基于卷积神经网络的农田杂草与水稻的分类识别

详细信息    查看全文 | 推荐本文 |

英文篇名：Image Recognition of Weeds and Crops Based on Convolution Neural Network 作者：桂越 ; 范国华 ; 唐贝贝 ; 张友华 ; 吴云志 英文作者：GUI Yue;FAN Guohua;TANG Beibei;ZHANG Youhua;WU Yunzhi;Anhui Agricultural University;Anhui Provincial Engineering Laboratory of Beidou Precision Agriculture; 关键词：杂草识别 ; 卷积神经网络 ; 图像识别 英文关键词：Weeds identification;;CNN;;Image recognition 中文刊名：LYGY 英文刊名：Journal of Luoyang Institute of Science and Technology(Natural Science Edition) 机构：安徽农业大学信息与计算机学院;安徽省北斗精准农业信息工程实验室; 出版日期：2019-03-25 出版单位：洛阳理工学院学报(自然科学版) 年：2019 期：v.29 语种：中文; 页：LYGY201901016 页数：6 CN：01 ISSN：41-1403/N 分类号：81-85+96

摘要

近些年来国内外专家在农田杂草的识别领域进行了深入研究,逐步完善了传统方法识别农田杂草的局限性,提高了杂草识别的准确率。而卷积神经网络在图像识别和分类上有先天的优势,能够简单高效地对农田杂草进行识别,所以本文提出了一种基于卷积神经网络的农田杂草分类识别方法。本文在农田中杂草和水稻的数据集上的实验结果显示,本算法的识别正确率在85%以上,能够有效地对杂草与水稻进行分类识别。
        In recent years, due to the in-depth research of the domestic and foreign experts in the field of weed identification, the traditional weeds identification methods are gradually improved. In this paper, the methods of convolutional neural network is proposed, which has innate advantages in image recognition and classification, and can easily and efficiently identify weeds in farmland. The experimental results show that the recognition accuracy of this algorithm is more than 85% and the method is efficient.

引文

[1] 胡嵘.基于数字图像处理玉米苗期田间杂草识别方法的研究[D].武汉:华中农业大学,2007:1-5.
    [2] 刘娅静.基于机器视觉的田间杂草识别技术研究[J].无线互联网科技,2006(23):5-7.
    [3] 张健钦.计算机视觉技术在杂草识别中的应用研究[D].保定:河北农业大学,2003:3-4.
    [4] 岑益郎.计算机视觉在杂草识别中的应用[D].杭州:浙江大学,2006:2-9.
    [5] 田耀华.除草剂在绿豆田的安全性及药效的研究[D].太谷:山西农业大学,2003:13-18.
    [6] 陈耀丹,王连明.基于卷积神经网络的人脸识别方法[J].东北师大学报(自然科学版),2016,1(2):25-35.
    [7] 李欣.田间杂草的图像识别技术研究[D].保定:河北农业大学,2007:48-103.
    [8] 唐志一.基于盲源分离的大跨度桥梁多源激励振动原型监测数据分析[D].哈尔滨:哈尔滨工业大学,2016:135-136.
    [9] 濮石.基于卷积神经网络的深度学习算法与应用分析[J].信息与电脑(理论版),2018,15(9):430-432.