基于模糊分类和特征融合技术的杂草分类研究

摘要

杂草与植物病虫害一样，是农作物生长中的重要灾害。杂草与农作物争夺空间，阳光，水和肥料，使农作物的生长受到抑制而导致减产。据统计，我国因遭受杂草的危害，每年损失粮食约200亿千克，油菜籽和花生约2亿千克。在杂草防除方法中，化学除草法由于其高效的除草能力而倍受青睐，但是化学除草剂的使用方式普遍为粗放式大面积喷洒，还造成了潜在的生态环境危害。如果对田地进行变量，喷洒到作物和土壤等无杂草区域的除草剂不仅造成了浪费喷洒，即仅在杂草滋生区喷洒除草剂，就能显著的减少除草剂的使用量降低对环境的危害。目前在杂草识别领域中，主要利用植物的位置、植物的特征（包括形状、颜色、纹理、光谱等）以及三维图像等多种方法。本文以四种田间常见杂草为研究对象，提出采用模糊神经网络技术将杂草的形状、纹理、高度特征融合的方法，实现对田间杂草的有效识别。
　　由于杂草识别是一种定性分析的过程，它不同于一般的定量分析，杂草的特征本身具有模糊性，以某些绝对的数量定义杂草的分类指标是不科学的，因此本文应用模糊化的杂草特征参数作为杂草识别网络的输入。为了降低分级网络结构和学习训练的复杂程度，根据杂草特征的种类及其在对识别的影响因素分成四个子网络，分别为颜色特征子网络，主要的纹理特征子网络，次要的纹理特征子网络，和高度特征子网络。再将四个子网络融合为杂草自动识别综合网络，并利用遗传算法对网络的结构进行优化。组成的模糊遗传神经网络具有更强的鲁棒性和自适应性。
　　本文提出的田间杂草自动分类识别方法，将模糊理论和特征分类有效结合，首次将杂草的高度信息引入模糊神经网络作为输入量应用到杂草分类识别系统当中。并亲采杂草光谱信息进行分析，对后续除草剂的变量喷洒提供了理论支持及可行性方案，对杂草自动识别系统的开发有一定的借鉴意义。

目录

摘要

1 绪论

1．1 研究的目的和意义

1．2 杂草自动识别技术国内外研究现状

1．2．1 基于位置信息特征杂草识别

1．2．2 基于颜色特征杂草识别

1．2．3 基于形状特征杂草识别

1．2．4 基于纹理特征识别杂草

1．2．5 基于光谱特征杂草识别

1．3 论文主要研究内容

1．3．1 研究内容

1．3．2 技术路线

1．4 本文的结构安排

2 杂草图像的特征提取／选择

2．1 引言

2．2 颜色特征提取与选择

2．2．1 颜色特征提取

2．2．2 颜色特征选择

2．3 纹理特征提取与选择

2．3．1 纹理特征提取

2．3．2 纹理特征的选择

2．4 高度特征提取与选择

2．4．1 高度特征提取

2．4．2 高度特征选择

2．5 光谱特征的提取

2．6 本章小结

3 模糊BP神经网络

3．1 引言

3．2 模糊遗传神经网络理论

3．2．1 模糊理论

3．2．2 人工神经网络

3．2．3 BP算法

4 杂草自动识别系统的分类器设计

4．1 引言

4．2 杂草自动识别模糊神经网络设计

4．3 模糊规则的遗传优化算法设计

4．4 自动识别综合网络学习和训练

4．5 本章小结

5 杂草分类识别实验结果及分析

5．1 引言

5．2 杂草自动识别实验

5．2．1 图像采集及预处理

5．2．2 杂草3-D图像重建

5．2．3 高度信息提取实验

5．3 杂草分类识别实验

5．3．1 网络收敛性对比试验

5．3．2 网络稳定性对比试验

5．3．3 模式识别率对比试验

5．3．4 模式识别速度对比试验

5．4 基于叶片高光谱特性分析的杂草识别实验

5．5 误差源分析

5．5．1 图像采集及预处理误差

5．5．2 不可靠视差误差

5．5．3 杂草识别误差

5．6 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明