計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

卜文廣

計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

卜文廣

（荊楚理工學(xué)院湖北荊門448000）

計算機軟硬件技術(shù)上的發(fā)展使得計算機視覺技術(shù)日漸成熟，其在各行業(yè)中的應(yīng)用也越來越廣泛。文章主要介紹了計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用，從計算機視覺技術(shù)的概念、系統(tǒng)組成以及其在農(nóng)業(yè)生產(chǎn)中的作用入手，研究目前仍然存在的問題，展望計算機視覺技術(shù)在未來的發(fā)展方向以及應(yīng)用領(lǐng)域拓展。

計算機視覺；農(nóng)業(yè)生產(chǎn)；領(lǐng)域拓展

1 緒論

農(nóng)業(yè)生產(chǎn)中的計算機視覺技術(shù)應(yīng)用始于20世紀(jì)70年代末，在應(yīng)用的最初期，其范圍多為鑒別植物的各類、作物的品質(zhì)檢測等。隨著技術(shù)的進一步發(fā)展，計算機的硬件生產(chǎn)水平以及軟件開發(fā)水平都有了巨大的提升，圖形圖像處理技術(shù)也取得了長足的進步，計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用范圍也更加廣泛，農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)都有計算機視覺技術(shù)應(yīng)用的例子。計算機作為一種新興的計算機技術(shù)，在其應(yīng)用擴展的速度上來說是十分迅速的，目前已經(jīng)涵蓋工、農(nóng)、軍事、醫(yī)學(xué)等各個領(lǐng)域，對于農(nóng)業(yè)來說其對生產(chǎn)力的幫助尤為巨大。農(nóng)業(yè)生產(chǎn)主要是分為產(chǎn)前、產(chǎn)中和產(chǎn)后三個階段，在產(chǎn)前階段，視覺技術(shù)的應(yīng)用主要是用來檢測種子質(zhì)量的好壞；在產(chǎn)中對于視覺技術(shù)的應(yīng)用主要是雜草識別、農(nóng)作業(yè)生產(chǎn)信息的監(jiān)測以及病蟲害的檢測等；在產(chǎn)后階段，主要將計算機視覺技術(shù)應(yīng)用于農(nóng)作物的二次加工以及產(chǎn)品質(zhì)量分揀分類上。

本研究主要介紹了計算機視覺技術(shù)的基本工作原理以及系統(tǒng)組成，同時研究了目前計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)應(yīng)用中仍然存在的問題以及未來的發(fā)展形勢。

2 計算機視覺系統(tǒng)簡介

2.1 概念及基本工作原理

計算機視覺技術(shù)是計算機自動化的一種，主要的功能是利用計算機技術(shù)進行圖像的自動獲取，同時通過計算機的運算來對獲取的圖像進行分析，用以描述某一情景或者某一物體的動作規(guī)律，計算機視覺技術(shù)是一種對宏觀物體進行計算機模擬的科學(xué)和技術(shù)。對于計算機視覺技術(shù)來說，其涉及的科學(xué)分類是多樣的，包括數(shù)學(xué)、人工智能技術(shù)、生物學(xué)、計算機科學(xué)、模式識別等多門學(xué)科。其工作原理是利用計算機視覺來對宏觀事物進行近距離拍攝，再通過工人智能技術(shù)、數(shù)字圖像處理等技術(shù)對拍攝到的圖像或者視頻信息進行計算分析，最終得出對于研究有價值的數(shù)據(jù)，這一過程主要包括圖像采集、信息預(yù)處理、圖像分析和特征提取等。

計算機視覺系統(tǒng)工作的第一步是進行圖像的獲取，完成這一步的工作部件是圖像拍攝系統(tǒng)，即攝像機，而為了使系統(tǒng)可以適用大多數(shù)的工作環(huán)境，攝像機一般會與光源想配套，在自然光線不足的環(huán)境中依然可以保證有充足的光源來拍攝圖像，攝像機拍攝到的圖像需要配合圖像采集卡來與計算機進行功能上的對接，攝像機將光信號轉(zhuǎn)化為電信號之后通過圖像采集卡再將電信號轉(zhuǎn)換為數(shù)字信號，計算機在接收到數(shù)字信息之后就可以對信息進行更進一步的處理工作。

