機(jī)器視覺(jué)技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用摘要介紹了機(jī)器視覺(jué)技術(shù)的基本概念、原理以及系統(tǒng)組成，討論了機(jī)器視覺(jué)技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)前、生產(chǎn)中和生產(chǎn)后的應(yīng)用狀況，并且在分析國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，針對(duì)機(jī)器視覺(jué)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用提出了目前存在的問(wèn)題和未來(lái)發(fā)展的方向。AbstractThebasicconcepts，principleandsystemofmachinevisionwereintroduced.Theapplicationstatusofmachinevisioninmodernagriculturalproductionwasdiscussed.Basedontheanalysisandresearchstatusathomeandabroad，currentproblemsandfuturedirectionofthedevelopmentwasproposedformachinevisionapplicationsinmodernagriculture.Keywordsmachinevision；modernagricultural；application；problems；prospects隨著“在工業(yè)化、城鎮(zhèn)化深入發(fā)展中同步推進(jìn)農(nóng)業(yè)現(xiàn)代化”這項(xiàng)重要任務(wù)在“十二五”規(guī)劃中的提出，我國(guó)的農(nóng)業(yè)有了迅猛發(fā)展，農(nóng)業(yè)與自動(dòng)化技術(shù)的研究和應(yīng)用得到了高度的重視，但是與國(guó)外發(fā)達(dá)國(guó)家還有一定的差距。機(jī)器視覺(jué)技術(shù)是促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化水平提高的一種高效的手段。目前，該技術(shù)在國(guó)內(nèi)外農(nóng)業(yè)領(lǐng)域的各個(gè)環(huán)節(jié)已經(jīng)有了較大突破，如種子質(zhì)量檢測(cè)、田間雜草識(shí)別、植物生長(zhǎng)信息監(jiān)測(cè)、病蟲(chóng)害監(jiān)測(cè)等。機(jī)器視覺(jué)技術(shù)不僅節(jié)約了人力、物力的消耗，而且提高了生產(chǎn)質(zhì)量和效率。1機(jī)器視覺(jué)技術(shù)的基本概念、原理以及系統(tǒng)組成機(jī)器視覺(jué)也稱之為計(jì)算機(jī)視覺(jué)，是一種利用機(jī)器代替人眼進(jìn)行觀察、測(cè)量與判斷的技術(shù)，首先利用攝像機(jī)獲取目標(biāo)的圖像，然后通過(guò)計(jì)算機(jī)算法將圖像進(jìn)行數(shù)字化處理和顏色、形狀和尺寸等的測(cè)量與判別［1］。機(jī)器視覺(jué)系統(tǒng)主要由光源、攝像機(jī)、采集卡和計(jì)算機(jī)構(gòu)成。攝像機(jī)通過(guò)光電傳感器將被測(cè)物光形象轉(zhuǎn)化為電信號(hào)，并且以圖像的形式記錄保存下來(lái)。圖像采集卡是連接攝像機(jī)和計(jì)算機(jī)的紐帶，主要作用是把電信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，并將數(shù)字信號(hào)傳輸?shù)接?jì)算機(jī)進(jìn)行保存和處理。在實(shí)際應(yīng)用中，為了能夠獲得高亮度和高對(duì)比度的圖像，通常需要使用光源提供的燈光照明，以便圖像的獲取和處理。2機(jī)器視覺(jué)技術(shù)在現(xiàn)代化農(nóng)業(yè)中的應(yīng)用2.1在農(nóng)業(yè)生產(chǎn)前的應(yīng)用進(jìn)行種子質(zhì)量檢測(cè)。農(nóng)作物種子質(zhì)量的好壞對(duì)作物產(chǎn)品的優(yōu)劣與作物產(chǎn)量的高低有著直接的影響作用，在農(nóng)業(yè)生產(chǎn)過(guò)程中有著至關(guān)重要的地位。