使用高光谱成像技术对田间杂草进行表征和识别

进行杂草表征和分类对于智慧农业杂草清除与田间管理而言至关重要,然而杂草识别精度较低的问题尚未得到深入探究。本研究以田间杂草为研究对象,建立了农业地区7种杂草物种的高光谱数据库。首先,使用地面高光谱相机采集了高光谱图像,提取并分析了每个物种的代表性光谱曲线、光谱剖面特征,并对各物种进行主成分分析,揭示了不同杂草物种的差异性。采用多元散射校正、归一化、一阶和二阶差分求导对原始光谱数据进行预处理。最后通过建立支持向量机与一维卷积神经网络分类模型,用于高光谱图像中识别杂草。结果表明,MSC-1DCNN模型的分类效果最佳,不同物种的用户准确性为95.71%~100%。该研究不仅为了解杂草物种的高光谱特征以及杂草管理提供了有力的保障,而且也有助于自动化除草机器人的研制与无人农场的实施。

林业机械自动化发展现状与展望

为全面概述林业机械自动化发展现状与趋势,本文重点介绍了林业机械的国内外研究现状,从砍伐、采集、加工、运输四个方面讨论林业机械自动化现有的研究技术及方法,指出了林业机械自动化研究中存在的问题,最后对林业机械自动化的发展方向进行了展望,以期为林业自动化技术实施与高效生产提供指导。