機(jī)器視覺在我國(guó)農(nóng)業(yè)中的應(yīng)用研究進(jìn)展分析

王風(fēng)云　鄭紀(jì)業(yè)　唐研　劉延忠　李喬宇　穆元杰　王磊

摘要：隨著圖像處理、模式識(shí)別、人工智能等技術(shù)的不斷發(fā)展，機(jī)器視覺技術(shù)在我國(guó)農(nóng)業(yè)上的研究逐步深入，并取得了許多重要成果。本文基于中國(guó)知網(wǎng)全文數(shù)據(jù)庫檢索系統(tǒng)，對(duì)我國(guó)基于機(jī)器視覺的農(nóng)業(yè)研究進(jìn)行了博、碩士學(xué)位論文與期刊論文的統(tǒng)計(jì)、分析。結(jié)果顯示，我國(guó)農(nóng)業(yè)機(jī)器視覺研究主要涉及檢測(cè)、圖像處理、軌跡跟蹤與車輛導(dǎo)航、模式識(shí)別及其應(yīng)用等主題，主要集中在圖像信息獲取方法、圖像處理與識(shí)別算法、智能導(dǎo)航算法以及系統(tǒng)集成應(yīng)用等方面，以《農(nóng)機(jī)化研究》、《農(nóng)業(yè)工程學(xué)報(bào)》和《農(nóng)業(yè)機(jī)械學(xué)報(bào)》為主要發(fā)表刊物，主要受國(guó)家自然科學(xué)基金、國(guó)家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）、國(guó)家科技支撐計(jì)劃、省科技攻關(guān)計(jì)劃、省自然科學(xué)基金等項(xiàng)目支持，國(guó)內(nèi)研究機(jī)構(gòu)以中國(guó)農(nóng)業(yè)大學(xué)、南京農(nóng)業(yè)大學(xué)、浙江大學(xué)、華南農(nóng)業(yè)大學(xué)、山西農(nóng)業(yè)大學(xué)和江蘇大學(xué)為主。但目前我國(guó)基于機(jī)器視覺的農(nóng)業(yè)研究在作物生長(zhǎng)信息檢測(cè)、雜草識(shí)別、變量控制、機(jī)械智能導(dǎo)航、采摘與分選等方面離實(shí)用化、商品化仍有一定的距離，集成符合我國(guó)農(nóng)業(yè)發(fā)展實(shí)際的機(jī)器視覺技術(shù)系統(tǒng)將是今后重要的研究方向。本研究為機(jī)器視覺在我國(guó)農(nóng)業(yè)上的進(jìn)一步應(yīng)用研究提供了參考。

關(guān)鍵詞：機(jī)器視覺；農(nóng)業(yè)；圖像處理；模式識(shí)別；視覺導(dǎo)航

中圖分類號(hào)：S126 文獻(xiàn)標(biāo)識(shí)號(hào)：A 文章編號(hào)：1001-4942（2016）04-0139-06

機(jī)器視覺的概念起始于20世紀(jì)60年代，最先應(yīng)用于機(jī)器人的研制，即通過視覺系統(tǒng)采集圖像并進(jìn)行處理，然后估算出目標(biāo)的位置，從而控制機(jī)器運(yùn)動(dòng)。1979年提出的視覺伺服（Visual Ser-vo）概念，則可以將視覺信息用于連續(xù)反饋，以提高視覺定位或追蹤的精度。

