目前,我国加大了对土壤环境保护的力度,土壤污染治理和修复成为国家研究的热点问题。重金属砷是一种常见的土壤污染要素,超富集植物蜈蚣草具有从土壤中吸收大量砷的特性,因此通过种植蜈蚣草来吸收土壤中的砷成为一种重要的土壤修复手段。蜈蚣草生长到一定时期时吸收砷的能力将达到峰值,应该及时刈割以提高土壤修复的效率,因此有效地自动判识蜈蚣草最佳刈割期具有重要应用价值。本文提出了一种应用视频流自动判识蜈蚣草最佳刈割期的方法,主要研究内容包括:(1)优质视频图像自动选取。在野外生长环境下,雾和风等天气状况会降低视频图像的质量,对视频图像分析造成较大的影响。因此本文首先研究了基于卷积神经网络(CNN)的野外视频图像中雾等级评价方法,建立了野外蜈蚣草视频图像中雾等级CNN评价模型,能够将图像分为浓雾、薄雾及无雾三个等级,实验证明该方法比基于K-means均值聚类、SVM机器学习和随机森林分类的方法评价结果更准确。并初步研究了基于Sobel的平均边缘强度的无风扰动的视频图像筛选方法。(2)蜈蚣草植株自动分割。植株区域图像分割是植株特征提取与分析的基础。本文重点研究了基于深度卷积神经网络(Unet)从视频图像中分割蜈蚣草植株的方法,实验对比了不同类型输入数据对Unet网络分割结果的影响。通过实验证明,利用本文建立的Unet模型进行蜈蚣草植株特征提取精度可达到98.37%,比基于色彩分量对比法和C4.5决策树分类法的精度高。(3)蜈蚣草最佳刈割期自动判识。植株的地面覆盖度和植株绿度能直接反映植株的生长状况,可利用这两个指标作为蜈蚣草最佳刈割期自动判识的依据。本文计算了不同生长时期的蜈蚣草的地面覆盖度和植株绿度,并根据专家经验建立了特定环境下的蜈蚣草最佳刈割期自动判识表。本文通过室外优质视频图像的自动选取,计算不同生长期的植株地面覆盖度与植株绿度,建立了一种蜈蚣草最佳刈割期自动判识的方法,为土壤砷污染修复人员及时刈割蜈蚣草提供了可靠的依据。