基于支持向量機的田間雜草識別方法研究.pdf

1、目前，除草劑的粗放式噴灑會污染環(huán)境，破壞耕作土地質量，同時加大農業(yè)生產成本。為此，國內外提出了“精細農業(yè)”，即利用機器視覺技術將雜草從農作物和土壤背景中識別出來，而后根據雜草分布實行除草劑的定點噴灑。本文在總結國內外相關研究的基礎上，以苗期小麥及麥田四種雜草為研究對象，運用機器視覺技術，重點研究植物的顏色特征、形狀與紋理特征相結合的提取及識別方法，設計和開發(fā)雜草的圖像處理及識別軟件系統(tǒng)，實現小麥和雜草的分類識別。
　　 農田雜草

2、分類在本質上是一個復雜的小樣本、高維數、非線性的多類識別，符合支持向量機分類方法的分類特性，故本文提出了一種基于支持向量機(SVM)的雜草識別方法。本文的主要研究內容如下：
　　 1.土壤背景分割。利用植物和土壤不同的顏色特征，選取L*a*b*顏色空間中a*分量作為特征量。實驗比較了三種分割算法的分割效果，決定采用改進的最大類間差法將灰度圖像轉化為二值圖像。利用形態(tài)學方法和基于區(qū)域標記的算法對分割后的二值圖像進行處理，獲得完整的

3、植物葉片圖像。
　　 2.識別特征參數的提取。研究圖像特征包括區(qū)域幾何特征，無量綱參數，紋理特征，并對植物圖像進行了特征提取。通過對特征數據的統(tǒng)計分析，決定取植物的紋理特征參數和RST不變性(即對于圖像的旋轉、比例、平移變化都是恒定)的形狀特征參數各三個作為識別特征。
　　 3.分類器設計。構建了以支持向量機為分類方法的4-折交叉驗證的植物形狀分類器和紋理分類器，實驗采用網格搜索法來選擇最優(yōu)的核函數參數和懲罰參數C，并比

4、較了多項式、徑向基、Sigmoid核函數的分類效果。結果表明：徑向基核函數最適合用做小麥與雜草的多分類識別。形狀和紋理特征融合的SVM分類器對小麥、馬齒莧、反枝莧、刺兒菜、馬唐的識別率分別為：95％，87.5％，92.5％，90％，90％。
　　 本文提出的結合形狀紋理特征的SVM雜草識別方法，實現了小麥和四種雜草的分類，為實現后續(xù)除草劑的變量噴灑提供了理論支持及可行方案。與其他分類方法相比，基于SVM的該雜草分類方法識別率高、