機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)自動化領(lǐng)域的應(yīng)用資料研究

　　分析機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)自動化中的應(yīng)用現(xiàn)狀， 提出應(yīng)用中存在的問題， 并分析研究此項技術(shù)的開發(fā)方向。

　　機器視覺技術(shù)利用圖像傳感器獲取物體的圖像， 將圖像轉(zhuǎn)換成一個數(shù)據(jù)矩陣， 并利用計算機來分析圖像， 同時完成一個與視覺有關(guān)的任務(wù)。該技術(shù)最初在遙感圖片分析和生物醫(yī)學(xué)圖片分析兩項應(yīng)用技術(shù)取得卓有成效的成果后開始興起的。其后， 發(fā)達(dá)國家利用該技術(shù)開展了多方面的研究，并在多種產(chǎn)業(yè)領(lǐng)域中進(jìn)行了應(yīng)用。在農(nóng)業(yè)機械領(lǐng)域， 也有著廣泛的研究和應(yīng)用。

　　機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)自動化中的應(yīng)用現(xiàn)狀機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)上的研究與應(yīng)用， 始于20 世紀(jì)70 年代末期， 主要研究集中于桃、香蕉、西紅柿、黃瓜等農(nóng)產(chǎn)品的品質(zhì)檢測和分級。由于受到當(dāng)時計算機發(fā)展水平的影響， 檢測速度達(dá)不到實時的要求， 處于實驗研究階段。隨著電子技術(shù)、計算機軟硬件技術(shù)、圖像處理技術(shù)及與人類視覺相關(guān)的生理技術(shù)的迅速發(fā)展， 機器視覺技術(shù)本身在理論和實踐上都取得了重大突破。在農(nóng)業(yè)機械上的研究與應(yīng)用也有了較大的進(jìn)展， 除農(nóng)產(chǎn)品分選機械外， 目前已滲透到收獲、農(nóng)田作業(yè)、農(nóng)產(chǎn)品品質(zhì)識別以及植物生長檢測等領(lǐng)域， 有些已取得了實用性成果。

　　農(nóng)作物收獲自動化是機器視覺技術(shù)在收獲機械中的應(yīng)用， 是近年來最熱門的研究課題之一。其基本原理是在收獲機械上配備攝像系統(tǒng)， 采集田間或果樹上作業(yè)區(qū)域圖像， 運用圖像處理與分析的方法判別圖像中是否有目標(biāo)， 如水果、蔬菜等， 發(fā)現(xiàn)目標(biāo)后， 引導(dǎo)機械手完成采摘。研究涉及西紅柿、卷心菜、西瓜、蘋果、柑桔等農(nóng)產(chǎn)品， 但是， 由于田間或果園作業(yè)環(huán)境較為復(fù)雜， 使得采集的圖像含有大量噪聲或干擾， 例如植物或蔬菜的果實常常被莖葉遮擋， 田間光照也時常變化， 因此， 造成目標(biāo)信息判別速度較慢， 識別的準(zhǔn)確率不高。

?

　　由于受計算機、圖像處理等相關(guān)技術(shù)發(fā)展的影響， 機器視覺技術(shù)在播種、施肥、植保等農(nóng)田作業(yè)機械中的應(yīng)用研究起步較晚。農(nóng)藥的粗放式噴灑是農(nóng)業(yè)生產(chǎn)中效率最低、污染最嚴(yán)重的環(huán)節(jié)， 因此需要針對雜草精確噴灑除草劑， 針對大田植株噴哂殺蟲劑進(jìn)行病蟲害防治。采用機器視覺技術(shù)進(jìn)行農(nóng)田作業(yè)時， 需要解決植株秧苗行列的識別、作物行與機器相對位置的確定導(dǎo)向和雜草與植株的識別等主要問題。

　　農(nóng)產(chǎn)品品質(zhì)自動識別是機器視覺技術(shù)在農(nóng)業(yè)機械中應(yīng)用最早、最多的一個方面， 主要是利用該項技術(shù)進(jìn)行無損檢測。一是利用農(nóng)產(chǎn)品表面所反映出的一些基本物理特性對產(chǎn)品按一定的標(biāo)準(zhǔn)進(jìn)行質(zhì)量評估和分級。需要進(jìn)行檢測的物理參數(shù)有尺寸、質(zhì)量形狀、色彩及表面缺損狀態(tài)等。二是對農(nóng)產(chǎn)品內(nèi)部品質(zhì)的機器視覺的無損檢測。如對玉米籽粒應(yīng)力裂紋機器視覺無損檢測技術(shù)研究， 采用高速濾波法將其識別出來， 檢測精度為90 % ， 煙葉等級判斷的研究在實驗室己達(dá)到較高的識別效果， 與專家分級結(jié)果的吻合率約為83 % 。三是對果梗等情況的準(zhǔn)確判別對水果分級具有非常重要的意義， 國外學(xué)者對果梗識別已進(jìn)行了不少研究。到目前為止， 所提出的識別果梗的有關(guān)算法均還存在計算復(fù)雜、速度較慢、判別精度低等問題， 還有待于進(jìn)一步深入研究。由于農(nóng)產(chǎn)品在生產(chǎn)過程中受到人為和自然生長條件等因素的影響， 其形狀、大小及色澤等差異很大， 很難做到整齊劃分， 及根據(jù)質(zhì)量、大小、色澤等特征進(jìn)行的質(zhì)量分級、大小分級， 通常只能進(jìn)行單一指標(biāo)的檢測， 不能滿足分級中對綜合指標(biāo)的要求， 還需配合人工分選， 分選的效率不高， 準(zhǔn)確性較差， 也不利于實現(xiàn)自動化。長期以來， 品質(zhì)自動化檢測和反饋控制一直是難以實現(xiàn)農(nóng)產(chǎn)品品質(zhì)自動識別的關(guān)鍵問題。設(shè)施農(nóng)業(yè)生產(chǎn)中， 為了使作物在最經(jīng)濟的生長空間內(nèi)，獲得最高產(chǎn)量、品質(zhì)和經(jīng)濟效益， 達(dá)到優(yōu)質(zhì)高產(chǎn)的目的， 必須提高環(huán)境調(diào)控技術(shù)。利用計算機視覺技術(shù)對植物生長進(jìn)行監(jiān)測具有無損、快速、實時等特點， 它不僅可以檢測設(shè)施內(nèi)植物的葉片面積、葉片周長、莖稈直徑、葉柄夾角等外部生長參數(shù)， 還可以根據(jù)果實表面顏色及果實大小判別其成熟度以及作物缺水缺肥等情況。