農業生產領域計算機視覺技術的應用

劉佳鑫

摘 要：隨著時代的進步，進入科技高速發展的智能型社會，對于人力的節省愈發的明顯，最為凸顯的當屬計算機領域，又以計算機視覺技術在農業中的應用最讓人印象深刻。從以前的對農業基礎設施的控制到現今的全自動全方位精確化農業管理，本文通過對計算機視覺技術在現代化農業中的應用，對這一環節中的關鍵技術和方法做一個簡要的概述，并展望計算機視覺系統對未來農業智能化的前景，以期能對這領域的研究做出一點微薄的助力。

關鍵詞：計算機視覺技術；農業生產；應用；果蔬機器人

文章編號：1004-7026（2018）11-0053-02 中國圖書分類號：S126 文獻標志碼：A

據科學雜志期刊的調查顯示，在農業領域計算機視覺技術是學科研究中的熱門，也正是因為其應用的領域很廣泛，令許多農科所的研究人員趨之若鶩。應用的領域包含對農作物進行質量監測并對其進行分級處理、監測農產品的生長、收獲、加工等等環節，以期達到精確化農業的程度。根據調查的數據顯示，農業領域中的農產品成建制的全自動化收獲程度過低，但西歐和美國等許多發達國家卻早已經在這一方面開始了研究并應用到農田機械化收割中，而我國的計算機視覺技術研發應用領域主要集中在對于農產品質量監測和分級上，但在自動化收獲方面則還有許多進步的空間并有一段很長的路要走。[1]

以終端控制子系統、機器人子系統和視覺子系統這三個主要部分輔以其他部分共同構成農業的自動化收獲系統。這三個部分各司其職共同撐起系統的運轉，終端控制子系統負責整個對系統和整個農產品從種植到加工的協調、視覺子系統主要是收集整個農業莊園的農產品的圖像和生長情況，然后反饋給系統進行分析。這就相當于是人的眼睛將所看到的景物反射給大腦進行思考，然后指導人做出下一步的動作。機器人子系統便是根據視覺系統反饋回來的圖像信息從而做出相應的動作，進行采集工作，是具有強大執行力的終端。從目前的情況來說，農業自動化收獲領域的研究重點和難點在于視覺子系統的設計開發方面。

1 定義

通常我們將計算機視覺定義為計算機通過自帶的軟件自動抓取所需圖像并對其進行測算，從而得出精確的數據，這是一門以宏觀的視覺功能為基礎，通過計算機為智能平臺對生物的外形進行仿生模擬的學科門類，通俗的說就是機器視覺。計算機科學、光電子學、神經生物學、數學、人工智能、圖像識別等領域共同構成計算機視覺這一多種學術交叉的學科。

計算機、光源、CCD攝像機、圖像采集卡共同組成計算機視覺系統，系統中的攝像機通過拍照攝像錄影將所要鑒別、說明的對象以圖片的方式進行保存。將需要監測的對象、反射光信號以電信號的方式記進行載，后續插入的圖像采集卡的用途就是把攝像機采集的電信號轉換為數字信號，將圖像進行數字化處理，從而方便計算機根據各種實際情況的處理。這也是CCD攝像機的本質，他的別稱就是光電傳感器。

2 計算機視覺技術在農業中的應用

2.1 農作物種植前的應用途徑

在種植農作物之前，首先要對農作物的種子質量進行檢測。我們熟知的方法有：種子發芽圖像分析發、品種鑒定的圖像分析，還有就是種子活力的漫射光測定、凈度圖像分析等方法。

2.2 農作物生長過程中的應用

如何減少作物種植過程中的雜草數量成為農作物培養的一個關鍵環節。如何鑒別雜草的技術在國外早已經開始進入使用投產階段。根據雜草的種類可以采用顏色分析法、紋理分析法、外形分析法等等。

