杂草是影响我国农产品质量和产量的重要因素之一。目前除草主要靠喷洒除草剂,而且是大面积的均匀喷洒。这种喷洒方法不仅提高了农业的成本,也破坏了土地的质量,污染了环境,不利于农业的可持续发展。针对这种情况,本文研究了应用计算机视觉技术来识别杂草并确定杂草的位置和类别,从而为作物田间精确喷洒除草剂的自动化作业提供理论与技术支持。主要研究内容如下:(1)介绍了杂草识别在国内外的发展概况,提出了研究的必要性、可行性及方法步骤。(2)对滤除图像噪声的预处理方法进行了论述,对均值滤波法和中值滤波法进行了比较,本实验选择了中值滤波法。(3)针对杂草识别中较复杂背景,研究利用彩色图像的颜色特征分割绿色植物和土壤背景的方法。文中主要阐述了RGB颜色模型和HIS颜色模型下的分割方法。考虑到操作的实时性,研究采用了适合分割的颜色空间及颜色分量,以此作为表征图像颜色信息的阈值参数。采用自动阈值的分割方法,实现了杂草区和背景区的分割,实验结果表明,对不同颜色分量进行分类统计,得出适合于分割绿色植物和土壤背景的彩色空间和颜色特征分量,以此作为表征图像颜色信急的阈值参数将杂草从背景区分割出来,实用有效。(4)对经过预处理后的图像,引入形态学中的膨胀与腐蚀运算。针对条播作物的特点,考虑到系统执行的速度,首先采用了位置特征法识别行间杂草;对于行内杂草,根据作物和杂草的形状特征,作者提出了利用宽长比、圆满度、圆度、矩形度、骨架面积比、骨架周长比六个无量纲形状特征参数作为模式识别输入特征向量,建立BP神经网络。实验结果表明:该系统对于杂草图像处理获得了较为满意的结果。杂草识别系统的研究对合理使用除草剂,增加农业的自动化水平,保护环境具有一定的现实意义。