機器視覺技術在玉米生產管理中的應用現狀與展望

楊艷輝 張蘇鴻 史文崇

摘要：機器視覺技術具有實時性，高精度和對不利環境的適應性，可用于玉米生產各環節，提高生產管理效率。通過文獻查閱與梳理分析，總結了機器視覺技術在玉米種子管理、品質管理、病蟲害管理、田間管理等領域的研究現狀，并指出玉米產業應用機器視覺技術的瓶頸在于機器視覺系統研發困難、種植業主應用積極性不高、技術推廣人員嚴重不足等問題，提出了加強協作開發，降低成本；提高田間信息化管理水平，擴大生產規模；加大科普及技術服務力度等建議。

關鍵詞：機器視覺；玉米產業；種子管理；品質管理；病蟲害管理；田間管理

中圖分類號：S-1；S513? ? ? ? ? ? ? 文獻標志碼：A? ? ? ? ? ? ? 文章編號：2097-2172（2023）09-0799-06

doi：10.3969/j.issn.2097-2172.2023.09.003

Application Status and Prospect of Machine Vision Technology in

Maize Production Management

YANG Yanhui， ZHANG Suhong， SHI Wenchong

（School of Mathematics and Information Science ＆ Technology， Hebei Normal University of Science ＆ Technology，

Qinhuangdao Hebei 066004， China）

Abstract： Machine vision technology has real-time， high-precision， and adaptability to adverse environments， which could be used in various stages of maize production to improve production management efficiency. Through literature review and analysis， the current research status of machine vision technology in fields such as maize seed management， quality management， pest and disease management， and field management are summarized in this paper. It is also pointed out that the bottleneck in the application of machine vision technology in the maize industry lies in difficulties in machine vision system research and development， low enthusiasm for application， and serious shortage of technical personnel in promotion and extension. In respect of these issues suggestions are proposed including strengthening collaborative development to reduce costs， improving the level of field information management to expand production scale， and increasing efforts in science popularization and technical services.

Key words： Machine vision; Maize industry; Seed management; Quality management; Pest and disease management; Field management

收稿日期：2023 - 01 - 17；修訂日期：2023 - 05 - 16

作者簡介：楊艷輝（1998 — ），男，山東濰坊人，碩士在讀，研究方向為農業信息化、機器學習。Email： yyhhyywf@163.com。

通信作者：史文崇（1965 — ），男，河北秦皇島人，副教授，研究方向為大數據、機器學習、圖像處理。Email： mr_shi_pb@126.com。

機器視覺技術即通過特定的軟硬件系統使機器“獲得視覺”，其核心在于視頻采集、數據提取和機器學習，其突出優勢在于實時性、高精度和對不利環境的適應性［1 ］，運用得當可取代人類視覺進行鑒定或識別，提高工作效率，改善工作效果。機器視覺有二維（2D）和三維（3D）之分，目前已應用于交通監控、工業質檢、汽車制造等領域。

農業是國民經濟基礎產業。糧食生產是農業的重要使命。玉米不僅營養成分全面、具有抗癌等功效，還是淀粉、動物飼料的重要原料［2 ］。從產量看，玉米在世界和中國都是第一大糧食作物，目前世界仍有1/3的人口以玉米為主糧。我國是最大的玉米生產國和消費國。在玉米田間管理中，由于株高葉大，株距行距密集，人類視覺嚴重受限；在育種選種等環節，由于其籽粒、秧苗眾多，靠人類視覺操作效率低、效果差。如果能借助機器視覺完成上述操作，必將極大地促進玉米產業發展。因此，研究機器視覺技術在玉米產業中的應用狀況以便有的放矢，具有重要意義。

1? ?機器視覺在玉米種子管理中的應用

機器視覺在種子管理中的應用涉及考種、種子精選、種子分類和種子活力檢測等工作，多應用二維視覺技術。有人把傳統選種、育種工作形象地概括為“一把尺子、一桿秤，靠牙咬、靠眼瞪”，說明傳統育種選種方式嚴重依賴于人類視覺和主觀判斷，其效率和效果往往不盡人意，應用機器視覺技術可使這種狀況大為改觀。

