共查询到20条相似文献,搜索用时 750 毫秒
1.
2.
3.
机器视觉技术在玉米苗期杂草识别中的应用 总被引:3,自引:0,他引:3
杂草严重影响我国的玉米产量,化学除草剂是防治杂草的有效方法,但通常采用粗放的喷洒方式,防治效果较差。精准喷洒极大地降低了除草剂的用量,提高了使用效率。除草剂实现精准喷洒的前提是识别玉米田中杂草位置和种类等信息,而机器视觉是一种开始广泛应用于识别作物田间杂草的方法。为此,设计了一种基于机器视觉的玉米苗期杂草识别方法,采集的图片经过畸变矫正、HSI颜色空间转换和阈值分割后,根据形状和颜色特征提取并识别杂草。田间试验结果表明:在不同播种方式下对玉米和杂草的识别率超过85%,处理单张图片的平均耗时为67ms,能为除草剂的精准喷洒提供信息。 相似文献
4.
5.
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
6.
【目的】在农作物的生长过程中,不可避免地需要喷洒农药,根据喷洒处方图按需施药是提高农药利用率、减少环境污染的有效方法。【方法】课题组首先介绍了田间视频图像的采集过程中无人机图像分辨率的研究;其次阐述了图像处理过程中的图像灰度化、光照不均图像处理和图像分割等方法;然后对杂草处方图和作物处方图的生成进行了总结。【结果】在已有研究的基础上,提出了无人机采集图像的飞行高度和光照因素是后续研究的两个方向。【结论】优化喷洒处方图生成技术推动了精准农业的发展,可为农药喷洒处方图算法的改进和实用系统的开发提供参考。 相似文献
7.
8.
在自动化喷施农药过程中,为了准确识别病虫害作物、节约农药和降低农业对环境的污染,以及提高药物的去虫效率,提出了一种基于PC图像处理和近红外光谱分析的作物病虫害智能识别喷药装置。该装置分为3个模块,包括近红外病虫害识别模块、喷药自动化调节模块和车载设备,其控制模块为安装在车上的PC机,利用近红外识别装置可以判断作物是否被病虫害污染,并且识别作物污染的等级,采用喷药自动化调节模块可以实现农药的定量调节,利用车载设备实现了全自动化喷药。对装置的性能进行了测试,结果表明:采用近红外识别装置和主成分分析法可有效地识别病虫害污染的作物,识别准确率较高;喷药自动化装置可根据病虫害的等级进行变量化喷药,减少了农药使用量,得到了较高的去虫率,从而验证了装置的可行性和可靠性。 相似文献
9.
10.
11.
伴生杂草不仅与作物争夺养分和水分,而且还是多种病虫害的中间寄主,成为困扰作物高效生产的难题。随着深度学习技术的发展,杂草的自动检测和分类识别在清除杂草过程中得到重要应用。首先阐述应用于杂草识别过程中深度学习的硬件需求以及软件实现过程,分析用于深度学习不同硬件的优缺点,阐述深度学习模型建立、训练、模型评估以及模型部署等基本步骤;并重点论述深度学习方法在杂草和作物识别以及杂草分类识别的研究进展。然后指出深度学习数据需求量大,目前无通用数据集,杂草、作物相互遮挡,光照环境复杂,机器作业条件恶劣等情况下识别准确率低的问题。最后提出图像与光谱数据融合、杂草识别模型模块化、杂草长势预测、模型嵌入式部署研究将成为基于深度学习的杂草识别方法未来的研究方向。 相似文献
12.
13.
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
14.
15.
使用深度学习精准识别杂草实现使用农药减量、增效、安全的目标受到研究人员的广泛关注。因此综述近年来国内外使用深度学习算法对不同作物的杂草进行识别检测的研究进展,重点从数据获取、算法选择、优化部分、识别效果等方面总结研究现状,指出其在数据集建立费时费力、田间识别精度低、算法设备部署困难、实时性与准确率不能兼得等方面的问题,并提出解决方案,同时展望数据集建立简易和准确,算法模型结构轻量和鲁棒性强,便于部署移动设备的发展趋势以及未来应用的方法,为后续杂草精准化清除研究提供参考。 相似文献
16.
17.
基于Mask R-CNN的玉米田间杂草检测方法 总被引:1,自引:0,他引:1
针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法。该方法采用残差神经网络Res Net-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(Ro IAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(Ro I)特征图转换为固定尺寸的特征图;输出模块针对每个Ro I计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割。在玉米、杂草数据集上进行测试,当交并比(Io U)为0. 5时,本文方法均值平均精度(m AP)为0. 853,优于Sharp Mask、Deep Mask的0. 816、0. 795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于Sharp Mask、Deep Mask实例分割算法。在复杂背景下对玉米、杂草图像进行测试,在Io U为0. 5时,本文方法 m AP为0. 785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割。在田间变量喷洒试验中,杂草识别准确率为91%,识别出杂草并准确喷雾的准确率为85%,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0. 98 s,满足农药变量喷洒的控制要求。 相似文献
18.
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
19.
20.
近几年来,一些发达国家为提高农药喷洒的效率和减少农药喷洒时对人体的伤害,农药喷洒机械正趋向自动化。 韩国的泰仁技术开发公司,经过两年多时间的研究,开发研制成功一种无人农药喷洒机。这种无人农药喷洒机的核心部件,是喷洒农药的喷头。它由电子精密陶瓷制成,具有电动控制功能,能将农药自动均匀地喷洒到农作物叶片的两面,达到理想的杀虫效果。用于温室、塑料大棚和果树林等地的杀虫作业时,可安装在轨道上,用蓄电池驱动,实施无人喷洒作业。这不仅能省时、省力、省农药,而且还可避免农药对人体的伤害,十分安全。 美国斯坦福大… 相似文献