在农业植保领域中,杂草识别在机器视觉技术的研究国内外已经取得了部分成果,绝大多数研究都集中在杂草植株的个体上。网络是生物系统的基本组成部分,现实中的杂草群体是由多种植物群落组成的网络。论文以杂草群落为研究对象,采用机器视觉对田间杂草进行识别,设计了根据作物位置特征对行间作物的杂草识别方法。很多科学家认为杂草网络是一个随机网络。论文引入复杂网络的思想研究杂草群落,把杂草植株抽象为节点,杂草释放的植化物质对其的相互影响抽象为链接,初步建立了杂草网络模型。对该模型的幂率特征、增长特性和偏好连接性进行研究,发现杂草网络存在小世界特性和无尺度特性。根据这些特性,仿真并建立一个杂草网络无尺度网络演化模型。采用两种策略对该模型进行攻击,发现杂草网络对随机节点故障具有极高的鲁棒性,对蓄意攻击具有高度的脆弱性。根据该特性对识别出杂草网络中度值大的节点进行清除,可以达到降低化学除草剂的用量和生态除草的目的。最后,论文设计了基于机器视觉的杂草识别系统。搭建了采集、存储和显示杂草图像的硬件环境。系统程序采用Visual C++作为开发工具,系统按照模块化思想进行分层设计,每个层完成不同的功能。