1.1? ?機器視覺在玉米考種中的應用

考種作為玉米育種的重要環節，重在統計分析玉米穗與籽粒的性狀參數［3 ］。人工考種步驟煩瑣、耗時長，嚴重制約著考種效率和效果。吳剛等［4 ］應用自研自動考種設備，結合機器視覺技術實現了玉米果穗的形狀、穗行、穗粒數等參數的無損測量，其效率可達6 s/穗。吳迪［5 ］構建的玉米果穗與玉米籽粒的圖像處理與參數提取算法，對玉米果穗與籽粒的參數測量高效準確。Zhang等［6 ］基于玉米穗全景圖像，將SIFT、指數變換、Sobel-Hough等算法用于玉米考種各參數檢測。Gonzalez等［7 ］借助Ear CV— 一個開源的玉米穗部表型識別包，在可變的光照背景條件下成功地進行了果穗分類。馬欽等［8 ］基于機器視覺技術發明了一套高通量玉米穗考種裝置?？偟膩砜矗霗C器視覺有助于改良玉米考種過程中存在的諸多問題。

1.2? ?機器視覺在玉米種子精選中的應用

種子精選分級，即“凈種”，是指剔除種子中破損種子、霉變種子及各種雜質等［9 ］，對提高保苗率、實現精量播種具有重要意義［10 ］。國內外學者已利用機器視覺技術精選玉米種子，并應用于生產實踐中。張晗等［11 ］提取鄭單958玉米種子的形狀及顏色特征，構建偏最小二乘判別模型，用于霉變和破損種子的識別。孫進等［12 ］設計了種粒形態分級算法結合CAN總線，以揚農15-1號、15-6號玉米種子為研究對象，設計出了玉米種粒分類器。呂夢棋等［13 ］利用機器視覺，結合改進的ResNet網絡，對農大108玉米種子特征進行分級。姜龍等［14 ］、權龍哲等［15 ］、趙靜等［16 ］都發明了具有不同特征的玉米種子精選裝置。

1.3? ?機器視覺在玉米種子分類中的應用

不同玉米品種種子形態特征極其相似，導致種子市場魚目混珠。需要加強種子純度鑒定，實現種子精準分類，區分不同品種的種子，以提高種子質量。學者們在探究玉米種子分類問題時，多將機器視覺與深度學習算法結合。王佳等［17 ］以玉米種子胚和胚乳為數據集，結合ResNet網絡模型，可鑒別登海605玉米種的真偽；馮曉等［18 ］借助MobileNetV2網絡和遷移學習了對玉米種胚面和非胚面進行高精度鑒別，以區分先玉335及鄭丹系列玉米種子；Tu等［19 ］通過VGG16網絡模型，以京科968玉米種子的胚芽和非胚芽數據為分類依據，進行真偽識別；Javanmardi等［20 ］提取玉米的形態、顏色、紋理特征，借助CNN-ANN分類模型，實現了對9個玉米品種的分類。

1.4? ?機器視覺在玉米種子活力檢測中的應用

種子活力綜合了種子發芽率、出苗率、幼苗生長潛力等［21 ］。傳統檢測方法操作程序復雜，且多為有損檢測［22 ］，易對種子造成不可逆的破壞，而機器視覺技術作為一種無損檢測技術，為玉米種子活力檢測提供了新方法，但實際涉及該領域的研究并不多。張晗等［23 ］結合極限學習機算法提取鄭單958玉米種子的主成分指標，建立了種子發芽潛力檢測模型；潘同等［24 ］根據玉米胚部染色指標建立MLP神經網絡檢測模型，證實了機器視覺技術預測不同品種玉米種子生活力的可行性；De等［25 ］檢測玉米種子發芽率，證明了計算機視覺可以輔助其活力分析。

