農業機器視覺的技術論文

　　機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術，下面是小編整理了農業機械視覺技術論文，有興趣的親可以來閱讀一下!

　　農業機械視覺技術論文篇一

　　機器視覺技術在現代農業中的應用

　　摘要介紹了機器視覺技術的基本概念、原理以及系統組成，討論了機器視覺技術在現代農業生產前、生產中和生產後的應用狀況，並且在分析國內外研究現狀的基礎上，針對機器視覺在現代農業中的應用提出了目前存在的問題和未來發展的方向。

　　關鍵詞機器視覺;現代農業;應用;問題;展望

　　中圖分類號 TP391.4 文獻標識碼 A 文章編號 1007-5739***2014***08-0335-01

　　Application of Machine Vision Technique in Modern Agriculture

　　WANG Wen-jing

　　***Department of Electronic Information，Foshan Polytechnic，Foshan Guangdong 528137***

　　Abstract The basic concepts，principle and system of machine vision were introduced.The application status of machine vision in modern agricultural production was discussed.Based on the analysis and research status at home and abroad，current problems and future direction of the development was proposed for machine vision applications in modern agriculture.

　　Key words machine vision;modern agricultural;application;problems;prospects

　　隨著“在工業化、城鎮化深入發展中同步推進農業現代化”這項重要任務在“十二五”規劃中的提出，我國的農業有了迅猛發展，農業與自動化技術的研究和應用得到了高度的重視，但是與國外發達國家還有一定的差距。機器視覺技術是促進農業生產和管理自動化水平提高的一種高效的手段。目前，該技術在國內外農業領域的各個環節已經有了較大突破，如種子質量檢測、田間雜草識別、植物生長資訊監測、病蟲害監測等。機器視覺技術不僅節約了人力、物力的消耗，而且提高了生產質量和效率。

　　1 機器視覺技術的基本概念、原理以及系統組成

　　機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術，首先利用攝像機獲取目標的影象，然後通過計算機演算法將影象進行數字化處理和顏色、形狀和尺寸等的測量與判別[1]。

　　機器視覺系統主要由光源、攝像機、採集卡和計算機構成。攝像機通過光電感測器將被測物光形象轉化為電訊號，並且以影象的形式記錄儲存下來。影象採集卡是連線攝像機和計算機的紐帶，主要作用是把電訊號轉化為數字訊號，並將數字訊號傳輸到計算機進行儲存和處理。在實際應用中，為了能夠獲得高亮度和高對比度的影象，通常需要使用光源提供的燈光照明，以便影象的獲取和處理。

　　2 機器視覺技術在現代化農業中的應用

　　2.1 在農業生產前的應用

　　進行種子質量檢測。農作物種子質量的好壞對作物產品的優劣與作物產量的高低有著直接的影響作用，在農業生產過程中有著至關重要的地位。成芳等[2]詳細介紹了機器視覺系統的原理和發展動態，並且從系統軟體、硬體和國內外研究現狀等方面綜合描述了機器視覺在種子質量檢測中的運用。陳兵旗等[3]利用機器視覺技術對水稻種子進行了精選，首先提取長寬比和麵積等特徵引數，並建立有關稻種型別的資料庫，進而對稻種型別進行判斷，然後通過掃描線數和掃描線上黑白畫素的變化次數來判斷種子是否破裂，最後利用不同閾值提取的稻種面積差來判斷稻種是否黴變。試驗證明：該方法能對種子種類、發黴和破損情況等進行判斷，具有較高的準確率。

