The embodiment of the invention provides a method and a system for removing weeds in farmland. The method includes: input the farmland image into the trained support vector machine to identify the crop area in the farmland image, and use the remaining area after the crop area is removed as the weed area in the farmland image; if it is judged that the weed area exists in the farmland image, then according to the description. The proportion relationship of the real farmland corresponding to the farmland image and the position of the weed area in the farmland image are used to obtain the real weed position information in the real farmland, and the real weed is removed according to the real weed position information. Support Vector Machine (SVM) is used to identify weed areas in farmland images, which is fast and accurate, so that weeds in real farmland can be removed in time and accurately, and the destructive power to ecological environment can be reduced at the same time.
【技术实现步骤摘要】
一种去除农田中杂草的方法及系统
本专利技术实施例涉及农业除草
,尤其涉及一种去除农田中杂草的方法及系统。
技术介绍
随着互联网技术和各种信息技术的发展,我国的农业发展模式开始由原来的传统农业向现代化的精准农业进行转变。例如,为了保护生态环境,并提高作物的质量与产量,需要对农田里的杂草进行精准喷药。也即,通过施肥机等机器,自动、快速且精准地对杂草进行喷药处理。种植花生苗的农田里,存在许多条犁沟,而通常犁沟中布满了密密麻麻的凹头苋,这种杂草严重影响了花生苗早期的生长,夺走了种植花生苗的土壤的大量养分,因此,需要在花生苗早期生长阶段去除杂草。现有的一些对杂草进行精准喷药的方法对杂草的识别率不高,有时甚至将花生苗作为杂草。这样不仅不会有效地去除杂草,还会影响花生苗的生长,让种植花生苗的土壤产生长期的耐药性,也会对生态环境造成巨大的污染。想要将杂草精准去除,又让其对生态环境破坏力降至最小也就变得困难重重,因此,通过研究寻找有效的方法对杂草进行精准识别成为了亟待解决的问题。
技术实现思路
本专利技术实施例提供一种去除农田中杂草的方法及系统,用以解决现有技术中无法精确识别农田中杂草,进而无法对杂草进行精准喷药以有效地去除杂草,甚至影响作物生长且对栽培作物的土地产生破坏的缺陷,提升了对杂草识别的准确率,使得在有效去除杂草的同时,保证了作物的质量和产量。本专利技术实施例提供一种去除农田中杂草的方法,包括:将农田图像输入至训练好的支持向量机中,以识别出所述农田图像中的作物区域,并在所述农田图像中,将剔除所述作物区域后的剩余区域作为杂草区域;若判断获知所述农田图像中存在所述杂 ...
【技术保护点】
1.一种去除农田中杂草的方法,其特征在于,包括:将农田图像输入至训练好的支持向量机中,以识别出所述农田图像中的作物区域,并在所述农田图像中,将剔除所述作物区域后的剩余区域作为杂草区域;若判断获知所述农田图像中存在所述杂草区域,则根据所述农田图像与所述农田图像对应的真实农田的比例关系,以及所述杂草区域在所述农田图像中的位置,获取所述真实农田中的真实杂草的位置信息;根据所述真实杂草的位置信息,去除所述真实杂草。
【技术特征摘要】
1.一种去除农田中杂草的方法,其特征在于,包括:将农田图像输入至训练好的支持向量机中,以识别出所述农田图像中的作物区域,并在所述农田图像中,将剔除所述作物区域后的剩余区域作为杂草区域;若判断获知所述农田图像中存在所述杂草区域,则根据所述农田图像与所述农田图像对应的真实农田的比例关系,以及所述杂草区域在所述农田图像中的位置,获取所述真实农田中的真实杂草的位置信息;根据所述真实杂草的位置信息,去除所述真实杂草。2.根据权利要求1所述的方法,其特征在于,所述训练好的支持向量机通过以下步骤获取:获取多张样本农田图像作为训练集;对于所述训练集中的每一张样本农田图像,基于霍夫变换,识别出所述样本农田图像中的作物区域;根据所述多张样本农田图像和所述每一张样本农田图像的识别结果,对支持向量机进行训练,获取所述训练好的支持向量机。3.根据权利要求2所述的方法,其特征在于,所述对于所述训练集中的每一张样本农田图像,基于霍夫变换,识别出所述样本农田图像中的作物区域,进一步包括:对于所述每一张样本农田图像,对所述样本农田图像进行形态学开闭操作,获取经过所述形态学开闭操作之后的第一处理图像;在所述第一处理图像中,选取在预设灰度值区间中的像素点;基于K-means聚类算法,在所述第一处理图像中,聚集所有所述像素点,生成第二处理图像;对所述第二处理图像进行霍夫变换,识别出所述样本农田图像中的作物区域。4.根据权利要求3所述的方法,其特征在于,所述对于所述每一张样本农田图像,对所述样本农田图像进行形态学开闭操作,获取经过所述形态学开闭操作之后的第一处理图像,进一步包括:将所述样本农田图像分为多个区域,对于每一区域,获取对应的结构元素;对于所述每一区域,根据所述区域对应的结构元素,对所述区域进行形态学开闭操作;对所述多个区域均进行所述形态学开闭操作后,获取经过所述形态学开闭操作之后的第一处...
【专利技术属性】
技术研发人员:李振波,钮冰姗,李光耀,彭芳,吴静,岳峻,李道亮,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。