1.5? ?機器視覺在玉米種子品質管理中的應用

玉米果實籽粒是玉米生產的最終成果，其性狀寄托了玉米種植者的期望，也是驗證種子好壞和田間管理效果的直接依據，與種植收益密切相關。玉米果實籽粒品質檢測和種子檢測目的不同，重點也不同。不少學者也關注了機器視覺在這方面的研究，主要集中在果粒破損率等方面。彭燦［26 ］構建的水分檢測模型實現了對4種玉米籽粒的水分和破損檢測。胡艷俠［27 ］通過分析玉米穗外觀特征，設計了圖像預處理方案，完成對其大小、形狀、顏色等精確檢測。高新浩等［28 ］基于玉米紋理特征建立品質檢測模型，用于水果玉米尺寸及破損程度檢測。Ren等［29 ］設計的青貯玉米二次發酵pH變化檢測模型，提供了一種青貯玉米質量檢測方法。Szwedziak等［30 ］基于機器視覺技術對糧倉中的玉米籽粒污染情況進行了分析。梁鵬等［31 ］、王卓等［32 ］分別發明出了玉米籽粒品質檢測裝置和玉米籽粒破損率在線檢測裝置。

1.6? ?機器視覺在玉米病蟲害檢測中的應用

病蟲害會影響玉米品質、降低其產量，傳統病蟲害檢測方式耗時長、效率低、準確率差［33 ］，機器視覺技術的應用為解決該問題提供了可能。熊夢園等［34 ］使用ResNet50網絡模型，包含50個卷積操作，結合CBAM模型實現了玉米葉片銹病等多種病害的檢測。王超等［35 ］利用聚類算法和支持向量機對玉米葉片大斑病等4種病害進行了檢測。Richey等［36 ］基于機器視覺技術結合YOLOv4網絡，對玉米葉枯病進行了實時檢測。田磊等［37 ］設計了基于安卓手機端的玉米病蟲害專家診斷系統。陳峰等［38 ］對東北寒地玉米常見的害蟲如玉米螟等進行機器識別。

1.7? ?機器視覺在玉米田間傳統管理中的應用

機器視覺在玉米播種、除草、施肥、長勢檢測管理等方面均有涉及。Ji等［39 ］使用GABP算法結合機器視覺設計了智能玉米播種機。馮俊慧等［40 ］發明了一套玉米苗期機械除草識別裝置。宗澤等［41 ］借助機器視覺技術，設計出苗期玉米定位施肥控制系統，平均施肥誤差僅為3.2 cm。譚文豪等［42 ］基于機器視覺技術設計出了針對玉米中后期噴藥作業導航系統。齊江濤等［43 ］發明了玉米株心識別系統，用于玉米苗期病蟲害防治。賈彪［44 ］構建出針對寧夏滴灌玉米長勢和營養檢測的技術體系，并用于實際生產。Jia等［45 ］借助機器視覺對田間玉米植株數量進行統計。Mccarthy等［46 ］基于機器視覺對玉米株高和開花期進行檢測。Zhao等［47 ］提出了一種檢測玉米粒收獲機的篩子堵塞情況的算法。Liu等［48 ］借助CPU-Net模型對機械化玉米粒收獲過程中存在的雜質進行檢測。卜小東等［49 ］構建土壤圖像與水分數據模型，對玉米苗期土壤濕度進行檢測。劉玉梅［50 ］設計了一套篩選玉米單倍體籽粒的系統。張高美等［51 ］基于機器視覺技術發明了玉米田間管理機器人。

1.8? ?機器視覺在玉米田間無人化管理中的應用

田間管理無人化是未來發展趨勢，機器視覺技術可為機器人、無人機參與農作物田間管理助力，主要是為其提供導航等服務。對作物行的精準識別是農業機器人實現自動導航作業的依據［52 ］，機器視覺作為行線識別的關鍵技術在玉米行線提取中得到廣泛應用。李霞等［53 ］則采用Hough變換對玉米行檢測進行導航線提取，為植保機器人自動作業提供了導航依據。李祥光等［54 ］對存在缺株現象的玉米行進行了中心線提取算法的研究，為無人機自動作業提供依據。徐寧等［55 ］發明公開了一種基于機器視覺的玉米行道識別方法；張彥斐等［56 ］發明公開了玉米根莖導航基準線提取方法，這些應用多已涉及三維視覺技術。

2? ?機器視覺在玉米生產應用的受限因素

機器視覺技術在玉米產業應用研究幾乎已涉及常規產業管理的各個領域，并已發揮巨大作用。表1可知，中外學者在機器視覺用于玉米產業研究各領域的占比情況極其相似，在玉米種子管理和田間管理方面的探索最多，在玉米果實品質方面和病蟲害管理方面則較少，在土壤、水質對玉米生產的影響方面涉獵極少，而在氣象對玉米產業的影響方面的文獻尚未發現。

