杂草肆虐、杂草病害严重危害了庄稼的生长,目前主要的除草方式是大面积覆盖性地喷洒农药,不仅造成浪费,而且污染环境。针对这种情况,为适应精确农业的发展和需要,本课题在新的应用研究领域—田间杂草识别技术领域,做了一些研究和探讨。随着计算机技术和信息采集与处理技术的发展,自主式农业机械田间自动导航、机器视觉及农业机器人的研究得到重视。本课题以机械种植的3～5叶苗期玉米为研究对象,研究并提出了一套适用于除草机器人或智能喷雾机的农田杂草识别应用软件,主要综述的内容如下：通过不同的图像采集设备,采集了各种复杂背景的农田玉米图像,针对采集过程中产生的噪声,在进行图像处理之前,对原始彩色图像进行滤波处理,实验比较了领域平均滤波和矢量中值滤波处理效果,选择领域平均滤波对图像进行滤波处理；在HSI、RGB和rgb颜色特征空间,利用不同的特征因子,对不同采集设备采集的图像进行灰度化处理,得出最佳灰度化特征因子；研究图像二值化分割算法,比较并选择适合本实验的分割方法。对二值图中出现的点状噪声,通过中值滤波或形态学算法进行后期处理；本文的创新点主要体现在：提出针对行内的杂草识别,首次提出按照位置特征法,对规律性较好的玉米行进行分析,通过对二值图像的像素按位置统计并滤波,识别出行内杂草,并确定具体位置；针对相对复杂如玉米苗缺株,叶片重叠的情形,本文有别于通过建立庞大数据库和复杂算法识别出杂草的方法,而是将图像转换成信号,通过信号间的互相关分析,实现行内杂草的识别。本文运用数字图像处理以及数字信号处理等相关知识,对农田玉米苗图像进行分析处理,较好地实现了行内杂草的识别,为进一步研发杂草识别智能系统提供了理论和技术上的支持。