欢迎来到天天文库
浏览记录
ID:326295
大小:8.17 MB
页数:41页
时间:2017-07-23
《基于机器视觉的杂草图像特征提取及识别研究 毕业设计论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于机器视觉的杂草图像特征提取及识别研究学生姓名:xxx指导教师:xxx所在院系:xxx所学专业:xxx研究方向:xxxxxx大学xxx年xxx月BasedonmachinevisionimagefeatureextractionandrecognitionweedsName:xxxTutor:xxxCollege:xxxMajor:xxxDirection:xxxxxxUniversityMayxxx摘要杂草同农田作物争夺阳光和养分,严重影响了农作物的生长。为了达到除草的目的,人们开始喷洒大量的除草剂来进行除草。可
2、是却忽略了除草剂的不当使用给人、畜以及环境造成的危害。本文从实际应用出发,设计了一个基于机器视觉的杂草图像特征提取及识别系统。系统的运行在参考了前人研究成果的基础上,不断进行对比试验和算法的改进,找出适合于机器视觉的杂草识别的可行性方法。本文对动态杂草图像的采集、处理和识别方法进行研究。采集来的图像经常会有模糊现象的发生,对模糊图像的恢复处理做了大量的研究试验,得出维纳滤波具有较好的恢复效果;绿色植物和土壤背景的分割试验中,提出了一种基于彩色图像的二值化方法,可以不经过彩色图像灰度化就能够直接把绿色植物与土壤背景分割
3、开,和以往的分割方法相比处理速度快,分割效果好,更加满足实时性;杂草和作物的分割主要研究了行间杂草和作物的分割,参考国内外资料,并进行研究试验,表明运用位置特征识别法有很好的分割效果,寻找作物中心行采用了简单快速的像素位置直方图法,填充作物中心行采用了改进的扫描线算法,和其他填充方法相比减少了重复操作,节省了时间,满足实时处理的要求;分割后的图像为只含有杂草的二值图像,通常会有一些残余的叶片和颗粒的噪声,通过形态学滤波和扫描线填充算法去除噪声,试验结果表明扫描线算法去除噪声效果更好。基于机器视觉的杂草图像特征提取及识
4、别系统的硬件组成主要有计算机、采集卡、摄像头、实验平台。本文从动态杂草识别的处理方法出发,在实验室内开展了一系列的试验和分析,对主要的问题和技术难点作了较为深入的研究,设计实现了基于机器视觉的杂草图像特征提取及识别系统。关键词:杂草识别;图像处理;机器视觉-I-BasedonmachinevisionimagefeatureextractionandrecognitionweedsAbstractWeedcontestssunlightandnutrientwithcrop,asaresult,thegrowthof
5、cropwasseriouslyaffected.Peoplefallbackonsprayingagreatdealofherbicideforweedingpurpose,buttheyignoredmisapplyingofherbicidewillonlypollutetheenvironmentbutalsojeopardizeshumanandlivestock.Soit’snecessarytodevelopanintelligentweedingmethod.Thepaperdesignedasyst
6、emofimagefeatureextractionandrecognitionweedsonthebasisofmachine.Inordertofindafeasibledynamicweedidentifyingmethodweconsultedpredecessorfortheirresearch,atthesametime,wedidalotofcomparisonexperimentstoimprovethearithmetic.Thepaperstudiedmostlyontheimagecollect
7、ion,processingandidentification.Therewillbeablurinmovingpictures,sowehavetodoalotofexperimenttorestoretheblurryimage;atlastwefindthatwienerfilterisapreferablemethod.Weputforwardabinarymethodbasedoncolorimageintheexperimentofseparatinggreenplantsfromsoilbackgrou
8、nd,themethodcanseparategreenplantsfromsoilbackgroundwithoutconvertingcolorimagetograylevelimage,sothemethodismorefast,bettersegmentationeffectcomparingwithtraditionalmethods
此文档下载收益归作者所有