學者對玉米生產應用機器視覺技術的研究既受需求的支配、又受技術的制約。機器視覺技術在玉米產業應用目前主要仍局限于研究機構和實驗階段，玉米種植戶直接應用極少，尤其用于常規田間管理的案例占比極低。在我國育種產業還處于2.0向3.0發展的傳統階段［57 ］，這些現狀值得業界關注，尤其對一些普遍性的瓶頸問題，必須及時發現和處理。機器視覺技術在玉米生產上應用不足，主要與以下諸因素有關。

2.1? ?機器視覺系統研發門檻高

機器視覺系統專用性、針對性強，已有的小麥或水稻的機器視覺系統不能用于玉米生產，必須獨立開發。已有的研發產品因為精度要求高導致硬件價格昂貴，或者機械設備本身具有缺陷不適合開發相應儀器，而且算法模型開發困難，相應的實時性機器學習模型的開發成為主要技術瓶頸，致使一個完整的機器視覺系統研發成本高、周期長、落地難。盡管有業內人士反映，某些玉米考種儀對雜交種識別和考種數據較為真實，但是對玉米自交系，尤其是穗行數排列不整齊的自交系果穗的考種結果不準確，應用空間自然受到限制。

2.2? ?種植業主應用積極性不足

我國小農經濟占比大，農民個體生產的種植成本高，收益低，應用高技術設備的自覺性、主動性差。對于玉米種植面積較小的小農戶來說尤其如此。玉米本身不是經濟作物，作為糧食出售，售價較低，收益不足以引導種植戶在田間管理中投入較大資金添置農業設施。只有足夠的種植面積、出現用傳統手段難以解決的問題時，才有強烈的技術需求。

2.3? ?技術推廣人員嚴重不足

至2021年，我國農業科研機構從業人員為7.23萬人［58 ］。玉米作為傳統的糧食作物，專業技術人員本來不多，而其中熟悉機器視覺的技術人員微乎其微。一些技術人員從未接受機器視覺技術培訓，對機器視覺技術缺乏了解，普及相關技術困難重重。

3? ?促進機器視覺技術在玉米生產中應用的措施

3.1? ?加強協作開發， 降低成本

加強玉米產業實時性機器學習模型的開發協作攻關，以降低研發成本和成型系統售價，并增強系統的實用性和普適性。這需要研發公司和用戶的長期合作，從實用性入手，向普適性拓展，既提升效率又改良效果，以求更多、更好地解決玉米生產管理中的實際問題。

3.2? ?提高田間信息化管理水平， 擴大生產規模

加速玉米種植業主聯合、并產，提高田間管理的信息化、智能化水平。生產規模擴大后，玉米種植戶原有的粗放經營意識逐漸被顛覆，向科學管理要效益的意識增強，會主動尋求機器視覺技術的支持。

3.3? ?加大科普及技術服務力度

做好玉米產業小農戶的科普和技術服務工作。小面積種植戶始終是我國玉米種植業主體。也應該成為機器視覺技術的主要受益者。必須使農戶在玉米種植過程中想得到、用得上、學得會、用得起，初步嘗試使用新技術。為此，一方面，政府主管部門要加強相關技術培訓，農技人員大力宣傳、示范機器視覺技術的應用；另一方面，技術推廣部門要推行機器視覺系統的流動性、租賃性服務，以降低玉米種植業主的生產成本。

4? ?機器視覺在玉米生產中的應用展望

目前，機器學習技術已經成熟并逐步普及，這為玉米產業廣泛應用機器視覺技術奠定了基礎，有利于加速玉米產業多種專用機器視覺系統的開發。我國實行農村土地確權后，更便于農戶租賃、轉讓土地，利于玉米種植戶擴大種植規模，實現集約化經營，并終將有利于種植業主添置新的技術裝備并降低運作成本。更重要的是，我國最新出臺的糧食產業政策有利于機器視覺技術的開發和普及。2017年國務院發布《新一代人工智能發展規劃》，提出加速推進農業產業等智能化升級，并將“研制農業智能傳感與控制系統、智能化農業裝備、農機田間作業自主系統等”作為奮斗目標。2022年末的中央農村工作會議指出，在目前主產地、主糧產量接近天花板的形勢下，要發展糧食產業，必須深刻認識“藏糧于地”“藏糧于技”，并重點提到了玉米價值［59 ］，這些都有利于機器視覺技術在玉米生產中的應用。

