除草是田间管理的一项重要且繁重的工作,因此提高除草自动化有着深远的意义。本研究以棉田作为研究对象,对应用于田问智能除草装置的杂草实时识别技术进行了研究,为精确喷施智能除草装置实时对靶喷施提供了杂草信息。主要研究工作包括以下几个方面:1)视觉系统的设计与搭建:根据田间实际作业环境对视觉系统的安装支架、减震机构、人工光源设备及布置进行设计、制造和装配;对摄像头、镜头、配套电脑系统、可移动电源和光源进行选购和配置。2)背景分割方法的研究:用程序实现杂草识别中有效常用的3种灰度化方法(超绿法、归一化超绿法和Cr色差法)和4种二值化方法(定阈值法、Ostu法、最优阈值法、迭代取阈值法);通过对处理效果的比较分析组合成5种背景分割方法,进而对这5种方法进行对比研究,分析方法的适应性和耗时性,选择综合分割性能最优的CLD法作为后续在线作业实验的背景分割方法;对比温室内静态实验和室外实验结果,对噪声种类和噪声源进行分析,并为每种背景分割方法选取合适的去噪声算法对噪声进行消除,提高图像的品质;在室外添加人工光源进行实验,得到更优的处理效果。3)杂草识别研究:提取作物的种植信息,利用种植信息识别棉花和杂草;利用骨架形态学算法提取前景对象(植物)的F特征(对象骨架长度与对象面积的比例),利用F特征识别棉花和杂草;对比分析两种识别方法的识别效果和耗时性,选择基于作物种植信息的识别方法作为后续在线作业实验的识别方法。4)施药信息和施药策略研究:根据施药系统对施药策略和施药信息的获取进行研究,用一个二维数组来表示杂草的位置和密度信息,并对施药信息的获取效果进行分析。5)开发视觉软件:开发用于离线实验和在线作业的视觉软件,软件具有杂草识别中常用的图像处理功能,具有良好的人机交互界面和可操作性。本课题研究开发了智能除草平台,并基于此平台对杂草实时识别技术进行了研究。通过对背景分割方法、杂草识别方法和施药信息的研究,提高识别精度和整体算法的实时性。并将此实时识别技术应用到智能除草设备上进行在线作业实验,为基于实用化的识别技术的深入研究和完善提供了基础,为基于机器视觉的智能除草设备的产品化做出了关键性的推动作用。