國(guó)內(nèi)有關(guān)機(jī)器視覺的應(yīng)用研究起步于20世紀(jì)80年代，主要應(yīng)用于半導(dǎo)體和電子行業(yè)，如PCB印刷、電路組裝、元器件制造及半導(dǎo)體設(shè)備集成等。農(nóng)業(yè)機(jī)器視覺的研究，早期主要以探討農(nóng)業(yè)機(jī)器人的技術(shù)、經(jīng)濟(jì)可行性、潛力與前景等宏觀研究為主，后來逐步擴(kuò)展到圖像數(shù)據(jù)的采集、分析與處理、軌跡跟蹤與車輛導(dǎo)航、智能識(shí)別等關(guān)鍵技術(shù)的研究與應(yīng)用上。為了解我國(guó)農(nóng)業(yè)機(jī)器視覺研究的進(jìn)展情況，本文基于中國(guó)知網(wǎng)全文數(shù)據(jù)庫檢索系統(tǒng)，通過檢索機(jī)器視覺在我國(guó)農(nóng)業(yè)上集成應(yīng)用和研究的相關(guān)文獻(xiàn)，并對(duì)其數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，分析了該領(lǐng)域的研究進(jìn)展及出現(xiàn)的問題，以期為機(jī)器視覺技術(shù)在我國(guó)農(nóng)業(yè)中的深入研究與應(yīng)用提供參考。

1 數(shù)據(jù)來源

本研究基于中國(guó)知網(wǎng)的全文數(shù)據(jù)庫，以“機(jī)器視覺”與“農(nóng)業(yè)”為檢索詞，分別在博、碩士學(xué)位論文庫和中國(guó)期刊全文數(shù)據(jù)庫中進(jìn)行主題路徑邏輯“與”的檢索，時(shí)間截止到2015年9月24日，并對(duì)檢出文獻(xiàn)的研究主題、基金來源、作者機(jī)構(gòu)及其在不同學(xué)術(shù)期刊上的分布進(jìn)行分析。然后據(jù)此分析結(jié)果對(duì)機(jī)器視覺在農(nóng)業(yè)上的應(yīng)用研究進(jìn)展進(jìn)行簡(jiǎn)要介紹和綜述，指出目前應(yīng)用中存在的一些問題。

采用Microsoft Excel 2007進(jìn)行數(shù)據(jù)處理與作圖。

2 結(jié)果與分析

2.1 博、碩士學(xué)位論文檢索結(jié)果

檢索結(jié)果顯示，從2000年開始，共檢索到農(nóng)業(yè)機(jī)器視覺研究的博、碩士學(xué)位論文235篇，其中博士論文38篇，碩士論文197篇（見表1）。

2.1.1 博、碩士學(xué)位論文作者的機(jī)構(gòu)分布 從表1可以看出，博士論文以南京農(nóng)業(yè)大學(xué)的最多，共9篇，主要研究黃瓜和棉花收獲機(jī)器人系統(tǒng)，基于機(jī)器視覺的作物對(duì)行噴藥控制、雜草和稻飛虱識(shí)別技術(shù)，基于圖像特征的田間籽棉成熟度與品級(jí)判別技術(shù)，機(jī)器視覺導(dǎo)航系統(tǒng)及光照問題等。其次是中國(guó)農(nóng)業(yè)大學(xué)，共7篇，多為近幾年的文獻(xiàn)，如：2013年王建侖以果園田問葉片為研究對(duì)象，進(jìn)行田間葉片圖像分割與單幅三維重建的算法研究，并利用機(jī)器視覺系統(tǒng)解決了遠(yuǎn)程獲取農(nóng)業(yè)生產(chǎn)現(xiàn)場(chǎng)葉片農(nóng)學(xué)性狀參數(shù)的問題；2014年李寒、張春龍、張東波、楊振宇和黃小龍五位博士基于機(jī)器視覺分別進(jìn)行了目標(biāo)檢測(cè)、信息獲取與視覺伺服策略、伺服控制、機(jī)器人末端執(zhí)行器優(yōu)化設(shè)計(jì)等研究；2015年馬锃宏進(jìn)行了田問作物對(duì)靶噴施機(jī)器關(guān)鍵技術(shù)的研究。浙江大學(xué)的相關(guān)研究論文也較多，有6篇，涉及稻種質(zhì)量無損檢測(cè)、田間路徑識(shí)別算法與車輛自動(dòng)導(dǎo)航方法、基于光譜和多光譜的雜草識(shí)別、水稻氮磷鉀營(yíng)養(yǎng)識(shí)別和診斷等研究。