目前我國已經有一些機器視覺產品公司，如中視智能、全帝視覺、北京盈美智等，參與到玉米產業發展中。在背景技術突飛猛進、管理體制日漸靈活、國家政策高度支持的形勢下，機器視覺技術必將迅速彌補諸多應用缺口，對促進我國和世界玉米產業的發展做出巨大貢獻。

參考文獻：

［1］ 360百科.? 機器視覺技術［EB/OL］.? （2022-12-8）［2023-1-8］.? https： //baike.so.com/doc/6004762-6217745.html.

［2］ 360百科.? 玉米［EB/OL］.? （2018-6-27） ［2023-1-8］. https： //baike.so.com/doc/5370249-5606124.html.

［3］ 托普云農.? 考種是什么意思，考種的意義［EB/OL］. （2022-6-15）［2023-1-10］. http： //www.seed17.com/tech/id_4298.html.

［4］ 吳? ?剛，吳云帆，陳? ?度，等.? 基于機器視覺的玉米果穗性狀參數測量方法研究［J］.? 農業機械學報，2020，51（S2）：357-365.

［5］ 吳? ?迪.? 基于計算機視覺的玉米考種參數獲取研究［D］.? 杭州：杭州電子科技大學，2020.

［6］ ZHANG X， LIU J， SONG H. Corn ear test using SIFT-based panoramic photography and machine vision technology［J］.? Artificial Intelligence in Agriculture， 2020， 4： 162-171.

［7］ GONZALEZ JUAN M.， GHOSH NAYANIKA， COLANTONIO VINCENT， et al.? EarCV： An open source， computer vision package for maize ear phenotyping［J］.? The Plant Phenome Journal，2022，5（1）：e20055.

［8］ 馬? ?欽，周金輝，朱德海，等.? 基于機器視覺的高通量玉米果穗考種流水線裝置及其方法：CN104488405B［P］.? 2016-04-27.

［9］ 中國農業信息網.? 種子加工處理方法［EB/OL］. （2020-10-30）［2023-1-10］. http： //www.agri.cn/province/gansu/syjs/jgjs/ 202010/t20201031_7550129.htm.

［10］ 李寒松，陳立濤，張曉亮，等.? 國內外玉米種子精選分級技術裝備及發展趨勢［J］.? 農業裝備與車輛工程，2016，54（11）：11-13.

［11］ 張? ?晗，閆? ?寧，吳旭東，等.? 在線式玉米單粒種子檢測分選裝置設計與試驗［J］.? 農業機械學報，2022，53（6）：159-166.

［12］ 孫? ?進，張? ?洋，王? ?寧，等.? 融合機器視覺和CAN總線的玉米種粒分類器設計與試驗［J］.? 中國農機化學報，2020，41（8）：81-89；120.

［13］ 呂夢棋，張芮祥，賈? ?浩，等.? 基于改進ResNet玉米種子分類方法研究［J］.? 中國農機化學報，2021，42（4）：92-98.

［14］ 姜? ?龍，王? ?雪，王佳航，等.? 基于機器視覺的玉米種子精選機、精選方法和精選系統：CN112642727A［P］.? 2021-04-13.

［15］ 權龍哲，酈亞軍，奚德君，等.? 一種基于機器視覺的氣吸式垂直雙圓盤玉米種子分選裝置：CN106694396B［P］.? 2018-11-13.

［16］ 趙? ?靜，崔? ?欣，徐文騰，等.? 一種基于機器視覺的玉米種子在線破損識別分類裝置：CN108655021B［P］.? 2020-03-13.

［17］ 王? ?佳，馬? ?睿，馬德新.? 基于深度學習的登海605玉米品種真偽鑒別方法研究［J］.? 中國糧油學報，2023，38（3）：151-157.

