农田杂草识别技术的研究现状及应用.pdf
《农田杂草识别技术的研究现状及应用.pdf》由会员分享,可在线阅读,更多相关《农田杂草识别技术的研究现状及应用.pdf(3页珍藏版)》请在咨信网上搜索。
1、我国是人口大国也是粮食消费大国,保障我国粮食安全生产是关系到国计民生的大事。杂草是农田作物生产的阻碍之一,而杂草识别技术是实现杂草分布监测、农药精准喷施、杂草精准防除的前提。本文就几种常见杂草识别技术的研究现状及在常见农田作物中的应用进行了概述,并讨论了杂草识别技术存在的问题及优化措施,以期为我国智能杂草防除系统的建立提供参考。关键词:杂草识别技术;农田作物;杂草防除*基金项目:国家现代农业产业技术体系四川创新团队油菜草害绿色防控技术集成应用岗位(SCCXTD-2023-03)。作者简介:李万福(1998年-),在读研究生。研究方向:农艺与种业。E-mail:liwanfu347069843
2、。通讯作者:张洪(1983年-),博士,讲师。研究方向:植物保护。E-mail:。我国的杂草危害十分严重,能造成约10%的作物产量损失。常见农田杂草防除主要依靠化学药剂防除,然而不科学大面积施用除草剂会造成土壤和作物中农药残留、环境污染、加速杂草群落更替等问题1。因此,寻求生态、高效的除草方法受到广大研究者的关注。通过杂草识别技术搭配智能除草机器人或精准变量喷洒装置等,能够做到杂草的精准识别和防除,而精准作业的前提便是杂草识别技术。因此,分析杂草识别技术的研究及应用现状,可为我国农田杂草绿色防治方案的制定提供参考,对实现农业杂草精准防治、农药减量增效、耕地环境保护,具有重要作用2。1杂草识别技
3、术国内外研究现状目前,国内外对于农田杂草识别技术已开展了大量研究,并取得一定成效。传统的识别技术主要包括机器视觉识别法、光谱分析法和光谱成像法。当前的研究热点是基于深度学习的识别方法,因其方便、高效而被广泛应用于杂草识别中3。1.1基于机器视觉技术法的杂草识别随着计算机技术和人工智能的发展,计算机视觉技术得到了快速发展和广泛应用。利用机器视觉技术法对农田杂草进行识别的关键在于特征提取,通常利用杂草与作物之间的颜色、形状、纹理、位置等差异进行识别4。王佳玉等利用颜色特征将绿色植物从周边环境中分离,再通过图像分割得到只剩杂草的图像,方便后续杂草的定位5。1.2基于光谱分析法的杂草识别技术光谱检测分
4、析技术的原理主要是根据杂草与作物的光谱特征反射率不同而进行识别和区分。该方法具有速度快、不破坏样品、实时性好等特点。光谱分析技术可分为可见光谱分析技术、近红外光谱分析技术、中红外光谱分析技术等6。白敬等7利用光谱分析技术,对冬油菜苗期杂草进行了快速识别。然而,植物的光谱特性易受光照、土壤、病虫害等多种因素影响而造成误判,在实际应用上受到一定限制。1.3基于光谱成像法的杂草识别技术光谱成像法是光谱分析技术与机器视觉技术的结合,可同时获得样本的外部形态特征和光谱特征,因此,相较于机器视觉技术和光谱分析技术,其识别精度更高。光谱成像技术常用的有高光谱成像技术和多光谱成像技术。高光谱成像技术的利用波段
5、较多,其光谱分辨率相较于多光谱成像技术更高,一般用于研究。多光谱成像技术实时性好、响应速度快,更适合田间杂草识别。乔永亮等8采用多光谱图像识别法对玉米田中杂草进行识别研究,识别率达97.22%。1.4基于人工智能深度学习法的杂草识别技术深度学习法的出现有效地解决了传统的基于机器视觉或光谱识别受主观因素影响大、依赖人工手动提取特征的问题。深度学习中的卷积神经网络(CNN)能够从大量训练样本中自动提取特征,并且得到的特征描述比原始数据表达效果更好9,从而在杂草识别方面表现出强大的能力。杨泽宇等10研究表明基于深度学习CNN相较于传统支持向量机(SVM)和随机森林(RF)方法,提取的冬油菜空间分布精
