基于边缘检测和BP神经网络的大豆杂草识别研究

发布时间：2024-11-30 23:22

　　 为提高无人机喷洒除草剂的精准度,以阔叶型杂草、禾本科杂草作为研究对象,针对传统图像识别技术准确率低,边缘信息丢失严重等问题,提出基于改进Canny边缘检测算法和BP神经网络相结合的大豆杂草图像识别方法。首先采用改进后的Canny算法对图像进行特征提取,然后将提取到的结果转化为特征矩阵向量,作为BP神经网络的输入层,最后通过BP神经网络进行大豆杂草图像识别,区分出不同种类的杂草。试验结果表明,改进后的Canny算法同BP神经网络相结合的方法在阔叶型杂草和禾本科杂草识别上,准确率分别为95.67%和93.33%,较传统Canny算法同BP神经网络相结合的方法准确率分别提升5.83%和5.66%。

【文章页数】：6 页

【文章目录】：
0 引言
1 数据采集与预处理
    1.1 数据来源
    1.2 图像预处理
2 边缘检测和BP神经网络
    2.1 改进Canny边缘检测算法
        2.1.1 自适应中值—高斯滤波
        2.1.2 改进的梯度计算方法
        2.1.3 结合Otsu算法设定高低阈值
        2.1.4 试验结果与分析
    2.2 BP神经网络识别模型
3 试验结果与分析
    3.1 Canny算法改进前后对比分析
    3.2 Canny算法改进前后与BP神经网络结合对比分析
4 结论



本文编号：4013177