農(nóng)業(yè)機器視覺的技術(shù)論文

　　機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術(shù)，下面是學習啦小編整理了農(nóng)業(yè)機械視覺技術(shù)論文，有興趣的親可以來閱讀一下!

　　農(nóng)業(yè)機械視覺技術(shù)論文篇一

　　機器視覺技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

　　摘要 介紹了機器視覺技術(shù)的基本概念、原理以及系統(tǒng)組成，討論了機器視覺技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)前、生產(chǎn)中和生產(chǎn)后的應(yīng)用狀況，并且在分析國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，針對機器視覺在現(xiàn)代農(nóng)業(yè)中的應(yīng)用提出了目前存在的問題和未來發(fā)展的方向。

　　關(guān)鍵詞 機器視覺;現(xiàn)代農(nóng)業(yè);應(yīng)用;問題;展望

　　中圖分類號 TP391.4 文獻標識碼 A 文章編號 1007-5739(2014)08-0335-01

　　Application of Machine Vision Technique in Modern Agriculture

　　WANG Wen-jing

　　(Department of Electronic Information，F(xiàn)oshan Polytechnic，F(xiàn)oshan Guangdong 528137)

　　Abstract The basic concepts，principle and system of machine vision were introduced.The application status of machine vision in modern agricultural production was discussed.Based on the analysis and research status at home and abroad，current problems and future direction of the development was proposed for machine vision applications in modern agriculture.

　　Key words machine vision;modern agricultural;application;problems;prospects

　　隨著“在工業(yè)化、城鎮(zhèn)化深入發(fā)展中同步推進農(nóng)業(yè)現(xiàn)代化”這項重要任務(wù)在“十二五”規(guī)劃中的提出，我國的農(nóng)業(yè)有了迅猛發(fā)展，農(nóng)業(yè)與自動化技術(shù)的研究和應(yīng)用得到了高度的重視，但是與國外發(fā)達國家還有一定的差距。機器視覺技術(shù)是促進農(nóng)業(yè)生產(chǎn)和管理自動化水平提高的一種高效的手段。目前，該技術(shù)在國內(nèi)外農(nóng)業(yè)領(lǐng)域的各個環(huán)節(jié)已經(jīng)有了較大突破，如種子質(zhì)量檢測、田間雜草識別、植物生長信息監(jiān)測、病蟲害監(jiān)測等。機器視覺技術(shù)不僅節(jié)約了人力、物力的消耗，而且提高了生產(chǎn)質(zhì)量和效率。

　　1 機器視覺技術(shù)的基本概念、原理以及系統(tǒng)組成

　　機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術(shù)，首先利用攝像機獲取目標的圖像，然后通過計算機算法將圖像進行數(shù)字化處理和顏色、形狀和尺寸等的測量與判別[1]。

　　機器視覺系統(tǒng)主要由光源、攝像機、采集卡和計算機構(gòu)成。攝像機通過光電傳感器將被測物光形象轉(zhuǎn)化為電信號，并且以圖像的形式記錄保存下來。圖像采集卡是連接攝像機和計算機的紐帶，主要作用是把電信號轉(zhuǎn)化為數(shù)字信號，并將數(shù)字信號傳輸?shù)接嬎銠C進行保存和處理。在實際應(yīng)用中，為了能夠獲得高亮度和高對比度的圖像，通常需要使用光源提供的燈光照明，以便圖像的獲取和處理。