2.2 系統(tǒng)結(jié)構(gòu)

計算機視覺技術(shù)系統(tǒng)所能完成的工作為視覺任務(wù)，其主要構(gòu)造為進行圖像采集的攝像機系統(tǒng)，圖像采集卡以及計算機。攝像機系統(tǒng)是進行圖像采集的主體，利用光學(xué)傳感器的工作原理將傳遞過來的光信號轉(zhuǎn)換為電信號，再由圖像采集卡將電信號轉(zhuǎn)換成數(shù)字信息，計算機系統(tǒng)利用其搭載的對應(yīng)軟件對數(shù)字信號進行分析處理，通過特征采集等算法得出具有分析價值的數(shù)據(jù)。

在使用時還需要軟件來配合硬件的工作，一般來說，軟件的主體功能設(shè)計差別不大，主要有：預(yù)處理、圖像分割、信息識別、特征提取等核心功能。在這些步驟中，預(yù)處理是較為重要的一步，其目的為信息的過濾，由于圖像中的信息包括大量的無用信息，如果在沒有進行預(yù)處理的情況下直接交由計算機進行分析則會增加計算機過程的工作量和效率，而預(yù)處理是將數(shù)據(jù)進行初步的簡化，去除其中沒有價值的信息元，使得下一步的工作得出的結(jié)果具有更高的效率以及準(zhǔn)確率。圖像分割是針對圖像信息進行區(qū)域分割處理，特征提取是依據(jù)特定的算法對圖像的特征點進行識別。

3 計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

3.1 產(chǎn)品質(zhì)量檢測與分級

傳統(tǒng)意義上的產(chǎn)品質(zhì)量檢測都是取一部分產(chǎn)品樣本進行直接觀察，不管以何種觀察手段都需要有農(nóng)作物的樣本才可以進行，而利用計算機視覺技術(shù)則不需要產(chǎn)品樣本，視覺技術(shù)系統(tǒng)通過對農(nóng)作物的圖像分析可以獲取農(nóng)作物的參數(shù)信息，通過數(shù)據(jù)模型即可對產(chǎn)品的質(zhì)量進行檢測和分類，從而進行綜合評定。隨著計算機技術(shù)的發(fā)展，計算機的計算能力得到了巨大的提升，高速運算使得數(shù)據(jù)分析更有效率，計算機技術(shù)在農(nóng)產(chǎn)品生產(chǎn)中的作用也越來趙大，利用視覺技術(shù)對農(nóng)產(chǎn)品的質(zhì)量品級進行劃分在上個世紀(jì)90年代就已經(jīng)被應(yīng)用到實際使用中，利用算法對圖像區(qū)域信息進行分析所獲取的結(jié)果達到了80 %的準(zhǔn)確率，基于分維理論對水果的顏色進行分級也可以對水果進行品級的自動分類。

3.2 作物生長態(tài)勢監(jiān)測

計算機視覺技術(shù)的另一個應(yīng)用便是在農(nóng)作物生長的過程中對其生長情況進行監(jiān)測。經(jīng)過國內(nèi)外學(xué)者研究，農(nóng)作物生長可以利用圖像分析方法確實其生長共性，如果在監(jiān)測過程中發(fā)生有偏離共性的農(nóng)作物，則可以甄別出生長不規(guī)律的農(nóng)作物。在實際的應(yīng)用中，如對株型農(nóng)作物的生長態(tài)勢檢測中，可以對株型作物的信息提取，然后再提取到的特征參數(shù)與傳統(tǒng)農(nóng)業(yè)學(xué)中的參數(shù)建立聯(lián)系，從而實現(xiàn)對于株型作物葉片長度、莖葉夾角等信息的監(jiān)測，同時對于株型作物顏色的分析也可以辨別出作物生長過程中是否可以獲取足夠的養(yǎng)分、水分等。

