基于机器视觉的农田作物识别算法的研究

综合运用计算机数字图像处理技术与机器视觉技术,通过编程实现了以RGB颜色模型为基础的直方图双峰法、迭代法和最大类间方差法,并分析比较了它们在农作物与背景物识别应用中的优缺点。试验结果表明,最大类间方差法识别作物区域的准确率可达80%以上。     

基于遗传神经网络的杂草与作物识别方法的研究

综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层前馈神经网络,实现了大豆与杂草的识别.首先,通过计算机视觉技术采集大豆与杂草的叶片图像作为测试样本,之后应用遗传神经网络建立对杂草图像的识别模型.研究结果表明,这种图像处理技术与神经网络的结合的方法,识别作物区域的准确率可达90%以上.     

联合收割机的正确使用与日常保养

<正>联合收割机是农田收割的主要机械,结构复杂、投资较大、工作时间短、存放时间长,因此联合收割机的保养和维修,对延长使用寿命是很重要的,保养好的收割机在工作中能提高工作效率,减少作业损失。以全喂入自走式收割机为例,正确使用和保养应注意以下几点。一、联合收割机的正确使用(一)、安全操作要点1.不允许非驾驶人员操作联合收割机。2.发动机起动、接合离合器和行走前必须发出信号,以确保机具和人身的安全。3.联合收割机工作时,不许用手触动机器     

大豆叶片边缘检测算法的实验对比研究

边缘检测在数字图像处理和计算机视觉中有着重要的应用。本文对数字图像处理中几种具有代表性的边缘检测算法进行了理论分析,并通过Delphi编程对各种算法进行了实现。通过对大豆叶片的实验比较,得出了各自的优缺点及适用范围,为实际应用哪种算法提供了对照和参考。