基于颜色与纹理特征监督学习的作物/杂草分类
计算机视觉与模式识别
2021-06-22 v1
摘要
计算机视觉技术近来在精准农业中引起了极大兴趣。所有基于计算机视觉的精准农业任务的共同目标是检测感兴趣对象（例如作物、杂草）并将其与背景区分开来。杂草是在作物间生长、竞争养分、水分和阳光并造成作物减产的有害植物。杂草检测与制图对于减少劳动力成本和除草剂影响的定点杂草管理至关重要。本文研究了利用颜色和纹理特征区分大豆作物与杂草。特征提取方法包括两个颜色空间（RGB、HSV）、灰度共生矩阵（GLCM）和局部二值模式（LBP），用于训练支持向量机（SVM）分类器。实验在公开可用的、由无人机（UAV）获取的大豆作物图像数据集上进行。实验结果表明，颜色和 LBP 特征组合获得了最高精度（ above 96%）。
引用
@article{arxiv.2106.10581,
title = {Supervised learning for crop/weed classification based on color and texture features},
author = {Faiza Mekhalfa and Fouad Yacef},
journal= {arXiv preprint arXiv:2106.10581},
year = {2021}
}