基于近地遙感技術(shù)的常見玉米田間雜草識別方法及應(yīng)用.pdf

1、除草劑的過量噴灑，給土壤和生態(tài)造成了一系列嚴重的問題，因此田間雜草精準控制技術(shù)變的尤為重要。在田間雜草精準控制技術(shù)中，怎樣快速、準確實時地獲取農(nóng)田雜草信息，成為了田間雜草精準控制技術(shù)所面臨的首要問題。田間雜草識別方法就是通過獲取雜草信息來區(qū)分雜草和作物的一項重要手段，所以雜草的識別在農(nóng)業(yè)可持續(xù)發(fā)展中有著不可替代的作用。目前，基于普通的相機設(shè)備的雜草識別技術(shù)的識別存在一些弊端，有著精度低、耗時嚴重等問題，近地遙感技術(shù)可獲取可見光、紫外線、

2、紅外線等多波段信息，具有蘊含信息量足、探測手段多、無損探測性好、實時性強等特點，是田間雜草識別技術(shù)中一項重要方法。因此，本文結(jié)合高光譜和多光譜兩種近地光譜數(shù)據(jù)，分別對夏玉米田間雜草進行模式識別。
　　本文選取山東農(nóng)業(yè)大學(xué)南校區(qū)玉米實驗田為研究區(qū)，利用ASD便攜式地物光譜儀采集室內(nèi)玉米和雜草光譜數(shù)據(jù)，通過高光譜數(shù)據(jù)對田間雜草和作物建立光譜數(shù)據(jù)集，篩選特征波段，建立逐步判別模型以期達到初步識別玉米田間雜草。實驗選取7月份雜草生長旺盛季

3、節(jié)的4-7葉期玉米田間雜草為研究對象，此時是玉米田間雜草管理的重要階段。實驗選取三種典型雜草馬齒莧、野莧菜和香附。對玉米作物和雜草每種植被均采集30組數(shù)據(jù)，每組數(shù)據(jù)設(shè)為10個樣本，共有1200個光譜數(shù)據(jù)，通過對光譜數(shù)據(jù)的預(yù)處理和分析，篩選出了734nm、954nm、1324nm、1869nm四個敏感波段，對選取的敏感波段進行判別模型的建立，實驗結(jié)果得到模型精度為85.8％，在一定程度上實現(xiàn)了雜草和玉米作物的區(qū)分。其中，玉米的識別精度達到

4、90%，雜草野莧菜和香附出現(xiàn)了混合度較高的狀態(tài)，野莧菜分類精度最低僅有63.3%，其中30%的野莧菜被錯分到香附中。
　　在室內(nèi)高光譜數(shù)據(jù)獲取的同時，利用ADC便攜式多光譜相機拍攝室外原始生長形態(tài)的作物和雜草，獲取多光譜圖像?；趫D像的計算機視覺方法，從多光譜圖像中提取作物和雜草的形狀、紋理等特征信息，并對特征參數(shù)進行PCA降維，建立支持向量機（SVM）模型，完成基于多光譜圖像的作物間雜草識別。多光譜數(shù)據(jù)對每種植被均采集25組照片

5、，對多光譜數(shù)據(jù)進行一系列預(yù)處理去除背景值，提取其形態(tài)和紋理特征，通過主成分（PCA）分析得到三個主成分，用SVM算法進行雜草識別，最終分類精度達到88%。多光譜圖像識別結(jié)果表明，玉米識別精度達到88%，其中野莧菜識別率最低72%，其中有24%與香附混合，4%與玉米混合。SVM算法在兼顧了用時短，識別精度高的同時，也為田間雜草的識別提供了一種可行的算法。
　　以上兩種方法對照，結(jié)果表明，兩種研究方法的精度均較高。第一種研究方法精度高

6、的原因有兩方面：一方面是由于室內(nèi)實驗，減少了外界環(huán)境的影響，對減少誤差有一定的作用。另一方面是植物本身的區(qū)別，馬齒莧和野莧菜均為雙子葉植物、玉米和香附為單子葉植物，雙子葉和單子葉植物的葉片結(jié)構(gòu)具有差異性，所以基于光譜特征較容易區(qū)分。第二種方法的精度高是由于：玉米和三種雜草形態(tài)及紋理存在明顯的區(qū)別，可以很好的從圖像技術(shù)實現(xiàn)對玉米和雜草的區(qū)分。雜草識別方法最終目的就是精準快速的用于田間除草。在此次的研究方法上，證明了高光譜及多光譜在雜草的識