共查询到20条相似文献,搜索用时 494 毫秒
1.
一种从土壤背景中分离出作物的图像分割方法 总被引:1,自引:0,他引:1
杂草是指生长在不适当的地方的植物,其生长对经济作物的影响弊大于利。杂草与经济作物争土壤、阳光和水肥,而且极易蔓延。杂草的蔓延是导致作物减产的主要因素,并可能会使作物的生产量减少25%-30%。 相似文献
2.
3.
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
4.
小麦是临汾市的主要粮食作物。然而近年来,麦田杂草危害逐年加重,杂草种类越来越多,发生范围越来越大,对小麦的安全生产构成严重威胁。这些杂草与小麦争光、争肥、争水,造成小麦个体发育不良,麦穗变小,穗粒数减少,导致产量下降,品质降低,同时易倒伏,严重影响小麦的正常生长发育,给小麦生产带来大幅度的减产。并可引致某些病虫害的发生。 相似文献
5.
<正>红菇娘为野生绿色食品资源,具有很高的医疗价值,红菇娘为野生药食两用作物,具有一定的医疗价值和保健功能,能治疗糖尿病、高血压等疾病,深受广大用户欢迎,有一定的市场价值。在红菇娘的种植过程中,农田杂草会影响产量和品质。杂草是农作物的天敌,与作物争水、争肥、争光、争生存空间,严重影响农作物的生长与发育。所以在使用药剂防治中,应正确施用 相似文献
6.
7.
8.
9.
麦田杂草的图像识别技术的研究 总被引:1,自引:0,他引:1
主要研究了麦田杂草的图像识别技术,设计了麦田杂草识别系统.该系统包括使用数码相机进行麦田图像数据的采集,实现对图像的预处理;绿色植物与土壤背景的分割包括图像的灰度化与格式转换和图像的二值化;作物与杂草的分割包括作物中心行的识别和作物行的滤除,最后获取杂草图像.在滤除作物行的过程中确定边界阈值时采用通过先计算手工标定的作物行宽度与计算机自动检测的作物行宽度之间的相对误差,然后选定合适的对应最小误差的作物行边界阈值的方法.该系统全程使用MATLAB语言编程,系统最终目的是根据杂草和作物分布的位置特征滤除作物行,识别出杂草. 相似文献
10.
田间作物与杂草的识别是实现变量喷洒除草药剂的关键.为此,提出了田间作物和杂草的叶子颜色信息以及HSI颜色模型研究的基础上,提出了一种与HSI空间3分量相互分离的特点相结合的色差边缘检测方法,并将实验结果同传统的Sobel方法进行了比较.结果表明,该方法充分利用了田间作物与杂草的彩色信息,能够快速准确地检测到图像的边缘,边缘连续性好,能很好地与背景分离,而且能够满足实时检测的要求. 相似文献
11.
E.P. Querner 《Irrigation and Drainage Systems》1997,11(2):171-184
The flow resistance is generally derived from fieldmeasurements, using the total wetted area of the cross-section.Less attention has been paid to the aquatic weed growth stageand often different resistance have been derived. In this paperthe flow resistance required in the Manning formula wascalculated from laboratory experiments and field data. A goodsolution appeared to be using the unobstructed part of the cross-section only and excluding the part covered by weeds. Apractical solution was found using the relative weed obstructionin the water courses to represent the weed growth. Weedobstruction was measured throughout the growing season. Thedata were obtained from water courses without any weedcontrol and also in sections where weeds were cleared twiceduring the growing season. 相似文献
12.
13.
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
14.
Relationships between yield loss in crops and weed density are analysed using an elasticity function (). In general, loss in crops production caused per weed is higher in low density weed populations than in higher density weed populations. Therefore low density weed populations which are widespread could cause significant crop loss.Control of low density weed infestations will often not be economic by chemical and mechanical methods because of fixed control costs per unit area. In contrast, a control method with costs largely independent of area, such as classical biological control, could provide economic control in these situations of widespread low density weed infestations. 相似文献
15.
随着玉米播种面积的逐年扩大,玉米田杂草种类逐年增多,化学除草已占主导地位。目前,市场上除草剂种类繁多。为此,针对不同种类的杂草,选择适宜的除草剂,并根据不同的土壤有机质含量和土壤质地,确定除草剂的用量,并提出综合防治技术,以供参考。 相似文献
16.
杂草叶片表面结构对雾滴铺展和蒸发的影响 总被引:2,自引:0,他引:2
为了揭示不同表面结构的杂草叶片上雾滴的铺展和蒸发情况差异,设计试验研究了0.5%草甘膦在含有系列体积分数有机硅助剂的情况下,选择228,288μm两种粒径雾滴,分别沉积于毛刺、蜡质、粗糙等3种结构叶片表面时的铺展与蒸发情况.试验过程由数码摄像机记录,以获取雾滴完全蒸发所需的时间.并使用Matlab图形处理工具箱对视频中表征雾滴最大铺展面积的数字图像作分割处理,计算雾滴最大铺展面积.结果显示,粒径相同的情况下,在同一结构的叶片表面,雾滴所含有的有机硅助剂体积分数与雾滴的铺展面积呈正相关,而与雾滴的蒸发时间呈负相关.粒径大小相同、含有机硅助剂体积分数相同的雾滴在毛刺叶片表面的铺展效果最好,而蒸发最快;雾滴在蜡质叶片表面铺展面积与蒸发时间受有机硅体积分数变化的影响最为明显;在粗糙结构叶片表面,粒径较小的雾滴受其"沟壑"结构影响较难铺展,而粒径较大雾滴的铺展受"沟壑"结构影响不明显. 相似文献
17.
18.
19.
杂草种类繁多、危害严重,对杂草种类进行精确识别,可以提高除草效率,减少除草剂使用量,降低其对环境的污染.为此,应用图像处理的有关技术,以杂草叶片为研究对象,以形态、纹理和颜色特征相结合的方法来描述杂草叶片信息,提出了共16个特征参数可对杂草叶片信息进行精确描述,该特征参数可区别不同种类的杂草,为农药的精确投放和现代施药装备的开发奠定基础. 相似文献
20.
基于激光雷达的农业机器人果园树干检测算法 总被引:4,自引:0,他引:4
针对丘陵山区果园中的斜坡及杂草影响果树检测精度的问题,提出了一种基于激光雷达的树干检测算法。首先,利用单线激光雷达获取环境信息,通过数据预处理滤除噪声点及无法利用的数据点,以树干为目标设定聚类半径,根据数据点到激光雷达的距离自适应设定聚类阈值,完成初步聚类;然后,利用初步聚类结果及地面类内数据点量大、且大致呈一条直线的特征,将数据点超过一定数量的类进行二次曲线拟合,将拟合半径大于一定阈值的类视为地面干扰,并将其剔除;最后,利用杂草枝叶类中数据点之间距离不连续的特征,将存在一定数量的相邻数据点距离较大的类视为杂草枝叶类,并将其剔除,从而完成对果园中果树树干的检测。结果表明:在无干扰情况下,对树干的误检率为0.76%、漏检率为1.90%,平均正确率为97.3%;在只存在地面干扰的情况下,树干检测平均正确率为96.1%;在只存在杂草干扰的情况下,树干检测平均正确率为91.4%;在同时存在地面和杂草干扰的情况下,树干检测平均正确率为91.9%,综合以上各种情况的树干检测平均正确率为95.5%,该方法可用于丘陵山区树干较明显的乔化果园中的树干检测,为精准农业装备在丘陵山区果园中的导航应用提供参考。 相似文献