检测谷类作物杂草的超声波系统.doc

常 州 大 学 毕业设计（论文）外文翻译 （2015届） 外文题目 An Ultrasonic System for Weed Detection in Cereal Crops 译文题目 一种检测谷类作物杂草的超声波系统 外文出处 Sensors 学 生 徐东东 学 院 信息科学与工程学院 专 业 班 级 电子112 校内指导教师 彭翠云 专业技术职务 讲师 校外指导老师 专业技术职务 二○一五年三月 常州大学本科生毕业设计（外文翻译）  PAGE \* MERGEFORMAT 5 一种检测谷类作物杂草的超声波系统 摘要：杂草管理需要检测杂草实际在农田的侵扰水平并相应地调整管理。然而，复杂的传感器系统还没有更广泛的实际应用，因为它们对于农民是不容易处理的，所以在管理实践中，需要更多的努力。本文提出一种基于新传感器的杂草检测方法并且其在谷类作物的适用性需要进一步评价。对植物高度进行测定的超声波距离传感器被用于检测杂草。据假设，杂草侵染区域比非出没的地方具有较高量的生物质，并且这可通过植株高度来确定。超声波距离测量的禾本科杂草和阔叶杂草出没在冬季麦田。不同的杂草密度和成分总共有80和40个圆形的样本，体现了不同的日期。该传感器直接指着地面的中心。在下文中，杂草可以计数，并可以从样品的位置除去。禾本科杂草和阔叶杂草分别除去。有杂草和无杂草之间的测量值是不同的。对干燥的杂草和作物进行评估并且和传感器测量一起评估。RGB图像拍摄之前和杂草清除后的结果决定了杂草和作物采样点的覆盖百分比。图像处理步骤包括EGI（过量绿色指数）计算和阈值，以及独立的工厂和背景。作物和杂草相应的覆盖之间的关系和超声波读数使用多元回归分析进行评估。结果显示，出没和非出没的采样点之间的高度是不同的。杂草的密度和生物量的存在影响超声波的读数。杂草群体歧视的可能性是由分析评估判别的。超声波允许杂草侵染区和非侵染区域之间的分离的读数成功率成功高达92.8％。该系统将有可能减少杂草的检测???报价的成本并且提供一种使用非选择性方法来控制杂草生长。 关键词：超声波距离传感器;杂草检测;影像处理 1.简介 管理斑块状杂草的分布，是通过位点特异性杂草管理来进行的。站点特定的杂草控制需要了解杂草的空间变化是否分布在领域之内。手动和自动杂草测绘技术已被广泛应用并取代研究管理操作的发生（离线方式）。然而，它们通常是昂贵的，而不是有着更大的区域，因为一个单一的管理操作（在线方式）需要快速决策杂草的反应。离线方法可基于人类的观察或传感装置。人类视觉评估杂草映射方法已经证明其适用性，因为他们是一个简单的工具进行管理决策。人眼能扫描出比大多数陆基探测器更大的区域。然而，这些方法在很大程度上依赖于人的感知和各种其他限制：只有部分的存在/不存在或有限的水平（零/低/高）被有经验的观察者用于采样。基于映射传感器技术的补丁喷涂是普遍不够精确的。在线申请仍然有问题，因为传感器和空间信息需要被迅速处理。测量和应用应该是同步的而不是在两个单独的步骤进行映射和应用。一种良好的杂草控制管理程序往往只有一个狭窄的时间窗口来应用。虽然图像识别程序已经证明了其可能性，但是他们仍然需要一些改进来成为商业化。杂草识别图像处理需要很长的计算时间，他们目前不提供在线办法。位点特异性杂草的自动化管理特征激发了许多研究进展，杂草检测传感装置仍是实际应用中的限制因素。由于大多数的研究中使用机器视觉技术来检测，并根据它们的形状，颜色和纹理特征识别植物品种，没有太多的努力已投入其它传感系统的发展。机器视觉技术主要基于数字照相机，它可以在一个平台扫描所支持的场与高的分辨率。像素的下面1平方毫米基础物种地面分辨率识别是基础。然而，使用这些技术用于在线应用必须改进更快的分类算法和更强大的计算硬件。相关成本和相对复杂的计算任然是问题。市售系统的缺乏是一个主要问题。利用现有的光学传感器，例如光电器件证明了它的可能性。虽然这些传感器不能够从农作物区分杂草，这不是在一定条件下的一个主要问题：在排农作物中，行间中的所有植物可以清楚地识别为杂草。这同样适用于作物出苗之前出现的杂草的侵扰。然而，这些传感器的经济成本仍然很高。以前的鉴定工作车间