6、度和面积精度更好,为进一步实现冬油菜提取自动化提供了试验基础。2杂草识别技术在常见农田作物中的应用2.1稻田中杂草的识别和分类桂越等11利用卷积神经网络对农田杂草与水稻进行分类识别,其识别正确率达85.00%以上。邓向武12采用深度卷积特征的识别方法对6种稻田苗期杂草进行识别,识别精度高于94.00%。范德耀13应用BP神经网络分类器对5种常见水稻田间杂草的颜色特征、纹理特征参数进行了种类识别研究,表现出较好的识别效果。Barrero 等14利用神14调查研究|四川农业与农机/2023年4期|经网络对稻田杂草的航拍图像进行检测,准确率高达99.00%。2.2麦田中杂草的识别和分类Zhang等1
7、5利用机器视觉技术法获取冬小麦杂草分布情况,结果显示杂草识别准确率达90.00%以上,该研究为无人机变量喷洒提供指导。朱伟兴等16融合了颜色和形态特征进行杂草识别,杂草正确识别率高达92.60%以上,且能减少至少72.40%除草剂的使用量。陈超等17利用多光谱技术,能够分别以96.00%、88.00%以及94.00%的正确率识别小麦、杂草及裸土。倪军等18针对麦田杂草识别率低、无法准确定位杂草等问题,融合RGB图像特征和深度特征,该方法对分蘖期杂草识别快,准确率为88.00%。2.3油菜田中杂草的识别和分类张乐等19基于 FasterR-CNN 深度网络模型共享卷积特征对油菜田中杂草进行识别,
8、其精确度可达83.90%,召回率达78.86%。胡灵炆等20使用可见光谱分析技术能快速准确地识别油菜苗,去除杂草和土壤等背景物,为油菜精细化耕作提供技术参考。潘冉冉等21采用高光谱成像技术,同时结合化学计量学方法,对油菜中的杂草进行了准确分类识别。2.4其它应用杂草识别技术与自动拖拉机、智能传感器、移动机器人和无人机等设备结合使用,可研发多样化的除草设备,以达到实时识别、绘制和精准防除杂草的目的。一些发达国家已经在智能除草设备的研发与应用上取得了重要进展。如美国推出了一种基于图像识别的精确自动除草装置,通过杂草识别和定位,利用末端执行系统进行精准喷药、火焰、电击或用激光枪将杂草直接杀死22。我
9、国也开展了相应的探索研究。刘继展等23研发了激光除草机器人。毛先胤等24将光谱分析技术与卷积神经网络相结合,以无人机为搭载平台,设计了基于可见光机巡图像技术的电力设备杂草识别装置,切实解决了图像内电力设备周围杂草识别等相关问题。3主要存在的问题及优化措施3.1传统杂草识别技术相较于深度学习识别技术高度依赖人力投入传统的杂草识别技术再杂草检测时,高度依赖研究人员专业素质,易造成在特征提取上受主观因素影响。而采用CNN深度学习法提取的特征比手动提取特征更有效,且不带有人工特征提取过程带来的主观性,提高了杂草识别精度。因此,基于深度学习的杂草识别研究是未来的热点,应该加强这方面的研究和应用。3.2环
10、境复杂,对计算机硬件设备和分类算法要求高杂草检测的主要目的是保证农业的安全生产以及减少农药的施用,这对土壤和环境以及国家的经济状况都有好处。以上讨论的各种方法在稳定的环境条件和实验室条件下对杂草有很好的检测效果。然而,田间的实际环境十分复杂,如果单一地利用作物和杂草的颜色、形态和纹理特征难以将其区分开。未来杂草自动识别系统的建立更倾向于多特征融合,从而达到更精确的识别效果,这势必对计算机硬件性能提出更高的要求。针对以上问题,一方面可以优化硬件设备,提高计算机运算储存能力;另一方面可以适当简化分类算法,减小数据冗余,提高识别速度。3.3数据集缺乏,图像质量要求高不管是基于传统识别技术还是基于深度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 农田 杂草 识别 技术 研究 现状 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。