農業生產中機器視覺技術的應用研究

劉玉平

（廣東博智林機器人有限公司，廣東 佛山 528000）

機器視覺系統已經在食品和農業行業中越來越多地用于檢查和評估目的，因為它們提供了快速，經濟和客觀的評估[1]。長期以來，農業工業一直試圖使農產品檢測自動化，從而降低產品成本并提高產品質量。研究發現，機器視覺技術在農貿行業中越來越有用，因為傳統的視覺檢查是勞動密集型的，并且容易出現人為錯誤和可變性。研究表明，使用機器視覺系統提高產品質量，同時使人們擺脫傳統的手工農產品分揀的可行性[2]。就農產品分揀設備而言，當前可用的商用系統通常僅限于測量顏色，形狀和大小[3]。當今最先進的光學和電子分選機也能夠檢測缺陷。外皮缺陷是農產品商業質量中最有影響力的因素之一，甚至消費者通過外皮預測一些內部特征，例如糖含量。因此，機器視覺技術以自動識別農產品具有極大的市場價值以及使用價值。農業技術（機器學習，計算機視覺，預測分析），農貿產品，科技應用（精確農業，無人機分析，農業機器人，牲畜監測），產品和地理區域的農業市場人工智能越來越受人們的重視，到2025年，農業市場的AI預計將從2017年的5.187億美元增長到26.285億美元，2017年至2025年的復合年增長率為22.5%。推動人工智能在農業市場中增長的主要因素包括：由于人口增加，對農業生產的需求不斷增長，信息管理系統的采用日益普及以及提高作物生產率的新的先進技術，通過實施深度學習技術來提高作物生率，以及各國政府為支持采用現代農業技術而采取的越來越多的舉措。物聯網和人工智能技術（例如機器學習，計算機視覺和預測分析）的結合，進一步使農民能夠分析氣象條件，溫度，土壤濕度，植物健康和作物價格的實時數據。本文介紹了農產品的外部缺陷自動檢查和分級的主要技術，以期促進視覺技術在我國農業發展中運用的進程。

1 機器視覺技術在農業生產中的運用

1.1 機器視覺技術在農產品色澤方面的運用

由于顏色是我們對農產品質量進行首次評估時所使用的自然感覺，因此大多數檢查系統僅使用此功能對圖像進行分割。農業生產中，通常利用線性判別方法將像素分為三或四個類別。目前在農業領域，通過運用色相來區分赤黑色。有一些農場使用3CCD相機檢查果蔬表面缺陷。許多研究者提出了一種基于貝葉斯判別分析的像素分割方法。目前有許多研究表明，可以通過農產品健康組織和缺陷的顏色頻率分布用于估計每個類別的概率分布，并且可以運用二次判別分析方法對蘋果等進行分類，在一項調查中，實施了計算機視覺系統，以根據顏色，褐斑的形成和圖像紋理信息識別香蕉的成熟階段。Kim等提出了基于HIS模型的葡萄柚皮病14種顏色紋理特征分類缺陷。盡管這些方法中的某些方法可以有效地對農產品進行分類，但他們必須學習如何將像素的顏色與不同區域相關聯。因此，必須使用代表性數據集來訓練分類器，并且可能在整個季節中都進行頻繁的訓練，以使系統適應較大的顏色變化。

1.2 機器視覺技術在農產品損傷分揀中的運用

瘀傷是農產品的主要表面缺陷之一[4]。目前發達國家已經出現了基于視覺系統的最先進的商業缺陷分類系統，但是其檢測諸如瘀傷等細微缺陷的能力仍然是一個問題。有研究表明，近紅外高光譜成像在900到1700nm光譜區域中檢測蘋果上青腫的潛力。在挫傷后的47天內，進行了實驗，以從Red Delicious和Golden Delicious蘋果獲取高光譜圖像。該系統能夠檢測新舊挫傷，紅色美味的正確檢出率為62%到88%，金色美味的正確檢出率為59%到94%，最合適的波段在1000到1340nm之間。

1.3 機器視覺技術在農產品病蟲監測中的運用

在農產品包裝廠中，早期發現茄子類農產品中的真菌感染特別重要，因為很少數量的被感染農產品會將感染傳播到整個批次，從而造成巨大的經濟損失。茄子包裝房收割后最重要的損害是青霉菌引起的[5]。由于人眼幾乎看不到損傷，因此很難使用標準的人工視覺系統或標準的RGB相機進行檢測。如圖（一）Vis-NIR高光譜成像系統來檢查茄子類農產品中指狀青霉所引起的感染，然后再將其對人類檢查者來說是顯而易見的。采用主成分分析來減少檢測波段的數量，并應用分類和回歸樹，并正確分類了80%的圖像區域。圖像分割依賴于有效頻帶選擇技術和像素分類方法的結合。對腐爛農產品進行分類的成功率超過91%。在生長和收獲階段，農產品暴露于糞便中可能會導致農產品產品受到細菌性食物致病菌的污染。動物糞便是致病性大腸桿菌O157：H7污染的最可能來源。此外，污染的可能性會隨著農產品的物理損傷（例如瘀傷）而增加。清潔過程可以減少，但不太可能消除。因此，在收獲后的預處理階段開發用于農產品缺陷和污染物的檢測技術對于質量尤其是安全性至關重要。高光譜成像技術在檢測農產品中殘留農藥的潛在應用。通過主成分分析獲得特征波長圖像。然后，處理第三主成分圖像以檢測臍橙中的農藥殘留。高光譜成像技術可以有效地檢測農產品表面的農藥殘留。

