共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
基于多特征融合的田间杂草分类识别 总被引:4,自引:0,他引:4
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。 相似文献
3.
精确施药的关键是快速正确识别杂草。为此,利用ASD野外便携式光谱仪,在田间测量了大豆、马唐和稗草植株冠层在350~2 500nm波长内的光谱数据,经过数据预处理,数据分析波长选为350~1 300nm和1 400~1 800 nm。数据处理采用支持向量机(SVM)模式识别方法 ,用线性、多项式、径向基和多层感知核函数对大豆和杂草建立二分类模型。结果表明:三阶多项式核函数SVM分类模型的正确识别率最高,达到85%以上,且支持向量比例较小;以二分类模型为基础,利用投票机制建立了大豆、马唐和稗草的一对一多分类SVM模型,正确识别率达83%;田间光谱测量受光照、背景和仪器测量精度等条件的影响较大,但结果仍表明SVM结合光谱技术在田间杂草识别中的应用潜力很大。此研究为田间杂草识别及传感器的建立提供了研究思路和应用基础。 相似文献
4.
5.
6.
农田杂草总体上是指生长在田间、分布广泛、对农作物有危害、非人工有意栽培的草本植物。我国农田杂草危害面积大约为4000万hm^2,主要发生在水稻、小麦、玉米、大豆、棉花五大作物农田,造成严重减产。因此应对杂草及时地加以控制,以保证作物的产量和质量。 相似文献
7.
基于多光谱图像和 SVM 的玉米田间杂草识别 总被引:1,自引:0,他引:1
为解决变量喷洒对杂草识别速度与正确率的要求,提出了一种基于多光谱图像和SVM 的杂草识别新方法。通过多光谱成像仪获得玉米与杂草图像,采用 IR-R 的多光谱融合并结合 Otsu 分割法完成背景分割;随后对植被图像进行目标分割与形态学处理,提取出所有植被叶片图像,在此基础上提取了叶片11个形状特征参数和纹理特征参数。为提高算法的实时性,对叶片的特征参数进行主成分分析,将前3个主成分作为支持向量机的输入建立模式识别模型。结果表明,降维后对于未知预测样本的识别正确率达到85%,用时0.001415 s。与直接利用支持向量机的90%的识别率和0.105165 s的用时相比,该算法在满足识别率的同时,用时更少,为田间杂草的快速识别提供了一种新方法。 相似文献
8.
以生长期为10 d的杂草稻和水稻为研究对象,采集其高光谱图像信息,对其进行滤波预处理后,利用主成分分析方法优选出1448.89 nm和1469.89 nm波长下的特征图像.对每个特征图像,分别提取其形状特征、纹理特征和颜色特征,共18个特征变量.基于这些特征变量,利用神经网络方法建立杂草稻和水稻的判别模型,模型训练时杂草稻和水稻的回判率都为100%;预测时,杂草稻的回判率为92.86%,水稻的回判率为96.88%.研究表明,利用高光谱图像技术快速鉴别稻田苗期杂草稻是可行的. 相似文献
9.
基于图像处理的田间杂草识别研究进展与展望 总被引:2,自引:0,他引:2
杂草是导致农作物减产的一个重要因素,准确的识别是杂草治理的前提和基础,随着计算机和信息技术的进步,机器视觉和图像处理相结合成为了当前杂草检测和识别的主流方法。本文从图像的预处理、分割、特征提取和分类4个角度,详细介绍了当前国内外田间杂草识别的研究进展以及各种分割、提取、识别方法的优缺点。另外,针对目前田间杂草检测中存在的光照环境影响、叶片的遮挡和重叠以及分类器的优化等问题进行了分析和讨论,最后根据目前杂草识别的研究趋势提出了建议与展望。 相似文献
10.
豌豆苗期田间杂草识别与变量喷洒控制系统 总被引:5,自引:0,他引:5
以图像实时控制器CVS-1456为核心设计了图像实时识别与变量喷洒系统.在普通光照下分别采集包含豌豆苗、土壤背景、杂草(刺儿菜)等的原始图像,分析其颜色模型,根据色差分量R-B颜色特征采用LabVIEW和IMAQ Vision编程实现杂草实时识别.基于Canny算子对识别的杂草进行边缘检测,并提取目标杂草的面积、密度和形心位置3个特征参数为变量喷洒定位提供依据.随机试验表明:基于R-B色差分量对豌豆苗期复杂背景下刺儿菜杂草平均正确识别率达到83.5%,均方差0.066,该方法准确可靠. 相似文献
11.
12.
P2P业务的不断增加,造成了网络带宽的巨大消耗,甚至引起网络拥塞,降低其它业务的性能,造成了巨大的IT资源浪费。通过并不安全的网络环境获得的应用程序和P2P协议,可能使得病毒和恶意代码得以躲过安全审查潜入企业内部网络。通过一种P2P流量控制模型,实现分类、标识和控制P2P流量,从而实现资源利用最大化。 相似文献
13.
低压电力线载波通信技术在我国农业节水灌溉领域有着巨大的潜在利用价值。针对传统的农业节水灌溉自动控制系统中因常采用RS-485通信方式而带来的布线多、施工难和成本高的问题,提出了一个将电源线和信号线合二为一的新方案,设计了一个基于电力载波通信技术的农业节水灌溉自动控制器,能实现主机与终端器件之间的远距离通信,具有可同时收发、运行稳定、抗干扰性强、便于维护和扩展的特点。该控制器可以实现2 000 m距离内数据的高速可靠传输,传输速率达到5.5 kbps,能节省至少60%的田间电缆,能满足农业节水灌溉监测与控制的需求并能大大降低工程成本,因此该控制器在农业领域有着广阔的应用前景。 相似文献
14.
基于模糊推理的坝上地区温室杂草识别专家系统的开发 总被引:1,自引:0,他引:1
适用于我国坝上地区实际特点的温室杂草识别专家系统目前尚未解决杂草识别过程中的模糊性问题。为此,针对坝上温室杂草识别专家系统知识描述的不确定性,对其中的不确定因素采用模糊逻辑与产生式规则相结合的方法,引入多维模糊推理算法,结合杂草的形态特征进行识别,开发了基于模糊推理的坝上地区温室杂草识别的专家系统。 相似文献
15.
16.
植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析(PCA)提取光谱特征时,常选择前几个主成分(PCs)作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的PCs用于后续分类。利用一景AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始PCA、独立主成分分析(ICA)及线性判别分析(LDA)3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集1和2上均获得了最高的总体分类正确率,分别为82.7%和86.5%。与原始PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集1和2上分别提高了1.5%和2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为95.5%和96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空-谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。 相似文献
17.
18.
19.
机动车检测站计算机管理系统的研究与应用 总被引:1,自引:0,他引:1
根据《汽车检测站计算机控制系统技术规范》(JT/T478-2002),机动车检测站利用计算机管理系统对各个检测单元检测过程进行监控及在前照灯检测单元进行拍照,并将检测数据及该车的图片和车牌号码传到上级主管部门,保证机动车检测过程数据真实、可靠,促进机动车检测站计算机管理,走向规范化、系统化,行业管理实现网络化和科学化,将检测业务模型转化为计算机管理控制系统模型. 相似文献