機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)工程中的應(yīng)用

劉亞麗　李怡

摘要：隨著圖像技術(shù)的專(zhuān)業(yè)化，計(jì)算機(jī)硬件成本的降低和運(yùn)算速度的提高，機(jī)器視覺(jué)在農(nóng)業(yè)工程領(lǐng)域方面的應(yīng)用更加廣泛。該文主要介紹了機(jī)器視覺(jué)技術(shù)在農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)、農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)、農(nóng)業(yè)生產(chǎn)自動(dòng)化等方面的研究及應(yīng)用情況，并分析了機(jī)器視覺(jué)技術(shù)的局限性以及后續(xù)研究方向。

關(guān)鍵詞：機(jī)器視覺(jué)；農(nóng)業(yè)；檢測(cè)；自動(dòng)化

農(nóng)業(yè)是我國(guó)重要的產(chǎn)業(yè)部門(mén)，因此提高農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)自動(dòng)化程度是實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化的根本需求，而實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)自動(dòng)化主要依賴于對(duì)對(duì)象的正確識(shí)別。機(jī)器視覺(jué)技術(shù)經(jīng)過(guò)30多年的發(fā)展，已成為一門(mén)新興的識(shí)別的技術(shù)，在農(nóng)業(yè)領(lǐng)域得到了廣泛的應(yīng)用，不僅農(nóng)業(yè)裝備的智能化與自動(dòng)化的水平得到了飛速提升了，并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(jī)器視覺(jué)技術(shù)概述

機(jī)器視覺(jué)即利用機(jī)器代替人眼并作出相應(yīng)判斷，亦可稱之為“計(jì)算機(jī)視覺(jué)”。機(jī)器視覺(jué)系統(tǒng)即通過(guò)圖像采集系統(tǒng)，將采集目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳至圖像處理系統(tǒng)，根據(jù)像素的相關(guān)信息，轉(zhuǎn)成簡(jiǎn)潔的數(shù)字信號(hào)，并對(duì)數(shù)字信號(hào)進(jìn)行運(yùn)算來(lái)提取特征參數(shù)，最終依據(jù)識(shí)別結(jié)果對(duì)現(xiàn)場(chǎng)設(shè)備執(zhí)行相應(yīng)動(dòng)作。典型的機(jī)器視覺(jué)系統(tǒng)如圖1所示：

2機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)工程中的應(yīng)用

機(jī)器視覺(jué)技術(shù)已被廣泛應(yīng)用于農(nóng)業(yè)工程的許多領(lǐng)域：農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)、農(nóng)產(chǎn)品品質(zhì)鑒定與分級(jí)、精細(xì)農(nóng)業(yè)、農(nóng)業(yè)機(jī)械、農(nóng)業(yè)生產(chǎn)自動(dòng)化等。

2.1機(jī)器視覺(jué)技術(shù)在農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)方面的應(yīng)用

影響農(nóng)作物生長(zhǎng)的三大基本問(wèn)題為疾病、蟲(chóng)害及雜草，而影響農(nóng)作物產(chǎn)量、品質(zhì)及農(nóng)業(yè)的生態(tài)環(huán)境的主要因素為化學(xué)藥劑的施用量，為了進(jìn)一步實(shí)現(xiàn)農(nóng)業(yè)的自動(dòng)化，自動(dòng)監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況也是很有必要的。因此，需要對(duì)田間農(nóng)作物病蟲(chóng)草害的自動(dòng)檢測(cè)與識(shí)別技術(shù)進(jìn)行研究，用以區(qū)別田間的雜草和防治病蟲(chóng)害；并且開(kāi)發(fā)自動(dòng)監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況的視覺(jué)控制系統(tǒng)，以實(shí)現(xiàn)農(nóng)業(yè)智能化。

2.1.1雜草識(shí)別

田間雜草的識(shí)別是準(zhǔn)確使用除草劑的有效依據(jù)，對(duì)提高農(nóng)作物產(chǎn)量、降低成本、生產(chǎn)出滿足消費(fèi)者需求的無(wú)害產(chǎn)品是十分重要的。

劉振恒等利用機(jī)器視覺(jué)技術(shù)，通過(guò)對(duì)RGB、HSI圖像進(jìn)行分析，找出了從復(fù)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(dá)96%以上，為雜草的識(shí)別做了前期準(zhǔn)備工作。紀(jì)壽文等不僅濾除了土壤背景，還對(duì)圖像中的特征參數(shù)（投影面積、葉長(zhǎng)和葉寬）進(jìn)行了提取，以識(shí)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(biāo)選擇分割直線進(jìn)行背景分割，通過(guò)提取整株植物的細(xì)化和骨架長(zhǎng)度，以細(xì)化長(zhǎng)度與葉片面積比、骨架長(zhǎng)度與葉片面積比兩個(gè)特征參數(shù)，作為棉花和雜草的識(shí)別參數(shù)，利用統(tǒng)計(jì)模式識(shí)別中基于有限樣本和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的支持向量機(jī)建立了棉花和雜草的模式識(shí)別分類(lèi)器，識(shí)別率可達(dá)80%以上。

