及其化学防除试验

研究了南方红壤区紫花苜蓿田间杂草发生规律及除草剂防控的效果。结果表明:紫花苜蓿苗期及早期生长主要受到宝盖草危害,生长期主要杂草有猪殃殃、牛筋草、拌根草等,休眠期主要杂草为禾本科和莎草科杂草。除草剂阔除虽然对阔叶杂草有一定的效果,但对紫花苜蓿存在显著的危害。精禾草克乳剂和高效盖草能乳剂能显著抑制或灭杀禾本科杂草,但对阔叶杂草无作用。     

春油菜华油杂62除草剂高效组合筛选研究

[目的]筛选出适宜春油菜华油杂62田地化学除草的药剂及推荐用量.[方法]对春油菜田进行杂草调查,并通过大田试验研究了几种化学除草剂对春油菜田杂草的防除效果.[结果]通过杂草调查,油菜田以禾本科杂草与阔叶杂草混生为主,阔叶杂草种类较多.油菜田化学除草时,采用单一药剂处理很难达到预期效果,以2种药荆混用效果较佳.[结论]生产中建议采用精喹禾灵＋胺苯磺隆为茎叶处理药剂,推荐用量25％胺苯磺隆150 g/hm^2＋ 10.8％精喹禾灵乳油600 ml/hm^2.