　　2.2 在農業生產中的應用

　　2.2.1 作物生長資訊監測。農作物的生長調控、缺素診斷、產量分析與預測都是以作物生長資訊為基礎和依據的，因此，通過機器視覺的方法對農作物的生長資訊進行監測，成為當今機器視覺在農業中的研究熱點之一。張雲鶴等[4]設計了農作物莖稈直徑變化測量系統，通過測量影象中作物莖稈直徑畫素數、影象中參照物直徑畫素數和參照物的實際直徑求取作物莖稈直徑。使用該系統對黃瓜莖杆進行直徑測量，絕對誤差在0.002 mm以內。王文靜等[5]設計了一個基於機器視覺的水下鮃鰈魚類質量估計系統。該系統利用機器視覺和影象處理技術對不同生長髮育階段的半滑舌鰨進行了檢測，提取了魚的面積、等效橢圓長寬比和圓形度因子等形狀引數，並將各引數分別與質量進行資料擬合建立二維和三維維模型。試驗證明：該方法能夠較好地估計出生物的質量。

　　2.2.2 病蟲害與雜草監測。病蟲害和雜草直接危害著農作物的生長，如果沒有得到及時的控制，會直接影響到農作物的質量與產量。因此，檢測並獲取害蟲的分佈情況、位置、生長情況等對農作物的生產具有巨大的意義。邱道尹等[6]設計了一個基於機器視覺的大田害蟲檢測系統，利用神經網路分類的方法對常見的幾類害蟲進行了分類。通過現場試驗證明，該方法簡單可行、識別率高。毛文華等[7]以國內外的研究為例，系統、詳細地介紹了機器視覺在雜草識別中的研究和應用情況，分析了採用植物紋理、顏色、多光譜和形狀等特徵來識別雜草的理論根據以及存在的問題和難點。尹建軍等[8]利用攝像機採集標定靶影象，根據攝像機的透視模型對影象進行處理，求出48個靶點質心的畫素座標，然後通過DLT最小二乘法建立攝像機隱引數矩陣。實踐證明，該方法對雜草定位的誤差在23 mm以內，能夠滿足雜草識別與智慧化噴施的需求。　　2.2.3 營養脅迫診斷。在農業生產管理中，由於缺素初期的作物和正常情況沒有太大差別，很難被察覺和診斷，而利用機器視覺的方法能夠比較及時、準確的判斷，進而降低損失。

　　毛罕平等[9]在作物營養元素虧缺的識別和自動檢測中，利用植物的葉片特徵和遺傳演算法進行優化組合，挑選出能夠用在分類器設計方面的特徵向量。試驗證明，利用二叉樹分類法的模糊K近鄰法對缺元素的番茄進行識別和測試，其誤差在15%以內。張彥娥等[10]利用機器視覺技術和影象處理技術研究了一種溫室黃瓜葉片營養資訊檢測系統，通過求取葉片含水率、含氮率與含磷率分別與各個分量之間的相關性;試驗證明：該方法獲取葉片顏色分量、亮度指標等引數，能夠作為計算機視覺技術作物長勢和作物營養資訊監測的指標。

　　2.3 在農業生產中的應用

　　2.3.1 農業機器人。對農業機器人的應用主要利用機器人技術進行視覺導航技術的研究，是目前比較受關注的課題之一。視覺導航技術的研究為農業機器人的自動除草、施肥和施藥等工作奠定了良好的基礎。

　　周俊等[11]在綜合分析農田自然環境的基礎上，提出了農業機器人視覺導航中多解析度路徑識別演算法，並將色彩特徵分析法應用於路徑識別中，利用小波分析變化法進行邊緣檢測，結果表明，結合導航系統期望跟蹤的路徑特點分析可以比較準確的識別路徑。安秋等[12]通過AVR微控制器的下位機來控制4個電機的速度和實現與上位機的串列埠通訊功能，提出了將線性掃描法和最小二乘法結合使用的思路，實現了農業機器人的視覺導航演算法，使機器人能夠在農作物之間行走。