碩士論文以江蘇大學(xué)最多，共19篇，以基于機(jī)器視覺的雜草圖像分割、特征提取、識(shí)別和定位等研究為主；南京農(nóng)業(yè)大學(xué)次之，共17篇；華中農(nóng)業(yè)大學(xué)、西北農(nóng)林科技大學(xué)和浙江大學(xué)共28篇。197篇碩士論文中涉及的關(guān)鍵詞頻度，機(jī)器視覺94次，圖像處理44次，特征提取15次，圖像分割15次，雜草識(shí)別11次，顏色特征9次，視覺導(dǎo)航9次，模式識(shí)別9次，DSP 9次，說明農(nóng)業(yè)應(yīng)用機(jī)器視覺的研究主要以圖像處理、特征提取、圖像分割、雜草識(shí)別、顏色特征、視覺導(dǎo)航、模式識(shí)別和DSP為主。

2.1.2 博、碩士學(xué)位論文數(shù)量的年度分布 由圖1可以看出，2000～2002年，基于機(jī)器視覺的農(nóng)業(yè)研究學(xué)位論文數(shù)量為1～2篇，說明當(dāng)時(shí)國(guó)內(nèi)從事相關(guān)研究的學(xué)者還很少；之后，該研究領(lǐng)域越來越受到學(xué)者們的關(guān)注，博碩論文數(shù)量大幅增加，雖年際問有波動(dòng)，但整體呈上升趨勢(shì)，至2014年有關(guān)農(nóng)業(yè)機(jī)器視覺研究的論文已達(dá)到35篇。

2.2 期刊論文檢索結(jié)果

2.2.1 論文數(shù)量年度分布 由表2可以看出，中國(guó)知網(wǎng)期刊全文數(shù)據(jù)庫1999～2015年間共收錄了基于機(jī)器視覺的農(nóng)業(yè)研究論文179篇。論文數(shù)量年度分布沒有明顯的規(guī)律可循，其中，1999～2003年數(shù)量較少，說明國(guó)內(nèi)這方面的研究剛剛起步；2004～2015年論文數(shù)量在7～27篇之間波動(dòng)，以2011年數(shù)量最多，說明該研究領(lǐng)域受到了研究人員的持續(xù)關(guān)注。

2.2.2 研究主題分布 由統(tǒng)計(jì)結(jié)果可以看出，農(nóng)業(yè)機(jī)器視覺研究主要涉及檢測(cè)、圖像處理、軌跡跟蹤與車輛導(dǎo)航、模式識(shí)別及其應(yīng)用等方面。機(jī)器視覺檢測(cè)包括機(jī)器人運(yùn)動(dòng)障礙目標(biāo)檢測(cè)、長(zhǎng)勢(shì)無損檢測(cè)以及果蔬品質(zhì)檢測(cè)等。圖像處理主要包括圖像采集、分析與處理。軌跡跟蹤與車輛導(dǎo)航主要研究環(huán)境感知、路徑規(guī)劃、車輛模型與控制等。機(jī)器視覺的模式識(shí)別主要有路徑識(shí)別、作物品種識(shí)別、成熟果蔬識(shí)別、病蟲害識(shí)別以及雜草識(shí)別等。機(jī)器視覺主要應(yīng)用于農(nóng)產(chǎn)品的分級(jí)分選、病蟲草害控制、自動(dòng)采摘、長(zhǎng)勢(shì)監(jiān)測(cè)以及機(jī)械定位與導(dǎo)航中。機(jī)器視覺的研究離不開算法研究，包括檢測(cè)算法、圖像處理算法、軌跡跟蹤算法、導(dǎo)航算法以及識(shí)別算法等。

