农田伴生杂草的滋生会导致农作物的产量下降,传统方法使用化学除草剂虽能有效防治杂草,但存在水土污染、农药残留、人员中毒等弊端。本文结合光学中图像处理技术,在农作物信息监测方面进行深入剖析,研究一种基于计算机视觉技术田间杂草识别方法,利用BP神经网络模型,进行杂草和农作物的识别分类。本文主要工作内容包括以下几个方面:(1)本研究选择玉米苗及其伴生马唐、狗牙根、铁苋菜这三种杂草作为图像采集和处理的对象。对玉米苗和杂草用数码相机各采取静态图像50张,分组标识保存。利用计算机视觉处理库OpenCV,对采集到的静态图像进行图像预处理,预处理算法流程包括颜色空间转换、图像滤波、阈值分割、形态学处理。(2)经过预处理实验,获得了杂草的轮廓信息,进一步对杂草的轮廓特征进行提取,提取的特征包括无量纲参数宽长比r、圆形度R、第一不变矩特征S。(3)本研究利用BP神经网络作为杂草的识别模型。对BP神经网络进行正交实验得到确定最佳网络结构:学习率为0.5,隐藏层节点为6,输入节点为3,输出节点为1,将杂草的轮廓特征数据作为BP神经网络的输入向量,选取160组样本数据对BP神经网络进行训练,利用Matlab对网络进行仿真,更新权值和偏执值得到的杂草识别正确率为95.42%。用剩余40组样本数据做测试集验证BP神经网络,得到的杂草识别正确率为93.33%。