搜索结果: 1-8 共查到“农业机械化 杂草”相关记录8条 . 查询时间(0.098 秒)
采用摄像机弱透视模型，对采集的标定靶图像进行处理，获取48个靶点质心的像素坐标，利用DLT的最小二乘法获取摄像机隐参数矩阵。室内土槽的有序杂草和无序杂草定位试验表明，利用建立的摄像机隐参数矩阵，有序杂草和无序杂草的质心定位误差分别为19.2mm和22.8mm，可以满足除草剂精确喷施的要求。
基于分形维数的玉米和杂草图像识别（Image Identification of Corn and Weed Based on Fractal Dimension）
玉米 杂草 分形维数
2009/5/22
提出了利用分形维数来识别玉米和杂草的方法。将田间采集到的原始图像转化到HSI空间，利用H分量的不变特性进行图像变换，以消除光照的影响，有利于图像的分割处理。为了识别出玉米和杂草，比较了3种分形维数的计算公式和计算方法，利用Matlab编写的分形软件得到了玉米和杂草的平均分形维数，试验结果表明：Bouligand-Minkowski方法最佳，其中玉米和杂草的平均分形维数分别为1.204和1.079。...
基于纹理和位置特征的麦田杂草识别方法
杂草识别 纹理特征 颜色共生矩阵 位置特征
2008/3/18
以化学防除适期麦田杂草为研究对象，对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征，利用植物像素直方图法确定作物行的中心线和行宽，并识别行间杂草。然后，以作物行中心为基准来选取纹理块，计算量化级数为8级的H颜色空间的共生矩阵，提取5个纹理特征参数，利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明，杂草的正确识别率约为93%，作...
针对杂草与小麦叶子交叠的情况，提出了一种利用改进的多层同质性分割算法,并综合颜色与形态特征的杂草识别方法。在颜色空间YIQ，选取I作为特征量并用改进的最大类间方差法分离植物与背景；在颜色空间HSI，选取I的同质性量和S作为特征量进行多层同质性分割分离小麦与杂草；最后结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像；通过模拟化学除草系统，从理论上评价整个系统的除草效率。试验结果表明，杂草正确识...
基于颜色分量运算与色域压缩的杂草实时检测方法
杂草识别 图像处理 色域位屏蔽压缩 实时检测
2008/3/18
提出了一种基于RGB分量运算和色域位屏蔽压缩的杂草实时检测方法。对杂草和作物的大量实验显示：颜色分量运算可增强目标的显示特性，而对色域的屏蔽压缩可在保证实时性的同时减弱图像噪声污染，减小干扰引起的纹理分割误差。该方法的处理时间几乎不受目标复杂度影响，可在30 ms内有效分割出320×240分辨率图像中有颜色差异的不同杂草或农作物，对颜色分布波动具有较强的鲁棒性。颜色分量运算的线性组合系数可通过有监...
基于二维直方图的杂草图像分割算法
杂草 图像处理 直方图 分割
2008/3/18
通过引入像素灰度级和邻域灰度级构成的二维直方图，提出了一种杂草彩色图像分割算法。试验结果表明，基于二维直方图的分割算法由于增加了各个像素点相邻区域的信息，从而减少了自然条件下镜面反射和叶片小面积污损的影响。由于分割结果更好地保留了叶片的连通性，新的分割算法能在自然条件下更好地区分单子叶植物和双子叶植物及识别作物和杂草，从而有助于杂草识别率的提高。
基于位置特征的行间杂草识别方法
杂草 识别 位置特征 图像处理
2008/3/18
研究了利用条播作物的位置特征识别行间杂草的方法。根据条播作物成行排列的位置特征，利用像素位置直方图法识别作物中心行。根据多数杂草位于作物行之间裸土中的位置特征，以每条作物行左右边界线段的起始点作为种子，运用种子填充算法填充与其相连通的作物行区域，从而识别行间杂草。试验表明：行间杂草的准确识别率平均为80％，错误识别率平均为4.2％，适用于早期作物田间杂草识别。 A between-row weed...