2.2.3 期刊分布 根據(jù)中國(guó)知網(wǎng)數(shù)據(jù)，179篇期刊論文共發(fā)表在了18種核心期刊上，包含4種EI檢索期刊，其中《農(nóng)機(jī)化研究》36篇，最多，《農(nóng)業(yè)工程學(xué)報(bào)》28篇，《農(nóng)業(yè)機(jī)械學(xué)報(bào)》17篇，三者的論文數(shù)量占45.25%。另有15篇發(fā)表在高校和農(nóng)業(yè)科研院所出版的期刊上，比較多的是《安徽農(nóng)業(yè)科學(xué)》，有6篇。其它論文主要發(fā)表在與計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用、農(nóng)業(yè)工程、自動(dòng)化技術(shù)、農(nóng)業(yè)基礎(chǔ)科學(xué)、植物保護(hù)、農(nóng)藝學(xué)、園藝、農(nóng)作物等相關(guān)的期刊上?？梢姡瑱C(jī)器視覺在農(nóng)業(yè)上的某些研究仍比較前沿，受到《農(nóng)機(jī)化研究》、《農(nóng)業(yè)工程學(xué)報(bào)》和《農(nóng)業(yè)機(jī)械學(xué)報(bào)》等核心期刊和EI檢索期刊的歡迎。

2.2.4 基金來源 資金支持是科學(xué)研究的基礎(chǔ)，統(tǒng)計(jì)結(jié)果顯示，檢索到的文獻(xiàn)中得到項(xiàng)目資助的有78篇，占43.57%，受國(guó)家自然科學(xué)基金支持的論文有23篇，受國(guó)家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）支持的21篇，受國(guó)家科技支撐計(jì)劃支持的4篇，三者占檢索到的期刊論文總數(shù)的26.82%；受各省科技攻關(guān)計(jì)劃支持的研究論文7篇，受各省自然科學(xué)基金項(xiàng)目支持的6篇，受高?；蚪逃块T支持的9篇。由此可見，國(guó)家和各省、部委都高度重視機(jī)器視覺在農(nóng)業(yè)中的研究與應(yīng)用。

2.2.5 作者機(jī)構(gòu)分布 對(duì)179篇期刊論文作者（限第一作者）的單位進(jìn)行統(tǒng)計(jì)，結(jié)果顯示，來自高校院系的作者136位，占75.98%；來自研究院所的作者14位，占7.82%；來自其它機(jī)構(gòu)的有29位，占16.20%。中國(guó)農(nóng)業(yè)大學(xué)、南京農(nóng)業(yè)大學(xué)、浙江大學(xué)、華南農(nóng)業(yè)大學(xué)、山西農(nóng)業(yè)大學(xué)和江蘇大學(xué)位居論文作者所在機(jī)構(gòu)的前六位，其中來自中國(guó)農(nóng)業(yè)大學(xué)的論文作者最多，有22位，占檢索期刊論文總數(shù)的12.29%。表明，中國(guó)農(nóng)業(yè)大學(xué)、南京農(nóng)業(yè)大學(xué)、浙江大學(xué)等是目前國(guó)內(nèi)農(nóng)業(yè)機(jī)器視覺研究實(shí)力比較雄厚的高校。

3 機(jī)器視覺在農(nóng)業(yè)上的應(yīng)用研究進(jìn)展

通過對(duì)文獻(xiàn)資料的分析、研究可以發(fā)現(xiàn)，我國(guó)基于機(jī)器視覺的農(nóng)業(yè)應(yīng)用研究主要集中在圖像信息獲取方法、圖像處理與識(shí)別算法、智能導(dǎo)航算法以及系統(tǒng)集成應(yīng)用方面。

3.1 圖像信息獲取方法研究

精確獲取圖像信息是機(jī)器視覺的基礎(chǔ)，直接影響到機(jī)器視覺判斷的精度，且圖像采集的速度影響著機(jī)器視覺執(zhí)行的速度。由于農(nóng)業(yè)應(yīng)用環(huán)境差異大，機(jī)器視覺獲取圖像信息的方法需根據(jù)應(yīng)用對(duì)象與目的的不同而變化，目前多是采用相機(jī)或攝像機(jī)結(jié)合近紅外光譜或高光譜信息進(jìn)行圖像信息的采集與分析處理。

