本文關(guān)鍵詞：基于近地遙感技術(shù)的常見(jiàn)玉米田間雜草識(shí)別方法及應(yīng)用　出處：《山東農(nóng)業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 高光譜 多光譜 玉米 雜草識(shí)別

【摘要】：除草劑的過(guò)量噴灑,給土壤和生態(tài)造成了一系列嚴(yán)重的問(wèn)題,因此田間雜草精準(zhǔn)控制技術(shù)變的尤為重要。在田間雜草精準(zhǔn)控制技術(shù)中,怎樣快速、準(zhǔn)確實(shí)時(shí)地獲取農(nóng)田雜草信息,成為了田間雜草精準(zhǔn)控制技術(shù)所面臨的首要問(wèn)題。田間雜草識(shí)別方法就是通過(guò)獲取雜草信息來(lái)區(qū)分雜草和作物的一項(xiàng)重要手段,所以雜草的識(shí)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(jī)設(shè)備的雜草識(shí)別技術(shù)的識(shí)別存在一些弊端,有著精度低、耗時(shí)嚴(yán)重等問(wèn)題,近地遙感技術(shù)可獲取可見(jiàn)光、紫外線、紅外線等多波段信息,具有蘊(yùn)含信息量足、探測(cè)手段多、無(wú)損探測(cè)性好、實(shí)時(shí)性強(qiáng)等特點(diǎn),是田間雜草識(shí)別技術(shù)中一項(xiàng)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(duì)夏玉米田間雜草進(jìn)行模式識(shí)別。本文選取山東農(nóng)業(yè)大學(xué)南校區(qū)玉米實(shí)驗(yàn)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(guò)高光譜數(shù)據(jù)對(duì)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(dá)到初步識(shí)別玉米田間雜草。實(shí)驗(yàn)選取7月份雜草生長(zhǎng)旺盛季節(jié)的4-7葉期玉米田間雜草為研究對(duì)象,此時(shí)是玉米田間雜草管理的重要階段。實(shí)驗(yàn)選取三種典型雜草馬齒莧、野莧菜和香附。對(duì)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(gè)樣本,共有1200個(gè)光譜數(shù)據(jù),通過(guò)對(duì)光譜數(shù)據(jù)的預(yù)處理和分析,篩選出了734nm、954nm、1324nm、1869nm四個(gè)敏感波段,對(duì)選取的敏感波段進(jìn)行判別模型的建立,實(shí)驗(yàn)結(jié)果得到模型精度為85.8%,在一定程度上實(shí)現(xiàn)了雜草和玉米作物的區(qū)分。其中,玉米的識(shí)別精度達(dá)到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(cuò)分到香附中。在室內(nèi)高光譜數(shù)據(jù)獲取的同時(shí),利用ADC便攜式多光譜相機(jī)拍攝室外原始生長(zhǎng)形態(tài)的作物和雜草,獲取多光譜圖像�；趫D像的計(jì)算機(jī)視覺(jué)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(duì)特征參數(shù)進(jìn)行PCA降維,建立支持向量機(jī)(SVM)模型,完成基于多光譜圖像的作物間雜草識(shí)別。多光譜數(shù)據(jù)對(duì)每種植被均采集25組照片,對(duì)多光譜數(shù)據(jù)進(jìn)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(guò)主成分(PCA)分析得到三個(gè)主成分,用SVM算法進(jìn)行雜草識(shí)別,最終分類精度達(dá)到88%。多光譜圖像識(shí)別結(jié)果表明,玉米識(shí)別精度達(dá)到88%,其中野莧菜識(shí)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(shí)短,識(shí)別精度高的同時(shí),也為田間雜草的識(shí)別提供了一種可行的算法。以上兩種方法對(duì)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的原因有兩方面:一方面是由于室內(nèi)實(shí)驗(yàn),減少了外界環(huán)境的影響,對(duì)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(shí)現(xiàn)對(duì)玉米和雜草的區(qū)分。雜草識(shí)別方法最終目的就是精準(zhǔn)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(shí)別方向具有一定的應(yīng)用價(jià)值。對(duì)比二者識(shí)別過(guò)程和效果,認(rèn)為基于圖像的雜草識(shí)別方法,具有光學(xué)傳感器反應(yīng)敏捷、結(jié)構(gòu)簡(jiǎn)單、操作方便,在實(shí)時(shí)性和經(jīng)濟(jì)性方面存在一定優(yōu)勢(shì),是一種可行的手段,相比高光譜特征識(shí)別更具優(yōu)勢(shì)。
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S451;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 祖琴;張水發(fā);曹陽(yáng);趙會(huì)義;黨長(zhǎng)青;;結(jié)合光譜圖像技術(shù)和SAM分類法的甘藍(lán)中雜草識(shí)別研究[J];光譜學(xué)與光譜分析;2015年02期

2 張鴻鋒;李婉琪;曾昭君;麥志杰;;Hu不變矩在圖像識(shí)別中的應(yīng)用與實(shí)現(xiàn)[J];科技資訊;2014年30期

3 周立新;薛新宇;孫竹;秦維彩;張宋超;孔偉;;無(wú)人直升機(jī)農(nóng)藥噴灑系統(tǒng)的設(shè)計(jì)及應(yīng)用[J];江蘇農(nóng)業(yè)科學(xué);2013年12期

4 祖琴;鄧巍;王秀;趙春江;;主成分分析和SIMCA的甘藍(lán)與雜草光譜識(shí)別方法研究[J];光譜學(xué)與光譜分析;2013年10期

5 祖琴;陳湘萍;鄧巍;;光譜圖像技術(shù)在精準(zhǔn)施藥中的應(yīng)用[J];農(nóng)機(jī)化研究;2013年03期

6 毛文華;張銀橋;王輝;趙博;張小超;;雜草信息實(shí)時(shí)獲取技術(shù)與設(shè)備研究進(jìn)展[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年01期

7 趙川源;何東健;喬永亮;;基于多光譜圖像和數(shù)據(jù)挖掘的多特征雜草識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

8 張小龍;謝正春;張念生;曹成茂;;豌豆苗期田間雜草識(shí)別與變量噴灑控制系統(tǒng)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年11期

9 許民;宜樹(shù)華;葉柏生;任世龍;周兆葉;;植被蓋度及太陽(yáng)/觀測(cè)角度對(duì)疏勒河上游NDVI和SAVI值的影響[J];干旱區(qū)資源與環(huán)境;2012年05期

10 馬偉;王秀;秦貴;翟長(zhǎng)遠(yuǎn);范鵬飛;陳立平;王榮雪;;溫室智能裝備系列之三十四 設(shè)施溫室農(nóng)藥變量噴灑壓力控制器開(kāi)發(fā)[J];農(nóng)業(yè)工程技術(shù)(溫室園藝);2012年02期

相關(guān)會(huì)議論文 前1條

1 趙其國(guó);;土壤污染與安全健康——以經(jīng)濟(jì)快速發(fā)展地區(qū)為例[A];第四次全國(guó)土壤生物和生物化學(xué)學(xué)術(shù)研討會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前1條

1 潘家志;基于光譜和多光譜數(shù)字圖像的作物與雜草識(shí)別方法研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前2條

1 岑益郎;計(jì)算機(jī)視覺(jué)技術(shù)在雜草識(shí)別中的應(yīng)用[D];浙江大學(xué);2006年

2 張健欽;計(jì)算機(jī)視覺(jué)技術(shù)在雜草識(shí)別中的應(yīng)用研究[D];河北農(nóng)業(yè)大學(xué);2003年

，

本文編號(hào)：1336677