2 機器視覺技術在我國農業生產中運用的缺陷以及相關措施

2.1 技術支持不到位

目前，我國現代化水平以及科技發展程度相對于發達國家來說，還存在巨大的差異。我國農業生產方面的許多技術都是從國外引進，許多先進的生產工具也是從國外購買的，那么當國內農業生產過程中，常常存在技術支持不到位的現象。因為每個國家，不同地域的地里環境以及自然環境都存在差異，那么國內的生產采用外來的工具就可能出現許多問題[6]。許多產品公司沒有做好售后的技術支持，僅僅簡單的操作培訓遠遠不能解決一些實際遇到的問題。那么在這種情況下，就需要國內的產品公司與國外的公司協調好售后的技術支持，或者派技術人員在國內進行一段時間的指導，或者派工作人員去國外學習交流，再把學習到的經驗傳授給其他的農業生產者。

2.2 農民整體現代化生產素質低

我國目前農業得到巨大的發展，基本上每家農戶都擁有自己的農業機械，但是在購買農業機械時，農業生產者僅僅購買產品，相關人員進行簡單的指導。最后幾乎都是通過說明書進行使用[7]。但是由于文化水平以及實際操作能力的不同，很多農業生產者不能正確使用農業機械，僅僅采用探索式的操作方式，或者向別人請教經驗。針對于農業生產者對于機械操作的不熟悉，可以加強農業機械操作的技術培訓以及監管[8]。在技術培訓方面：定期對農戶進行農業機械的培訓課，首先對于相關機器的產品進行介紹，以及出現問題如何尋求幫助，以及產品的詳細的功能以及如何操作通過實地演示進行學習，知識講解后，并把機器開到土地上讓農業生產者進行操作，及時發現問題并進行指導。在監管方面：相關技術人員以及生產管理者要加強農業生產過程中的問題，比如說機械使用的時間，減少不正確的機械使用次數，并對操作者進行監管。防大于治，在很大程度上，通過前期的防護工作可以在很大程度上降低農業機械作業事故的發生，通過較低的成本達到較好的經濟效果。

2.3 我國農業生產未成規模化

現代化農業是依賴于科技的生產模式，我國目前除了一些種植基地，大多數還處于個體化生產模式，不適合采用機器視覺等先進技術進行生產。在未來，隨著我國經濟與科技的發展，我國的人口結構會發展巨大的變化，人們的知識文化水平不斷提高，信息技術不斷發展，農業生產者的數量減少，同時生產者的技術水平以及農業生產的專業水平提高；我國幅員遼闊，具有豐富的土地資源，但是隨著城市化的進程，許多農民進入城市務工，或者搬離農村，這造成目前我國有許多耕地被荒廢，土地資源沒有得到充分的利用。在今后通過政府發力，將土地資源進行統計并承包給個人，進行集體生產，這對于促進農業現代化具有重要的意義[9]。

2.4 政府支持力度不足

農業生產快速進入可持續發展的服務環境，承受各種市場經濟風險，在這種環境下就需要通過執行國家穩定的財政政策來客觀地明確給予適當的資金支持，通過建立激勵機制，例如支持建立農業生產基金，包括融資專用基金，擔保項目資金，風險投資項目基金，共同投資基金和其他各種資金來源等。其中各級人民政府支持農業生產，就需要實施政府基金機構封閉式的運營風險管理，重點在于支持農業生產健康發展。擔保費不能直接增加農業生產信貸融資風險成本，加快探索建立農業生產金融信貸貸款擔保服務體系，農業生產金融信用貸款擔保代理機構需要提供金融中介擔保服務國家經濟貿易委員會，國家工商行政管理總局聯合商務部，財政部等十個部委近日召開聯合會議發布了關于盡快加強農業生產金融信用擔保管理工作。通過建立信用融資擔保服務體系并且與建立其他企業社會保險服務體系相互結合，為農業生產進行融資擔保提供多種金融服務。總之，政府部門要盡快改變自身職能，認真組織學習，跟蹤農業生產的健康成長，切實做好保障農業生產合法利益，為農業生產發展提供社會福利保障服務。農業生產自身必須不斷優化信貸資本信用結構，創造良好的外部權益信貸資本信用結構。在經營管理過程中，農業生產者應該準確把握國際市場需求發展，擴大產品銷售，降低經營成本，提高盈利并實現稅后積累運行，以豐富自身自有資本資源來不斷擴大農業生產發展規模。

3 結語

傳統的RGB成像技術對于農產品表面上大多數缺陷類型的檢測非常有用，但是對某些缺陷類型（例如污染和瘀傷）的檢測也與傳統RGB圖像中的發現也沒有很大的差異性[10]。隨著人民生活需求的改善，食品安全與品質這一點非常重要。因此，多相機組合成像系統的開發，例如彩色成像，單色成像和熒光成像的組合，將確保計算機視覺技術繼續滿足這個競爭激烈且充滿挑戰的農產品行業所需的準確性和質量要求。然而，由于組合系統在實時應用中更加復雜，因此減少處理時間和合并不同類型圖像的分析仍將是一個挑戰[11-13]。并且，就同一對象而言，由于相機安裝位置不同，因此視野也不相同。因此，不同攝像機獲得的圖像需要進行匹配分析。這些問題必須在以后的研究中解決。此外，為了充分應用機器視覺技術，農產品應用的視覺系統將充分利用農產品是生物材料這一事實。因此，來自不同剝離區域的光吸收特性的差異非常重要。高光譜成像技術包括反射成像和熒光成像，結合了光譜學和成像的優勢。 全球農業正朝著第一種情況的方向發展。全球農業綜合企業的合并減少了收集更多數據和開發工具以幫助精準農業更快發展的公司。同時，隨著水下傳感器，機器人技術，氣候模型和AI軟件的不斷改進，其他主要食品部門（水產養殖場和商業捕魚作業）也將實現系統自動化，這對于推動農業的發展具有極大的影響。