融合SURF特征分类匹配的CNN模型在农业除草中的应用OA
针对现有智能机器人除草控制算法存在的图像特征匹配精度低、容易误操作等问题,提出一种融合加速稳健特征(SURF)特征分类匹配的CNN模型。利用双相机构建双目视觉系统采集植物图像,并对图像进行降噪和滤波处理;利用积分图像和海瑟矩阵改善图像画质和对比度,利用高斯核函数优化SURF算子同时提升特征匹配精度,将提取的图像特征数据输入CNN模型,并利用优化的SURF算子改善模型卷积层的迭代能力和数据训练效果。实验结果显示,所提出的算法的图像特征提取能力优于传统算法,图像分类精度达到了98.5%。
唐来龙
南京信息工程大学生态与应用气象学院,江苏南京210044
信息技术与安全科学
特征分类卷积层智能除草机器人滤波积分图像
《微型电脑应用》 2026 (8)
P.340-344,5
评论