农业生产领域计算机视觉技术的应用

作者：刘佳鑫

来源：《山西农经》 2018年第11期

摘 要：随着时代的进步，进入科技高速发展的智能型社会，对于人力的节省愈发的明显，最为凸显的当属计算机领域，又以计算机视觉技术在农业中的应用最让人印象深刻。从以前的对农业基础设施的控制到现今的全自动全方位精确化农业管理，本文通过对计算机视觉技术在现代化农业中的应用，对这一环节中的关键技术和方法做一个简要的概述，并展望计算机视觉系统对未来农业智能化的前景，以期能对这领域的研究做出一点微薄的助力。

关键词：计算机视觉技术；农业生产；应用；果蔬机器人

文章编号：1004-7026（2018）11-0053-0２

中国图书分类号：S126

文献标志码：A

据科学杂志期刊的调查显示，在农业领域计算机视觉技术是学科研究中的热门，也正是因为其应用的领域很广泛，令许多农科所的研究人员趋之若鹜。应用的领域包含对农作物进行质量监测并对其进行分级处理、监测农产品的生长、收获、加工等等环节，以期达到精确化农业的程度。根据调查的数据显示，农业领域中的农产品成建制的全自动化收获程度过低，但西欧和美国等许多发达国家却早已经在这一方面开始了研究并应用到农田机械化收割中，而我国的计算机视觉技术研发应用领域主要集中在对于农产品质量监测和分级上，但在自动化收获方面则还有许多进步的空间并有一段很长的路要走。[1]

以终端控制子系统、机器人子系统和视觉子系统这三个主要部分辅以其他部分共同构成农业的自动化收获系统。这三个部分各司其职共同撑起系统的运转，终端控制子系统负责整个对系统和整个农产品从种植到加工的协调、视觉子系统主要是收集整个农业庄园的农产品的图像和生长情况，然后反馈给系统进行分析。这就相当于是人的眼睛将所看到的景物反射给大脑进行思考，然后指导人做出下一步的动作。机器人子系统便是根据视觉系统反馈回来的图像信息从而做出相应的动作，进行采集工作，是具有强大执行力的终端。从目前的情况来说，农业自动化收获领域的研究重点和难点在于视觉子系统的设计开发方面。

1 定义

通常我们将计算机视觉定义为计算机通过自带的软件自动抓取所需图像并对其进行测算，从而得出精确的数据，这是一门以宏观的视觉功能为基础，通过计算机为智能平台对生物的外形进行仿生模拟的学科门类，通俗的说就是机器视觉。计算机科学、光电子学、神经生物学、数学、人工智能、图像识别等领域共同构成计算机视觉这一多种学术交叉的学科。

计算机、光源、CCD摄像机、图像采集卡共同组成计算机视觉系统，系统中的摄像机通过拍照摄像录影将所要鉴别、说明的对象以图片的方式进行保存。将需要监测的对象、反射光信号以电信号的方式记进行载，后续插入的图像采集卡的用途就是把摄像机采集的电信号转换为数字信号，将图像进行数字化处理，从而方便计算机根据各种实际情况的处理。这也是CCD摄像机的本质，他的别称就是光电传感器。

2 计算机视觉技术在农业中的应用

2.1 农作物种植前的应用途径

在种植农作物之前，首先要对农作物的种子质量进行检测。我们熟知的方法有：种子发芽图像分析发、品种鉴定的图像分析，还有就是种子活力的漫射光测定、净度图像分析等方法。

2.2 农作物生长过程中的应用

如何减少作物种植过程中的杂草数量成为农作物培养的一个关键环节。如何鉴别杂草的技术在国外早已经开始进入使用投产阶段。根据杂草的种类可以采用颜色分析法、纹理分析法、外形分析法等等。

