图像识别在玉米杂草检测中的应用

向 伟娅
重庆三峡学院计算机科学与工程学院

摘要


随着精准农业的发展，玉米田间杂草检测成为提高作物产量和减少农药使用的关键环节。通过研究传统图
像处理方法和深度学习技术在玉米杂草检测中的应用现状，分析了图像识别技术的优势和局限性，并探讨了未来发
展方向。结果表明，图像识别技术在玉米杂草检测中表现出色，能够实现高精度、实时的杂草识别和定位，为精准
除草提供了技术支持。

关键词


图像识别；玉米杂草检测；深度学习；精准农业

全文:

PDF


参考


[1]徐阳，毛艺霖，李赫，等.基于多光谱和高光谱

的茶树越冬期REC、SPAD和MDA预测模型[J].光谱学

与光谱分析，2025，45（01）：256-263.

[2]邓向武，马旭，齐龙，等.基于卷积神经网络与

迁移学习的稻田苗期杂草识别[J].农机化研究，2021，43

（10）：167-171.

[3]Anandbabu G ,P V . Optimized chest X-ray image

semantic segmentation networks for COVID-19 early

detection[J]. Journal of X-ray science and technology, 2022,

30 (3): 491-512.

[4]侯群群，王飞，严丽.基于灰度共生矩阵的彩色

遥感图像纹理特征提取[J].国土资源遥感，2013，25（04）：

26-32.

[5]孙俊，何小飞，谭文军，等.空洞卷积结合全局

池化的卷积神经网络识别作物幼苗与杂草[J].农业工程学

报，2018，34（11）：159-165.

[6]施杰，林双双，张威，等.基于轻量化改进型

YOLOv5s的 玉 米 病 虫 害 检 测 方 法[J].江 苏 农 业 学 报，

2024，40（03）：427-437.

[7]王海华，朱梦婷，李莉，等.基于剪切波变换和

无人机麦田图像的区域杂草识别方法[J].农业工程学报，

2017，33（S1）：99-106.

[8]蒲良，张学军.基于深度学习的无人机视觉目标

检测与跟踪[J/OL].北京航空航天大学学报：1-12[2023-

04-09].

[9]王峰，张天意，朱方昊，等.数据标注技术在人

工智能领域的研究和应用[J].信息技术与标准化，2024，

（12）：22-26.

[10]宋丽丽，陶永昭，韩建峰，等.基于边缘计算

的巡检无人机公路标线跟踪算法研究[J/OL].激光杂志，

1-12[2025-02-23].




DOI: http://dx.doi.org/10.12361/2661-3654-07-02-143443

Refbacks

  • 当前没有refback。