［18］ 馮? ?曉，張? ?輝，周? ?蕊，等.? 基于深度學習和籽粒雙面特征的玉米品種識別［J］.? 系統仿真學報，2021，33（12）：2983-2991.

［19］ TU K， WEN S， CHENG Y， et al.? A non-destructive and highly efficient model for detecting the genuineness of maize variety 'JINGKE 968′using machine vision combined with deep learning［J］.? Computers and Electronics in Agriculture， 2021， 182：106002.

［20］JAVANMARDI S， ASHTIANI S H M， VERBEEK F J， et al.? Computer-vision classification of corn seed varieties using deep convolutional neural network［J］.? Journal of Stored Products Research， 2021， 92： 101800.

［21］ ZHOU Y， ZHOU S， WANG L， et al.? MiR164c and miR168a regulate seed vigor in rice［J］.? Journal of integrative plant biology， 2020， 62（4）： 470-486.

［22］FENG L， ZHU S， ZHANG C， et al.? Identification of maize kernel vigor under different accelerated aging times using hyperspectral imaging［J］.? Molecules， 2018， 23（12）： 3078.

［23］ 張? ?晗，董宏圖，栗彬彬，等.? 玉米單粒種子發芽潛力無損檢測方法研究［J］.? 種子，2021，40（11）：144-148.

［24］ 潘? ?同，吳偉鋒，侯浩楠，等.? 機器視覺技術對氯化三苯基四氮唑染色法鑒定玉米種子生活力的改進［J］.? 中國農業大學學報，2022，27（5）：106-113.

［25］ DE MEDEIROS A D， PEREIRA M D， SOARES T， et al. Computer vision as a complementary method to vigour analysis in maize seeds［J］.? Journal of Experimental Agriculture International， 2018， 25（5）： 1-8.

［26］ 彭? ?燦.? 基于機器視覺的玉米水分和破損籽粒檢測方法研究［D］.? 長春：吉林大學，2019.

［27］ 胡艷俠.? 基于機器視覺的玉米果穗品質檢測方法研究［D］.? 西安：長安大學，2017.

［28］ 高新浩，劉? ?斌.? 基于機器視覺的鮮食玉米品質檢測分類器設計與試驗［J］.? 農業工程學報，2016，32（1）：298-303.

［29］ REN X， TIAN H， ZHAO K， et al.? Research on pH value detection method during maize silage secondary fermentation based on computer vision［J］.? Agriculture，? 2022，?12（10）： 1-18.

［30］ SZWEDZIAK K.? The use of vision techniques for the evaluation of selected quality parameters of maize grain during storage［C］//E3S Web of Conferences.? EDP Sciences， 2019， 132： 1-8.

［31］ 梁? ?鵬，林智勇，郝? ?剛.? 基于機器視覺的玉米籽粒品質自動檢測裝置：CN108204977A［P］.? 2018-06-26.

［32］ 王? ?卓，楊? ?亮，高? ?雷，等.? 一種基于機器視覺的玉米籽粒破碎率在線檢測方法及裝置：CN108120715A［P］.? 2018-06-05.

［33］ 溫艷蘭，陳友鵬，王克強，等.? 基于機器視覺的病蟲害檢測綜述［J］.? 中國糧油學報，2022，37（10）：271-279.

［34］ 熊夢園，詹? ?煒，桂連友，等.? 基于ResNet模型的玉米葉片病害檢測與識別［J］.? 江蘇農業科學，2023，51（8）：164-170.

［35］ 王? ?超，張? ?勇，王? ?淼，等.? 基于機器視覺的網絡化玉米病害檢測方法研究［J］.? 江蘇科技信息，2020，37（5）：27-28.

［36］ RICHEY B， SHIRVAIKAR M V.? Deep learning based real-time detection of Northern Corn Leaf Blight crop disease using YoloV4［C］//Real-Time Image Processing and Deep Learning 2021. SPIE， 2021， 11736： 39-45.

［37］ 田? ?磊，李? ?麗，王明緒.? 基于Android的玉米病蟲害機器視覺診斷系統研究［J］.? 農機化研究，2017，39（4）：207-211.

