收藏本站
《浙江大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于光谱和多光谱数字图像的作物与杂草识别方法研究

潘家志  
【摘要】: 我国的农业生产已经取得了很大成就,但面临着一些重大问题,如农药使用过量而造成的环境污染、机械化程度不足、投入高效率低等等。精细农业是我国农业发展的必然趋势。精细农业是集成了电子、计算机、信息处理技术与智能机械等技术的现代农业技术和体系。机器视觉是其中的关键性基础技术,是作业机械的感觉器官。针对作物早期管理中的自动喷洒作业的需要,重点研究了作物与杂草的识别问题。田间作物与杂草的自动识别,根据研究内容和方法的不同,可以分为以下几类:1)根据作物与杂草的位置信息的区分;2)根据光谱反射率的区分;3)根据形状的区分;4)根据颜色的区分;5)根据纹理的区分。本文的主要研究内容与结果如下: (1)采用Vis/NIR光谱技术,区分了苗期的大豆与牛筋草、空心莲子草、凹头苋等几种南方地区常见的植物。用325-1075nm波段的光谱反射率,经过DBN小波在三层分解后,可以将光谱样本压缩到114个数据。光谱样本分两期共采集了360个样本。然后从经过小波变换后的结果中选取250个样本作为输入数据建模,包括了两个阶段的样本数据,剩余的110个样本用于校验。采用了径向基函数神经网络模型,结果表明,识别正确率达到了97.3%,只有3个牛筋草样本被错误识别。所以,应用Vis/NIR光谱技术区分作物与杂草,是一种准确率高、速度快的高效方法。 (2)研究了基于多光谱成像仪的图像的颜色空间的变换。多光谱成像仪的三个图像信道分别是Gn、Ir、Rd。其Ir信道的图像质量很高,特别适合用来做作物与杂草的区分。可以将多光谱成像仪的图像与其它的颜色空间进行转换(HSV,OHTA,CIE XYZ,CIEL~*A~*B~*,CIEL~*U~*V~*)。比较了原始图像、CIE XYZ颜色空间、CIE LUV颜色空间的图像质量和灰度直方图分布,结果是在CIE XYZ颜色空间中,三个图像分量的灰度直方图和图像质量都有改善,在CIEL~*U~*V~*颜色空间中的V~*空间的灰度直方图类似原始图像中的IR信道,图像更清晰。说明了颜色空间变换对于多光谱图像的处理,可以作为一种重要的预处理手段。 (3)在图像增强的方法上,分空域增强和频域增强两部分内容。在空域增强部分,研究了平滑、中值滤波、维纳滤波、对比度增强滤波等方法。在频域增强部分,重点研究了基于matlab的数字滤波器处理方法,并分别用IIR、FIR的数字高通、低通滤波器处理模糊的作物与杂草的近红外通道图像,并比较了处理的效果。结果表明,数字滤波器的设计灵活,可以根据需要的幅频响应函数去设计滤波器参数,得到明确的幅频、相频响应函数。在选取截止频率的问题上,提出了用图像的傅立叶变换后的图像的半径来确定截止频率的方法,并研究了其使用效果。证明了基于数字滤波器的处理方法是一种有效的图像增强方法,并且可以用来处理模糊图像,增强作物、杂草与背景的对比和清晰程度,为目标识别作预处理。 (4)运用阈值分割、数学形态学方法和图像分析等,结合先验知识研究了作物与杂草的识别问题。根据含有牛筋草、空心莲子草和豆苗的多光谱近红外信道的图像,首先用阈值分割将图像上的土壤背景去除。然后,用数学形态学方法,经过连续的腐蚀与膨胀操作,将豆苗与两种杂草分割开。对于仅剩下两种杂草的二值图像,用图像分析工具统计杂草对象的特征,包括长、短轴,面积,实心度,周长等等因子。然后,根据先验知识确定两条简单的规则,识别出两种杂草。实验表明这是一种简单有效的方法。 (5)研究了多光谱图像的边界提取和图像分割问题,比较了在不同的边界提取算子,包括Roberts、Prewitt、Sobel、Laplacian等边界算子作用下的效果。同时也比较了用数学形态学方法提取边界的效果。研究了基于分水岭模型的图像分割方法和基于邻域的分割方法。 (6)统计了MS3100多光谱成像仪和普通相机所拍摄的图像特征。分三个通道统计象素的平均亮度、均方差等因子,数据表明,多光谱成像仪的近红外图像分量的亮度适中,明、暗部分变化大,图像清晰。三个信道表现出较大差异,而普通相机的三个图像分量统计特征相似。说明了应用多光谱成像仪识别作物与杂草,有潜在的优势。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 毛文华,王一鸣,张小超;基于机器视觉的苗期杂草实时分割算法[J];农业机械学报;2005年01期
2 金小俊;陈勇;孙艳霞;;农田杂草识别方法研究进展[J];农机化研究;2011年07期
3 郭伟斌;陈勇;侯学贵;胡娜;;除草机器人机械臂的逆向求解与控制[J];农业工程学报;2009年04期
4 经谋;巧种菜奔小康[J];农家参谋;1998年06期
5 杨宝国;一种高产高效的绿色蔬菜——红豆苗[J];农村实用科技信息;1998年10期
6 付双喜;荷兰豆反季节种植的气候生态适应性及栽培要领[J];江西气象科技;1994年03期
7 赵宝聚;泡沫箱生产黑豆苗技术[J];北方园艺;2003年01期
8 杨宝国;一种高产高效的绿色蔬菜──红豆苗[J];北京农业;1999年01期
9 李碧丹;丁天怀;郏东耀;;皮棉异性纤维剔除系统设计[J];农业机械学报;2006年01期
10 陈君;;农产品品质的无损检测技术[J];长春工业大学学报(自然科学版);2006年03期
11 张磊;王书茂;陈兵旗;祝青园;;基于机器视觉的麦田边界检测[J];农业机械学报;2007年02期
12 杨宝国,杨克俊,冯学军;绿色蔬菜——红豆苗[J];上海蔬菜;1998年04期
13 杨宝国;一种高产高效的绿色蔬菜——红豆苗[J];农村科技开发;1999年01期
14 刘振恒,张长利,房俊龙;应用机器视觉技术识别田间杂草的研究[J];农机化研究;2004年02期