上海交通大學(xué)翟鵬針對(duì)葡萄自身的特點(diǎn)和現(xiàn)場(chǎng)條件，設(shè)計(jì)了由全光譜的自然光源、反光傘、CCD相機(jī)、定時(shí)拍攝觸發(fā)控制器、漫射擋光背景板和球坐標(biāo)腳架組成的圖像采集系統(tǒng)，對(duì)葡萄果實(shí)和根系的表型特征進(jìn)行了采集與分析。華中農(nóng)業(yè)大學(xué)肖武建立了基于近紅外光譜和機(jī)器視覺技術(shù)快速檢測(cè)土壤含水率的方法，同時(shí)對(duì)湖北地區(qū)黃棕壤、潮土和稻田土樣品的光譜進(jìn)行了主成分分析，結(jié)果表明能很好地將土壤含水率分級(jí)。沈陽理工大學(xué)劉哲基于雙目立體視覺系統(tǒng)，對(duì)蘋果幼果的圖像進(jìn)行了立體重建，且能夠?qū)μO果幼果進(jìn)行正確的匹配并標(biāo)號(hào)，實(shí)現(xiàn)了對(duì)蘋果果實(shí)的三維定位。

3.2 圖像處理與識(shí)別算法研究

機(jī)器視覺在農(nóng)業(yè)應(yīng)用的自然場(chǎng)景中，光照條件的變化以及農(nóng)作物個(gè)體顏色、形狀、位置、姿態(tài)、遮擋和重疊程度等都給機(jī)器視覺識(shí)別、特征提取帶來很大的困難，能否快速、準(zhǔn)確地識(shí)別出目標(biāo)直接影響機(jī)器視覺系統(tǒng)的實(shí)時(shí)性和可靠性，因此，圖像處理與識(shí)別算法研究成為機(jī)器視覺在農(nóng)業(yè)中應(yīng)用的關(guān)鍵環(huán)節(jié)。

華南農(nóng)業(yè)大學(xué)張志斌等提出的基于加速魯棒特征（Speeded up robust features，SURF）的綠色作物特征提取與圖像匹配算法，首先在RGB空間進(jìn)行圖像分割，并采用開運(yùn)算對(duì)分割圖像進(jìn)行濾波處理，然后采用SURF旋轉(zhuǎn)不變性原理進(jìn)行左、右綠色作物圖像特征提取，最后采用最近距離比次近距離法匹配特征點(diǎn)，該方法為提高田問條件下的3D視覺導(dǎo)航參數(shù)精度、準(zhǔn)確獲取基于無線傳感器網(wǎng)絡(luò)的作物生長(zhǎng)參數(shù)提供了參考。呂強(qiáng)等采用圖像G-B色差分量、最大類問方差法自適應(yīng)閾值分割、基于距離變換的分水嶺分割、凸包算法、基于Tukey權(quán)重函數(shù)的最小二乘圓擬合法識(shí)別自然場(chǎng)景下的柑橘果實(shí)。在果實(shí)或病害識(shí)別上，支持向量機(jī)識(shí)別的正確率高于只用顏色、紋理或形狀特征進(jìn)行識(shí)別的正確率，識(shí)別性能也優(yōu)于神經(jīng)網(wǎng)絡(luò)方法。

3.3 視覺定位導(dǎo)航算法研究

基于機(jī)器視覺的導(dǎo)航系統(tǒng)能自動(dòng)采集農(nóng)田環(huán)境圖像，通過分析識(shí)別出導(dǎo)航路徑，最終計(jì)算出系統(tǒng)導(dǎo)航參數(shù)以控制機(jī)械沿導(dǎo)航路徑行走。定位導(dǎo)航算法是機(jī)器視覺導(dǎo)航的核心，決定著導(dǎo)航定位的準(zhǔn)確性以及控制的魯棒性。

