基于深度学习与图像处理的玉米茎秆识别方法与试验

发布时间：2025-04-23 03:26

　　 以识别玉米秧苗茎秆为目标,采用云台搭载电荷耦合器件(CCD)相机获得玉米秧苗图像,采用Label Image插件制作了玉米秧苗的标记与标签。基于深度学习框架Tensor Flow搭建了多尺度分层特征的卷积神经网络模型,应用4倍膨胀的单位卷积核,获得了玉米秧苗图像的识别模型,其识别准确率为99. 65%。将已知玉米秧苗图像划分为最佳子块,求取了各个子块的最佳二值化阈值。选取6种杂草密度在每天5个时间段进行为期3 d的试验,共采集了10 800幅图像。试验结果显示,对玉米秧苗茎秆的平均识别准确率为98. 93%,且光照条件与田间杂草密度对识别结果没有显著影响(P>0. 05)。

【文章页数】：9 页

【文章目录】：
0 引言
1 材料与方法
    1.1 图像采集与标记
    1.2 多尺度分层特征提取与膨胀卷积
    1.3 图像形态学处理
    1.4 试验设计
2 试验结果与分析
    2.1 玉米秧苗识别结果
    2.2 玉米秧苗茎秆识别结果
    2.3 算法优势与识别误差分析
3 结论



本文编号：4041143