刘旺勤
南昌师范学院 江西南昌 330032
摘要：水稻是我国重要的粮食产物，提升水稻种植产量及治疗对于提升我国居民生活水平具有重要的意义。水稻杂株对水稻的生长具有较大的危害，随着计算机技术的发展，利用其对水稻插足进行有效的识别，从而有效提升水稻的种植效率及产量。
关键词：计算机视觉；水稻；杂株识别
前言：随着我国经济的不断发展，耕地面积越来越好，但对于粮食的需求在不断的增加，水稻作为我国主要的粮食产物，提升其产量对于保障我国的粮食安全具有重要的意义。水稻杂株的生长会侵占到水稻的阳光、水分等，极大的影响了水稻的产量，但水稻杂株与水稻较为相似，因此单纯依靠人工很难识别，且效率较低。随着计算机技术的不断发展，将其应用与水稻杂株的识别中，能够极大的提升杂株识别效率，促进水稻产量的提升。
一、水稻杂株
水稻杂株是一种同时具备野生稻及栽培稻特性的一种杂草，其在水稻田的生长，会在一定程度侵占水稻正常生长需要的水分、养分等，影响水稻的产量。当前对水稻杂株的识别方法主要采用的是人工识别、光谱方法以及计算视觉法[1]。其中人工识别的效率较低，且准确性不高；另外采用光谱识别，由于水稻杂株与水稻之间的特性极为相近，因此其准确性也受到影响。
二、计算机视觉的水稻杂株识别技术的硬件组成
（一）水稻杂株识别系统
水稻杂株识别系统共包含三个系统，即图像获取系统、特征提取系统以及模型识别方法系统，将计算机是被技术作为该系统的技术支撑[2]。
其中图像获取系统包括对试验材料的准备以及计算机视觉识别数据的采集；特征提取系统包括对数据的预处理、特征（纹理特征、形状特征、颜色特征）的选择与提取；模型识别方法系统包括对特征变量的优选，识别模型的建立并对其可靠性进行试验。
（二）图像获取系统
图像获取系统中有对关元、相机、图像采集卡以及数据传输模块、图像处理模块，为了进一步提升图像采集的质量，需要使用三角架进行拍摄，并且在采集完成后将其传输至计算机，再次过程中需要确保数据传输的稳定性及准确性[3]。另外为了能够全面的采集到谁在咋术后，需要在不同的天气、时段以及生长期进行采集。
（三）特征提取系统
当获取水稻杂株图像后需要先对其进行预处理。但由于预处理会对水稻杂株的一些图像细节造成损失，因此可以将采集到的图像直接进行分割处理。首先根据杂株颜色特征进行分离，对图像进行分割，之后对图片进行形态学处理，对杂株区进行综合处理，从而得到二值图像。但水稻杂株在颜色上与水稻难以区分，因此加入了对其性状、纹理等方面的识别。
（四）模式识别方法系统
对水稻特征进行比较，从而识别杂株，其中识别模型为支持向量机。
三、软件的设计
（一）形状特征
水稻杂株与水稻在形状上较难区分，因此需要将整个植株进行辨别，从而提升识别的准确性。所以需要首先对图像结合M进行连续的k腐蚀，从而得到水稻和杂株的二值图框架。
（二）杂株纹理特征
采用灰度共生矩阵对杂株的纹理特征进行提取，从而形成二值图形，并通过纹理计算图像中的灰度值，得出相应的纹理特征。
（三）水稻杂株的识别
借助于单个分类器识别水稻杂株，在这种情况下，容易出现识别不均衡或是识别率低的情况。因此为了提升识别率，可以融合使用多个识别器，利用各个分类器的优势进而对水稻杂株进行有效的识别。通常可以利用支持向量机、BP神经病网络以及K近邻分类器为基本，利用其获得的识别记过构建相应的DS理论分配函数，得出最终的识别结果。DS识别过程，首先是对水稻杂株的特征进行识别，采用支持向量机、BP神经病网络以及K近邻分类器进行特征的识别，经过D-S融合从而结合设计的决策规则得出最终的识别结果[4]。并能够在一定程度上提升水稻杂质识别的准确性。
四、计算机视觉的水稻杂株识别的试验结果
为确保计算机视觉水稻杂株识别系统的识别结果的准群星，需要对每个分类器的水稻杂株识别的准确性进行确性，从而确定每个分类器的概率分配函数数值，并随机选择杂株图片对其类型进行相应的验证。
（一）水稻杂株类型识别准确率
水稻杂株类型常见的有保持系以及变异株，在对其类型识别准确性的检验及确定中，将每种类型的杂株中各选取35张图片做预处理，提取其特征，分别利用三种分类器进行识别，其中支持向量机的准确率是最高的，但总体上三个分类器的识别水平均较低，因此需要构造相应的函数，从而提升其对水稻杂株识别的准确度。见表1.
.png)
（二）水稻杂株类型识别
为确定系统的可行性，需要对融合使用三种分类器后形成的识别系统，对水稻杂株类型识别的准确性进行试验。同样各类型水稻杂株图片各选35张从而进行识别。表2数据显示，三次试验，其识别准确性均达到了90%以上，因此能够满足对水稻杂株识别的需求。
.png)
结束语：综上所述，计算机视觉水稻杂株识别系统通过提取水稻及杂株图像二值化形状，对杂株的特征进行对比识别，从而有效的提升了水稻杂株的识别准确性，对于提升水稻种植水平具有积极的作用。
参考文献：
[1]袁南星,魏文武,刘明洁.基于计算机视觉的水稻杂株识别研究[J].农机化研究,2020,42(1):213-216.
[2]莫洪武,万荣泽.计算机视觉在水稻大面积制种中的应用研究[J].农机化研究,2019,41(3):240-243,249.
[3]曹英丽,江凯伦,于正鑫,等.基于深度卷积神经网络的水稻纹枯病检测识别[J].沈阳农业大学学报,2020,51(5):568-575.
[4]李宁,余斌.基于计算机视觉的水稻杂株识别[J].农机化研究,2020,42(12):228-231.课题项目："水稻叶片生长信息的计算机视觉获取方法研究",课题编号：19ZRYB01,