華南農(nóng)業(yè)大學(xué)張志斌等提出了基于Hough變換和Fisher準(zhǔn)則的壟線識(shí)別算法，使得作物壟線定位的準(zhǔn)確性、適應(yīng)性均得到提高，而且能夠避免較大面積雜草等的影響。上海交通大學(xué)周俊等人基于卡爾曼濾波的思想，融合各傳感器的觀測(cè)值，提出了一種預(yù)測(cè)跟蹤控制算法，避免了以視覺系統(tǒng)為主的計(jì)算耗時(shí)導(dǎo)致狀態(tài)反饋滯后而產(chǎn)生的不利影響，改善了導(dǎo)航控制的魯棒性和精度。南京農(nóng)業(yè)大學(xué)安秋等人針對(duì)農(nóng)業(yè)機(jī)器人視覺導(dǎo)航中存在的陰影干擾問題，提出了基于光照無關(guān)圖的算法，能夠去除導(dǎo)航圖像中的陰影，然后利用增強(qiáng)的最大類問方差算法分割和優(yōu)化圖像的Hough變換提取作物行中心線，最終通過坐標(biāo)轉(zhuǎn)換獲得導(dǎo)航參數(shù)，此算法不僅滿足了導(dǎo)航實(shí)時(shí)性的要求，而且使農(nóng)業(yè)機(jī)器人在光照變化的情況下導(dǎo)航參數(shù)提取的魯棒性有了更大的提高。

3.4 機(jī)器視覺在農(nóng)業(yè)中的系統(tǒng)集成

機(jī)器視覺在農(nóng)業(yè)中的應(yīng)用，集成了光學(xué)、電氣、機(jī)械以及計(jì)算機(jī)等技術(shù)。李志臣利用機(jī)器視覺集成了雜草對(duì)準(zhǔn)噴藥系統(tǒng)，整個(gè)系統(tǒng)搭載在一輛拖拉機(jī)上，由運(yùn)動(dòng)執(zhí)行單元來驅(qū)動(dòng)，視覺部分由攝像頭和千兆網(wǎng)卡組成，完成圖像采集、雜草識(shí)別和信息發(fā)送功能；控制部分由計(jì)算機(jī)和可編程控制器（PLC）組成，接收并解釋信息和發(fā)送控制電壓；執(zhí)行部分由藥箱、泵、電磁閥、溢流閥、噴嘴和一些管路組成，輸送藥液和進(jìn)行噴藥。郭海針等人在一臺(tái)輪式拖拉機(jī)上裝載計(jì)算機(jī)、CCD攝像機(jī)和電液控制系統(tǒng)，集成了基于機(jī)器視覺的農(nóng)業(yè)機(jī)械無人駕駛系統(tǒng)，利用計(jì)算機(jī)圖像處理和識(shí)別技術(shù)，采用模糊控制策略，實(shí)現(xiàn)了農(nóng)業(yè)車輛的視覺伺服。李謙結(jié)合除草機(jī)器人苗草識(shí)別的試驗(yàn)，討論了機(jī)器視覺在除草機(jī)器人中的應(yīng)用，并集成了基于機(jī)器視覺的苗草識(shí)別系統(tǒng)，包括工控計(jì)算機(jī)、攝像頭、光源和可升降仿形裝置等，試驗(yàn)識(shí)別率達(dá)到了95%以上。

3.5 目前農(nóng)業(yè)機(jī)器視覺研究中存在的問題

雖然我國(guó)基于機(jī)器視覺的農(nóng)業(yè)研究已取得了一定的成果，但由于農(nóng)業(yè)研究對(duì)象的多樣性和復(fù)雜性以及機(jī)器視覺技術(shù)的特點(diǎn)，目前仍存在著許多問題。

（1）機(jī)器視覺測(cè)量的可靠性仍有待提高。由于機(jī)器視覺處理的主要是圖像或視頻信息，測(cè)量條件、環(huán)境、被測(cè)物表面特性等的改變，有時(shí)甚至輕微改變，就會(huì)大大影響處理的結(jié)果，這是目前機(jī)器視覺在農(nóng)業(yè)上應(yīng)用比較突出的問題，只能針對(duì)具體問題研究相應(yīng)光照、特征提取、匹配、重建、標(biāo)定等具體方法。