　　2 機器視覺技術(shù)在現(xiàn)代化農(nóng)業(yè)中的應(yīng)用

　　2.1 在農(nóng)業(yè)生產(chǎn)前的應(yīng)用

　　進行種子質(zhì)量檢測。農(nóng)作物種子質(zhì)量的好壞對作物產(chǎn)品的優(yōu)劣與作物產(chǎn)量的高低有著直接的影響作用，在農(nóng)業(yè)生產(chǎn)過程中有著至關(guān)重要的地位。成 芳等[2]詳細介紹了機器視覺系統(tǒng)的原理和發(fā)展動態(tài)，并且從系統(tǒng)軟件、硬件和國內(nèi)外研究現(xiàn)狀等方面綜合描述了機器視覺在種子質(zhì)量檢測中的運用。陳兵旗等[3]利用機器視覺技術(shù)對水稻種子進行了精選，首先提取長寬比和面積等特征參數(shù)，并建立有關(guān)稻種類型的數(shù)據(jù)庫，進而對稻種類型進行判斷，然后通過掃描線數(shù)和掃描線上黑白像素的變化次數(shù)來判斷種子是否破裂，最后利用不同閾值提取的稻種面積差來判斷稻種是否霉變。試驗證明：該方法能對種子種類、發(fā)霉和破損情況等進行判斷，具有較高的準確率。

　　2.2 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

　　2.2.1 作物生長信息監(jiān)測。農(nóng)作物的生長調(diào)控、缺素診斷、產(chǎn)量分析與預(yù)測都是以作物生長信息為基礎(chǔ)和依據(jù)的，因此，通過機器視覺的方法對農(nóng)作物的生長信息進行監(jiān)測，成為當今機器視覺在農(nóng)業(yè)中的研究熱點之一。張云鶴等[4]設(shè)計了農(nóng)作物莖稈直徑變化測量系統(tǒng)，通過測量圖像中作物莖稈直徑像素數(shù)、圖像中參照物直徑像素數(shù)和參照物的實際直徑求取作物莖稈直徑。使用該系統(tǒng)對黃瓜莖桿進行直徑測量，絕對誤差在0.002 mm以內(nèi)。王文靜等[5]設(shè)計了一個基于機器視覺的水下鲆鰈魚類質(zhì)量估計系統(tǒng)。該系統(tǒng)利用機器視覺和圖像處理技術(shù)對不同生長發(fā)育階段的半滑舌鰨進行了檢測，提取了魚的面積、等效橢圓長寬比和圓形度因子等形狀參數(shù)，并將各參數(shù)分別與質(zhì)量進行數(shù)據(jù)擬合建立二維和三維維模型。試驗證明：該方法能夠較好地估計出生物的質(zhì)量。

　　2.2.2 病蟲害與雜草監(jiān)測。病蟲害和雜草直接危害著農(nóng)作物的生長，如果沒有得到及時的控制，會直接影響到農(nóng)作物的質(zhì)量與產(chǎn)量。因此，檢測并獲取害蟲的分布情況、位置、生長情況等對農(nóng)作物的生產(chǎn)具有巨大的意義。邱道尹等[6]設(shè)計了一個基于機器視覺的大田害蟲檢測系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)分類的方法對常見的幾類害蟲進行了分類。通過現(xiàn)場試驗證明，該方法簡單可行、識別率高。毛文華等[7]以國內(nèi)外的研究為例，系統(tǒng)、詳細地介紹了機器視覺在雜草識別中的研究和應(yīng)用情況，分析了采用植物紋理、顏色、多光譜和形狀等特征來識別雜草的理論根據(jù)以及存在的問題和難點。尹建軍等[8]利用攝像機采集標定靶圖像，根據(jù)攝像機的透視模型對圖像進行處理，求出48個靶點質(zhì)心的像素坐標，然后通過DLT最小二乘法建立攝像機隱參數(shù)矩陣。實踐證明，該方法對雜草定位的誤差在23 mm以內(nèi)，能夠滿足雜草識別與智能化噴施的需求。 　　2.2.3 營養(yǎng)脅迫診斷。在農(nóng)業(yè)生產(chǎn)管理中，由于缺素初期的作物和正常情況沒有太大差別，很難被察覺和診斷，而利用機器視覺的方法能夠比較及時、準確的判斷，進而降低損失。

