论文部分内容阅读
目前,在农业研究领域有一个关键的课题就是如何控制好田间杂草。化学除草仍是国内田间杂草主要的控制手段,虽然这种方法是及时、高效和经济的,适应现代的农业生产作物,但其广泛使用对生态环境的长远发展有着诸多弊端,某种程度上与当前所提倡的绿色环境保护、可持续发展、精准农作等理念不相符。而精准农业的目的是提高作物产量和质量,降低生产成本,减少污染,改善环境质量。因此,为了能够合理有效地使用化学除草剂,并且避免在没有喷雾器的情况下进行大面积喷洒,对杂草的识别研究变得特别重要。通过研究分析国内外杂草识别相关技术,本文选取Pytorch框架并结合AlexNet模型对杂草进行识别。其主要内容如下:(1)充分研究分析了计算机视觉技术在杂草识别中的国内外相关技术,并对识别框架进行了深入的了解,分析了其存在的不足之处,最终选择Pytorch框架对杂草进行识别。(2)选取狗尾草、马唐、苍耳以及牛筋草等12种杂草制作数据集。(3)利用中值滤波对图像进行降噪处理。结合预处理图像,通过对比分析图像分割相关算法,选择OTSU自适应阈值分割法分离杂草和背景。(4)基于Pytorch框架利用AlexNet模型对数据集进行训练和测试,准确率达到95.65%。(5)将模型与实际相结合,设计并实现了北方田地常见杂草识别APP。最后,总结本文的研究成果并提出了待优化的内容以及未来工作的重点。