基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究

作者: 于国庆郝若帆马洪涛吴赛敏陈梦雅

关键词: 秸秆覆盖率图像识别 SVM(支持向量机) 灰度变换处理形态学图像处理

摘要：针对秸秆还田后的秸秆细碎、在自然光照下与土壤颜色差别很小导致秸秆覆盖率检测精度低的问题,提出了一种基于灰度变换函数与支持向量机(SVM)算法相结合的秸秆覆盖率图像识别方法.首先对在自然光下拍照获取的粉碎秸秆的彩色图像进行灰度变换处理,然后应用SVM算法对其进行秸秆图像分类,最后应用形态学图像处理算法得到准确的图像覆盖率.结果表明,对5个不同地块的秸秆图像进行灰度变换处理后,利用SVM训练文件直接预测得到的秸秆覆盖率与田间实际测量结果的最大误差率为3.20％,最小误差率为1.00％,分类时间小于2 s.可见,采用此方法检测粉碎秸秆的还田覆盖率具有很好的识别效果,并且用经过训练后的结果对所有图像进行SVM预测,不受光照的影响,效率高,分类速度快.

上一篇：第一页
下一篇： 电感耦合等离子体质谱法测定小麦籽粒中8种重金属元素

基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究

作者: 于国庆 郝若帆 马洪涛 吴赛敏 陈梦雅

关键词: 秸秆覆盖率 图像识别 SVM(支持向量机) 灰度变换处理 形态学图像处理

作者: 于国庆郝若帆马洪涛吴赛敏陈梦雅

关键词: 秸秆覆盖率图像识别 SVM(支持向量机) 灰度变换处理形态学图像处理