成芳等［2］詳細(xì)介紹了機(jī)器視覺(jué)系統(tǒng)的原理和發(fā)展動(dòng)態(tài)，并且從系統(tǒng)軟件、硬件和國(guó)內(nèi)外研究現(xiàn)狀等方面綜合描述了機(jī)器視覺(jué)在種子質(zhì)量檢測(cè)中的運(yùn)用。陳兵旗等［3］利用機(jī)器視覺(jué)技術(shù)對(duì)水稻種子進(jìn)行了精選，首先提取長(zhǎng)寬比和面積等特征參數(shù)，并建立有關(guān)稻種類型的數(shù)據(jù)庫(kù)，進(jìn)而對(duì)稻種類型進(jìn)行判斷，然后通過(guò)掃描線數(shù)和掃描線上黑白像素的變化次數(shù)來(lái)判斷種子是否破裂，最后利用不同閾值提取的稻種面積差來(lái)判斷稻種是否霉變。試驗(yàn)證明：該方法能對(duì)種子種類、發(fā)霉和破損情況等進(jìn)行判斷，具有較高的準(zhǔn)確率。2.2在農(nóng)業(yè)生產(chǎn)中的應(yīng)用2.2.1作物生長(zhǎng)信息監(jiān)測(cè)。農(nóng)作物的生長(zhǎng)調(diào)控、缺素診斷、產(chǎn)量分析與預(yù)測(cè)都是以作物生長(zhǎng)信息為基礎(chǔ)和依據(jù)的，因此，通過(guò)機(jī)器視覺(jué)的方法對(duì)農(nóng)作物的生長(zhǎng)信息進(jìn)行監(jiān)測(cè)，成為當(dāng)今機(jī)器視覺(jué)在農(nóng)業(yè)中的研究熱點(diǎn)之一。張?jiān)弃Q等［4］設(shè)計(jì)了農(nóng)作物莖稈直徑變化測(cè)量系統(tǒng)，通過(guò)測(cè)量圖像中作物莖稈直徑像素?cái)?shù)、圖像中參照物直徑像素?cái)?shù)和參照物的實(shí)際直徑求取作物莖稈直徑。使用該系統(tǒng)對(duì)黃瓜莖桿進(jìn)行直徑測(cè)量，絕對(duì)誤差在0.002mm以內(nèi)。王文靜等［5］設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的水下鮮鰈魚(yú)類質(zhì)量估計(jì)系統(tǒng)。該系統(tǒng)利用機(jī)器視覺(jué)和圖像處理技術(shù)對(duì)不同生長(zhǎng)發(fā)育階段的半滑舌鰨進(jìn)行了檢測(cè)，提取了魚(yú)的面積、等效橢圓長(zhǎng)寬比和圓形度因子等形狀參數(shù)，并將各參數(shù)分別與質(zhì)量進(jìn)行數(shù)據(jù)擬合建立二維和三維維模型。試驗(yàn)證明：該方法能夠較好地估計(jì)出生物的質(zhì)量。2.2.2病蟲(chóng)害與雜草監(jiān)測(cè)。病蟲(chóng)害和雜草直接危害著農(nóng)作物的生長(zhǎng)，如果沒(méi)有得到及時(shí)的控制，會(huì)直接影響到農(nóng)作物的質(zhì)量與產(chǎn)量。因此，檢測(cè)并獲取害蟲(chóng)的分布情況、位置、生長(zhǎng)情況等對(duì)農(nóng)作物的生產(chǎn)具有巨大的意義。邱道尹等［6］設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)分類的方法對(duì)常見(jiàn)的幾類害蟲(chóng)進(jìn)行了分類。通過(guò)現(xiàn)場(chǎng)試驗(yàn)證明，該方法簡(jiǎn)單可行、識(shí)別率高。毛文華等［7］以國(guó)內(nèi)外的研究為例，系統(tǒng)、詳細(xì)地介紹了機(jī)器視覺(jué)在雜草識(shí)別中的研究和應(yīng)用情況，分析了采用植物紋理、顏色、多光譜和形狀等特征來(lái)識(shí)別雜草的理論根據(jù)以及存在的問(wèn)題和難點(diǎn)。尹建軍等［8］利用攝像機(jī)采集標(biāo)定靶圖像，根據(jù)攝像機(jī)的透視模型對(duì)圖像進(jìn)行處理，求出48個(gè)靶點(diǎn)質(zhì)心的像素坐標(biāo)，然后通過(guò)DLT最小二乘法建立攝像機(jī)隱參數(shù)矩陣。實(shí)踐證明，該方法對(duì)雜草定位的誤差在23mm以內(nèi)，能夠滿足雜草識(shí)別與智能化噴施的需求。2.2.3營(yíng)養(yǎng)脅迫診斷。在農(nóng)業(yè)生產(chǎn)管理中，由于缺素初期的作物和正常情況沒(méi)有太大差別，很難被察覺(jué)和診斷，而利用機(jī)器視覺(jué)的方法能夠比較及時(shí)、準(zhǔn)確的判斷，進(jìn)而降低損失。