基于 CNN 算法的缺秧与漂秧图像识别技术研究     

赵德安  赵璜晔 《教育技术导刊》2009,19(8):230-233

插秧机是现代农业向自动化方向发展过程中使用的重要工具之一,由于受到地理环境和设备等因素影响,插秧机在工作中难免会出现缺秧及漂秧等情况。传统对缺秧和漂秧的识别主要依靠经验与人工作业,效率低下、准确度不高,因此提出基于深度卷积神经网络（CNN）算法的缺秧与漂秧图像识别技术。首先计算缺秧与漂秧数据图像样本的质心位置,根据质心间距离是否在合理范围内识别缺秧,然后提取秧苗样本特征建立样本库,对采集的秧苗图像数据进行分析处理,再与样本库进行对比,以此判断插秧机在工作过程中是否存在缺秧和漂秧情况。通过对仿真算例进行测试,验证了算法的有效性,其准确率达到 90%以上。该方法对于农业自动化的发展具有重要意义,对于相关实践能起到一定的推动作用。  相似文献