1、课题来源与背景： 课题来源于齐齐哈尔市科学技术农业攻关项目；由于在农业种植中，杂草的生长是不可避免的，而目前主要的除草方式是化学除草，化学除草剂的使用既需要经济成本的投入，又对土地有很大伤害。传统种植中，农药的投放都是按土地面积的多少进行的。在智能化农业的背景下，如果能根据杂草量进行农药的可调节喷洒，既可以节省成本，又可以在一定程度上保护耕地，同时还可以以此进行化学肥料的可调节喷洒，经济效益和社会效益都很明显。 2、研究目的与意义： 为了能够实现农药、化肥的可调节喷洒，其基础工作是进行杂草的识别。本成果通过图像分割、特征提取，能够对杂草和植物进行准确分类，从而确定杂草量与作物占比，以此作为输出，控制喷洒农药或化肥量，这也是智慧农业未来发展的方向。 3、主要论点与论据： （1）图像预处理。经过大量的实验和算法的挑选，找到有效并满足实时性要求的图像预处理方案：根据植物与土地背景的颜色差异，首先对采集的作物与杂草彩色图像进行绿色加重处理；然后使用二维分割法对图像进行分割；最后，由于分割后的二值图像存在野点和毛刺，使用形态学方法增强图片植物特征。 （2）特征提取。首先，通过对每一幅图片的像素点进行分析运算，提取植物的6个颜色特征和7个不变矩特征。 （3）使用人工鱼群算法提取最优特征组合并改进传统的概率神经网络。用人工鱼群算法从上述提取的特征中选取出作物与杂草最优的特征组合以便减少特征冗余，降低计算复杂度，对传统的概率神经网络网络加以改进，以便提高其识别性能；最后将优选出的特征向量作为概率神经网络的输入，杂草或者作物的二值数据作为输出训练神经网络，从而判别其属于作物或杂草。 通过实验验证该方法，准确率达到了94.8%。绝大多数的植物图像通过改进后的概率神经网络模型得到了正确分类。很好地完成项目内容，达到了合同书中要求的性能指标。 4、创见与创新： 目前在国内外的研究中，机器视觉在农业中的应用，多数停留在农产品质检分类和某种特定环境下对杂草生长简单的信息检测，尚未见到综合利用各种信息进行的杂草识别。基于改进的概率神经网络对作物杂草的识别精度上升，并且因为自适应地选择了最优特征组合，避免了全部特征输入时数据量大，识别率低和实时性差的问题。以该项目的研究基于杂草量进行农药量的调节可以节省购买农药的资金30%以上，根据作物量对肥料量的调节也可以节省资金20%以上，同时又保护了耕地。 5、社会经济效益，存在的问题： 本项目综合利用各种信息进行的杂草识别，根据识别的杂草与作物的占比进行农药或化肥量的调节，以此为基础生产出可调节喷洒器，可以节省购买农药的资金30%以上，根据作物量对肥料量的调节也可以节省资金20%以上，同时又保护了耕地。因此，有很大的经济效益和社会效益。目前本项目研究存在问题是研究采用的是静态图片，应进一步研究在移动喷洒过程中图片的动态性对识别率的影响以及识别实时性的要求。 6、成果简介： 该项目利用图像分割、特征提取与智能算法相结合，将作物与杂草进行精确分类，从而确定作物与杂草的占比并输出。该项研究杂草识别的准确率达到95%以上。

齐齐哈尔大学

该项目为储备库项目资源，暂无效益分析内容。