机器视觉在农业生产中的运用与技术

赵世达 马力

摘要 文章主要以机器视觉在农业生产中的运用为中心，首先分析了机器视觉技术，其次从水果自动分选、种子品质检测、农田机械作业应用、植物生长检测中的运用、动物生产中的运用等方面的应用进行了技术分析，主要目的在于提高机器视觉在农业生产中的应用质量，促进农业现代化发展。

【關键词】机器视觉 农业生产 技术分析

农业生产与科学研究正在如火如荼的进行，机器视觉积极应用到农业生产中，辅助农业生产提高农牧业的生产便捷度和准确度，这在“精准农业”中格外重要，比如果实的成熟度、种子的品质检测或者病虫害的监测等。改善传统人工辨别的方式，提高了辨别的准确度。机器视觉技术的应用，很大程度上提升农业生产的效率，为农业生产实现现代化与智能化提供更多支持，促进了我国农业现代化的发展。

1 机器视觉技术浅析

机器视觉技术的兴起主要是科学迅速发展背景的影响，利用机器代替人工对农业生产进行测量以及辨别，机器视觉技术包含光学装置以及非接触传感器装置，能够自动获取目标信息，绘制成目标图像之后，利用图像处理装置结合像素分布、颜色辨别以及亮度区分等，依靠合适算法，进行准确运算以及判别，提取需要的关键性特征信息，准确分析结果，对现场设备严格控制。机器视觉系统中包含的图像处理技术，以计算机为载体，因此机器视觉也被称之为计算机视觉。

2 农业生产中机器视觉技术的应用

农业生产中的机器视觉技术，主要利用图像处理算法思想，如霍夫变换以直线检测为例，其中的像素坐标点经统一变化，转换为直线特质的度量。如一条直线中，图像呈现的是一些列离散的集合，利用直线离散极坐标公式对其展开计算。x*cos（theta）+y *sin（theta）=r，公式中theta代表角度，为r与x轴的夹角，直线几何垂直距离为r。结合离散点几何等式在不同的直线上都能进行x、y表达，且离散点与角度都属于常量。呈现出固定图像之后，观察图像的变化，图像的像素坐标属于己知，绘制r， theta值，根据像素坐标P（x，y）值从图像笛卡尔坐标系统转换到空间域极坐标霍夫空间，这种从点到曲线的变换称为直线霍夫变换。

2.1 水果自动分选

水果是农业生产中的重要种类。随着生活品质的提升，人们对水果品质的要求也愈加严格。在这种背景下要求水果生产处理技术必须提高，经销企业需要对水果进行科学处理，如对水果颜色、大小、新鲜程度、形状等分级，提升水果的商品价值，还能够促进水果销售。应用机器视觉技术，建立水果表面图库，进行图像处理，提取水果的尺寸与颜色等特征，制定分配表格，根据表格标准对水果进行自动分级。如成熟度分级，机器视觉技术主要选择形心坐标方法。章文英、应义斌等针对水果最大横径从视觉观察与实际表面横径进行系数分析，具体系数为0.96。苹果最小外接矩形尺寸分别为横径、纵径，利用参数比指标分析出最理想的结果;华中农业大学王巧华等基于机器视觉技术研究了鸡蛋图像特征与品质之间的关系。

2.2 种子品质检测

种子品质检测与分类是机器视觉技术在农业生产中的重要应用。首先是从检测原理方面进行分析。首先对种子图像进行采集，提取种植尺寸、形状、颜色等特征参数，分辨种子品种，识别种子中存在的裂纹、发霉等现象。科学确定种子纯度以及基于深度学习准确估算种子的发芽能力。首先加载图片，将种植机理呈现出来，

Mat src= imread（filename， 0）;

if（src.empty（》

{

help（）;

cout<<”can not open”<

retum-1：

）

其次根据Canny算子对图像进行边缘检测，Canny（sre，dst，50，200，3）;变换标准霍夫线，执行变换如下：

vector lines;

HoughLines（dst， lines，1， CV_PI/180， 100，O，0）;

自变量dst（为边缘检测的输出图像），图像为灰度图Lines（存储检测参数）、theta（参数极角0），种子分辨中主要使用1度（即CV_ PL/180）。

与此同时机器视觉技术还能够检测粮食品质，准确检测大米中的垩白粒率、粒型、垩白度等判断大米质量。其次是种子精选自动化分级系统分析，在种子快速运动的状态下，获取群体图像，基于机器视觉算法，提取种子相关特征信息，并将种子划分为四个级别，自动区别，根据该技术实际应用相关调查分析发现，种子分级合格率高达85%。该技术系统处理速度非常快，能够达到15粒/秒。

2.3 农业机械化应用

农业机械化应用中，将机器视觉技术应用到农田机械中，改善传统人工识别的缺陷，提高机械识别效率。如基于红外光谱苹果采摘机器人的产生，草莓成熟度分级系统的应用。较传统机械能够精确判断农作物所在空间位置与质量，提高采摘效率，保证生产效益。促进我国农业现代化发展。

2.4 植物生长检测中的运用

对植物生长状况进行科学精确的自动化监测是在进行植物生长控制中的基础。植物的实际生长、营养吸收情况可利用自身的叶片形态、表面颜色等特点进行判别。其中计算机视觉技术与人们肉眼观察相比较，可较好的识别出植物生长期间营养物质缺失的细微变化，能够为工作人员提供及时与准确的营养缺失信息与种类，并在一定程度上为植物的灌溉与营养物质及时供给提供了良好的条件。

3 结束语

综上所述，现代化农业发展步伐不断加快，农业生产技术创新迫在眉睫，积极引入利用机器视觉技术，准确辨别农产品种类与品质，提升农业生产技术，为农业生产的可持续发展提供更多技术支持，保证农业生产的高效与可靠性，为我国农业现代化进程创造坚实而又可靠的基础。

参考文献

[1]胡丹丹，殷欢，基于机器视觉的玉米收获机器人路径识别[J]，农机化研究，2017，39 （12）：190-194.

[2]赵欣，王战胜，王永胜，机器视觉技术及其农业应用[J].教育教学论坛，2017（33）：273-274.

[3]刘亚丽，李怡.机器视觉技术在农业工程中的应用[J].电脑知识与技术，2017，13 （23）：149-150+169.