淺析計算機視覺技術在農產品檢測及分級中的應用

崔 然

（黑龍江東方學院，哈爾濱 150086）

1 計算機視覺技術的概念

計算機視覺技術是人工智能領域的一個重要部分，可以將計算機視覺技術定義為首先利用計算機自動地獲取圖像，通過軟件計算法分析圖像，其目的是使計算機能夠以二維圖像為基礎識別三維環境信息的能力，以此來提取掃描到的靜態目標或動態目標的數據信息，這種技術重宏觀角度來說，是一種模擬生物外顯或視覺功能的技術和手段。

2 計算機視覺技術的形成以及相關設備的介紹

計算機視覺是一門綜合性的學科，是一個多學科交叉的新型科學，在研究計算機視覺技術是要掌握計算機科學和工程、信號處理、物理學、應用數學、統計學，神經生理學、認知科學、光電子學、人工智能、神經生物學、圖形圖像處理、圖像理解、模式識別等諸多領域的知識，近年來，與計算機圖形學和三維表現等學科的聯系更加緊密了。

計算機視覺的發展也是伴隨著目前比較流行的數碼設備及數據處理系統一起跨步前進，目前根據計算機視覺技術應用領域的不同，一般計算機視覺系統中含有如下基本設備：CCD 攝像機、遙感探測儀、光源、圖像采集卡、計算機組成。攝像機的功能是將要識別或掃描的目標對象以圖像的形式記錄保存下來。而CCD 攝像機實際上是一個具有光電傳感能力的傳感器，CCD 攝像機可以將表現目標對象、背景的光信號轉換為電信號的保存下來。而插入計算機內部的圖像采集卡可以將攝像機采集的電信號轉換為數字信號，以此獲得圖像數字信息，便于計算機對圖像數字信息適當的處理。視覺是以圖象處理技術、信號處理技術、概率統計分析、計算幾何、神經網絡、機器學習理論和計算機信息處理技術等為基礎，通過計算機分析與處理視覺信息。

計算機視覺作為一個功能化強、應用范圍廣、實踐性強等特點吸引了來自各個學科的研究者參加到對它的研究之中。目前將計算機視覺技術應用到農業生產和檢測中已成為計算機視覺技術新的發展方向，計算機視覺技術貫穿于農業生產的整個過程中：播種前、生產中、收獲時和產后都適合于將計算機視覺技術應用在農業生產中，使得農業生產由原來的傳統模式轉為視覺化和數字化模式。

3 計算機視覺技術誕生及發展現狀

統計模式識別是計算機視覺技術的的發展的初級，其功能是利用計算機視覺技術輔助完成二維圖像分析和識別。計算機視覺得到了全球行的開發，發展到 80年代中期，計算機視覺獲得了蓬勃發展，新定義、新技術、新算法、新設備、新理論不斷涌現，比如小波變換理論，基于感知特征群的物體識別理論框架，主動視覺理論框架，視覺集成理論框架等。現在計算機視覺技術已經發展成為一門綜合性的學科。迄今，計算機視覺技術廣泛被應用在電子測試、宇宙探測、遙感、地理信息系統、生物醫學、軍事、公安、工業和農業等領域。本文總結出近10 多年來計算機視覺在農產品檢測中所取得的成果

3.1 2002年 寧紀峰等人對單粒玉米種子圖像處理、分析，提取反映玉米品種形態結構的特征參數，用人工神經網絡方法識別玉米品種，但提取的特征精度不高，嚴重影響品種識別。

3.2 2004年凌云等人設計和開發了適合于我國谷物外觀品質分析的檢測裝置

3.3 2004年閘建文利用數理統計和模糊數學知識建立了反映玉米品種間特征參數相似程度的特征貼近度、品種貼近度計算公式和品種判別準則，品種正確識別率達 88%。

3.4 2004年，黃星奕等人通過貝葉斯決策方法設計識別分類器，識別的正確率達到 80%以上。

3.5 2006年章程輝等人通過形態學處理可見光圖像檢測紅毛丹尺寸，

3.6 2006年 黎靜等人計算機的臍橙分級系統，對圖像分割出背景、臍橙本體和表面缺陷，再根據臍橙的分級標準，提取出果實橫向橫徑、表面缺陷特征參數，采用徑向基神經網絡對臍橙樣本進行等級識別。

