機器視覺技術在農業機械中的應用與發展探析

王興紅

摘要：隨著科技的不斷進步，機器視覺技術在各個領域都得到了廣泛的應用，其中包括農業機械領域。該技術的應用對實現農業機械自動化、智能化的農業生產，減少人力資源的浪費等都具有重要意義。文章主要對機器視覺技術原理、在田間農業機械上的主要應用以及發展應用對策進行論述，以期能為助力農業智能化進程提供參考。

關鍵詞：機械視覺技術；農業機械；圖像處理；自動化技術

文章編號：1674-7437（2024）04-0246-03? ? ?中國圖書分類號：S220；TP391.41? ? ?文獻標識碼：A

隨著全球人口的增長和糧食需求的增加，傳統的人工農業生產方式已經無法滿足需求，而機器視覺技術的出現為農業生產帶來了新的解決方案。鄉村振興背景下，機器視覺技術在農業機械中的應用與發展是當前農業領域的熱點研究方向。該技術可以實現對農田、農作物和農業機械的智能感知和分析，從而提高農作物的產量和質量，減少人力資源的浪費。常見的如基于機器視覺技術實現病蟲害實時監測和分析，農作物檢測和識別以及智能化采摘和收割等，實現農機的自動化、智能化操作，提高農業生產的效率和可持續性，為農業生產帶來革命性的變革。

1 機器視覺技術原理

機器視覺系統主要由捕捉圖像系統、傳輸圖像數據系統、處理圖像數據系統和控制輸出系統四大部分組成，圖1所示為整體系統組成（見圖1）[1]。

機器視覺系統在農業機械上應用時，首先，攝像機組獲取田間待測區域的動態實時圖像；其次，通過圖像采集卡將其進行數字化信息處理，得到數字圖像；再次，利用數字圖像處理系統對其進行圖像分割、特征提取、目標識別等圖像處理操作；最后，通過控制執行機構對預設的判定標準執行相應的操作，如種子分揀、水果采摘、農機導航、病害提醒等。

2 機器視覺技術在田間農業機械上的應用

機器視覺技術在田間農業機械上應用可以概括為以下幾個方面。

2.1 農作物檢測和識別

機器視覺可以通過圖像處理和分析技術，通過識別田間作物的形狀、顏色、紋理等特征，利用機器視覺技術可以對農作物進行評價。例如，將機器視覺與深度學習算法結合，采集農作物種子圖像，并提取種子各類特征參數，檢測種子表面的裂紋、破損以及可能存在的霉變等情況，實現種子精準分類，提高種子質量。在具體技術研究方面，王佳等（2023）[2]基于計算機視覺技術，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；胡楠（2023）[3]在Swin Transformer的基礎上提出了一種基于多尺度特征與特征注意力融合的玉米種子識別分類方法，準確率達到了96.47%，與原始模型相比準確率提高了3.56%；金厚熙（2023）[4]基于紅外熱成像技術，應用多種機器學習方法實現玉米種子活力的分類，在訓練集和測試集上準確率達到96%以上；Javanmardi等（2021）[5]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。

2.2 病蟲害檢測和預警

植物病蟲害是農業生產中的重要問題，但傳統的人工診斷常依靠經驗和感覺對農作物病害進行判斷，導致錯過最佳防治期。機器視覺技術的引入可以實現病蟲害的自動識別和監測，實現自動識別農作物葉片上的病斑、蟲害損傷等特征，進而及早發現并采取相應的防治措施，減少病蟲害對作物的損失。近年來機器視覺經典算法在作物病蟲害檢測與分類中的應用情況（見表1）[6-7]。

2.3 農機操作和導航

機器視覺可以通過圖像處理和分析技術，實現農機的自動化操作和導航。例如，可以通過識別田間的地標、行間作物的行距等特征，實現農機的自動導航和路徑規劃；使用機載攝像頭獲取場地圖像，通過對圖像特征提取，識別出不同的農作物和作物行間距離，確定機械的導航方向和行駛速度。宋杰（2022）[8]在充分分析輪式聯合收獲機收獲特性的基礎上，融合機器視覺與慣性導航技術，研究輪式聯合收獲機低成本、高精度的導航方法；田達奇（2021）[9]將免疫模糊PID算法引入到了收割機視覺控制系統的設計中，利用免疫算法和模糊控制算法對導航追蹤誤差進行修正，有效地提高了導航的精度。

圖2為戴峰（2023）[10]設計一種基于機器視覺技術的農業機械自主導航系統，整個系統的核心是圖像處理和路徑規劃算法，能能夠實現對機器的智能控制和作業優化，其工作過程為采集圖像數據—圖像處理—建立地圖—路徑規劃—控制指令輸出，即使用相機等設備采集作業場地的圖像數據，將采集到的圖像數據進行處理，獲取所需的作業場地信息，再根據圖像處理得到的場地信息，構建場地地圖，確定機器當前的位置和行進方向，根據機器當前的位置和行進方向，規劃最優路徑，控制機器的運動和作業，輸出相應的控制指令（見圖2）。