2.1.2農(nóng)作物病蟲(chóng)害自動(dòng)識(shí)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，并檢測(cè)出運(yùn)動(dòng)區(qū)域，以蝗蟲(chóng)的特征參數(shù)對(duì)運(yùn)動(dòng)區(qū)域分類(lèi)后對(duì)蝗蟲(chóng)進(jìn)行識(shí)別，帶人所建立的數(shù)學(xué)模型可間接得到地面的蝗蟲(chóng)數(shù)目，蝗蟲(chóng)識(shí)別率為80%～100%，地面蝗蟲(chóng)數(shù)目識(shí)別精度大于80%。陳樹(shù)人等創(chuàng)建了與二值圖像相對(duì)應(yīng)的0、1雙精度型矩陣，并分別與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(duì)棉花、鐵莧菜前景R、G、B的標(biāo)準(zhǔn)差進(jìn)行分析，并確定R的標(biāo)準(zhǔn)值與B的標(biāo)準(zhǔn)差值小于5作為判斷鐵莧菜的闕值，最終棉花的判斷準(zhǔn)確率為71.4%，鐵莧菜的判斷準(zhǔn)確率為92.9%，總體準(zhǔn)確率為82.1%。

2.1.3農(nóng)作物生長(zhǎng)狀況自動(dòng)監(jiān)測(cè)

曾慶兵等在考慮葡萄果實(shí)形態(tài)和現(xiàn)場(chǎng)環(huán)境基礎(chǔ)上，提出基于機(jī)器視覺(jué)的非接觸、重疊條件下葡萄果實(shí)直徑測(cè)量方法，該方法為葡萄生長(zhǎng)狀態(tài)監(jiān)測(cè)及缺水狀況診斷提供了可靠數(shù)據(jù)。張嘉琪等通過(guò)對(duì)萬(wàn)壽菊不同水分狀態(tài)特征的提取，得出紋理特征可作為萬(wàn)壽菊缺水狀態(tài)判斷的依據(jù)，從而編寫(xiě)了一種分析處理萬(wàn)壽菊缺水狀態(tài)的軟件，該方法能夠?qū)崿F(xiàn)萬(wàn)壽菊狀態(tài)的自動(dòng)識(shí)別。

2.2機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)方面的應(yīng)用

在農(nóng)產(chǎn)品檢測(cè)領(lǐng)域，機(jī)器視覺(jué)技術(shù)得到了快速的發(fā)展和廣泛的應(yīng)用，這必將對(duì)傳統(tǒng)檢測(cè)模式產(chǎn)生巨大影響。農(nóng)產(chǎn)品品質(zhì)檢測(cè)和分級(jí)是流通和加工過(guò)程中的一個(gè)重要環(huán)節(jié)，也是保證農(nóng)產(chǎn)品質(zhì)量和安全的關(guān)鍵環(huán)節(jié)。利用機(jī)器視覺(jué)技術(shù)檢驗(yàn)農(nóng)產(chǎn)品具有實(shí)時(shí)、客觀、無(wú)損害等優(yōu)點(diǎn)。機(jī)器視覺(jué)技術(shù)不僅可以對(duì)農(nóng)產(chǎn)品形狀、大小、表面缺陷、成熟度、內(nèi)部品質(zhì)進(jìn)行檢測(cè)和判定，并且大大提高分級(jí)精度和分級(jí)效率。

2.2.1農(nóng)產(chǎn)品外部品質(zhì)檢測(cè)

農(nóng)作物的外部品質(zhì)一般包括：形狀、大小、顏色、裂紋、表面缺陷等。

章海亮等從采集的圖像中提取蘋(píng)果的特征參數(shù)（形狀、尺寸、顏色和缺陷等）特與標(biāo)準(zhǔn)進(jìn)行比較，以確定蘋(píng)果的等級(jí)。祝連海等提出了兩種基于機(jī)器視覺(jué)技術(shù)的臍橙尺寸在線檢測(cè)方法：最小矩形法和形心一邊緣距離法。熊利榮等采集了鴨蛋表面的圖像，并根據(jù)顏色特征參數(shù)和灰度閾值方法對(duì)圖像進(jìn)行分割，提取裂紋區(qū)域和噪聲區(qū)域的特征參數(shù)，裂紋識(shí)別率為93%。

2.2.2農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)

農(nóng)作物的內(nèi)部品質(zhì)一般包括：水分、含糖度、內(nèi)部腐爛、變質(zhì)、內(nèi)部蟲(chóng)害等。

Kawamura等對(duì)濕谷及潮濕糙米的水分進(jìn)行了檢測(cè)，并建立了相關(guān)標(biāo)準(zhǔn)判斷模型，并對(duì)整精米進(jìn)行了檢測(cè)。劉華波等對(duì)煙葉反射和透射圖像中獲取了煙葉內(nèi)在的特征參數(shù)，在實(shí)驗(yàn)中驗(yàn)證了透射圖像的顏色特征參數(shù)的有效性，并使煙葉分組識(shí)別的準(zhǔn)確率得以提升。

