基于支持向量機(jī)的田間雜草識(shí)別方法研究.pdf

1、目前，除草劑的粗放式噴灑會(huì)污染環(huán)境，破壞耕作土地質(zhì)量，同時(shí)加大農(nóng)業(yè)生產(chǎn)成本。為此，國(guó)內(nèi)外提出了“精細(xì)農(nóng)業(yè)”，即利用機(jī)器視覺(jué)技術(shù)將雜草從農(nóng)作物和土壤背景中識(shí)別出來(lái)，而后根據(jù)雜草分布實(shí)行除草劑的定點(diǎn)噴灑。本文在總結(jié)國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，以苗期小麥及麥田四種雜草為研究對(duì)象，運(yùn)用機(jī)器視覺(jué)技術(shù)，重點(diǎn)研究植物的顏色特征、形狀與紋理特征相結(jié)合的提取及識(shí)別方法，設(shè)計(jì)和開發(fā)雜草的圖像處理及識(shí)別軟件系統(tǒng)，實(shí)現(xiàn)小麥和雜草的分類識(shí)別。
　　 農(nóng)田雜草

2、分類在本質(zhì)上是一個(gè)復(fù)雜的小樣本、高維數(shù)、非線性的多類識(shí)別，符合支持向量機(jī)分類方法的分類特性，故本文提出了一種基于支持向量機(jī)(SVM)的雜草識(shí)別方法。本文的主要研究?jī)?nèi)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(shí)驗(yàn)比較了三種分割算法的分割效果，決定采用改進(jìn)的最大類間差法將灰度圖像轉(zhuǎn)化為二值圖像。利用形態(tài)學(xué)方法和基于區(qū)域標(biāo)記的算法對(duì)分割后的二值圖像進(jìn)行處理，獲得完整的

3、植物葉片圖像。
　　 2.識(shí)別特征參數(shù)的提取。研究圖像特征包括區(qū)域幾何特征，無(wú)量綱參數(shù)，紋理特征，并對(duì)植物圖像進(jìn)行了特征提取。通過(guò)對(duì)特征數(shù)據(jù)的統(tǒng)計(jì)分析，決定取植物的紋理特征參數(shù)和RST不變性(即對(duì)于圖像的旋轉(zhuǎn)、比例、平移變化都是恒定)的形狀特征參數(shù)各三個(gè)作為識(shí)別特征。
　　 3.分類器設(shè)計(jì)。構(gòu)建了以支持向量機(jī)為分類方法的4-折交叉驗(yàn)證的植物形狀分類器和紋理分類器，實(shí)驗(yàn)采用網(wǎng)格搜索法來(lái)選擇最優(yōu)的核函數(shù)參數(shù)和懲罰參數(shù)C，并比

4、較了多項(xiàng)式、徑向基、Sigmoid核函數(shù)的分類效果。結(jié)果表明：徑向基核函數(shù)最適合用做小麥與雜草的多分類識(shí)別。形狀和紋理特征融合的SVM分類器對(duì)小麥、馬齒莧、反枝莧、刺兒菜、馬唐的識(shí)別率分別為：95％，87.5％，92.5％，90％，90％。
　　 本文提出的結(jié)合形狀紋理特征的SVM雜草識(shí)別方法，實(shí)現(xiàn)了小麥和四種雜草的分類，為實(shí)現(xiàn)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(shí)別率高、