«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第48卷

期数:

2020年第8期

页码:

242-246

栏目:

农业工程与信息技术

出版日期:

2020-04-20

文章信息/Info

Title:

Recognition of weeds in maize fields based on near-earth spectrum characteristics

作者:

胡盈盈¹;  王瑞燕²;  郭鹏涛³;  李茂芬¹;  梁伟红¹;  李玉萍¹

1.中国热带农业科学院科技信息研究所/海南省热带作物信息技术应用研究重点实验室，海南海口 571101；
2.山东农业大学资源与环境学院，山东泰安 271018；3.中国热带农业科学院橡胶研究所，海南儋州 571737

Author(s):

Hu Yingying; et al

关键词:

杂草识别; 光谱技术; 高光谱; 玉米

Keywords:

-

分类号:

S127

DOI:

-

文献标志码:

A

摘要:

化学防治是我国农田杂草防治使用较广泛的方法之一，化学除草剂的过量喷洒以及粗略的施用方式已成为农药泛滥、质量安全问题的罪魁祸首。目前，精准施药技术成为杂草去除的重要手段，杂草识别又是精准施药的关键技术。利用ASD FieldSpec 4便携式地物光谱仪，采集玉米、马齿苋、野苋菜及香附植株冠层在350～2 500 nm波段内的光谱信息，经过数据预处理，运用逐步判别模型，筛选出了954、1 324、1 869、734 nm 4个特征波段。将特征波段带入贝叶斯判别函数模型，分别对玉米田间杂草进行预测。结果表明，贝叶斯判别函数模型正确识别率达85.8%；对玉米的识别精度达90.0%。特征波段选取中剔除了波长749 nm选入了734 nm波长变量，在“红边”680～780 nm区域的反射率对玉米田间杂草识别较为重要。试验结果进一步论证了基于贝叶斯判别模型方法的可靠性，且证明了高光谱在杂草的识别方向具有一定的应用价值，该研究结果为田间杂草识别及光谱传感器提供了参考。

Abstract:

-

参考文献/References:

［1］孙金秋，任相亮，胡红岩，等. 农田杂草群落演替的影响因素综述［J］. 杂草学报，2019，37(2)：1-9.
［2］强胜. 中国杂草生物学研究的新进展［J］. 杂草学报，2018，36(2)：1-9.
［3］李少昆，赵久然，董树亭，等. 中国玉米栽培研究进展与展望［J］. 中国农业科学，2017，50(11)：1941-1959.
［4］张伟平，沈云峰，肖文祥，等. 玉米地除草剂防治宽叶酢浆草的田间药效评价［J］. 杂草学报，2018，36(3)：41-45.
［5］梁帝允，梁桂梅. 我国农田化学除草现状与发展对策［C］//第七届全国杂草科学会议论文集. 杂草科学与环境及粮食安全——中国化学除草50年回顾与展望. 北京：中国植物保护学会杂草学分会，2004：30-38.
［6］祖琴，陈湘萍，邓巍. 光谱图像技术在精准施药中的应用［J］. 农机化研究，2013(3)：19-23.
［7］Wang N，Zhang N，Sun Y. Development of spectral-based weed sensor ［D］. St Joseph，Mich：ASAE，1999.
［8］Goel P K，Prasher S O，Patel R M，et al. Use of airborne multi-spectral imagery for weed detection in field crops［J］. Transactions of the ASAE，2002，45(2)： 443-449.
［9］纪寿文，王荣本，陈佳娟，等. 应用计算机图像处理技术识别玉米苗期田间杂草的研究［J］. 农业工程学报，2001，17(2)：154-156.
［10］龙满生，何东健，耿楠，等. 精确杂草控制技术的研究现状［J］. 农机化研究，2004(6)：9-12，15.
［11］毛文华，张银桥，王辉，等. 杂草信息实时获取技术与设备研究进展［J］. 农业机械学报，2013，41(1)：190-195.
［12］毛文华，王月青，王一鸣，等. 苗期作物和杂草的光谱分析与识别［J］. 光谱学与光谱分析，2005(6)：984-987.
［13］潘家志. 基于光谱和多光谱数字图像的作物与杂草识别方法研究［D］. 杭州：浙江大学，2007.
［14］陈树人，沈宝国，毛罕平，等. 基于颜色特征的棉田中铁苋菜识别技术［J］. 农业机械学报，2009，40(5)：149-152.
［15］白敬，徐友，魏新华，等. 基于光谱特性分析的冬油菜苗期田间杂草识别［J］. 农业工程学报，2013，29(20)：128-134.
［16］Ashok Kumar D，Prema P. A review on crop and weed segmentation based on digital images［J］. Lecture Notes in Electrical Engineering，2013，213：279-291.
［17］罗守德，武殿林，郭国亮，等. 旱地玉米拔节至抽穗期田间管理［J］. 山西农业科学，1984(6)：5-7.
［18］高雨茜. 夏玉米叶绿素、叶面积指数高光谱估测研究［D］. 杨凌：西北农林科技大学，2016.
［19］刘景辉，王志敏，李立军，等. 超高产是中国未来粮食安全的基本技术途径［J］. 农业现代化研究，2003，24(3)：161-165.
［20］Wu Q S，Hu Y J，Ke H Y，et al. Study pollen grains in rice by using multispectral imaging techniques［J］. Proceedings of SPIE-The International Society for Optical Engineering，2005，5694：100-109.
［21］Sui R X，Thomasson J A，Hanks J，et al. Ground-based sensing system for weed mapping in cotton［J］. Computers and Electronics in Agriculture，2008，60(1)： 31-38.
［22］齐龙，马旭，周海波. 基于虚拟仪器技术的田间多光谱视觉系统设计［J］. 农业机械学报，2009，40(1)：157-161.
［23］唐晶磊，何东健，景旭，等. 基于SVM的可见/近红外光的玉米和杂草的多类识别［J］. 红外与毫米波学报，2011，30(2)：97-103.

