基于杂草图像处理的阈值分割算法研究

杂草在生长过程中会和作物争抢土壤当中的养分,造成作物的质量和产量降低。而目前存在的除草方式:人工除草要耗费人力,而且效率一般;机械除草的机器一般较大,会造成土壤的板结问题;由于使用过量的除草剂,会给作物和环境带来了严重的影响,而且作物会产生抗药性。为了解决这个问题,研究人员不得不重新研究一种除草方式,随着自动化、智能化的推进,除草机器人也随之出现。运用MATLAB对采集到的杂草图片进行超绿灰度化、直方图均衡化和阈值分割处理,为之后运用智能算法对杂草进行分类识别奠定基础。

基于YOLOv5s算法的番茄成熟度识别研究

目的:提高机械化采摘中番茄成熟度识别精确率。方法:以番茄果实为研究对象,先对图像进行预处理,再使用YOLOv5s算法对图像学习训练。结果:YOLOv5s算法整体识别精确率为95%,平均精度为97.6%。与其他检测算法进行对比,YOLOv5s算法检测效果最好。结论:此算法可以用于番茄果实机械化采摘,减少生产成本,降低劳动强度,提高作业效率。