　　毛罕平等[9]在作物營養(yǎng)元素虧缺的識別和自動檢測中，利用植物的葉片特征和遺傳算法進行優(yōu)化組合，挑選出能夠用在分類器設(shè)計方面的特征向量。試驗證明，利用二叉樹分類法的模糊K近鄰法對缺元素的番茄進行識別和測試，其誤差在15%以內(nèi)。張彥娥等[10]利用機器視覺技術(shù)和圖像處理技術(shù)研究了一種溫室黃瓜葉片營養(yǎng)信息檢測系統(tǒng)，通過求取葉片含水率、含氮率與含磷率分別與各個分量之間的相關(guān)性;試驗證明：該方法獲取葉片顏色分量、亮度指標等參數(shù)，能夠作為計算機視覺技術(shù)作物長勢和作物營養(yǎng)信息監(jiān)測的指標。

　　2.3 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

　　2.3.1 農(nóng)業(yè)機器人。對農(nóng)業(yè)機器人的應(yīng)用主要利用機器人技術(shù)進行視覺導(dǎo)航技術(shù)的研究，是目前比較受關(guān)注的課題之一。視覺導(dǎo)航技術(shù)的研究為農(nóng)業(yè)機器人的自動除草、施肥和施藥等工作奠定了良好的基礎(chǔ)。

　　周 俊等[11]在綜合分析農(nóng)田自然環(huán)境的基礎(chǔ)上，提出了農(nóng)業(yè)機器人視覺導(dǎo)航中多分辨率路徑識別算法，并將色彩特征分析法應(yīng)用于路徑識別中，利用小波分析變化法進行邊緣檢測，結(jié)果表明，結(jié)合導(dǎo)航系統(tǒng)期望跟蹤的路徑特點分析可以比較準確的識別路徑。安 秋等[12]通過AVR單片機的下位機來控制4個電機的速度和實現(xiàn)與上位機的串口通訊功能，提出了將線性掃描法和最小二乘法結(jié)合使用的思路，實現(xiàn)了農(nóng)業(yè)機器人的視覺導(dǎo)航算法，使機器人能夠在農(nóng)作物之間行走。

　　2.3.2 品質(zhì)分級。利用機器視覺的方法對農(nóng)作物進行分級，可以減少主觀因素的影響，并且為生產(chǎn)自動化的發(fā)展奠定了基礎(chǔ)。

　　蔣益女等[13]對蘋果質(zhì)量等級識別的機器視覺檢測技術(shù)進行了研究，對蘋果圖像進行梗蒂、缺陷識別后，提取目標區(qū)域，并求出紋理和幾何特征參數(shù)等，并通過Pearson對參數(shù)進行相關(guān)性分析和SFFS對特征進行選擇，去掉冗余的特征，最后使用KNN分類方法對蘋果進行分類。試驗結(jié)果表明，該識別方法對蘋果等級識別與人工判別結(jié)果非常接近，可以推廣到其他產(chǎn)品質(zhì)量等級檢測和識別。李江波等[14]對鮮香菇外部品質(zhì)計算機視覺檢測與分級進行了研究，首先對攝像機采集的圖像進行預(yù)處理后，獲取香菇菇蓋的圓形度、最大直徑、色調(diào)均值等特征參數(shù)對香菇進行分級。試驗證明，利用BP神經(jīng)網(wǎng)絡(luò)法對香菇進行分級的準確度為94.2%。

　　3 存在的問題及未來的展望

　　隨著機器視覺技術(shù)的發(fā)展和農(nóng)業(yè)自動化水平的提高，機器視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用研究越來越多，但是由于農(nóng)作物形狀的多樣性、周圍環(huán)境的復(fù)雜性、理論和實際的差異性等因素制約著機器視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用發(fā)展。為了解決這些問題，筆者認為應(yīng)從試驗條件、系統(tǒng)硬件和軟件設(shè)計3個方面著手。如在設(shè)置和模擬試驗條件和硬件系統(tǒng)設(shè)計時，應(yīng)多方位、全面地考慮到實際情況和國內(nèi)外先進技術(shù)，使設(shè)計更加完善。在系統(tǒng)軟件算法的開發(fā)階段，需要將機器視覺和圖像處理算法多與神經(jīng)網(wǎng)絡(luò)、人工智能等相結(jié)合使用，尋求出適用性強的新算法[15]。

