OALib Journal期刊
基于支持向量机的玉米田间杂草识别方法
, PP. 162-166
Keywords: 玉米 ,杂草识别 ,支持向量机 ,预处理 ,核函数
Abstract:
提出了一种基于图像处理和支持向量机(SVM)技术的玉米和杂草识别方法。首先根据玉米与杂草、土壤彩色图像的特征提出一类图像灰度化方法，并通过对灰度图像的除噪处理有效地分离目标对象。然后从处理好的图像中提取出目标对象的形状特征参数作为输入特征向量，进而提出玉米田间杂草识别的支持向量机方法。试验结果表明了方法的有效性，通过适当选取核函数识别率可达到
References
[1] 沈维政 张长利.基于计算机视觉的田间杂草识别方法研究[J].农机化研究,2006(7):163-165. [2] 毛文华 王一鸣 张小超 王月青.基于机器视觉的苗期杂草实时分割算法[J].农业机械学报,2005,36(1):83-86. [3] Shearer S A, Holmes R G. Plant identification using color co-occurrence matrices[J]. Transactions of the ASAE, 1990, 33(6) :2037-2044. [4] Elfaki M S, Zhang N, Peterson D E. Weed detection using color machine vision [J]. Transaction of the ASAE, 2000, 43(6):1969-1978. [5] 陈佳娟 马成林.基于遗传神经网络的玉米叶色的自动测定研究[J].农业工程学报,:. [6] 毛文华 王月青 王一鸣 等.[J].光谱学与光谱分析,2005,25(6):984. [7] 田有文 李天来.基于支持向量机的葡萄病害图像识别方法[J].农业工程学报,2007,23(6):175-180. [8] 何东健.数字图像处理[M].西安:电子科技大学出版社,2003.. [9] Cheng J D, Da W S. Multi-classification of pizza using computer vision and support vector machine[J]. Journal of Food Engineering, 2008, 86 (2) : 234 - 242. [10] Vapnik V, Lerner A. Pattern recognition using generalized portrait[J]. Automation and Remote Control, 1963, 24(6): 774-780.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
