本文關鍵詞：基于近地遙感技術的常見玉米田間雜草識別方法及應用　出處：《山東農業(yè)大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 高光譜 多光譜 玉米 雜草識別

【摘要】：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變的尤為重要。在田間雜草精準控制技術中,怎樣快速、準確實時地獲取農田雜草信息,成為了田間雜草精準控制技術所面臨的首要問題。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,基于普通的相機設備的雜草識別技術的識別存在一些弊端,有著精度低、耗時嚴重等問題,近地遙感技術可獲取可見光、紫外線、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中一項重要方法。因此,本文結合高光譜和多光譜兩種近地光譜數據,分別對夏玉米田間雜草進行模式識別。本文選取山東農業(yè)大學南校區(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玉米和雜草光譜數據,通過高光譜數據對田間雜草和作物建立光譜數據集,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組數據,每組數據設為10個樣本,共有1200個光譜數據,通過對光譜數據的預處理和分析,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,實驗結果得到模型精度為85.8%,在一定程度上實現了雜草和玉米作物的區(qū)分。其中,玉米的識別精度達到90%,雜草野莧菜和香附出現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。在室內高光譜數據獲取的同時,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。基于圖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。多光譜數據對每種植被均采集25組照片,對多光譜數據進行一系列預處理去除背景值,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構具有差異性,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實現對玉米和雜草的區(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別方向具有一定的應用價值。對比二者識別過程和效果,認為基于圖像的雜草識別方法,具有光學傳感器反應敏捷、結構簡單、操作方便,在實時性和經濟性方面存在一定優(yōu)勢,是一種可行的手段,相比高光譜特征識別更具優(yōu)勢。
【學位授予單位】：山東農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S451;S127

【參考文獻】

相關期刊論文 前10條

1 祖琴;張水發(fā);曹陽;趙會義;黨長青;;結合光譜圖像技術和SAM分類法的甘藍中雜草識別研究[J];光譜學與光譜分析;2015年02期

2 張鴻鋒;李婉琪;曾昭君;麥志杰;;Hu不變矩在圖像識別中的應用與實現[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;;無人直升機農藥噴灑系統(tǒng)的設計及應用[J];江蘇農業(yè)科學;2013年12期

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

5 祖琴;陳湘萍;鄧巍;;光譜圖像技術在精準施藥中的應用[J];農機化研究;2013年03期

6 毛文華;張銀橋;王輝;趙博;張小超;;雜草信息實時獲取技術與設備研究進展[J];農業(yè)機械學報;2013年01期

7 趙川源;何東健;喬永亮;;基于多光譜圖像和數據挖掘的多特征雜草識別方法[J];農業(yè)工程學報;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別與變量噴灑控制系統(tǒng)[J];農業(yè)機械學報;2012年11期

9 許民;宜樹華;葉柏生;任世龍;周兆葉;;植被蓋度及太陽/觀測角度對疏勒河上游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;翟長遠;范鵬飛;陳立平;王榮雪;;溫室智能裝備系列之三十四 設施溫室農藥變量噴灑壓力控制器開發(fā)[J];農業(yè)工程技術(溫室園藝);2012年02期

相關會議論文 前1條

1 趙其國;;土壤污染與安全健康——以經濟快速發(fā)展地區(qū)為例[A];第四次全國土壤生物和生物化學學術研討會論文集[C];2007年

相關博士學位論文 前1條

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

相關碩士學位論文 前2條

1 岑益郎;計算機視覺技術在雜草識別中的應用[D];浙江大學;2006年

2 張健欽;計算機視覺技術在雜草識別中的應用研究[D];河北農業(yè)大學;2003年

，

本文編號：1336677