农机化研究
農機化研究
농궤화연구
JOURNAL OF AGRICULTURAL MECHANIZATION RESEARCH
2010年
11期
41-43,47
,共4页
玉米幼苗%杂草识别%图像处理%概率神经网络
玉米幼苗%雜草識彆%圖像處理%概率神經網絡
옥미유묘%잡초식별%도상처리%개솔신경망락
提出了一种基于计算机视觉技术和概率神经网络技术的玉米幼苗和杂草识别方法.首先利用类间方差最大自动阈值法对杂草图像的修正的超绿特征进行二值化处理;然后提取目标对象的形状特征参数作为输入向量,由概率神经网络(PNN)分类器识别出玉米幼苗.试验结果表明,该方法的有效性,对不同田间环境的玉米幼苗与杂草的准确识别率分别为92.5%和95%,效果优于使用BP网络.
提齣瞭一種基于計算機視覺技術和概率神經網絡技術的玉米幼苗和雜草識彆方法.首先利用類間方差最大自動閾值法對雜草圖像的脩正的超綠特徵進行二值化處理;然後提取目標對象的形狀特徵參數作為輸入嚮量,由概率神經網絡(PNN)分類器識彆齣玉米幼苗.試驗結果錶明,該方法的有效性,對不同田間環境的玉米幼苗與雜草的準確識彆率分彆為92.5%和95%,效果優于使用BP網絡.
제출료일충기우계산궤시각기술화개솔신경망락기술적옥미유묘화잡초식별방법.수선이용류간방차최대자동역치법대잡초도상적수정적초록특정진행이치화처리;연후제취목표대상적형상특정삼수작위수입향량,유개솔신경망락(PNN)분류기식별출옥미유묘.시험결과표명,해방법적유효성,대불동전간배경적옥미유묘여잡초적준학식별솔분별위92.5%화95%,효과우우사용BP망락.