毛罕平等［9］在作物營(yíng)養(yǎng)元素虧缺的識(shí)別和自動(dòng)檢測(cè)中，利用植物的葉片特征和遺傳算法進(jìn)行優(yōu)化組合，挑選出能夠用在分類器設(shè)計(jì)方面的特征向量。試驗(yàn)證明，利用二叉樹(shù)分類法的模糊K近鄰法對(duì)缺元素的番茄進(jìn)行識(shí)別和測(cè)試，其誤差在15%以內(nèi)。張彥娥等［10］利用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)研究了一種溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)系統(tǒng)，通過(guò)求取葉片含水率、含氮率與含磷率分別與各個(gè)分量之間的相關(guān)性；試驗(yàn)證明：該方法獲取葉片顏色分量、亮度指標(biāo)等參數(shù)，能夠作為計(jì)算機(jī)視覺(jué)技術(shù)作物長(zhǎng)勢(shì)和作物營(yíng)養(yǎng)信息監(jiān)測(cè)的指標(biāo)。2.3在農(nóng)業(yè)生產(chǎn)中的應(yīng)用2.3.1農(nóng)業(yè)機(jī)器人。對(duì)農(nóng)業(yè)機(jī)器人的應(yīng)用主要利用機(jī)器人技術(shù)進(jìn)行視覺(jué)導(dǎo)航技術(shù)的研究，是目前比較受關(guān)注的課題之一。視覺(jué)導(dǎo)航技術(shù)的研究為農(nóng)業(yè)機(jī)器人的自動(dòng)除草、施肥和施藥等工作奠定了良好的基礎(chǔ)。周俊等［11］在綜合分析農(nóng)田自然環(huán)境的基礎(chǔ)上，提出了農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別算法，并將色彩特征分析法應(yīng)用于路徑識(shí)別中，利用小波分析變化法進(jìn)行邊緣檢測(cè)，結(jié)果表明，結(jié)合導(dǎo)航系統(tǒng)期望跟蹤的路徑特點(diǎn)分析可以比較準(zhǔn)確的識(shí)別路徑。安秋等［12］通過(guò)AVR單片機(jī)的下位機(jī)來(lái)控制4個(gè)電機(jī)的速度和實(shí)現(xiàn)與上位機(jī)的串口通訊功能，提出了將線性掃描法和最小二乘法結(jié)合使用的思路，實(shí)現(xiàn)了農(nóng)業(yè)機(jī)器人的視覺(jué)導(dǎo)航算法，使機(jī)器人能夠在農(nóng)作物之間行走。2.3.2品質(zhì)分級(jí)。利用機(jī)器視覺(jué)的方法對(duì)農(nóng)作物進(jìn)行分級(jí)，可以減少主觀因素的影響，并且為生產(chǎn)自動(dòng)化的發(fā)展奠定了基礎(chǔ)。蔣益女等［13］對(duì)蘋(píng)果質(zhì)量等級(jí)識(shí)別的機(jī)器視覺(jué)檢測(cè)技術(shù)進(jìn)行了研究，對(duì)蘋(píng)果圖像進(jìn)行梗蒂、缺陷識(shí)別后，提取目標(biāo)區(qū)域，并求出紋理和幾何特征參數(shù)等，并通過(guò)Pearson對(duì)參數(shù)進(jìn)行相關(guān)性分析和SFFS對(duì)特征進(jìn)行選擇，去掉冗余的特征，最后使用KNN分類方法對(duì)蘋(píng)果進(jìn)行分類。試驗(yàn)結(jié)果表明，該識(shí)別方法對(duì)蘋(píng)果等級(jí)識(shí)別與人工判別結(jié)果非常接近，可以推廣到其他產(chǎn)品質(zhì)量等級(jí)檢測(cè)和識(shí)別。李江波等［14］對(duì)鮮香菇外部品質(zhì)計(jì)算機(jī)視覺(jué)檢測(cè)與分級(jí)進(jìn)行了研究，首先對(duì)攝像機(jī)采集的圖像進(jìn)行預(yù)處理后，獲取香菇菇蓋的圓形度、最大直徑、色調(diào)均值等特征參數(shù)對(duì)香菇進(jìn)行分級(jí)。試驗(yàn)證明，利用BP神經(jīng)網(wǎng)絡(luò)法對(duì)香菇進(jìn)行分級(jí)的準(zhǔn)確度為94.2%。3存在的問(wèn)題及未來(lái)的展望隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和農(nóng)業(yè)自動(dòng)化水平的提高，機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用研究越來(lái)越多，但是由于農(nóng)作物形狀的多樣性、周?chē)h(huán)境的復(fù)雜性、理論和實(shí)際的差異性等因素制約著機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用發(fā)展。