相似文献/References:

[1]周鹏,郭颂,牛晓太,等.南疆红枣病虫危害等级识别模型的研究与实现[J].江苏农业科学,2014,42(06):354.
　Zhou Peng,et al.Research and implementation of pest damage level recognition model of red dates in southern Xinjiang[J].Jiangsu Agricultural Sciences,2014,42(8):354.
[2]李彧,余心杰,郭俊先.基于全卷积神经网络方法的玉米田间杂草识别[J].江苏农业科学,2022,50(6):93.
　Li Yu,et al.Weed recognition in corn field based on fully convolutional neural network (FCN) method[J].Jiangsu Agricultural Sciences,2022,50(8):93.
[3]田婷,张青,徐雯.光谱技术在作物养分监测中的应用研究进展[J].江苏农业科学,2024,52(14):31.
　Tian Ting,et al.Research progress on application of spectral technology in crop nutrient monitoring[J].Jiangsu Agricultural Sciences,2024,52(8):31.
[4]杨德龙,李婧.基于注意力与小平方核的ConvNeXt农业杂草识别方法[J].江苏农业科学,2024,52(14):207.
　Yang Delong,et al.ConvNeXt agricultural weed recognition method based on attention and small square kernel[J].Jiangsu Agricultural Sciences,2024,52(8):207.
[5]高发瑞,古华宁,张巧玲,等.基于农业大数据和深度学习的稻田杂草识别[J].江苏农业科学,2024,52(18):215.
　Gao Farui,et al.Identification of weeds in rice field based on agricultural big data and deep learning[J].Jiangsu Agricultural Sciences,2024,52(8):215.
[6]黄友锐,王小桥,韩涛,等.基于改进YOLO v8n的甜菜杂草检测算法研究[J].江苏农业科学,2024,52(24):196.
　Huang Yourui,et al.A detection method for sugar beets and weeds based on improved YOLO v8n algorithm[J].Jiangsu Agricultural Sciences,2024,52(8):196.

备注/Memo

备注/Memo:

收稿日期：2018-11-08
基金项目：海南省自然科学基金青年基金(编号：419QN280)；海南耕地改良关键技术研究与示范专项(编号：HNGDzy2015)；中国热带农业科学院橡胶研究所基本业务费专项(编号：RRI-KLOF201803)。
作者简介：胡盈盈(1992—)，女，河南许昌人，硕士，研究实习员，主要从事热带农业遥感与地理信息方向的研究。E-mail：1145673686@qq.com。
通信作者：王瑞燕，博士，副教授，硕士生导师，主要研究方向为近地遥感。E-mail：wry@sdau.edu.cn。

常用功能

更新日期/Last Update: 2020-04-20