計算機視覺技術在農業生產中的應用

卜文廣

計算機視覺技術在農業生產中的應用

卜文廣

（荊楚理工學院湖北荊門448000）

計算機軟硬件技術上的發展使得計算機視覺技術日漸成熟，其在各行業中的應用也越來越廣泛。文章主要介紹了計算機視覺技術在農業生產中的應用，從計算機視覺技術的概念、系統組成以及其在農業生產中的作用入手，研究目前仍然存在的問題，展望計算機視覺技術在未來的發展方向以及應用領域拓展。

計算機視覺；農業生產；領域拓展

1 緒論

農業生產中的計算機視覺技術應用始于20世紀70年代末，在應用的最初期，其范圍多為鑒別植物的各類、作物的品質檢測等。隨著技術的進一步發展，計算機的硬件生產水平以及軟件開發水平都有了巨大的提升，圖形圖像處理技術也取得了長足的進步，計算機視覺技術在農業生產中的應用范圍也更加廣泛，農業生產的各個環節都有計算機視覺技術應用的例子。計算機作為一種新興的計算機技術，在其應用擴展的速度上來說是十分迅速的，目前已經涵蓋工、農、軍事、醫學等各個領域，對于農業來說其對生產力的幫助尤為巨大。農業生產主要是分為產前、產中和產后三個階段，在產前階段，視覺技術的應用主要是用來檢測種子質量的好壞；在產中對于視覺技術的應用主要是雜草識別、農作業生產信息的監測以及病蟲害的檢測等；在產后階段，主要將計算機視覺技術應用于農作物的二次加工以及產品質量分揀分類上。

本研究主要介紹了計算機視覺技術的基本工作原理以及系統組成，同時研究了目前計算機視覺技術在農業生產應用中仍然存在的問題以及未來的發展形勢。

2 計算機視覺系統簡介

2.1 概念及基本工作原理

計算機視覺技術是計算機自動化的一種，主要的功能是利用計算機技術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律，計算機視覺技術是一種對宏觀物體進行計算機模擬的科學和技術。對于計算機視覺技術來說，其涉及的科學分類是多樣的，包括數學、人工智能技術、生物學、計算機科學、模式識別等多門學科。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、數字圖像處理等技術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據，這一過程主要包括圖像采集、信息預處理、圖像分析和特征提取等。

計算機視覺系統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，即攝像機，而為了使系統可以適用大多數的工作環境，攝像機一般會與光源想配套，在自然光線不足的環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，攝像機將光信號轉化為電信號之后通過圖像采集卡再將電信號轉換為數字信號，計算機在接收到數字信息之后就可以對信息進行更進一步的處理工作。

2.2 系統結構

計算機視覺技術系統所能完成的工作為視覺任務，其主要構造為進行圖像采集的攝像機系統，圖像采集卡以及計算機。攝像機系統是進行圖像采集的主體，利用光學傳感器的工作原理將傳遞過來的光信號轉換為電信號，再由圖像采集卡將電信號轉換成數字信息，計算機系統利用其搭載的對應軟件對數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據。

在使用時還需要軟件來配合硬件的工作，一般來說，軟件的主體功能設計差別不大，主要有：預處理、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，而預處理是將數據進行初步的簡化，去除其中沒有價值的信息元，使得下一步的工作得出的結果具有更高的效率以及準確率。圖像分割是針對圖像信息進行區域分割處理，特征提取是依據特定的算法對圖像的特征點進行識別。

3 計算機視覺技術在農業生產中的應用

3.1 產品質量檢測與分級

傳統意義上的產品質量檢測都是取一部分產品樣本進行直接觀察，不管以何種觀察手段都需要有農作物的樣本才可以進行，而利用計算機視覺技術則不需要產品樣本，視覺技術系統通過對農作物的圖像分析可以獲取農作物的參數信息，通過數據模型即可對產品的質量進行檢測和分類，從而進行綜合評定。隨著計算機技術的發展，計算機的計算能力得到了巨大的提升，高速運算使得數據分析更有效率，計算機技術在農產品生產中的作用也越來趙大，利用視覺技術對農產品的質量品級進行劃分在上個世紀90年代就已經被應用到實際使用中，利用算法對圖像區域信息進行分析所獲取的結果達到了80 %的準確率，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 作物生長態勢監測

