支持向量机和人工神经网络在杂草智能识别中的应用

本文采用支持向量机和人工神经网络，对甜菜田中的四种常见杂草进行了研究，植物表型资讯简介如下。

温馨提醒:“第二届亚太植物表型国际会议”将于2018年03月23-25日举行。

对于智能除草机器人来说，智能识别杂草仍然是一个具有挑战性的问题。由于切割齿与主要作物位置之间公差很小，因此需要高度精确地辨别主要作物和杂草。其中，甜菜和常见杂草的形状特征之间高度相似使得研究人员无法定义专有特征，因此急需开发新的方法以可接受的精度有效地检测所有杂草。因此，在这项研究中，科学家们试图整合几个形状特征来为每一种植物建立识别模式。为了使视觉系统能够根据它们的模式检测杂草，采用了支持向量机和人工神经网络，对甜菜田中的四种常见杂草进行了研究。形状特征集包括傅立叶描述符和矩不变特征。

本文所研究植物的样品图像

形状特征提取和分类器选择步骤的流程图

二进制图像边缘检测和植物

结果表明，人工神经网络的总体分类精度为92.92％，其中92.50％的杂草被正确分类。以支持向量机作为分类器，整体准确率为95.00％，杂草分类正确率为93.33％。此外，通过ANN和SVM针对甜菜植物的正确分类率约93.33％和96.67％。

SBWD算法的几个步骤产生的图像