搜索结果: 1-5 共查到“农业工程 杂草识别”相关记录5条 . 查询时间(0.107 秒)
基于特征优化和LS-SVM的棉田杂草识别（Weed Identification Based on Features Optimization and LS-SVM in the Cotton Field）
棉花 杂草识别 特征选择 粒子群优化算法
2010/12/29
为了提高杂草识别的精度和效率，提出了一种基于特征优化和最小二乘支持向量机（LS-SVM）技术的棉田杂草识别方法。在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上，提取植物叶片的6个几何特征和7个Hu不变矩，用粒子群优化（PSO）算法对形状特征进行优化选择，缩减LS-SVM训练样本数据，然后用训练好的分类器进行杂草识别。实验结果表明，该方法在有效缩减形状特征的同时，能够保持高于原始特征集的识别率...
基于纹理和位置特征的麦田杂草识别方法
杂草识别 纹理特征 颜色共生矩阵 位置特征
2008/3/18
以化学防除适期麦田杂草为研究对象，对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征，利用植物像素直方图法确定作物行的中心线和行宽，并识别行间杂草。然后，以作物行中心为基准来选取纹理块，计算量化级数为8级的H颜色空间的共生矩阵，提取5个纹理特征参数，利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明，杂草的正确识别率约为93%，作...
针对杂草与小麦叶子交叠的情况，提出了一种利用改进的多层同质性分割算法,并综合颜色与形态特征的杂草识别方法。在颜色空间YIQ，选取I作为特征量并用改进的最大类间方差法分离植物与背景；在颜色空间HSI，选取I的同质性量和S作为特征量进行多层同质性分割分离小麦与杂草；最后结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像；通过模拟化学除草系统，从理论上评价整个系统的除草效率。试验结果表明，杂草正确识...
基于位置特征的行间杂草识别方法
杂草 识别 位置特征 图像处理
2008/3/18
研究了利用条播作物的位置特征识别行间杂草的方法。根据条播作物成行排列的位置特征，利用像素位置直方图法识别作物中心行。根据多数杂草位于作物行之间裸土中的位置特征，以每条作物行左右边界线段的起始点作为种子，运用种子填充算法填充与其相连通的作物行区域，从而识别行间杂草。试验表明：行间杂草的准确识别率平均为80％，错误识别率平均为4.2％，适用于早期作物田间杂草识别。 A between-row weed...