论文摘要
农业机器人是21世纪精准农业的重要装备之一,通过农业机器人实现除草剂的变量施药是未来智能农业机械的一个发展方向。其中实现变量喷洒除草剂的首要步骤是完成田间杂草识别。本文在充分了解国内外田间杂草识别方法的基础上,以在玉米田间复杂环境中识别杂草为目的,提出了创新的背景分割方法和杂草识别方法,着重研究了图像分割方法、多尺度形状特征、支持向量机分类技术。主要研究成果如下：1.以相同田间环境中采集、变换得到的超绿特征(2G-R-B)灰度图像为研究对象,以像素点邻域组成的灰度直方图特征作为输入特征向量,利用支持向量机分类方法实现背景分割,并通过与手工标记图像进行帧差比较,选出最优支持向量机模型和最优邻域窗口模型。2.针对不同田间环境造成图像颜色差异,结合半监督支持向量机分类方法,利用已有的有标签训练样本的同时,利用聚类算法自动从待分割图像中提取无标签训练样本,使用直推式支持向量机进行分类训练,得到最适合当时环境的分类模型,实现支持向量机动态建模,以此提高图像的分割质量。3.提出了一种基于多尺度形状特征和支持向量机分类技术的玉米和杂草识别方法。考虑玉米与杂草在整株形状和叶片分布结构上都存在差异,提出了多尺度圆环形状特征和米字分块形状特征,并利用支持向量机分类方法进行玉米和杂草的分类。室外实验结果表明：利用植物多尺度形状特征能够很好的将玉米和杂草进行分类。本文方法提高了玉米田间杂草识别的准确性和可靠性,为农田精确喷洒除草剂提供了技术基础。