基于近地遥感技术的常见玉米田间杂草识别方法及应用

发布时间：2017-12-26 09:20

本文关键词：基于近地遥感技术的常见玉米田间杂草识别方法及应用　出处：《山东农业大学》2017年硕士论文　论文类型：学位论文

【摘要】：除草剂的过量喷洒,给土壤和生态造成了一系列严重的问题,因此田间杂草精准控制技术变的尤为重要。在田间杂草精准控制技术中,怎样快速、准确实时地获取农田杂草信息,成为了田间杂草精准控制技术所面临的首要问题。田间杂草识别方法就是通过获取杂草信息来区分杂草和作物的一项重要手段,所以杂草的识别在农业可持续发展中有着不可替代的作用。目前,基于普通的相机设备的杂草识别技术的识别存在一些弊端,有着精度低、耗时严重等问题,近地遥感技术可获取可见光、紫外线、红外线等多波段信息,具有蕴含信息量足、探测手段多、无损探测性好、实时性强等特点,是田间杂草识别技术中一项重要方法。因此,本文结合高光谱和多光谱两种近地光谱数据,分别对夏玉米田间杂草进行模式识别。本文选取山东农业大学南校区玉米实验田为研究区,利用ASD便携式地物光谱仪采集室内玉米和杂草光谱数据,通过高光谱数据对田间杂草和作物建立光谱数据集,筛选特征波段,建立逐步判别模型以期达到初步识别玉米田间杂草。实验选取7月份杂草生长旺盛季节的4-7叶期玉米田间杂草为研究对象,此时是玉米田间杂草管理的重要阶段。实验选取三种典型杂草马齿苋、野苋菜和香附。对玉米作物和杂草每种植被均采集30组数据,每组数据设为10个样本,共有1200个光谱数据,通过对光谱数据的预处理和分析,筛选出了734nm、954nm、1324nm、1869nm四个敏感波段,对选取的敏感波段进行判别模型的建立,实验结果得到模型精度为85.8%,在一定程度上实现了杂草和玉米作物的区分。其中,玉米的识别精度达到90%,杂草野苋菜和香附出现了混合度较高的状态,野苋菜分类精度最低仅有63.3%,其中30%的野苋菜被错分到香附中。在室内高光谱数据获取的同时,利用ADC便携式多光谱相机拍摄室外原始生长形态的作物和杂草,获取多光谱图像。基于图像的计算机视觉方法,从多光谱图像中提取作物和杂草的形状、纹理等特征信息,并对特征参数进行PCA降维,建立支持向量机(SVM)模型,完成基于多光谱图像的作物间杂草识别。多光谱数据对每种植被均采集25组照片,对多光谱数据进行一系列预处理去除背景值,提取其形态和纹理特征,通过主成分(PCA)分析得到三个主成分,用SVM算法进行杂草识别,最终分类精度达到88%。多光谱图像识别结果表明,玉米识别精度达到88%,其中野苋菜识别率最低72%,其中有24%与香附混合,4%与玉米混合。SVM算法在兼顾了用时短,识别精度高的同时,也为田间杂草的识别提供了一种可行的算法。以上两种方法对照,结果表明,两种研究方法的精度均较高。第一种研究方法精度高的原因有两方面:一方面是由于室内实验,减少了外界环境的影响,对减少误差有一定的作用。另一方面是植物本身的区别,马齿苋和野苋菜均为双子叶植物、玉米和香附为单子叶植物,双子叶和单子叶植物的叶片结构具有差异性,所以基于光谱特征较容易区分。第二种方法的精度高是由于:玉米和三种杂草形态及纹理存在明显的区别,可以很好的从图像技术实现对玉米和杂草的区分。杂草识别方法最终目的就是精准快速的用于田间除草。在此次的研究方法上,证明了高光谱及多光谱在杂草的识别方向具有一定的应用价值。对比二者识别过程和效果,认为基于图像的杂草识别方法,具有光学传感器反应敏捷、结构简单、操作方便,在实时性和经济性方面存在一定优势,是一种可行的手段,相比高光谱特征识别更具优势。
【学位授予单位】：山东农业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S451;S127

【参考文献】