基于邊緣檢測和BP神經網絡的大豆雜草識別研究
發(fā)布時間:2024-11-30 23:22
為提高無人機噴灑除草劑的精準度,以闊葉型雜草、禾本科雜草作為研究對象,針對傳統(tǒng)圖像識別技術準確率低,邊緣信息丟失嚴重等問題,提出基于改進Canny邊緣檢測算法和BP神經網絡相結合的大豆雜草圖像識別方法。首先采用改進后的Canny算法對圖像進行特征提取,然后將提取到的結果轉化為特征矩陣向量,作為BP神經網絡的輸入層,最后通過BP神經網絡進行大豆雜草圖像識別,區(qū)分出不同種類的雜草。試驗結果表明,改進后的Canny算法同BP神經網絡相結合的方法在闊葉型雜草和禾本科雜草識別上,準確率分別為95.67%和93.33%,較傳統(tǒng)Canny算法同BP神經網絡相結合的方法準確率分別提升5.83%和5.66%。
【文章頁數】:6 頁
【文章目錄】:
0 引言
1 數據采集與預處理
1.1 數據來源
1.2 圖像預處理
2 邊緣檢測和BP神經網絡
2.1 改進Canny邊緣檢測算法
2.1.1 自適應中值—高斯濾波
2.1.2 改進的梯度計算方法
2.1.3 結合Otsu算法設定高低閾值
2.1.4 試驗結果與分析
2.2 BP神經網絡識別模型
3 試驗結果與分析
3.1 Canny算法改進前后對比分析
3.2 Canny算法改進前后與BP神經網絡結合對比分析
4 結論
本文編號:4013177
【文章頁數】:6 頁
【文章目錄】:
0 引言
1 數據采集與預處理
1.1 數據來源
1.2 圖像預處理
2 邊緣檢測和BP神經網絡
2.1 改進Canny邊緣檢測算法
2.1.1 自適應中值—高斯濾波
2.1.2 改進的梯度計算方法
2.1.3 結合Otsu算法設定高低閾值
2.1.4 試驗結果與分析
2.2 BP神經網絡識別模型
3 試驗結果與分析
3.1 Canny算法改進前后對比分析
3.2 Canny算法改進前后與BP神經網絡結合對比分析
4 結論
本文編號:4013177
本文鏈接:http://sikaile.net/wenshubaike/shenghuobaike/4013177.html