摘要：隨着圖像技術的專業化，計算機硬件成本的降低和運算速度的提高，機器視覺在農業工程領域方面的應用更加廣泛。該文主要介紹了機器視覺技術在農作物生長狀況監測、農產品品質檢測與分級、農業生產自動化等方面的研究及應用情況，並分析了機器視覺技術的侷限性以及後續研究方向。
關鍵詞：機器視覺；農業；檢測；自動化
農業是我國重要的產業部門，因此提高農業生產效率和農業自動化程度是實現農業現代化的根本需求，而實現農業生產自動化主要依賴於對對象的正確識別。機器視覺技術經過30多年的發展，已成為一門新興的識別的技術，在農業領域得到了廣泛的應用，不僅農業裝備的智能化與自動化的水平得到了飛速提升了，並且裝備的使用效率與可靠性等性能得到了較好的改善。
1機器視覺技術概述
機器視覺即利用機器代替人眼並作出相應判斷，亦可稱之為“計算機視覺”。機器視覺系統即通過圖像採集系統，將採集目標轉換成圖像信號，傳至圖像處理系統，根據像素的相關信息，轉成簡潔的數字信號，並對數字信號進行運算來提取特徵參數，最終依據識別結果對現場設備執行相應動作。典型的機器視覺系統如圖1所示：
2機器視覺技術在農業工程中的應用
機器視覺技術已被廣泛應用於農業工程的許多領域：農作物生長狀況監測、農產品品質鑑定與分級、精細農業、農業機械、農業生產自動化等。
2.1機器視覺技術在農作物生長狀況監測方面的應用
影響農作物生長的三大基本問題為疾病、蟲害及雜草，而影響農作物產量、品質及農業的生態環境的主要因素為化學藥劑的施用量，為了進一步實現農業的自動化，自動監測農作物生長狀況也是很有必要的。因此，需要對田間農作物病蟲草害的自動檢測與識別技術進行研究，用以區別田間的雜草和防治病蟲害；並且開發自動監測農作物生長狀況的視覺控制系統，以實現農業智能化。
2.1.1雜草識別
田間雜草的識別是準確使用除草劑的有效依據，對提高農作物產量、降低成本、生產出滿足消費者需求的無害產品是十分重要的。
劉振恆等利用機器視覺技術，通過對RGB、HSI圖像進行分析，找出了從複雜的土壤背景下分離出植物（作物和雜草）的方法，分離率可達96%以上，為雜草的識別做了前期準備工作。紀壽文等不僅濾除了土壤背景，還對圖像中的特徵參數（投影面積、葉長和葉寬）進行了提取，以識別玉米和雜草，提高了除草劑的噴灑位置精度。張玉珠利用近紅外圖像和紅光圖像建立二維直方圖，以總分割誤差值作為指標選擇分割直線進行背景分割，通過提取整株植物的細化和骨架長度，以細化長度與葉片面積比、骨架長度與葉片面積比兩個特徵參數，作為棉花和雜草的識別參數，利用統計模式識別中基於有限樣本和結構風險最小化原則的支持向量機建立了棉花和雜草的模式識別分類器，識別率可達80%以上。
2.1.2農作物病蟲害自動識別
毛文華等首先把原圖分為兩部分：天空子圖像部分和草地子圖像部分，並檢測出運動區域，以蝗蟲的特徵參數對運動區域分類後對蝗蟲進行識別，帶人所建立的數學模型可間接得到地面的蝗蟲數目，蝗蟲識別率為80%～100%，地面蝗蟲數目識別精度大於80%。陳樹人等創建了與二值圖像相對應的0、1雙精度型矩陣，並分別與R、G、B三基色分量圖相乘，獲取前景是R、G、B三基色分量圖，背景是黑色的灰度圖像；對棉花、鐵莧菜前景R、G、B的標準差進行分析，並確定R的標準值與B的標準差值小於5作為判斷鐵莧菜的闕值，最終棉花的判斷準確率為71.4%，鐵莧菜的判斷準確率為92.9%，總體準確率為82.1%。
2.1.3農作物生長狀況自動監測
曾慶兵等在考慮葡萄果實形態和現場環境基礎上，提出基於機器視覺的非接觸、重疊條件下葡萄果實直徑測量方法，該方法為葡萄生長狀態監測及缺水狀況診斷提供了可靠數據。張嘉琪等通過對萬壽菊不同水分狀態特徵的提取，得出紋理特徵可作為萬壽菊缺水狀態判斷的依據，從而編寫了一種分析處理萬壽菊缺水狀態的軟件，該方法能夠實現萬壽菊狀態的自動識別。
2.2機器視覺技術在農產品品質檢測與分級方面的應用