［38］ 陳? ?峰，谷俊濤，李玉磊，等.? 基于機器視覺和卷積神經網絡的東北寒地玉米害蟲識別方法［J］.? 江蘇農業科學，2020，48（18）：237-244.

［39］ JI J， SANG Y， HE Z， et al.? Designing an intelligent monitoring system for corn seeding by machine vision and genetic algorithm-optimized back propagation algorithm under precision positioning［J］.? Plos one，? 2021， 16（7）： e0254544.

［40］ 馮俊惠，李志偉，方休俊.? 一種基于機器視覺的玉米苗期機械除草識別方法及裝置：CN111028233A［P］.? 2020-04-17.

［41］ 宗? ?澤，劉? ?剛.? 基于機器視覺的玉米定位施肥控制系統設計與試驗［J］.? 農業機械學報，2021，52（S1）：66-73.

［42］ 譚文豪，桑永英，胡敏英，等.? 基于機器視覺的高地隙噴霧機自動導航系統設計［J］.? 農機化研究，2022，44（1）：130-136.

［43］ 齊江濤，劉? ?凱，鄭筱光，等.? 一種基于機器視覺的玉米株心識別系統：CN212322280U［P］.? 2021-01-08.

［44］ 賈? ?彪.? 基于機器視覺的玉米長勢監測與營養診斷體系構建.? 寧夏大學，2021-05-08.

［45］ JIA H， WANG G， GUO M， et al.? Methods and experiments of obtaining corn population based on machine vision［J］.? Transactions of the Chinese Society of Agricultural Engineering， 2015， 31（3）： 215-220.

［46］ MCCARTHY ALISON， RAINE STEVEN.? Automated variety trial plot growth and flowering detection for maize and soybean using machine vision［J］.? Computers and Electronics in Agriculture， 2022： 194.

［47］ ZHAO R， FU J， CHEN Z， et al. Low-rank-constraint-based machine vision algorithm for chaffer-sieve-clogging recognition of corn harvester［J］.? Computers and Electronics in Agriculture， 2022， 198： 107056.

［48］ LIU L， DU Y， CHEN D， et al.? Impurity monitoring study for corn kernel harvesting based on machine vision and CPU-Net［J］.? Computers and Electronics in Agriculture， 2022， 202： 107436.

［49］ 卜小東，張馨月，黃可京，等.? 基于機器視覺的玉米苗期土壤濕度檢測試驗研究［J］.? 中國農機化學報，2020，41（7）：150-156.

［50］ 劉玉梅.? 基于機器視覺的玉米單倍體籽粒分揀技術研究［D］.? 青島：中國石油大學（華東），2015.

［51］ 張高美，李懷強，屈嘉棋，等.? 一種基于機器視覺技術的玉米田間管理機器人：CN112487936A［P］.? 2021-03-12.

［52］ 刁智華，閆嬌楠，趙素娜，等.? 基于圖像處理的作物行識別算法研究進展［J］.? 河南農業科學，2022，51（3）：12-19.

［53］ 李? ?霞，蘇筠皓，岳振超，等.? 基于中值點Hough變換玉米行檢測的導航線提取方法［J］.? 農業工程學報，2022，38（5）：167-174.

［54］ 李祥光，趙? ?偉，趙雷雷.? 缺株玉米行中心線提取算法研究［J］.? 農業工程學報，2021，37（18）：203-210.

［55］ 徐? ?寧，胡敏英，桑永英，等.? 一種基于機器視覺的玉米行道識別的方法：CN115410193A［P］.? 2022-11-29.

［56］ 張彥斐，劉? ?皓，宮金良，等.? 基于導航趨勢線的玉米根莖導航基準線提取方法：CN11 2712534A［P］.? 2021-04-27.

［57］ 張佳星.? 我國瞄準智慧育種4.0時代進發［N］.? 科技日報，2021-12-31（002）.

［58］ 人民網.? 人民網評：讓農業科技人才茁壯成長、大顯身手［EB/OL］.? （2022-9-1） ［2023-1-14］.? http：//opinion.people.com.cn/n1/2022/0901/c223228-32517269. html.

［59］ 周懷宗.? 解讀中央農村工作會議丨新一輪千億斤糧食產能提升如何實現？［N］.? 新京報，2022-12-25（1）.