全程监测农作物的生长过程，对其叶的面积、直径、叶柄夹角、果实颜色、作物的生长情况、看是否缺水缺肥料，从而判断作物的生长情况，这些都能通过计算机视觉技术来办到。耿楠曾经提出过通过对小麦的叶片茎秆之间的叉点数来分析叶数；通过监测到的叶数来识别小麦叶片的颜色，从而检查植物病虫害的危害程度，对症下药施以肥料。再比如陈佳娟等人就使用了局部门限法来完成对背景和图像的分割，在通过高斯拉普拉斯算子，对棉花图像进行进一步的检测，利用边缘跟踪算法来定位棉叶中的小空洞，通过膨胀算法定位棉花叶边缘的残缺部分，来确定棉花虫害的程度，玉米施肥智能机器的成功试制，使得对玉米的实时监测成为可能，并为研究人员提供检测结果和化肥的精确施放有了一个参考。[2]

3 果蔬采摘机器人的投产及使用

进入21世纪，现代科学技术呈现井喷式发展，各种先进的电子仪器和设备层出不穷，并投入使用，推动了整个社会生产力质的提升。这其中尤以计算机技术应用范围最为广泛，涌现出了工业机器人技术、计算机图像处理技术、人工AI技术，这些技术的日益成熟,标志着我国的科研水平正式跨入国际一流行业。果蔬采摘机器人作为机器人领域的新兴研究方向，正是因为他在农业方面有着极其重要的地位和发展潜力，成为各研究院所的研究热门。但我国对果蔬采摘机器人的研究才刚刚起步，需要大力借鉴国外的先进经验和技术，根据我国的土地和果蔬种植的实际情况，对果蔬采摘机器人未来的发展方向进行一个精确的定位。在欧美，以计算机视觉的先进平台和技术，对果蔬自动化采摘的机器人开发研究的时间比较早。 在2000年的时候，荷兰研发人员开发出了移动式黄瓜收获机器人样机，该机器人可以通过单手操作收取成熟的黄瓜而不伤到其余未成熟的黄瓜。但该机器人适应环境的能力还需加强，对于室外尤其是田间地头很难保证其精确性，一般是在室内或者是温室的环境中效果相对较好，还有很大的进步空间。[3]从国内来看，将计算机视觉应用于农业机器人的研究科研人员涉及的比较少，所以在这方面比较薄弱。但中国农业大学的陈利兵教授等资深专家在黄瓜、草莓、茄子等果蔬采摘机器人方面做了比较深入地研究，研发出了样机，CCD本身的系统问题、光线不均匀，以及图像处理算法的缺陷等都是造成影响机器精度的因素。所以，基于计算机视觉的果蔬采摘机器人已经可以代替人去完成繁重的工作，并且效率和精度都很高，主要问题是果蔬采摘机器人并不能判断果品的品质，并且无法避开障碍物，只能根据外形来进行采摘，当然这也是我国在这一领域研究需要攻克的难题。

4 建立统一的农产品信息数据库

由于农产品种类繁多，所以在建立数据库时要根据不同的品种建档立卡，可以从大小、形状、成熟度、对于环境、气候、肥料等因素的要求等。在生产中，根据特定的条件和农产品，从数据库中导出相应的数据文件以供前台应用程序调用这样，这样就不需要根据不同的农作物来重新程序，减少成本，提高系统的工作效率。

5 对未来的展望

现在的我们已经进入智能型社会，各种智能型机器设备逐渐进入我们的生活，极大地丰富方便了我们的日常工作和生活，不仅提高了国民幸福感更是提升了社会的生产力。计算机视觉在农业生产领域的应用逐步走上正轨，但还有很长的一段路要走，有许多的难题等着科学家们去攻克。当然整个农业自动化程度也在一直提高，势必与精确化农业、GPS等技术结合在一起，完成对整个农业质的提升，实现绿色农业、有机农业，作物的生产过程也会更加高效合理，完成对资源的合理分配。

参考文献：

[1]耿楠,何东健,王倩,等.麦生长信息计算机视觉检测技术研究[J].农业工程学报，17(1):136-139.

[2]张彦娥,李民赞,张喜杰,等.基于计算机视觉技术的温室黄瓜叶片营养信息检测[J].农业工程学报,2005,21(8):102～105.

[3]张伟,毛罕平,等.基于计算机图像处理技术的作物缺素判别的研究[J].计算机应用与软件,2004,21(2):50～52.