首页> 中文学位 >基于机器视觉的杂草识别技术研究
【6h】

基于机器视觉的杂草识别技术研究

代理获取

目录

文摘

英文文摘

声明

第一章绪论

1.1农田杂草的特性

1.2研究背景及意义

1.3目前机器视觉杂草识别技术的研究现状

1.4研究的主要内容及拟采取的研究方法

第二章复杂网络机制模型

2.1随机网络ER模型

2.2小世界网络WS模型

2.3无尺度网络BA模型

2.4无尺度网络的实证研究以及在生物方面的进展

2.5小结

第三章基于作物行间位置特征的杂草识别研究

3.1图像采集与预处理

3.1.1图像采集

3.1.2实验对象

3.1.3图像的预处理

3.2图像的灰度化与二值化

3.2.1图像的灰度化

3.2.2灰度图像的二值化

3.3杂草和作物的分离

3.3.1识别植物

3.3.2行间作物中心行识别

3.3.3作物行矫正

3.3.4杂草与作物分离

3.4基于作物行间位置特征的杂草识别算法

3.5小结

第四章杂草网络的无尺度特征研究

4.1图像预处理与识别

4.2作物网络模型

4.3基于无尺度模型的杂草网络

4.3.1杂草网络演化模型

4.3.2杂草网络的无尺度特性

4.3.3杂草无尺度网络算法

4.4杂草网络的攻击与破环

4.4.1杂草网络攻击算法

4.4.2杂草网络攻击仿真

4.4.3农业生产中杂草攻击的实施时间

4.5小结

第五章基于机器视觉的杂草识别平台设计

5.1平台硬件环境

5.1.1图像采集设备

5.1.2计算机

5.2系统框架设计

5.3系统代码设计

5.4小结

第六章总结与展望

6.1论文工作总结

6.2论文需进一步研究的问题

6.3展望

参考文献

致谢

攻读学位期间主要研究成果

展开▼

摘要

在农业植保领域中,杂草识别在机器视觉技术的研究国内外已经取得了部分成果,绝大多数研究都集中在杂草植株的个体上。网络是生物系统的基本组成部分,现实中的杂草群体是由多种植物群落组成的网络。 论文以杂草群落为研究对象,采用机器视觉对田间杂草进行识别,设计了根据作物位置特征对行间作物的杂草识别方法。很多科学家认为杂草网络是一个随机网络。论文引入复杂网络的思想研究杂草群落,把杂草植株抽象为节点,杂草释放的植化物质对其的相互影响抽象为链接,初步建立了杂草网络模型。对该模型的幂率特征、增长特性和偏好连接性进行研究,发现杂草网络存在小世界特性和无尺度特性。根据这些特性,仿真并建立一个杂草网络无尺度网络演化模型。采用两种策略对该模型进行攻击,发现杂草网络对随机节点故障具有极高的鲁棒性,对蓄意攻击具有高度的脆弱性。根据该特性对识别出杂草网络中度值大的节点进行清除,可以达到降低化学除草剂的用量和生态除草的目的。 最后,论文设计了基于机器视觉的杂草识别系统。搭建了采集、存储和显示杂草图像的硬件环境。系统程序采用Visual C++作为开发工具,系统按照模块化思想进行分层设计,每个层完成不同的功能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号