　　在現(xiàn)代農(nóng)業(yè)中引入機器視覺技術(shù)，不僅可以提高農(nóng)業(yè)生產(chǎn)和發(fā)展的自動化水平，而且可以使人類從重復(fù)的勞動中解放出來，有著廣闊的發(fā)展空間和應(yīng)用前景。一方面，與人類視覺相比，機器視覺具有快速、非接觸性、無損和準確的特點，可以提高農(nóng)業(yè)生產(chǎn)效率，促進農(nóng)業(yè)生產(chǎn)和管理自動化方向和發(fā)展。另一方面，計算機、自動化控制技術(shù)、機器視覺技術(shù)的進一步發(fā)展和綜合集成，也將會為機器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用開辟新的空間。

　　4 參考文獻

　　[1] 趙曉霞.計算機視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用[J].科技情報開發(fā)與經(jīng)濟，2004，14(4)：124-125.

　　[2] 成芳，應(yīng)義斌.機器視覺技術(shù)在農(nóng)作物種子質(zhì)量檢驗中的應(yīng)用研究進展[J].農(nóng)業(yè)工程學報，2001，17(6)：175-179.

　　[3] 陳兵旗，孫旭東，韓旭，等.基于機器視覺的水稻種子精選技術(shù)[J].農(nóng)業(yè)機械學報，2010，41(7)：165-173.

　　[4] 張云鶴，喬曉軍，王成，等.基于機器視覺的作物莖稈直徑變化測量儀研發(fā)[J].農(nóng)機化研究，2011(12)：158-160.

　　[5] 王文靜，徐建瑜，呂志敏，等.基于機器視覺的水下鲆鰈魚類質(zhì)量估計[J].農(nóng)業(yè)工程學報，2012，28(16)：153-157.

　　[6] 邱道尹，張紅濤，劉新宇，等.基于機器視覺的大田害蟲檢測系統(tǒng)[J].農(nóng)業(yè)機械學報，2007，38(1)：120-122.

　　[7] 毛文華，王一鳴，張小超，等.基于機器視覺的田間雜草識別技術(shù)研究進展[J].農(nóng)業(yè)工程學報，2004，20(5)：43-46.

　　[8] 尹建軍，沈?qū)殗?，陳樹?基于機器視覺的田間雜草定位技術(shù)[J].農(nóng)業(yè)機械學報，2010，41(6)：163-166.

　　[9] 毛罕平，徐貴力，李萍萍.基于計算機視覺的番茄營養(yǎng)元素虧缺的識別[J].農(nóng)業(yè)機械學報，2003，34(2)：73-75.

　　[10] 張彥娥，李民贊，張喜杰.基于計算機視覺技術(shù)的溫室黃瓜葉片營養(yǎng)信息檢測[J].農(nóng)業(yè)工程學報，2005，21(8)：102-105.

　　[11] 周俊，姬長英.農(nóng)業(yè)機器人視覺導(dǎo)航中多分辨率路徑識別[J].農(nóng)業(yè)機械學報，2003，34(6)：120-123.

　　[12] 安秋，顧寶興，王海青.農(nóng)業(yè)機器人視覺導(dǎo)航試驗平臺[J].河南科技大學學報：自然科學版，2012，33(3)：42-45.

　　[13] 蔣益女，徐從富.基于機器視覺的蘋果質(zhì)量等級識別方法的研究[J].計算機應(yīng)用于軟件，2010，27(11)：99-101.

　　[14] 李江波，王靖宇，蘇憶楠.鮮香菇外部品質(zhì)計算機視覺檢測與分級研究[J].農(nóng)產(chǎn)品加工學刊，2010(10)：4-7.

　　[15] 薛同澤，崔博.基于計算機圖象識別技術(shù)的坯布疵點檢測研究[J].儀器技術(shù)與傳感器，2008(6)：109-112.

點擊下頁還有更多>>>農(nóng)業(yè)機械視覺技術(shù)論文