全程監測農作物的生長過程，對其葉的面積、直徑、葉柄夾角、果實顏色、作物的生長情況、看是否缺水缺肥料，從而判斷作物的生長情況，這些都能通過計算機視覺技術來辦到。耿楠曾經提出過通過對小麥的葉片莖稈之間的叉點數來分析葉數；通過監測到的葉數來識別小麥葉片的顏色，從而檢查植物病蟲害的危害程度，對癥下藥施以肥料。再比如陳佳娟等人就使用了局部門限法來完成對背景和圖像的分割，在通過高斯拉普拉斯算子，對棉花圖像進行進一步的檢測，利用邊緣跟蹤算法來定位棉葉中的小空洞，通過膨脹算法定位棉花葉邊緣的殘缺部分，來確定棉花蟲害的程度，玉米施肥智能機器的成功試制，使得對玉米的實時監測成為可能，并為研究人員提供檢測結果和化肥的精確施放有了一個參考。[2]

3 果蔬采摘機器人的投產及使用

進入21世紀，現代科學技術呈現井噴式發展，各種先進的電子儀器和設備層出不窮，并投入使用，推動了整個社會生產力質的提升。這其中尤以計算機技術應用范圍最為廣泛，涌現出了工業機器人技術、計算機圖像處理技術、人工AI技術，這些技術的日益成熟，標志著我國的科研水平正式跨入國際一流行業。果蔬采摘機器人作為機器人領域的新興研究方向，正是因為他在農業方面有著極其重要的地位和發展潛力，成為各研究院所的研究熱門。但我國對果蔬采摘機器人的研究才剛剛起步，需要大力借鑒國外的先進經驗和技術，根據我國的土地和果蔬種植的實際情況，對果蔬采摘機器人未來的發展方向進行一個精確的定位。在歐美，以計算機視覺的先進平臺和技術，對果蔬自動化采摘的機器人開發研究的時間比較早。 在2000年的時候，荷蘭研發人員開發出了移動式黃瓜收獲機器人樣機，該機器人可以通過單手操作收取成熟的黃瓜而不傷到其余未成熟的黃瓜。但該機器人適應環境的能力還需加強，對于室外尤其是田間地頭很難保證其精確性，一般是在室內或者是溫室的環境中效果相對較好，還有很大的進步空間。[3]從國內來看，將計算機視覺應用于農業機器人的研究科研人員涉及的比較少，所以在這方面比較薄弱。但中國農業大學的陳利兵教授等資深專家在黃瓜、草莓、茄子等果蔬采摘機器人方面做了比較深入地研究，研發出了樣機，CCD本身的系統問題、光線不均勻，以及圖像處理算法的缺陷等都是造成影響機器精度的因素。所以，基于計算機視覺的果蔬采摘機器人已經可以代替人去完成繁重的工作，并且效率和精度都很高，主要問題是果蔬采摘機器人并不能判斷果品的品質，并且無法避開障礙物，只能根據外形來進行采摘，當然這也是我國在這一領域研究需要攻克的難題。

4 建立統一的農產品信息數據庫

由于農產品種類繁多，所以在建立數據庫時要根據不同的品種建檔立卡，可以從大小、形狀、成熟度、對于環境、氣候、肥料等因素的要求等。在生產中，根據特定的條件和農產品，從數據庫中導出相應的數據文件以供前臺應用程序調用這樣，這樣就不需要根據不同的農作物來重新程序，減少成本，提高系統的工作效率。

5 對未來的展望

現在的我們已經進入智能型社會，各種智能型機器設備逐漸進入我們的生活，極大地豐富方便了我們的日常工作和生活，不僅提高了國民幸福感更是提升了社會的生產力。計算機視覺在農業生產領域的應用逐步走上正軌，但還有很長的一段路要走，有許多的難題等著科學家們去攻克。當然整個農業自動化程度也在一直提高，勢必與精確化農業、GPS等技術結合在一起，完成對整個農業質的提升，實現綠色農業、有機農業，作物的生產過程也會更加高效合理，完成對資源的合理分配。

參考文獻：

[1]耿楠，何東健，王倩，等.麥生長信息計算機視覺檢測技術研究[J].農業工程學報，17（1）：136-139.

[2]張彥娥，李民贊，張喜杰，等.基于計算機視覺技術的溫室黃瓜葉片營養信息檢測[J].農業工程學報，2005，21（8）：102～105.

[3]張偉，毛罕平，等.基于計算機圖像處理技術的作物缺素判別的研究[J].計算機應用與軟件，2004，21（2）：50～52.