在農產品檢測領域，機器視覺技術得到了快速的發展和廣泛的應用，這必將對傳統檢測模式產生巨大影響。農產品品質檢測和分級是流通和加工過程中的一個重要環節，也是保證農產品質量和安全的關鍵環節。利用機器視覺技術檢驗農產品具有實時、客觀、無損害等優點。機器視覺技術不僅可以對農產品形狀、大小、表面缺陷、成熟度、內部品質進行檢測和判定，並且大大提高分級精度和分級效率。
2.2.1農產品外部品質檢測
農作物的外部品質一般包括：形狀、大小、顏色、裂紋、表面缺陷等。
章海亮等從採集的圖像中提取蘋果的特徵參數（形狀、尺寸、顏色和缺陷等）特與標準進行比較，以確定蘋果的等級。祝連海等提出了兩種基於機器視覺技術的臍橙尺寸在線檢測方法：最小矩形法和形心一邊緣距離法。熊利榮等採集了鴨蛋表面的圖像，並根據顏色特徵參數和灰度閾值方法對圖像進行分割，提取裂紋區域和噪聲區域的特徵參數，裂紋識別率為93%。
2.2.2農產品內部品質檢測
農作物的內部品質一般包括：水分、含糖度、內部腐爛、變質、內部蟲害等。
Kawamura等對濕谷及潮濕糙米的水分進行了檢測，並建立了相關標準判斷模型，並對整精米進行了檢測。劉華波等對煙葉反射和透射圖像中獲取了煙葉內在的特徵參數，在實驗中驗證了透射圖像的顏色特徵參數的有效性，並使煙葉分組識別的準確率得以提升。
2.2.3農產品分級
Blasco J和Cubero S等在研究機器視覺技術分離石榴假種皮過程中，提出了兩種圖像分割方法，一是基於色度比R/G的閾值分割法，二是對RGB空間的貝葉斯線性判別分析fLDA）方法，兩者的平均成功率達90%。最終開發出一套石榴假種皮分離設備，並通過了整機測試。A1-Mallahi A和KataokaT等開發出了一套用於馬鈴薯收穫機上檢測馬鈴薯塊莖的機器視覺系統，利用馬鈴薯塊莖和背景對紫外光反射比的差異，提取合適的閾值，實現對象分離，控制一套分級機構完成塊莖和土塊的檢測。最終試驗結果顯示，塊莖和土塊的正確檢測率分別達98.79%和98.28%。
2.3機器視覺技術在農業生產自動化中的應用
農業生產機器人的有效工作均依賴於對對象的正確識別。
王榮本等在拖拉機正前方裝有CCD系統，對拖拉?C前方地表進行圖像識別，並對壟溝中心線與拖拉機縱向對稱線的側向偏差進行判斷，用最優導向控制器控制前輪偏轉角，最終可實現拖拉機對目標路徑的跟蹤。司永勝等提出了利用色差R-G和色差比（R-G）/（G-B）相結合的識別方法實現蘋果採摘機器人精確的果實識別與定位。對在不同情況下拍攝的蘋果圖像進行預處理後，採用遺傳算法（GA）對輪廓圖像進行形狀特徵提取。提出了通過多次運行遺傳算法，依次轉換目標輪廓點為背景點來解決果實圖像相鄰和重疊問題。Blasco J和Cubero S等研究了基於機器視覺的自動分揀薩摩瓣的'系統，通過提取對象的形態特徵，實現了在線檢測和水果分選，該系統正確分類率為93.2%。
3機器視覺技術的侷限性以及後續研究方向
機器視覺技術的研究主要包括硬件和軟件。硬件方面：硬件設備發展非常迅猛，已獲較完善解決方案；軟件方面：1）圖像處理的速度主要依賴於算法的改善，目前的算法普遍存在效率低、速度慢、靈活性差等問題，在環境多樣化的農業現場，系統的抗干擾能力較差，從而使得準確度和精度不夠理想。因此，圖像處理新方法的研究將成為提高圖像處理速度與效率的有力手段；2）當前視覺技術集中應用於2維及2.5維圖像中，而複雜農產品的特徵參數往往無法精確得到。因此，為了能更加全面地掌握對象的信息，研究三維成像視覺技術是十分必要的；3）目前絕大多數研究的對象均是靜態的農產品個體，效率較低，因此，所研究的對象應向動態的農產品羣體發展。
4結束語
機器視覺技術在農業工程中的應用前景非常廣闊，但是機器視覺是一門多領域的交叉學科，發展受到一些因素的限制，如視覺理論知識、圖像算法、模型理論知識及硬件條件等，因此將機器視覺技術應用於農業工程中距離
實用化、商品化仍有一定的距離。因此，我們需要跟蹤最新的研究動態，探索新的相關理論知識和方法，並結合我國現狀，研製適合我國的機器視覺系統，為我國的農業現代化建設添磚貼瓦。
文學範文吧