2.2.3農(nóng)產(chǎn)品分級(jí)

Blasco J和Cubero S等在研究機(jī)器視覺(jué)技術(shù)分離石榴假種皮過(guò)程中，提出了兩種圖像分割方法，一是基于色度比R/G的閾值分割法，二是對(duì)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(dá)90%。最終開(kāi)發(fā)出一套石榴假種皮分離設(shè)備，并通過(guò)了整機(jī)測(cè)試。A1-Mallahi A和KataokaT等開(kāi)發(fā)出了一套用于馬鈴薯收獲機(jī)上檢測(cè)馬鈴薯塊莖的機(jī)器視覺(jué)系統(tǒng)，利用馬鈴薯塊莖和背景對(duì)紫外光反射比的差異，提取合適的閾值，實(shí)現(xiàn)對(duì)象分離，控制一套分級(jí)機(jī)構(gòu)完成塊莖和土塊的檢測(cè)。最終試驗(yàn)結(jié)果顯示，塊莖和土塊的正確檢測(cè)率分別達(dá)98.79%和98.28%。

2.3機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)自動(dòng)化中的應(yīng)用

農(nóng)業(yè)生產(chǎn)機(jī)器人的有效工作均依賴于對(duì)對(duì)象的正確識(shí)別。

王榮本等在拖拉機(jī)正前方裝有CCD系統(tǒng)，對(duì)拖拉機(jī)前方地表進(jìn)行圖像識(shí)別，并對(duì)壟溝中心線與拖拉機(jī)縱向?qū)ΨQ線的側(cè)向偏差進(jìn)行判斷，用最優(yōu)導(dǎo)向控制器控制前輪偏轉(zhuǎn)角，最終可實(shí)現(xiàn)拖拉機(jī)對(duì)目標(biāo)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(jié)合的識(shí)別方法實(shí)現(xiàn)蘋(píng)果采摘機(jī)器人精確的果實(shí)識(shí)別與定位。對(duì)在不同情況下拍攝的蘋(píng)果圖像進(jìn)行預(yù)處理后，采用遺傳算法（GA）對(duì)輪廓圖像進(jìn)行形狀特征提取。提出了通過(guò)多次運(yùn)行遺傳算法，依次轉(zhuǎn)換目標(biāo)輪廓點(diǎn)為背景點(diǎn)來(lái)解決果實(shí)圖像相鄰和重疊問(wèn)題。Blasco J和Cubero S等研究了基于機(jī)器視覺(jué)的自動(dòng)分揀薩摩瓣的系統(tǒng)，通過(guò)提取對(duì)象的形態(tài)特征，實(shí)現(xiàn)了在線檢測(cè)和水果分選，該系統(tǒng)正確分類(lèi)率為93.2%。

3機(jī)器視覺(jué)技術(shù)的局限性以及后續(xù)研究方向

機(jī)器視覺(jué)技術(shù)的研究主要包括硬件和軟件。硬件方面：硬件設(shè)備發(fā)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于算法的改善，目前的算法普遍存在效率低、速度慢、靈活性差等問(wèn)題，在環(huán)境多樣化的農(nóng)業(yè)現(xiàn)場(chǎng)，系統(tǒng)的抗干擾能力較差，從而使得準(zhǔn)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(dāng)前視覺(jué)技術(shù)集中應(yīng)用于2維及2.5維圖像中，而復(fù)雜農(nóng)產(chǎn)品的特征參數(shù)往往無(wú)法精確得到。因此，為了能更加全面地掌握對(duì)象的信息，研究三維成像視覺(jué)技術(shù)是十分必要的；3）目前絕大多數(shù)研究的對(duì)象均是靜態(tài)的農(nóng)產(chǎn)品個(gè)體，效率較低，因此，所研究的對(duì)象應(yīng)向動(dòng)態(tài)的農(nóng)產(chǎn)品群體發(fā)展。

4結(jié)束語(yǔ)

機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)工程中的應(yīng)用前景非常廣闊，但是機(jī)器視覺(jué)是一門(mén)多領(lǐng)域的交叉學(xué)科，發(fā)展受到一些因素的限制，如視覺(jué)理論知識(shí)、圖像算法、模型理論知識(shí)及硬件條件等，因此將機(jī)器視覺(jué)技術(shù)應(yīng)用于農(nóng)業(yè)工程中距離

實(shí)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(dòng)態(tài)，探索新的相關(guān)理論知識(shí)和方法，并結(jié)合我國(guó)現(xiàn)狀，研制適合我國(guó)的機(jī)器視覺(jué)系統(tǒng)，為我國(guó)的農(nóng)業(yè)現(xiàn)代化建設(shè)添磚貼瓦。