　　2.3.2 品質分級。利用機器視覺的方法對農作物進行分級，可以減少主觀因素的影響，並且為生產自動化的發展奠定了基礎。

　　蔣益女等[13]對蘋果質量等級識別的機器視覺檢測技術進行了研究，對蘋果影象進行梗蒂、缺陷識別後，提取目標區域，並求出紋理和幾何特徵引數等，並通過Pearson對引數進行相關性分析和SFFS對特徵進行選擇，去掉冗餘的特徵，最後使用KNN分類方法對蘋果進行分類。試驗結果表明，該識別方法對蘋果等級識別與人工判別結果非常接近，可以推廣到其他產品質量等級檢測和識別。李江波等[14]對鮮香菇外部品質計算機視覺檢測與分級進行了研究，首先對攝像機採集的影象進行預處理後，獲取香菇菇蓋的圓形度、最大直徑、色調均值等特徵引數對香菇進行分級。試驗證明，利用BP神經網路法對香菇進行分級的準確度為94.2%。

　　3 存在的問題及未來的展望

　　隨著機器視覺技術的發展和農業自動化水平的提高，機器視覺技術在農業中的應用研究越來越多，但是由於農作物形狀的多樣性、周圍環境的複雜性、理論和實際的差異性等因素制約著機器視覺技術在農業中的應用發展。為了解決這些問題，筆者認為應從試驗條件、系統硬體和軟體設計3個方面著手。如在設定和模擬試驗條件和硬體系統設計時，應多方位、全面地考慮到實際情況和國內外先進技術，使設計更加完善。在系統軟體演算法的開發階段，需要將機器視覺和影象處理演算法多與神經網路、人工智慧等相結合使用，尋求出適用性強的新演算法[15]。

　　在現代農業中引入機器視覺技術，不僅可以提高農業生產和發展的自動化水平，而且可以使人類從重複的勞動中解放出來，有著廣闊的發展空間和應用前景。一方面，與人類視覺相比，機器視覺具有快速、非接觸性、無損和準確的特點，可以提高農業生產效率，促進農業生產和管理自動化方向和發展。另一方面，計算機、自動化控制技術、機器視覺技術的進一步發展和綜合整合，也將會為機器視覺在農業生產中的應用開闢新的空間。

　　4 參考文獻

　　[1] 趙曉霞.計算機視覺技術在農業中的應用[J].科技情報開發與經濟，2004，14***4***：124-125.

　　[2] 成芳，應義斌.機器視覺技術在農作物種子質量檢驗中的應用研究進展[J].農業工程學報，2001，17***6***：175-179.

　　[3] 陳兵旗，孫旭東，韓旭，等.基於機器視覺的水稻種子精選技術[J].農業機械學報，2010，41***7***：165-173.

　　[4] 張雲鶴，喬曉軍，王成，等.基於機器視覺的作物莖稈直徑變化測量儀研發[J].農機化研究，2011***12***：158-160.

　　[5] 王文靜，徐建瑜，呂志敏，等.基於機器視覺的水下鮃鰈魚類質量估計[J].農業工程學報，2012，28***16***：153-157.

　　[6] 邱道尹，張紅濤，劉新宇，等.基於機器視覺的大田害蟲檢測系統[J].農業機械學報，2007，38***1***：120-122.

　　[7] 毛文華，王一鳴，張小超，等.基於機器視覺的田間雜草識別技術研究進展[J].農業工程學報，2004，20***5***：43-46.

　　[8] 尹建軍，沈寶國，陳樹人.基於機器視覺的田間雜草定位技術[J].農業機械學報，2010，41***6***：163-166.

　　[9] 毛罕平，徐貴力，李萍萍.基於計算機視覺的番茄營養元素虧缺的識別[J].農業機械學報，2003，34***2***：73-75.

　　[10] 張彥娥，李民贊，張喜傑.基於計算機視覺技術的溫室黃瓜葉片營養資訊檢測[J].農業工程學報，2005，21***8***：102-105.

　　[11] 周俊，姬長英.農業機器人視覺導航中多解析度路徑識別[J].農業機械學報，2003，34***6***：120-123.