15 王玉顺,郭俊旺,赵晓霞,安爱琴;基于机器视觉的条播排种器性能检测及分析[J];农业机械学报;2005年11期
16 周俊;姬长英;刘成良;;视觉导航农用车辆相对位姿测量新方法(英文)[J];农业工程学报;2006年06期
17 林艾光;孙宝元;马先英;;虾夷扇贝定向检测方法研究[J];大连理工大学学报;2008年01期
18 邓良才;试用革命草作桔园绿肥[J];中国南方果树;1991年01期
19 ;豌豆苗生产技术[J];新疆农业科技;1994年05期
20 马草;怎样生产豌豆苗[J];农家参谋;1995年04期
中国重要会议论文全文数据库 前10条
1 毛文华;胡小安;张小超;;基于机器视觉的田间杂草识别系统[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集(下册)[C];2006年
2 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
3 金晅宏;戴曙光;穆平安;;机器视觉在汽车前照灯配光检测系统中的应用研究[A];第十三届全国汽车检测技术年会论文集[C];2009年
4 罗明智;杜家政;;机器视觉苹果自动分级系统图像处理方案设计[A];北京力学会第17届学术年会论文集[C];2011年
5 鲁波;黄坚;朱子伟;;基于机器视觉的LED阵列自动分选系统设计[A];浙江省电子学会2010学术年会论文集[C];2010年
6 何浩;龙淼;王晓婷;王忆文;李辉;;电子白板系统中基于机器视觉的目标识别技术[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集(A辑)[C];2011年
7 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集(下册)[C];2004年
8 张海潮;邱红专;;加权Kalman filter:应用[A];2004中国控制与决策学术年会论文集[C];2004年
9 胡庆新;王伟;顾爱华;;基于机器视觉的农产品物料分级检测系统关键技术研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
10 陈艳;张漫;刘兆祥;籍颖;马文强;刘春红;;基于Kalman滤波器的机器视觉自动导航定位算法研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
中国重要报纸全文数据库 前10条
1 田红 记者 胥茜;论文无创新 一票能否决[N];中国教育报;2005年
2 王握文周珞晶 吴丹;11篇全国优秀博士学位论文的启示[N];科技日报;2008年
3 记者 欧阳春艳;全国百篇优秀博士学位论文评选揭晓[N];长江日报;2005年
4 本报特约通讯员  汤宏;播撒创新的种子[N];解放军报;2006年
5 学位办;研究生院奖励优秀博士学位论文[N];中国社会科学院院报;2008年
6 徐宜军;哈工大博士学位论文实行匿名评议制度[N];新华每日电讯;2005年
7 周玲玲;2007年全国优秀博士学位论文评选结果公布[N];中国教育报;2007年
8 王曼;充分利用院图书馆特色文献信息资源[N];中国社会科学院院报;2005年
9 记者 王坤宁;国图馆藏博士学位论文陆续结集[N];中国新闻出版报;2007年
10 记者  杨晨光;创新体制机制提高研究生教育质量[N];中国教育报;2006年
中国博士学位论文全文数据库 前10条
1 潘家志;基于光谱和多光谱数字图像的作物与杂草识别方法研究[D];浙江大学;2007年
2 毛文华;基于机器视觉的田间杂草识别技术研究[D];中国农业大学;2004年
3 唐晶磊;喷药机器人杂草识别与导航参数获取方法研究[D];西北农林科技大学;2010年
4 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年
5 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年
6 李志臣;基于机器视觉的杂草对准喷药控制系统研究[D];南京农业大学;2007年
7 李九灵;可重构的机器视觉在线检测方法的研究[D];武汉科技大学;2013年
8 刘波;机器视觉水中图像特征提取与对象辨识研究[D];大连理工大学;2013年
9 余天洪;基于机器视觉的车道偏离预警系统研究[D];吉林大学;2006年
10 张明恒;基于面部朝向的驾驶员精神分散监测方法研究[D];吉林大学;2007年
中国硕士学位论文全文数据库 前10条
1 吴珂;基于机器视觉的弹片质量在线检测系统[D];重庆大学;2010年
2 程现彬;基于机器视觉的小直径工件检测系统的研究[D];合肥工业大学;2010年
3 袁云峰;基于机器视觉的溶液pH值测试的试验研究[D];广西大学;2002年
4 晁攀攀;基于机器视觉的贵金属复合带焊接质量在线检测技术研究[D];电子科技大学;2010年
5 刘华冠;基于机器视觉的袋装物料位姿自动识别研究[D];济南大学;2011年
6 阮晓虹;基于机器视觉的触点零件在线检测系统研究[D];上海交通大学;2010年
7 刘学山;基于机器视觉的锂离子电池极片检测系统的研究与设计[D];华南理工大学;2010年
8 王强;基于机器视觉的检测识别系统研究及应用[D];电子科技大学;2010年
9 王磊;基于机器视觉的电池表面缺陷检测技术研究[D];中国科学技术大学;2011年
10 赵娇洁;基于机器视觉的汽车轮毂形状识别算法研究[D];沈阳师范大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978