3.3 病蟲及雜草檢測

在影響農(nóng)作物生長的諸多因素當(dāng)中，雜草和病蟲害是不容忽視的兩個方面，為了確保農(nóng)作物的生產(chǎn)質(zhì)量，需要對雜草以及病蟲害情況進行及時的監(jiān)視，利用計算機視覺技術(shù)可以做到此兩方面內(nèi)容的自動識別。

3.3.1 病蟲害的識別檢測

在病蟲害識別的應(yīng)用上，主要是對常見的害蟲進行圖像特征分析，再與獲取到的圖像信息特征進行比對，從而實現(xiàn)對于昆蟲的自動識別，經(jīng)過實際發(fā)現(xiàn)，其準(zhǔn)確率可以達到90 %。主要的工作原理為對昆蟲的骨架特征進行提取之后，應(yīng)用神經(jīng)網(wǎng)絡(luò)進行進一步的識別，最后通過建立的昆蟲特征信息庫與農(nóng)作物圖像進行數(shù)據(jù)對比，實現(xiàn)害蟲的識別。

3.3.2 雜草的識別檢測

利用計算機視覺技術(shù)對雜草進行識別主要依據(jù)的原理是對采集的圖像進行光譜分析，由于農(nóng)作物本身的顏色和雜草是存在區(qū)別的，在進行特征提取之后依據(jù)算法就可以辨別出屬于農(nóng)作物的特征信息以及屬于雜草屬性的特征信息，在對于識別玉米苗田間雜草的實際應(yīng)用中，經(jīng)過對土壤背景的濾除之后，根據(jù)葉寬、顏色等特征信息可以計算出雜草的密度，經(jīng)過樸素貝葉斯算法對于誤差進行計算之后，就可以對雜草密度信息進行計算，從而為去除雜草工作提供數(shù)據(jù)參考。

3.4 自動收獲

計算機視覺技術(shù)最早應(yīng)用于農(nóng)業(yè)生產(chǎn)是20世紀(jì)80年代中，到目前為止，不管是農(nóng)業(yè)生產(chǎn)的前中后期還是其一些擴展型的應(yīng)用，計算機視覺技術(shù)的可依賴性正在逐步提升。對于在實際的應(yīng)用中所遇到的難題來說，最大的問題是工作環(huán)境的多變性使得圖像采集工作難度增加，如何采集更加清晰且有價值的圖像信息是后期識別準(zhǔn)確率的保障。在自動收獲這一應(yīng)用領(lǐng)域上，計算機識別技術(shù)可以利用與遠程監(jiān)控系統(tǒng)的結(jié)合，在計算機對農(nóng)作物色調(diào)以及飽和度分析計算之后，得出作物的成熟度，再通過控制機械臂以及傳送帶系統(tǒng)完成對于農(nóng)作物的自動收獲。

4 存在的問題及未來展望

4.1 存在問題

4.1.1 研究對象復(fù)雜性的影響

將理論應(yīng)用于實踐最大的困難在于消除現(xiàn)實與理論之間的差異性，由于農(nóng)作物生長環(huán)境復(fù)雜，同一各類之間生長情況也存在差異性，這給數(shù)字圖像的分割以及特征提取工作帶來了較大的難度。在技術(shù)實驗階段，一般來說用于測試的農(nóng)作物都是相對靜止的，對其采集的圖像質(zhì)量也會相對較高，而在實踐的應(yīng)用中，由于天氣等因素的干擾，同一機位采集到的圖像信息也有可能是動態(tài)的，這給圖像分析帶來了一定的難度。由于需要對圖像進行實時的處理，所以對于計算機的運算速度有著較高的要求，如何實現(xiàn)快速精準(zhǔn)的實時計算，如何從動態(tài)的圖像中對信息進行矯正以及價值信息提取是需要進一步研究的課題。