計算機視覺技術的另一個應用便是在農作物生長的過程中對其生長情況進行監測。經過國內外學者研究，農作物生長可以利用圖像分析方法確實其生長共性，如果在監測過程中發生有偏離共性的農作物，則可以甄別出生長不規律的農作物。在實際的應用中，如對株型農作物的生長態勢檢測中，可以對株型作物的信息提取，然后再提取到的特征參數與傳統農業學中的參數建立聯系，從而實現對于株型作物葉片長度、莖葉夾角等信息的監測，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分、水分等。

3.3 病蟲及雜草檢測

在影響農作物生長的諸多因素當中，雜草和病蟲害是不容忽視的兩個方面，為了確保農作物的生產質量，需要對雜草以及病蟲害情況進行及時的監視，利用計算機視覺技術可以做到此兩方面內容的自動識別。

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，從而實現對于昆蟲的自動識別，經過實際發現，其準確率可以達到90 %。主要的工作原理為對昆蟲的骨架特征進行提取之后，應用神經網絡進行進一步的識別，最后通過建立的昆蟲特征信息庫與農作物圖像進行數據對比，實現害蟲的識別。

3.3.2 雜草的識別檢測

利用計算機視覺技術對雜草進行識別主要依據的原理是對采集的圖像進行光譜分析，由于農作物本身的顏色和雜草是存在區別的，在進行特征提取之后依據算法就可以辨別出屬于農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用中，經過對土壤背景的濾除之后，根據葉寬、顏色等特征信息可以計算出雜草的密度，經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據參考。

3.4 自動收獲

計算機視覺技術最早應用于農業生產是20世紀80年代中，到目前為止，不管是農業生產的前中后期還是其一些擴展型的應用，計算機視覺技術的可依賴性正在逐步提升。對于在實際的應用中所遇到的難題來說，最大的問題是工作環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確率的保障。在自動收獲這一應用領域上，計算機識別技術可以利用與遠程監控系統的結合，在計算機對農作物色調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完成對于農作物的自動收獲。

4 存在的問題及未來展望

4.1 存在問題

4.1.1 研究對象復雜性的影響

將理論應用于實踐最大的困難在于消除現實與理論之間的差異性，由于農作物生長環境復雜，同一各類之間生長情況也存在差異性，這給數字圖像的分割以及特征提取工作帶來了較大的難度。在技術實驗階段，一般來說用于測試的農作物都是相對靜止的，對其采集的圖像質量也會相對較高，而在實踐的應用中，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，如何實現快速精準的實時計算，如何從動態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 環境多變性的影響

目前，大多數的研究都是建立于可控的環境因素下，當環境（如光照、色溫、天氣）多變時，高質量的圖像采集難度很高。但是田間作業不同于實驗室環境，其環境多變性是必然的，受到天氣等因素的影響，設備的可靠性降低，由于風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，從而增加無用數據的增加。這不僅增加了圖像預處理的難度，同時也會降低后續計算的準確性。所以從實驗室到真實環境的技術過渡仍然是需要進一步研究的難題。

4.2 未來展望

盡管從技術本身上來說，真正實現田間作業仍然有許多需要去克服的難題，但是隨著技術的發展，計算機視覺在農業生產中的應用已經非常廣泛，并且前景良好。生產智能化和生產自動化是未來農業生產的必然發展方向，實現管理自動化同樣也是未來農業科學的研究方向。以于我國在計算機視覺技術方面的發展建議，主要為以下三點：

4.2.1 人才的培養

由于計算機視覺技術是多門學科的綜合應用，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是十分有必要的。應當組織從事農業專業的人才進行多學科培養。

4.2.2 經費的投入

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

4.2.3 技術交流學習

由于我國在計算機視覺技術的研究起步較晚，所以對于國際性的交流學習尤為迫切。加強、加快與國際技術領先機構的交流合作，關注國際科研動態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測與識別[J].農機化研究,2020,42(06):224-229.

[2]王文凱,羅丹.計算機視覺技術在農業自動化中的應用[J].農機使用與維修,2019(11):16.

[3]石衛坤,彭森.計算機視覺技術在農業生產中的應用與展望[J].農家參謀,2019(19):23.

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

[5]孫玉.農業行業中的計算機視覺與模式識別技術[J].計算機產品與流通,2018(07):19+36.

[6]黃喜梅,畢建杰,張楠,等.計算機視覺技術在農業上的應用(英文)[J].農業科學與技術: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：計算機科學與技術。

S126

C

2095-1205(2019)09-37-02

10.3969/j.issn.2095-1205.2019.09.20