基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究

河南农业科学 ›› 2018, Vol. 47 ›› Issue (11): 155-160.

• 农产品加工与安全·农业工程·农业信息技术 • 上一篇

基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究

于国庆，郝若帆^*，马洪涛，吴赛敏，陈梦雅

（河北科技大学信息科学与工程学院，河北石家庄 050018）

收稿日期:2018-06-06 出版日期:2018-11-15 发布日期:2018-11-15
通讯作者: 郝若帆（1993-）, 女，河北定州人，在读硕士研究生，研究方向:智能化仪器仪表。E-mail:1158855328@qq.com
作者简介:于国庆（1969-）,男，山东宁津人，副教授，硕士，主要从事计算机测控研究。E-mail:hbkdygq@163.com
基金资助:
国家科技部项目 (14C26211300460)

Received:2018-06-06 Published:2018-11-15 Online:2018-11-15

摘要/Abstract

摘要： 针对秸秆还田后的秸秆细碎、在自然光照下与土壤颜色差别很小导致秸秆覆盖率检测精度低的问题，提出了一种基于灰度变换函数与支持向量机（SVM）算法相结合的秸秆覆盖率图像识别方法。首先对在自然光下拍照获取的粉碎秸秆的彩色图像进行灰度变换处理，然后应用SVM算法对其进行秸秆图像分类，最后应用形态学图像处理算法得到准确的图像覆盖率。结果表明，对5个不同地块的秸秆图像进行灰度变换处理后，利用SVM训练文件直接预测得到的秸秆覆盖率与田间实际测量结果的最大误差率为3.20%,最小误差率为1.00%，分类时间小于2 s。可见，采用此方法检测粉碎秸秆的还田覆盖率具有很好的识别效果，并且用经过训练后的结果对所有图像进行SVM预测，不受光照的影响，效率高，分类速度快。

关键词: 秸秆覆盖率, 图像识别, SVM（支持向量机）, 灰度变换处理, 形态学图像处理

于国庆，郝若帆，马洪涛，吴赛敏，陈梦雅. 基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究[J]. 河南农业科学, 2018, 47(11): 155-160.

参考文献

参考文献:
［1］李洪文,李慧,何进,等.基于人工神经网络的田间秸秆覆盖率系统［J］.农业机械学报,2009,40（6）：58-62.

［2］苏艳坡,张东远,李洪文,等.基于自动取阈分割算法的秸秆覆盖率检测系统［J］.农机化研究,2012,34(8):138-142.

［3］沈盼盼,樊丰,伍瑞卿.基于RGB三通道分离的运动目标检测方法［J］.电视技术,2012,36(3):137-140.

［4］肖佳林,赵聿晴,王英.基于HMM与SVM的语音活动检测［J］.计算机工程,2014,40(1):203-208.

［5］刘爽.支持向量机在自动文本分类中的应用［M］.大连:大连海事大学出版社,2014:75-106.

［6］翟俊海,王婷婷,王熙照.一种改进的样例约简支持向量机［J］.南京大学学报(自然科学版),2013,49(5):596-602.

［7］周琼,杨红云,杨珺,等.基于参数优化支持向量机的水稻施氮水平分类研究［J］.南方农业学报,2017,48(8):1524-1528.

［8］胡晓艳,宋海燕.基于支持向量机和近红外光谱特性的土壤质地分类［J］.山西农业科学,2017,45(10):1643-1645.

［9］林中琦,牟少敏,时爱菊,等.基于Spark的支持向量机在小麦病害图像识别中的应用［J］.河南农业科学,2017,46(7):148-153.

［10］于仁师,孙华丽,宋欣欣,等.基于支持向量机的花生荚果品种识别模型优化研究［J］.河南农业科学,2016,45(6):157-160.

［11］Cortes C,Vapnik V.Support-Vector network［J］.Machine Learning,1995,20:273-297.

［12］阮秋琦.数字图像处理学［M］.北京:电子工业出版社,2001:35-40.

［13］Huang F,Yang G,Song K.The soft morphology applied to detecting image edge［J］.Journal of Image & Graphics,2000,5(4):284-287.

［14］崔屹.数字图像处理技术与应用［M］.北京:电子工业出版社,1997:64-68.

[1]	于雁南, 莫泳彬, 严继池, 熊春林, 窦世卿, 杨荣峰. 基于改进ShuffleNet V2 的柑橘病害识别研究[J]. 河南农业科学, 2024, 53(1): 142-151.
[2]	赵晨, 赵浩斌, 路晓崇, 张晓阳, 白涛, 毛岚, 宋朝鹏, 王涛. 基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法[J]. 河南农业科学, 2022, 51(10): 161-168.
[3]	马茵驰, 韦惟, 周超. 基于摄食状态图像识别技术的锦鲤产量估算方法研究[J]. 河南农业科学, 2021, 50(5): 149-156.
[4]	冯晓, 李丹丹, 王文君, 郑国清, 刘海礁, 孙永胜, 梁山, 杨莹, 臧贺藏, 张辉. 基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别[J]. 河南农业科学, 2021, 50(4): 174-180.
[5]	赵建敏，芦建文. 基于字典学习的马铃薯叶片病害图像识别算法[J]. 河南农业科学, 2018, 47(4): 154-160.
[6]	刘丽娟，刘仲鹏，程芳. 玉米生长期叶部病害图像识别预处理研究[J]. 河南农业科学, 2013, 42(10): 91-94.
[7]	张红涛;胡玉霞;赵明茜;邱道尹;张孝远;张恒源. 田间害虫图像识别中的特征提取与分类器设计研究[J]. 河南农业科学, 2008, 37(9): 73-75.
[8]	张红涛;胡玉霞;刘新宇;邱道尹. 农田害虫实时检测装置的设计与实现[J]. 河南农业科学, 2007, 36(12): 63-65.

基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics