郭柏璋，牟 琦* ，冀汶莉

(1.西安科技大学 计算机科学与技术学院，陕西 西安 710054；2.西安科技大学 通信与信息工程学院，陕西 西安 710054)

0 引言

农田中的杂草是农业生产中最常见的生物灾害之一。田间杂草具有极强的繁殖能力,它和作物争夺养分、引入作物疾病以及吸引有害昆虫,直接或间接地影响农作物产量和质量,对农业生产造成了严重损失[1]。在世界范围内,每年因杂草危害造成的粮食损失约为13.2%,相当于每年10亿人的口粮[2]。据全国农业技术推广服务中心统计,我国农田杂草中造成农田严重危害的约有130种,每年因杂草造成主粮作物损失约300万吨,直接经济损失高达近千亿元[3]。田间清除杂草方法一般为人工除草、化学除草、生物除草和机械除草。人工除草劳动强度大且效率低,大量农药喷洒会造成土壤的严重污染;生物除草成本高;田间除草机器人是现代农业发展的必然趋势,但前提是实现快速精准的杂草识别[4-5]。

杂草自动识别技术是智慧农业领域的研究热点之一,杂草识别的基本原理是通过RGB或高光谱相机等传感设备获得包含作物和杂草的图像信息,然后利用机器视觉中的图像处理技术获取作物或杂草的形状、颜色、纹理和位置等特征,最后通过训练分类器进行杂草和作物的识别。例如赵鹏等[6]和董亮等[7]采用改进的BP神经网络分别对玉米幼苗和大棚蔬菜中并存的多种杂草进行识别,有较高的识别率和鲁棒性。周影等[8]通过主成分分析方法对杂草和作物图像的颜色、纹理等特征进行了相关性分析,并提取了特征中3个最小相关的主成分,然后采用朴素贝叶斯分类器完成杂草识别,实验结果表明该方法能够较好地从玉米苗中识别杂草。……