【摘 要】
:
水稻是一种大田农作物,是我国重要的粮食经济作物之一,被广泛的种植与生产。在水稻的种植过程中,杂草是影响水稻生产的重要因素之一。农田杂草主要是指那些较大范围生长在农田区域中,非人工种植的草本植物。因此,对于水稻农田中的杂草进行有效的防控对于保证水稻的产量和质量具有十分重要的意义。当前在我国使用范围最广的杂草防控方式就是化学防控,化学防控顾名思义就是使用化学农药对杂草进行喷洒。在消除杂草的同时也会对水
论文部分内容阅读
水稻是一种大田农作物,是我国重要的粮食经济作物之一,被广泛的种植与生产。在水稻的种植过程中,杂草是影响水稻生产的重要因素之一。农田杂草主要是指那些较大范围生长在农田区域中,非人工种植的草本植物。因此,对于水稻农田中的杂草进行有效的防控对于保证水稻的产量和质量具有十分重要的意义。当前在我国使用范围最广的杂草防控方式就是化学防控,化学防控顾名思义就是使用化学农药对杂草进行喷洒。在消除杂草的同时也会对水稻的生长造成影响,长期的施用化学农药会造成农田的污染使得土壤硬化。合理有效地使用农药,对杂草进行精准喷施成为解决这一问题的有效方法。通过对分布大量杂草的区域进行重点喷施,对分布有少量杂草或没有杂草的区域进行少量喷施或者不喷施。实现对杂草精准施药的目标,提高农药的利用效率。本文研究的重点在于对农田中的水稻杂草进行识别分类,进而生成一张简易的杂草分布网格图。本文在广泛阅读国内外论文的基础上使用三种语义分割模型对无人机拍摄的水稻杂草遥感图像进行识别分类,并对此三种算法模型生成的网格图进行比较和分析。本文的主要工作如下:(1)使用无人机在低空30m的高度进行拍摄的,采集完之后对其进行基于位置信息和颜色纹理特征进行图像拼接,从而形成田块的低空遥感正射影像图,对正射影像图进行切割成许多块小图片,并对小图片进行标注划分训练集和测试集。(2)本文使用的三个语义分割模型分别为FCN、U-Net、Seg Net。通过使用这三种模型对水稻杂草图像进行识别并得出各自的统一评价指标,其中得出三种模型的像素精度(Pixel Accuracy)分别为88.8%、89.4%、84.5%;平均像素精度(Mean Pixel Accuracy)分别为69.3%、82.2%、77.0%;平均交并比MIo U(Mean Intersection over Union)分别为61.4%、68.8%、64.0%以及频权交并比(Frequency Weighted Intersection over Union)分别为82.4%、81.1%、76.8%。。经过分析比较可以得出基于在Seg Net这个模型下的识别效果最好,其像素精度PA为93.5%,平均像素精度MA为82.2%,平均交并比MIo U为62.5%以及频权交并比FWIo U为81.1%。(3)对三个模型得到的识别图进行拼接生成整块农田的识别图,接着对三张识别图进行棋盘分割,生成三个模型对应的简易杂草分布网格图。结合前面得到对三种模型效果的评价系数指标进行总结分析。本文的研究结果表明,基于深度学习模型对无人机遥感图像的研究方法能够有效反映水稻和杂草的差异,获得较高的分类精度;在同为深度学习语义分割的模型中,Seg Net模型无论是精度还是识别效果相对于其他两种都是最好的,为后续生成精准施药的施药处方图提供基础依据,为植保无人机的精准施药作业提供决策依据。
其他文献
基于南方水田的免耕杂草秸秆处理试验装置,其主要作用是将免耕水田中的秸秆杂草压切入水田中为水田保墒,减少能量的损失。秸秆还田,不仅仅在培养肥料的阶段有增产效果,而且后续效果十分明显,会起到可持续发展的作用。中国南方水田发展水稻具有很大的区域比较优势。但是南方水田稻、麦轮作区是一年水、旱各一季,秸秆还田量比北方高出1倍多,农民焚烧已成为一大公害。与北方相比,土壤含水量高,机械行走易下陷,使南方水田稻、
