基于 BP 神经网络的田间杂草识别技术研究 ——以河套灌区为例
摘要
本文以采集的河套灌区的玉米及其伴生杂草马唐、狗牙根和灰菜作为研究对象,利用 OpenCV 对图像进行预处理
得到作物及杂草的外形轮廓的无量纲参数信息,利用无量纲参数信息提取作物及杂草的外形特征参数,得到宽长比、圆形度、
矩形度和第一不变矩阵四个特征参数,通过均值和方差的对比分析选择区分度较大的宽长比、圆形度和第一不变矩阵作为
参数输入到 BP 神经网络中,通过 L25(56)正交实验确定 BP 神经网络的隐含层节点数及学习率,划分训练集和测试集,
利用 Matlab 建立 BP 神经网络,通过测试集网络检验得到均方根误差为 0.067327,误差较小,整体网络里数据拟合正确率
为 93.025%,准确度较高,能够用于一般少量杂草的识别分类。
得到作物及杂草的外形轮廓的无量纲参数信息,利用无量纲参数信息提取作物及杂草的外形特征参数,得到宽长比、圆形度、
矩形度和第一不变矩阵四个特征参数,通过均值和方差的对比分析选择区分度较大的宽长比、圆形度和第一不变矩阵作为
参数输入到 BP 神经网络中,通过 L25(56)正交实验确定 BP 神经网络的隐含层节点数及学习率,划分训练集和测试集,
利用 Matlab 建立 BP 神经网络,通过测试集网络检验得到均方根误差为 0.067327,误差较小,整体网络里数据拟合正确率
为 93.025%,准确度较高,能够用于一般少量杂草的识别分类。
关键词
Matlab;BP 神经网络模型;杂草分类
全文:
PDF参考
[1] 金小俊,陈勇,孙艳霞 . 农田杂草识别方法研究进
展 [J]. 农机化研究,2011,07:23-27+33.
[2] 赵春江 . 智慧农业发展现状及战略目标研究 [J]. 智
慧农业 ,2019,1(01):1-7.
[3] 周俊池 . 精准农业技术体系分析与展望 [J]. 南方农
机 ,2021,52(05):8-11+14.
[4] 张红旗 , 刘宇 , 王春光 . 改进田间杂草识别图像预
处理方法的研究 [J]. 农机化研究 ,2015,
[5] 000(006):70-73. 毛文华 , 曹晶晶 , 姜红花 , 王一鸣 ,
张小超 . 基于多特征的田间杂草识别方法 [J]. 农业工程学
报 ,2007(11):206-209.
[6] 颜秉忠 . 机器视觉技术在玉米苗期杂草识别中的应
用 [J]. 农机化研究 ,2018,40(003):212-216.
DOI: http://dx.doi.org/10.12361/2661-3786-06-01-131782
Refbacks
- 当前没有refback。