4.1.2 環(huán)境多變性的影響

目前，大多數(shù)的研究都是建立于可控的環(huán)境因素下，當(dāng)環(huán)境（如光照、色溫、天氣）多變時，高質(zhì)量的圖像采集難度很高。但是田間作業(yè)不同于實驗室環(huán)境，其環(huán)境多變性是必然的，受到天氣等因素的影響，設(shè)備的可靠性降低，由于風(fēng)速變化以及機械振動帶來的干擾很容易使得攝像機獲取的圖像資料受到干擾，從而增加無用數(shù)據(jù)的增加。這不僅增加了圖像預(yù)處理的難度，同時也會降低后續(xù)計算的準(zhǔn)確性。所以從實驗室到真實環(huán)境的技術(shù)過渡仍然是需要進一步研究的難題。

4.2 未來展望

盡管從技術(shù)本身上來說，真正實現(xiàn)田間作業(yè)仍然有許多需要去克服的難題，但是隨著技術(shù)的發(fā)展，計算機視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用已經(jīng)非常廣泛，并且前景良好。生產(chǎn)智能化和生產(chǎn)自動化是未來農(nóng)業(yè)生產(chǎn)的必然發(fā)展方向，實現(xiàn)管理自動化同樣也是未來農(nóng)業(yè)科學(xué)的研究方向。以于我國在計算機視覺技術(shù)方面的發(fā)展建議，主要為以下三點：

4.2.1 人才的培養(yǎng)

由于計算機視覺技術(shù)是多門學(xué)科的綜合應(yīng)用，所以需要些方面的工作人員有足夠的知識儲備，對于目前國內(nèi)的情況來說，此方面的人才較為緊缺，所以對于綜合性人才的培養(yǎng)是十分有必要的。應(yīng)當(dāng)組織從事農(nóng)業(yè)專業(yè)的人才進行多學(xué)科培養(yǎng)。

4.2.2 經(jīng)費的投入

我國在計算機視覺技術(shù)科研上的經(jīng)費投入相對來說仍顯不足，未來期望可以獲得更大的經(jīng)費投入。

4.2.3 技術(shù)交流學(xué)習(xí)

由于我國在計算機視覺技術(shù)的研究起步較晚，所以對于國際性的交流學(xué)習(xí)尤為迫切。加強、加快與國際技術(shù)領(lǐng)先機構(gòu)的交流合作，關(guān)注國際科研動態(tài)是較為行之有效的方法。

[1]陳林琳,姜大慶,蔡銀杰,等.基于計算機視覺的芋頭病害監(jiān)測與識別[J].農(nóng)機化研究,2020,42(06):224-229.

[2]王文凱,羅丹.計算機視覺技術(shù)在農(nóng)業(yè)自動化中的應(yīng)用[J].農(nóng)機使用與維修,2019(11):16.

[3]石衛(wèi)坤,彭森.計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用與展望[J].農(nóng)家參謀,2019(19):23.

[4]帥志軍.計算機視覺技術(shù)在茶學(xué)中的研究進展[J].福建茶葉,2018,40(12):25.

[5]孫玉.農(nóng)業(yè)行業(yè)中的計算機視覺與模式識別技術(shù)[J].計算機產(chǎn)品與流通,2018(07):19+36.

[6]黃喜梅,畢建杰,張楠,等.計算機視覺技術(shù)在農(nóng)業(yè)上的應(yīng)用(英文)[J].農(nóng)業(yè)科學(xué)與技術(shù):英文版,2017,18(11):2158-2162.

卜文廣（1996- ），男，漢族，湖北十堰人，本科，研究方向：計算機科學(xué)與技術(shù)。

S126

C

2095-1205(2019)09-37-02

10.3969/j.issn.2095-1205.2019.09.20