1、我國(guó)的農(nóng)業(yè)生產(chǎn)已經(jīng)取得了很大成就，但面臨著一些重大問(wèn)題，如農(nóng)藥使用過(guò)量而造成的環(huán)境污染、機(jī)械化程度不足、投入高效率低等等。精細(xì)農(nóng)業(yè)是我國(guó)農(nóng)業(yè)發(fā)展的必然趨勢(shì)。精細(xì)農(nóng)業(yè)是集成了電子、計(jì)算機(jī)、信息處理技術(shù)與智能機(jī)械等技術(shù)的現(xiàn)代農(nóng)業(yè)技術(shù)和體系。機(jī)器視覺(jué)是其中的關(guān)鍵性基礎(chǔ)技術(shù)，是作業(yè)機(jī)械的感覺(jué)器官。針對(duì)作物早期管理中的自動(dòng)噴灑作業(yè)的需要，重點(diǎn)研究了作物與雜草的識(shí)別問(wèn)題。田間作物與雜草的自動(dòng)識(shí)別，根據(jù)研究?jī)?nèi)容和方法的不同，可以分為以下幾類：1)根據(jù)

2、作物與雜草的位置信息的區(qū)分；2)根據(jù)光譜反射率的區(qū)分；3)根據(jù)形狀的區(qū)分；4)根據(jù)顏色的區(qū)分；5)根據(jù)紋理的區(qū)分。本文的主要研究?jī)?nèi)容與結(jié)果如下： (1) 采用Vis/NIR光譜技術(shù)，區(qū)分了苗期的大豆與牛筋草、空心蓮子草、凹頭莧等幾種南方地區(qū)常見(jiàn)的植物。用325-1075nm波段的光譜反射率，經(jīng)過(guò)DBN小波在三層分解后，可以將光譜樣本壓縮到114個(gè)數(shù)據(jù)。光譜樣本分兩期共采集了360個(gè)樣本。然后從經(jīng)過(guò)小波變換后的結(jié)果中選取250個(gè)樣

3、本作為輸入數(shù)據(jù)建模，包括了兩個(gè)階段的樣本數(shù)據(jù)，剩余的110個(gè)樣本用于校驗(yàn)。采用了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明，識(shí)別正確率達(dá)到了97.3％，只有3個(gè)牛筋草樣本被錯(cuò)誤識(shí)別。所以，應(yīng)用Vis/NIR光譜技術(shù)區(qū)分作物與雜草。是一種準(zhǔn)確率高、速度快的高效方法。 (2) 研究了基于多光譜成像儀的圖像的顏色空間的變換。多光譜成像儀的三個(gè)圖像信道分別是Gn、Ir、Rd。其Ir信道的圖像質(zhì)量很高，特別適合用來(lái)做作物與雜草的區(qū)分。可以將多光譜成

4、像儀的圖像與其它的顏色空間進(jìn)行轉(zhuǎn)換(HSV,OHTA,CIE XYZ，CIEL*A*B*，CIEL*U*V*)。比較了原始圖像、CIE XYZ顏色空間、CIE LUV顏色空間的圖像質(zhì)量和灰度直方圖分布，結(jié)果是在CIE XYZ顏色空間中，三個(gè)圖像分量的灰度直方圖和圖像質(zhì)量都有改善，在CIEL*U*V*顏色空間中的V*空間的灰度直方圖類似原始圖像中的IR信道，圖像更清晰。說(shuō)明了顏色空間變換對(duì)于多光譜圖像的處理，可以作為一種重要的預(yù)處理手段。

5、 (3) 在圖像增強(qiáng)的方法上，分空域增強(qiáng)和頻域增強(qiáng)兩部分內(nèi)容。在空域增強(qiáng)部分，研究了平滑、中值濾波、維納濾波、對(duì)比度增強(qiáng)濾波等方法。在頻域增強(qiáng)部分，重點(diǎn)研究了基于matlab的數(shù)字濾波器處理方法，并分別用IIR、FIR的數(shù)字高通、低通濾波器處理模糊的作物與雜草的近紅外通道圖像，并比較了處理的效果。結(jié)果表明，數(shù)字濾波器的設(shè)計(jì)靈活，可以根據(jù)需要的幅頻響應(yīng)函數(shù)去設(shè)計(jì)濾波器參數(shù)，得到明確的幅頻、相頻響應(yīng)函數(shù)。在選取截止頻率的問(wèn)題上，提出

6、了用圖像的傅立葉變換后的圖像的半徑來(lái)確定截止頻率的方法，并研究了其使用效果。證明了基于數(shù)字濾波器的處理方法是一種有效的圖像增強(qiáng)方法，并且可以用來(lái)處理模糊圖像，增強(qiáng)作物、雜草與背景的對(duì)比和清晰程度．為目標(biāo)識(shí)別作預(yù)處理。 (4) 運(yùn)用闕值分割、數(shù)學(xué)形態(tài)學(xué)方法和圖像分析等，結(jié)合先驗(yàn)知識(shí)研究了作物與雜草的識(shí)別問(wèn)題。根據(jù)含有牛筋草、空心蓮子草和豆苗的多光譜近紅外信道的圖像，首先用闕值分割將圖像上的土壤背景去除。然后，用數(shù)學(xué)形態(tài)學(xué)方法，經(jīng)過(guò)

7、連續(xù)的腐蝕與膨脹操作，將豆苗與兩種雜草分割開(kāi)。對(duì)于僅剩下兩種雜草的二值圖像，用圖像分析工具統(tǒng)計(jì)雜草對(duì)象的特征，包括長(zhǎng)、短軸，面積，實(shí)心度，周長(zhǎng)等等因子。然后，根據(jù)先驗(yàn)知識(shí)確定兩條簡(jiǎn)單的規(guī)則。識(shí)別出兩種雜草．實(shí)驗(yàn)表明這是一種簡(jiǎn)單有效的方法。 (5) 研究了多光譜圖像的邊界提取和圖像分割問(wèn)題，比較了在不同的邊界提取算子，包括Roberts、Prowitt、Sobel、Laplacian等邊界算子作用下的效果。同時(shí)也比較了用數(shù)學(xué)形態(tài)學(xué)