為提高無人機噴灑除草劑的精準度,以闊葉型雜草、禾本科雜草作為研究對象,針對傳統(tǒng)圖像識別技術(shù)準確率低,邊緣信息丟失嚴重等問題,提出基于改進Canny邊緣檢測算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的大豆雜草圖像識別方法。首先采用改進后的Canny算法對圖像進行特征提取,然后將提取到的結(jié)果轉(zhuǎn)化為特征矩陣向量,作為BP神經(jīng)網(wǎng)絡(luò)的輸入層,最后通過BP神經(jīng)網(wǎng)絡(luò)進行大豆雜草圖像識別,區(qū)分出不同種類的雜草。試驗結(jié)果表明,改進后的Canny算法同BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法在闊葉型雜草和禾本科雜草識別上,準確率分別為95.67%和93.33%,較傳統(tǒng)Canny算法同BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法準確率分別提升5.83%和5.66%。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 數(shù)據(jù)采集與預(yù)處理
    1.1 數(shù)據(jù)來源
    1.2 圖像預(yù)處理
2 邊緣檢測和BP神經(jīng)網(wǎng)絡(luò)
    2.1 改進Canny邊緣檢測算法
        2.1.1 自適應(yīng)中值—高斯濾波
        2.1.2 改進的梯度計算方法
        2.1.3 結(jié)合Otsu算法設(shè)定高低閾值
        2.1.4 試驗結(jié)果與分析
    2.2 BP神經(jīng)網(wǎng)絡(luò)識別模型
3 試驗結(jié)果與分析
    3.1 Canny算法改進前后對比分析
    3.2 Canny算法改進前后與BP神經(jīng)網(wǎng)絡(luò)結(jié)合對比分析
4 結(jié)論



本文編號：4013177