一种去除农田中杂草的方法及系统技术方案

本发明专利技术实施例提供一种去除农田中杂草的方法及系统。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。通过支持向量机识别农田图像中的杂草区域，识别快速且精确，从而使得能及时且精确地对真实农田中的杂草进行去除，同时减小了对生态环境破坏力。

Method and system for removing weeds in farmland

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。本专利技术实施例提供一种去除农田中杂草的系统，包括：区域识别模块，用于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；位置信息的获取模块，用于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；杂草去除模块，用于根据所述真实杂草的位置信息，去除所述真实杂草。本专利技术实施例提供一种去除农田中杂草的设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。本专利技术实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述的方法。本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述的方法。本专利技术实施例提供的一种去除农田中杂草的方法及系统，通过支持向量机识别农田图像中的杂草区域，识别快速且精确，从而使得能及时且精确地对真实农田中的杂草进行去除，同时减小了对生态环境破坏力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种去除农田中杂草的方法实施例流程图；图2为本专利技术一种去除农田中杂草的方法实施例中真实农田的示意图；图3为本专利技术一种去除农田中杂草的方法实施例中样本农田图像的示意图；图4为本专利技术一种去除农田中杂草的设备实施例的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术一种去除农田中杂草的方法实施例流程图，如图1所示，该方法包括：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。需要说明的是，本实施例中的农田图像是指对真实农田进行图像采集之后生成的图像，图像采集的方式可以是拍照，本实施例对此不作限定。真实农田通常既包含有作物区域，又包含有杂草区域，通常两个区域的排布方式如图2所示，图2为本专利技术一种去除农田中杂草的方法实施例中真实农田的示意图，如图2所示，该真实农田中包含有作物区域(阴影部分)和杂草区域(空白部分)，作物区域和杂草区域均以矩形块的形式交替出现。作物区域通常覆盖有大片作物苗，杂草区域通常指犁沟，杂草一般生长在犁沟中。去除杂草的方法通常为：先确定杂草所在的区域，然后对该区域喷洒农药，以达到去除杂草的目的。而现有的技术中无法快速且精确地对杂草进行喷药处理，因此，本专利技术实施例引入了支持向量机，通过对支持向量机进行训练，并将需要去除杂草的真实农田对应的农田图像输入至训练好的支持向量机中，识别出农田图像中的作物区域，进而获知农田图像中的杂草区域，并根据农田图像与对应的真实图像的比例关系以及农田图像中杂草区域的位置，获取真实农田中杂草的位置信息。根据真实农田中杂草的位置信息，将喷药机的喷嘴对准真实农田中杂草所在的位置进行喷药，以达到去除杂草的目的。本专利技术实施例通过支持向量机识别农田图像中的杂草区域，识别快速且精确，从而使得能及时且精确地对真实农田中的杂草进行去除，同时减小了对生态环境破坏力。基于上述实施例，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。具体地，霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状(如，直线，圆等)。最基本的霍夫变换是从黑白图像中检测直线(线段)。运用霍夫变换可以检测出农田图像中的作物区域。由于农田图像中仅包含作物区域和杂草区域，因此，检测除了作物区域也就相当于检测出了杂草区域。当然，运用霍夫变换可以检测出农田图像中的杂草区域。由于农田图像中仅包含作物区域和杂草区域，因此，检测除了杂草区域也就相当于检测出了作物区域。在杂草区域喷洒农药，这样既可以将农药对栽培作物的土壤的影响降到最低，又可以达到去除杂草的目的。基于霍夫变换，对训练本文档来自技高网...

【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