农情信息的快速获取与处理是开展精准农业的前提和基础,多光谱图像因其不同波段能有效反映农作物叶面积指数、病虫草害等农情,近年来在精准农业,特别是农用无人机遥感监测、精准农业航空等方面得到了研究和应用。低成本、快速采集并能方便拼接处理是后续进行基于多光谱图像的农情分析的基本要求,也是多光谱图像采集系统能广泛应用的条件。近年来,基于无人机的多光谱图像采集系统虽然有了快速的发展,但现有的系统在应用中还存在
导航是机器人实现自主执行任务功能的关键技术,现有的机器人导航技术主要包括磁导航、惯性导航、路标导航和视觉导航等。光学引导的视觉跟踪技术是实现机器人便捷操控或一控多机自动导航控制的重要方法之一。本文以光学引导的视觉跟踪技术为研究对象,通过视觉与光学跟踪技术的融合,提出了以激光光斑作为引导的自动协同导航方法,并设计了基于光学引导的机器人自动导航视觉跟踪装置,该装置通过识别激光束的相对位置来传递多机间的
目前,我国家禽养殖业正在进行深度的产业升级,生产养殖方式已由传统的个体户养殖方式向集约化、规模化养殖场养殖方式转变。而现代化的家禽养殖场面临养殖效率低下、信息管理落后等亟需解决的问题,需要在生产管理等环节中加入使用更多智能化、现代化的技术手段用以辅助生产养殖活动。本文以规模化蛋鸡场为例,针对目前的生产现状以及生产方式,设计并开发一套基于云数据库的规模化蛋鸡场饲养信息管理系统,实现信息化养殖的需求。
无线传感器网络作为一种新型的信息获取和信息处理方式,是由数以千计的微型传感器节点组成的具有多跳性、自组织网络特性的一个系统。随着微机电技术、嵌入式技术和无线通信等技术的发展,无线传感器网络取得了飞速的发展且已经被应用到了诸多领域。而无线传感器网络在应用中实现其功能的前提条件是确定网络中传感器节点位置,节点定位技术也因此成为无线传感器网络技术中的核心技术之一,吸引国内外科研人员对其投入研究。本文也将
随着我国水产养殖业的迅速发展,养殖智能化和标准化逐渐成为主要的发展方向,其中采用自主航行无人船进行投饵和水质监测作业是一种劳动强度低、自动化程度高的养殖方式。高精度环境地图和不规则水岸以及增氧机等水域内障碍物是影响无人船自主作业的关键因素,为此,获取高精度的环境地图和准确的障碍物信息对无人船自主航行具有重要意义。针对上述问题,本文开展了基于三维激光雷达的养殖水域点云特征提取与障碍物检测研究,主要研
动物个体识别在生产管理、控制重大疾病爆发、疫苗接种和产品追溯中发挥了重要作用,而图像精准识别作为计算机视觉领域重要的基础性课题,是家畜智能化养殖的核心技术之一。在牛场监控应用中,受摄像头安装位置距离奶牛较远、分辨率较低等因素影响,奶牛识别准确率受到严重影响。本文尝试将超分辨率网络与识别网络结合起来恢复牛头识别信息,提高牛头的识别性能。具体内容如下:(1)通过使用包括手机、数码相机等多种设备收集牛场
随着计算机技术的飞速发展和数据量急剧增加,数据挖掘已经成为信息研究技术中非常重要的领域,其研究方向主要包括:关联分析,预测,聚类,模式识别,分类等等。其中,聚类分析是数据挖掘技术中的研究热点,其目标是发现给定数据集中的固有结构,将该数据集划分为一定数量的簇,以使得簇中的对象尽可能相似,不同簇之间的对象尽可能不同。而为了在多个聚类中利用丰富和互补的信息,集成聚类已经成为聚类研究中热点研究方向之一。集
鉴于目前沙糖橘人工检测分级存在检测效率低、成本高,主观因素影响大、标准不同意等导致精度低,以及沙糖橘在线连续自动化分级研究少等问题,针对沙糖橘果蒂、果柄、缺陷、纹理等是沙糖橘分级难点,采用单摄像头和环形LED光源提取沙糖橘正面图像,通过对不同新鲜程度的沙糖橘图像进行大量试验和统计分析,确定出沙糖橘图像的采集方法、预处理方法和分割方法,并从图像中提取出沙糖橘果径、纹理和表面缺陷等与品质相关的特征信息
遗传算法作为一种全局并行搜索的优化工具,正被应用于各大领域。例如在聚类分析当中也极其受到重视,应用于图像分割、数据挖掘方面等。遗传算法重要特征是全局优化技术,遗传算法利用已知的适应度值来指导搜索,并不是盲目的在搜索空间中探索最优值。由于遗传算法的特性,往往会出现收敛速度慢和局部最优等问题。众多学者通过,增加种群数目,对遗传算子改进,使用混合算法等方法进行改进,但是往往不能获得收敛速度加快和全局最优