版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、雜草與植物病蟲害一樣,是農(nóng)作物生長中的重要災(zāi)害。雜草與農(nóng)作物爭奪空間,陽光,水和肥料,使農(nóng)作物的生長受到抑制而導(dǎo)致減產(chǎn)。據(jù)統(tǒng)計,我國因遭受雜草的危害,每年損失糧食約200億千克,油菜籽和花生約2億千克。在雜草防除方法中,化學除草法由于其高效的除草能力而倍受青睞,但是化學除草劑的使用方式普遍為粗放式大面積噴灑,還造成了潛在的生態(tài)環(huán)境危害。如果對田地進行變量,噴灑到作物和土壤等無雜草區(qū)域的除草劑不僅造成了浪費噴灑,即僅在雜草滋生區(qū)噴灑除草劑
2、,就能顯著的減少除草劑的使用量降低對環(huán)境的危害。目前在雜草識別領(lǐng)域中,主要利用植物的位置、植物的特征(包括形狀、顏色、紋理、光譜等)以及三維圖像等多種方法。本文以四種田間常見雜草為研究對象,提出采用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)將雜草的形狀、紋理、高度特征融合的方法,實現(xiàn)對田間雜草的有效識別。
由于雜草識別是一種定性分析的過程,它不同于一般的定量分析,雜草的特征本身具有模糊性,以某些絕對的數(shù)量定義雜草的分類指標是不科學的,因此本文應(yīng)用模糊化
3、的雜草特征參數(shù)作為雜草識別網(wǎng)絡(luò)的輸入。為了降低分級網(wǎng)絡(luò)結(jié)構(gòu)和學習訓練的復(fù)雜程度,根據(jù)雜草特征的種類及其在對識別的影響因素分成四個子網(wǎng)絡(luò),分別為顏色特征子網(wǎng)絡(luò),主要的紋理特征子網(wǎng)絡(luò),次要的紋理特征子網(wǎng)絡(luò),和高度特征子網(wǎng)絡(luò)。再將四個子網(wǎng)絡(luò)融合為雜草自動識別綜合網(wǎng)絡(luò),并利用遺傳算法對網(wǎng)絡(luò)的結(jié)構(gòu)進行優(yōu)化。組成的模糊遺傳神經(jīng)網(wǎng)絡(luò)具有更強的魯棒性和自適應(yīng)性。
本文提出的田間雜草自動分類識別方法,將模糊理論和特征分類有效結(jié)合,首次將雜草的高
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征庫和模糊技術(shù)的遙感圖像分類研究.pdf
- 基于多特征融合技術(shù)的商品圖像分類.pdf
- 基于多特征融合和SVM分類的圖像檢索技術(shù)研究.pdf
- 基于模糊積分的多分類器融合研究.pdf
- 基于加權(quán)多特征融合和SVM的圖像分類研究.pdf
- 基于結(jié)構(gòu)和紋理特征融合的場景圖像分類.pdf
- 基于特征降維和分類器融合的極化SAR分類方法.pdf
- 基于圖片特征和分類器融合的垃圾郵件過濾技術(shù)研究.pdf
- 融合LBP特征和運動特征的運動分類算法.pdf
- 基于模糊積分的多分類器融合方法研究.pdf
- 基于多特征融合的車型分類方法研究.pdf
- 基于多特征融合的文物圖像分類研究.pdf
- 基于子空間和多特征融合的木材分類算法研究.pdf
- 基于多特征融合的遙感圖像分類研究.pdf
- 基于多特征融合的商品圖像分類.pdf
- 基于圖像融合的分類技術(shù)研究
- 基于特征優(yōu)化和多特征融合的雜草識別方法研究.pdf
- 基于多特征融合的視頻分類方法研究.pdf
- 基于特征融合的服裝圖像情感語義分類研究.pdf
- 融合SURF和全局特征的醫(yī)學圖像分類研究.pdf
評論
0/150
提交評論