（2）視覺測(cè)量的環(huán)境適應(yīng)性差，而且農(nóng)業(yè)研究對(duì)象復(fù)雜多樣，目前還無法找到一種具有普適性的方法，因此針對(duì)不同研究對(duì)象的圖像處理算法、導(dǎo)航算法、識(shí)別算法等仍是目前農(nóng)業(yè)機(jī)器視覺研究的核心，而且今后的研究對(duì)算法的魯棒性和實(shí)時(shí)性提出了較高的要求，這也是機(jī)器視覺技術(shù)在農(nóng)業(yè)實(shí)際應(yīng)用中的難點(diǎn)所在。

（3）系統(tǒng)集成應(yīng)用是機(jī)器視覺研究的最終目的，但由于視覺系統(tǒng)、智能機(jī)械及電氣控制集成成本和科技含量高，導(dǎo)致集成機(jī)器視覺的成套智能控制系統(tǒng)對(duì)農(nóng)業(yè)應(yīng)用來說成為高大上的設(shè)備，與目前農(nóng)業(yè)分散經(jīng)營(yíng)的模式和農(nóng)民總體認(rèn)識(shí)水平還有一定的距離，這是某些關(guān)鍵技術(shù)仍處于研究試驗(yàn)階段的一個(gè)重要原因。

3.6 農(nóng)業(yè)機(jī)器視覺研究的發(fā)展趨勢(shì)

目前我國(guó)的農(nóng)業(yè)機(jī)器視覺技術(shù)在作物生長(zhǎng)信息檢測(cè)、雜草識(shí)別、變量控制、機(jī)械智能導(dǎo)航、采摘與分選等方面的研究已有很大進(jìn)步，但離實(shí)用化、商品化應(yīng)用仍有一定距離，符合我國(guó)農(nóng)業(yè)發(fā)展實(shí)際的機(jī)器視覺技術(shù)系統(tǒng)集成將是一個(gè)重要的研究趨勢(shì)。

另外，隨著計(jì)算機(jī)圖像處理技術(shù)的日新月異、傳感器及其它相關(guān)硬件性能的日趨提高，利用視覺技術(shù)檢測(cè)農(nóng)田信息實(shí)現(xiàn)自動(dòng)導(dǎo)航將成為未來農(nóng)業(yè)機(jī)械無人駕駛的重要發(fā)展方向。

4 結(jié)論

本研究通過對(duì)中國(guó)知網(wǎng)博、碩士學(xué)位論文數(shù)據(jù)庫和全文期刊數(shù)據(jù)庫的檢索分析發(fā)現(xiàn)，我國(guó)基于機(jī)器視覺的農(nóng)業(yè)研究比較活躍，主要集中在圖像的采集、分析與處理、軌跡跟蹤與車輛導(dǎo)航、模式識(shí)別、品質(zhì)檢測(cè)等方面，但由于農(nóng)業(yè)研究對(duì)象的復(fù)雜性，仍存在著許多問題。如何進(jìn)一步提升機(jī)器視覺檢測(cè)的可靠性，提高算法的魯棒性和實(shí)時(shí)性，仍將是今后一段時(shí)間的研究熱點(diǎn)。由于在某些方面，如播種、噴藥、除草、農(nóng)產(chǎn)品后期加工等農(nóng)業(yè)生產(chǎn)過程中，應(yīng)用機(jī)器視覺技術(shù)可以部分代替人工，不僅能避免不良環(huán)境對(duì)人體造成的危害，減輕勞動(dòng)強(qiáng)度，而且能大大提高生產(chǎn)效率，因此，集成機(jī)器視覺的智能控制系統(tǒng)將是未來農(nóng)業(yè)智能化、精準(zhǔn)化發(fā)展的趨勢(shì)之一。