农田杂草是农业生产的大敌,也是困扰农作物生长的基本问题之一。虽然使用化学除草剂可以高效地进行除草,但由于化学除草剂所采用的普遍方式为粗放式喷洒,不仅浪费大,而且造成了生态环境的破坏,针对这一弊端,提出了变量喷洒。本文主要针对实现变量喷洒的核心技术—杂草识别技术进行了研究,主要研究内容和成果如下: 1、综述了利用计算机视觉技术进行杂草识别的国内外研究进展,并指出了国内外同类研究所存在的问题;同时对计算机视觉系统进行了比较全面的阐述。 2、建立并完善了适合本研究的计算机视觉系统。该系统由MS3100 Duncan Camera(3CCD Camera)、MeteorⅡ/MC图像采集卡以及计算机组成。 3、在田间拍摄了38组苗期大豆和杂草的图片,其中每组均包括红(RED)、绿(GREEN)、近红外(NIR)三个数值量的图象,共计获得114幅图片。 4、在利用R、G、IR三数值量进行背景分割方面进行了新的探索。在R、G、IR三数值量的基础上为了寻找到能有效进行背景分割的数值量或数值组合,首先以R、G、IR为基础拓展了16个数值组合,接着对R、G、IR进行处理得到r、g、ir,并在此基础上继续拓展得到了另外15个数值组合,这样共计得到了37个以RGIR为基础的数值量和数值组合。第一步通过Matlab7.0.1得到了上述37个数值量和数值组合的图像;第二步使用Matlab7.0.1求这37个图像的直方图并进行比对,根据直方图形状特征将呈现双峰的9个颜色分量进行分组:第一组包括r、r+g、r+ir、r+g+ir以及r-ir这5个数值量和数值组合;第二组则由G、IR、ir以及g+ir这4个数值量和数值组合。第三步用graythresh函数自动获取上述两组9个数值量和数值组合图像的全局阈值T,利用T实现背景分割,通过背景分割结果发现,数值量ir和数值组合r+g、r+g+ir在背景分割中具有很好的效果。 5、在基于R、G、IR三数值量进行杂草识别方面进行了深入的研究。借助Matlab7.0.1软件对数值量ir和数值组合r+g、r+g+ir进行进一步的分析,在对ir、r+g、r+g+ir图像完成为了去除图像噪声而进行的中值滤波和二值化背景分割后,为消除特定图像细节进行二值形态学操作,通过分别对三个数值量和数值组合的开启和闭合操作结果的比较,发现处理后的数值量ir适合进行闭合操