2.4 采摘和收割機器人

機器視覺可以應用于采摘和收割機器人中，通過識別作物的成熟度和位置，實現自動化的采摘和收割操作，可以減輕農民的勞動強度，提高采摘和收割的效率和質量。侯義鋒等人（2023）[11]設計了一款基于機器視覺技術的成熟砂糖橘果實目標識別、檢測與分揀的裝置，這款裝置利用機器視覺技術實現了對果實圖像的處理和顏色判斷，并可以進一步對果實進行分揀和分類；王紅軍等人（2023）[12]設計了一款香蕉智能采摘裝置，該款采摘裝置利用機械結構和機器視覺技術相結合，通過機械結構的運動變化和視覺識別系統的算法，可以精確地定位香蕉果柄，并驅動切割機構進行采摘；何梁等人（2023）[13]提出了一種蓮蓬采摘點與采摘姿態計算方法，該方法通過對分割后的結果進行圖像處理，進一步計算得到蓮蓬采摘點及采摘姿態；王焱清等人（2023）[14]研究了一種面向機器人柑橘采摘的控制系統，該系統在實驗室環境下面對隨機布置的柑橘，視覺識別定位模塊的平均定位精度誤差不超過2cm，采摘效果良好。

3 加強機器視覺技術在田間農業機械中應用的對策

雖然機器視覺技術為農業現代化的進程提供了新的可能性和解決方案，但是機器視覺技術在農業機械操作過程中仍存在圖像識別分析算法不高、對象識別不準以及相關技術人員專業程度不足等問題，嚴重阻礙了農業機械的智能化、自動化發展。為促進機器視覺技術在田間農業機械中的應用，相關部門需要采取以下措施。

一是加大政策支持和研發創新。科研機構和企業參與到機器視覺技術田間農業機械中的應用離不開資金支持和政策激勵。要加強政策支持和資金投入，鼓勵農業機械企業和科研機構加大對機器視覺技術的研發和應用，推動算法、傳感器、圖像處理等關鍵技術的突破。例如，可以研發更先進的圖像識別算法，提高作物檢測和識別的準確性和穩定性，開發適應不同田間環境的傳感器，提高圖像采集的質量。同時，要在設備購置和培訓等方面提供資金支持。

二是優化硬件設備和增強數據集建設能力。機器視覺農業應用需要使用高性能的硬件設備，如高分辨率相機、傳感器、計算機等。為提高農田圖像的采集和處理效率，可以考慮使用更先進的硬件設備，并進行定期的維護和更新。此外，機器視覺農業應用需要大量的農田圖像數據進行訓練和識別，因此，需要建立起高效、穩定的數據采集系統，并且，需建設大規模的農業圖像數據集和農業圖像數據庫，并進行共享，以促進機器視覺技術在農業機械中的應用，從而為算法的訓練和驗證提供更多的數據支持，提高算法的精度和泛化能力。

三是加強專業人才培養和應用推廣。機器視覺技術在農業機械中的應用涉及大數據、云計算、區塊鏈等技術，要求農業機械研發人員要具備復合型的專業知識。因此，要鼓勵技術研發人員開展科研項目，提升機器視覺領域的研究水平，科研院所要為研發人員提供實踐機會，并與企業、研究機構和行業協會合作，共同開展機器視覺技術的研發和應用，促進產學研合作，提升科研技術人員專業技術水平。此外，還要加強對農民和農機操作人員的培訓，提高他們對機器視覺技術的理解和應用能力。

4 結束語

機器視覺技術在農業機械中的應用和發展具有巨大的潛力和前景。通過利用圖像處理和分析技術，可以實現對作物的檢測、識別和病蟲害預警，實現農機的自動化操作和導航，以及應用于采摘和收割機器人等方面。這些應用可以提高農業生產的效率和質量，減少勞動力的浪費。但是，未來還需要進一步研究和發展更先進的算法和系統，提高機器視覺技術的穩定性、魯棒性和適應性，以應對不同的農業場景和需求。

參考文獻：

[1]王玉芯，戢敏，周黎明，等.機器視覺技術在田間農業機械中的應用[J].鄉村科技，2022，13（10）：152-154.

[2]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（03）：151-157.

[3]胡楠.基于深度學習和機器視覺的玉米種子品種識別研究[D].長春：吉林農業大學，2023.

[4]金厚熙.基于紅外熱成像技術的玉米種子活力等級分類方法研究[D].大慶：黑龍江八一農墾大學，2023.

[5]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，2021，92：101.

[6]盧柳江，匡迎春，陳蘭鑫，等.基于級聯 Ada Boost分類器的農作物蟲害圖像識別研究[J].中國農機化學報，2019，40（08）：127-131.

[7]LU L J，KUANG Y C，CHEN L X，et al.Research on pest image recognition based on cascade AdaBoost classifier[J].Journal of Chinese Agricultural Mechanization，2019，40（08）：127-131.

[8]宋杰.基于視覺-慣導融合的輪式聯合收獲機導航方法研究[D].鎮江：江蘇大學，2022.

[9]田達奇，韓建海，王欣.基于免疫模糊PID算法的農機機器視覺研究[J].農機化研究，2021，43（06）：223-226.

[10]戴峰.基于計算機視覺技術的農業機械自主導航設計[J].農機使用與維修，2023（09）：27-30.

[11]侯義鋒，錢俊，王梁，等.砂糖橘采摘機器人分揀機構設計[J].中國農機化學報，2023，44（09）：183-189.

[12]王紅軍，鄒偉銳，謝啟旋，等.基于機器視覺的香蕉果柄識別及采摘試驗研究[J].自動化與信息工程，2023，44（05）：14-21+51.

[13]何梁，薛龍，鄭建鴻，等.蓮蓬采摘點與采摘姿態計算算法[J].科學技術與工程，2023，23（16）：6845-6852.

[14]王焱清，湯旸，楊光友.面向機器人柑橘采摘的控制系統設計與試驗[J].中國農機化學報，2023，44（09）：146-153.