基于多特征的田间杂草识别方法

被引：32

作者：

毛文华 ^{[1
]}

曹晶晶 ^{[2
]}

姜红花 ^{[3
]}

王一鸣 ^{[2
]}

张小超 ^{[1
]}

机构：

[1] 中国农业机械化科学研究院

[2] 中国农业大学信息与电气工程学院

[3] 山东农业大学信息科学与工程学院

来源：

农业工程学报 | 2007年 / 11期

关键词：

田间杂草; 自动识别; 多特征; 图像处理;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

该文阐述了通过利用植物的多种特征实现田间杂草的精准自动识别的方法。该方法先利用颜色特征分割土壤背景,然后利用位置和纹理特征识别行间和行内杂草,最后利用形态特征后处理误识别的作物和杂草。在实验室内利用实地采集的3～5叶期、不同作物行数的麦田图像对该方法进行了测试。作物和杂草的正确识别率最低为89%,最高为98%;处理时间最低为157 m s,最高为252 m s。试验结果表明:基于多特征的田间杂草识别方法具有较高的识别率和较快的识别速度。

引用

页码：206 / 209

页数：4

共 9 条

[1] 应用计算机图像处理技术识别玉米苗期田间杂草的研究 [J].

纪寿文 ;

王荣本 ;

陈佳娟 ;

赵学笃 .

农业工程学报, 2001, (02) :154-156

[2]

基于机器视觉的田间杂草识别技术研究[D]. 毛文华.中国农业大学 2004

[3]

基于机器视觉的茄科类作物与杂草的识别研究[D]. 潘颖.江苏大学 2005

[4] Weed classification by active shape models [J].

Sogaard, HT .

BIOSYSTEMS ENGINEERING, 2005, 91 (03) :271-281

[5] Evaluation of neural-network classifiers for weed species discrimination [J].

Burks, TF ;

Shearer, SA ;

Heath, JR ;

Donohue, KD .

BIOSYSTEMS ENGINEERING, 2005, 91 (03) :293-304

[6] Weed detection in multi-spectral images of cotton fields [J].

Alchanatis, V ;

Ridel, L ;

Hetzroni, A ;

Yaroslavsky, L .

COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2005, 47 (03) :243-260

[7]

Multi-spectral vision system for weed detection[J] . F. Feyaerts,L. van Gool.Pattern Recognition Letters . 2001 (6)

[8] Colour and shape analysis techniques for weed detection in cereal fields [J].

Pérez, AJ ;

López, F ;

Benlloch, JV ;

Christensen, S .

COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2000, 25 (03) :197-212

[9]

Texture-basedweed classification using Gabor wavelets and neural net-work for real-time selective herbicide applications. Tang L,Tian L F,Steward B L,et al. ASAE PaperNo 99-3036 . 1999

← 1 →