3.7 2007年 丁幼春等人計算機視覺技術在花生仁表皮破損檢測中的應用

3.8 2009年 李家良等人應用計算機視覺技術手段檢測豬肉瘦肉精的殘留

3.9 2010年 李立等人基于計算機視覺技術的肉色評價系統的建立

3.10 2011年 王慧營等人建立一套操作簡單、快速的檢測蠟樣芽孢桿菌的方法

3.11 2012年 汪強等人利用煙葉成熟度與 SPAD 值之間的函數關系，構建煙葉圖像 HSV 顏色特征值與煙葉成熟度之間的關系模型 TMDHSV，從而建立起基于計算機視覺技術的煙葉成熟度判定方

4 計算機視覺技術在農產品檢測及分級的應用展望

計算機視覺技術在水果分級、病蟲害監測及雜草識別、微生物檢測、等方面已經取得了較大的進展，但是生物的多樣性、作物生長狀況及其生長環境復雜，使得計算機視覺技術在農業產品檢測及分級方面的還是比較復雜，受環境因素的限制。因此為提高圖像識別和解析技術是計算機視覺技術在農業中應用的重要保障，高效的圖形圖像算法將是未來的研究重點。研究的方向可以歸納為以下幾點：

4.1 目前可以應用計算機視覺技術進行農產品檢測和分類的品種及指標比較固定化，現階段研究的比較成熟技術是對蘋果、柑橘、草莓、番茄等水果等級進行研究，其他農產品的研究較少，因此要加強對其他農產的研究。

4.2 在檢測對象選取目標中，目前絕大多數研究的對象是靜態對象；而分級作業中，生產線上采集的圖像是農產品動態圖像序列，這引起了靜態圖像的算法與動態圖像序列的特征提取不配匹配，因此要突破靜態檢測的局限性，想動態方向發展。

4.3 在農產品圖像采集過程中，如何全方位采集到農產品整個表面的信息，需進一步研究，包括農產品輸送及翻轉機構、光箱及位置、采樣協調關系等期待新的設計。在農產品圖像采集數量上，由單果圖像采集過渡到農產品群體圖像的采集。

4.4 由于受到傳統算法的限制，目前能夠應圖片數據處理的算法不多，缺乏精準度，要產生新的泛化能力強、精度高、計算量少、速度快的算法，并由單個水果圖像單指標的串行算法過渡到多個水果多指標并行算法。

4.5 農產品品質檢測及分級的重要指標，我國在這方面的研究比較少，在以后的研究中，除以形態、顏色等作為衡量標準外，還應加強創新農產品內部指標的檢測：如甜度、酸度等綜合指標的研究和開發。

4.6 在以后的研究中要加強對遺傳算法、專家系統、神經網絡、等理論完善和創新。

5 結語

計算機視覺技術在農產品檢測及分級的研究進展較快，應用前景也十分廣闊，實踐性強，但與商品化生產之間還存在一定的距離，因此，急需進一步開展廣泛而深入的研究。

[1]徐貴力，毛罕平，胡永光.利用圖像處理法參考物法來測量葉面積.農業工程學報，2002，18（1）：154-157.

[2]張仁祖，徐為根，黃文杰.一種新的基于圖像處理的作物葉面積測量方法.江西農業學報，2008，20（4）：117-119.

[3]武聰玲，滕光輝，李長纓.黃瓜幼苗生長信息的無損監測系統的應用與驗證.農業工程學報，2005，21（4）：109-212.

[4]龔振平.不同營養水平水稻株高及構成變化的研究.黑龍江農業學報，1997：18-20.

[5]陳秉發，陳建民，黃榮裕，等.高產水稻品種株型特征和光合特性的初步研究.福建農業學報，2000，15（2）：13-18.

[6]吳文斌，楊桂霞.用NOAA 圖像監測冬小麥長勢的方法研究.中國農業資源與區劃，2001，22（2）：58-61.

[7]楊勁峰，陳清，韓曉日，等.數字圖像處理技術在蔬菜葉面積測量中的應用.農業工程學報，2002，18（4）：155-158.