為了解決這些問(wèn)題，筆者認(rèn)為應(yīng)從試驗(yàn)條件、系統(tǒng)硬件和軟件設(shè)計(jì)3個(gè)方面著手。如在設(shè)置和模擬試驗(yàn)條件和硬件系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)多方位、全面地考慮到實(shí)際情況和國(guó)內(nèi)外先進(jìn)技術(shù)，使設(shè)計(jì)更加完善。在系統(tǒng)軟件算法的開(kāi)發(fā)階段，需要將機(jī)器視覺(jué)和圖像處理算法多與神經(jīng)網(wǎng)絡(luò)、人工智能等相結(jié)合使用，尋求出適用性強(qiáng)的新算法［15］。在現(xiàn)代農(nóng)業(yè)中引入機(jī)器視覺(jué)技術(shù)，不僅可以提高農(nóng)業(yè)生產(chǎn)和發(fā)展的自動(dòng)化水平，而且可以使人類從重復(fù)的勞動(dòng)中解放出來(lái)，有著廣闊的發(fā)展空間和應(yīng)用前景。一方面，與人類視覺(jué)相比，機(jī)器視覺(jué)具有快速、非接觸性、無(wú)損和準(zhǔn)確的特點(diǎn)，可以提高農(nóng)業(yè)生產(chǎn)效率，促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化方向和發(fā)展。另一方面，計(jì)算機(jī)、自動(dòng)化控制技術(shù)、機(jī)器視覺(jué)技術(shù)的進(jìn)一步發(fā)展和綜合集成，也將會(huì)為機(jī)器視覺(jué)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用開(kāi)辟新的空間。4參考文獻(xiàn)［1］趙曉霞.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用［J］.科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004,14(4)：124-125.成芳，應(yīng)義斌.機(jī)器視覺(jué)技術(shù)在農(nóng)作物種子質(zhì)量檢驗(yàn)中的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2001，17（6）：175-179.陳兵旗，孫旭東，韓旭，等.基于機(jī)器視覺(jué)的水稻種子精選技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（7）：165-173.張?jiān)弃Q，喬曉軍，王成，等基于機(jī)器視覺(jué)的作物莖稈直徑變化測(cè)量?jī)x研發(fā)[J].農(nóng)機(jī)化研究，2011（12）：158-160.王文靜，徐建瑜，呂志敏，等.基于機(jī)器視覺(jué)的水下鮮鰈魚(yú)類質(zhì)量估計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（16）：153-157.邱道尹，張紅濤，劉新宇，等.基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38（1）：120-122.毛文華，王一鳴，張小超，等基于機(jī)器視覺(jué)的田間雜草識(shí)別技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（5）：43-46.尹建軍，沈?qū)殗?guó)，陳樹(shù)人.基于機(jī)器視覺(jué)的田間雜草定位技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（6）：163-166.毛罕平，徐貴力，李萍萍.基于計(jì)算機(jī)視覺(jué)的番茄營(yíng)養(yǎng)元素虧缺的識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（2）：73-75.張彥娥，李民贊，張喜杰.基于計(jì)算機(jī)視覺(jué)技術(shù)的溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（8）：102-105.周俊，姬長(zhǎng)英.農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：120-123.安秋，顧寶興，王海青.