利用融合高度与单目图像特征的支持向量机模型识别杂草

• 作者: 李志伟 王璨
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 双目视觉 支持向量机 特征提取 杂草识别 双目图像 特征融合
• 年，卷（期）: 2016,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 165-174
• 页数: 10页
• 分类号: TP274|TP391.41
• 字数: 9107字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.15.023

摘要

除草是保证农作物高产的必要工作.针对机械化除草和智能喷药中存在的杂草识别问题,以2～5叶苗期玉米及杂草为研究对象,进行了融合高度特征与单目图像特征的杂草识别方法研究.首先从单目图像中提取16个形态特征和2个纹理特征;然后基于双目图像,提出了针对植株的高度特征提取方法,所得高度特征与实际测量值间误差在±12 mm以内;利用max-min ant system算法对形态特征进行优化选择,将形态特征减少到6个,有效减少数据量62.5％,并与纹理和高度特征进行融合;将2～5叶玉米幼苗的可除草期划分为3个阶段,分别构建融合高度特征与单目图像特征的SVM识别模型,并与相应不含高度特征模型进行对比.经测试,3个阶段模型的识别准确率分别为96.67％,100％,98.33％;平均识别准确率达98.33％.不含高度特征模型的识别准确率分别为93.33％,91.67％,95％;平均识别准确率为93.33％.结果表明,融合高度特征与单目图像特征的SVM识别模型优于不含高度特征模型,平均识别准确率提高了5百分点.该方法实现了高准确率的杂草识别,研究结果为农业精确除草的发展提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志伟	山西农业大学工学院	27	183	8.0	13.0
2	王璨	山西农业大学工学院	7	74	3.0	7.0