机器视觉技术及其农业应用

赵欣+王战胜+王永胜

摘要：机器视觉是一个快速发展的计算机智能技术，其主要原理是通过采集目标物信息的物理特征对目标物进行识别、分析。作为计算机技术中的重要部分，机器视觉技术现已成为促进农业发展智能化进程中的一项关鍵技术，在我国农业生产中应用越来越广泛。本文分析了机器视觉技术的原理、机器视觉技术在农业中应用以及机器视觉技术在农业中的未来发展方向。

关键词：机器视觉技术；农业应用；智能控制

中图分类号：G646 文献标志码：A 文章编号：1674-9324（2017）33-0273-02

一、机器视觉技术的原理

机器视觉技术是一项涉及人工智能、智能控制、神经网络、神经生物学及图形图像处理学等众多学科的综合技术。20世纪60年代，开始出现机器视觉的概念，我国有关机器视觉的概念从20世纪80年代起步，开始主要应用于PCB印刷、组装电路、半导体元器件制作等半导体及电子行业。

机器视觉技术通过计算机仿真模拟人类具备的视觉本能，其原理主要是利用CCD（CMOS）照相机将计算机识别到的目标进行图像信息采集，变为计算机CPU可识别的图像信号，然后传送给计算机专用的图像处理系统，根据采集目标的像素分布及物体颜色、亮度分布等，将目标物的物理信息转变为二进制数字信号。之后计算机处理系统识别、提取计算机图像处理系统的数字化信号，根据信号特点及之前设定输出目标物的颜色、亮度、位置等物理特征。

二、机器视觉技术在农业中应用

机器视觉技术应用于农业生产主要以农业型机器人为载体。国家“十二五规划”提出要全面推进我国农业生产现代化进程。随着计算机图形图像处理及智能制技术的发展，机器视觉技术逐渐渗透到农业生活的方方面面。通过分析机器视觉技术在我国农业生产中的应用实例可发现机器视觉技术的研究应用主要集中在获取目标物图像信息、图像处理与算法识别、智能视觉定位导航及机器视觉系统集成等方面。

（一）获取目标物图像方法研究

机器视觉技术的基本就是获取目标物图像信息，获取的图像信息直接会影响到机器视觉技术的判断精度，并且采集图像的像素直接影响到机器的处理速度。由于农业生产环境复杂多变且采集的目标物差异较大，因此机器视觉技术获取目标物图像信息的方法需要根据目标物及所需信息的变化而有所不同。目前对农产品信息采集的方法主要为采用CCD（CMOS）照相机或摄像机拍摄，并结合红外光谱信息或高光谱信息进行目标物信息的采集，用来进行下一步的分析处理。利用机器视觉技术及近红外光谱的有效结合可实现对土壤含水率的快速检测，并能对不同地区的土壤进行成分分析，从而为不同农作物选择更适合自身的生存环境。

（二）图像处理与算法识别

机器视觉技术在农业自然场景中进行农作物信息提取时，由于环境光照的变化以及农作物在颜色、位置、形状上等差异导致机器视觉识别、特征提取带来了不小的障碍，机器视觉技术能否于农业生产中高效率、高准确率地提取到目标物的特征直接导致机器视觉系统的可靠性。因此，机器视觉系统的精确图像处理与算法识别是机器视觉应用于农业生产的关键一步。有学者提出基于加速鲁棒特征（Speeded up robust features，SURF）的绿色作物特征提取与图像匹配算法，这种算法为精确获取自然环境下农作物的各项生长参数提供了很大的参考价值。

（三）智能视觉定位导航

智能视觉定位导航是系统可自动采集农业生产自然环境特征，以此分析出机器人行走路径所需的参数，从而控制智能机器人的导航路径。基于机器视觉的智能视觉定位导航算法是机器视觉导航定位系统的核心，决定着导航定位的精准性。

三、机器视觉技术在农业上发展前景

根据机器视觉技术的发展现状以及在农业中所发挥的作用，我们可以将机器视觉技术在农业中的未来发展分为以下几个方向：

（一）研究图像处理技术相关硬件的研发

主机的运行速度是一定的，一旦有大量的图像信息都需要主机来进行处理，势必会影响主机的处理速度。为了加快图像信息的处理速度，需要应用一种可以帮助主机进行图像处理的硬件，图像处理采集卡正是为了解决这个问题研发而成。图像处理采集卡不但能够将图像进行数字化转化，还能够将数字化的图像信息分门别类，可以像主机一样对图像信息进行分析处理，大大提高了图像信息的处理速度。

（二）大力推广神经网络技术在农业中的应用

神经网络技术在农业中的应用主要是用于处理机器人通过视觉系统探测到的图像，可以根据周围环境的特征进行识别，同时能够快速实现内部坐标与全局坐标的转换。因此，神经网络技术应用于农业的优势在于提高机器人的智能开发程度，使得农业型机器人能够更快地适应多变的周边环境。

（三）研究出更为新型的图像处理技术

由于农田所处的环境复杂多变，严重影响到农业型机器人对图像的采集与处理，为了提高机器人对图像信息的处理效率，必须研究出一种更为高效的图像处理技术。在图像处理与识别分析方面，算法是否快速是目前需要解决的重要难点，此外，算法的有效程度也是目前解决图像处理技术不成熟的关键。

（四）三维成像的开发及应用

目前的机器视觉二维图像采集方法会导致机器视觉技术判断不精确，三维成像技术的原理类似于人眼，将机器人打造成超智能机器人，机器视觉技术与智能控制等技术的有效结合，从而使农业机器人更加智能化的完成农产品的管理、采摘、分类及包装等日常农业活动。

四、结语

随着机器视觉技术的日益成熟，机器视觉技术在农业生产中的应用会越来越广泛。提高机器视觉检测技术的可靠性以及算法的鲁棒性和实时性是未来机器视觉技术的主要研究方向。机器视觉技术可在农业生长过程中节省人力物力，大大提高工作效率，因此，机器视觉技术将在我国农业现代化进程中发挥不可替代的作用。

參考文献：

[1]胥磊.机器视觉技术的发展现状与展望[J].设备管理与维修，2016，（09）：7-9.

[2]安爱琴，聂永芳，王宏强.机器视觉技术在农业工程中的应用[J].安徽农业科学，2007，（07）：1908+1910.

[3]张志斌，赵帅领，罗锡文，魏凤岐.基于SURF算法的绿色作物特征提取与图像匹配方法[J].农业工程学报，2015，（14）：172-178.

[4]王风云，郑纪业，唐研，刘延忠，李乔宇，穆元杰，王磊.机器视觉在我国农业中的应用研究进展分析[J].山东农业科学，2016，（04）：139-144.

[5]李永奎，刘冬.计算机视觉技术在农业生产中的应用[J].农业科技与装备，2011，（06）.

[6]唐向阳，张勇，李江有，黄岗，杨松，关宏.机器视觉关键技术的现状及应用展望[J].昆明理工大学学报（理工版），2004，（02）.

[7]刁智华，王会丹，魏伟.机器视觉在农业生产中的应用研究[J].农机化研究，2014，（03）：206-211.

Machine Vision Technology and Its Application in Agriculture

ZHAO Xin1，WANG Zhan-sheng2，WANG Yong-sheng3

（1.Henan Institute of Science and Technology，Xinxiang，Henan 453003，China；

2. State Grid Xinxiang Power Supply Company，Xinxiang，Henan 453003，China；

3.Henan University of Science and Technology，Luoyang，Henan 471000，China）

Abstract：Machine vision is a rapid development of computer intelligence technology，its main principle is to collect the object information of the physical characteristics of the target object identification and analysis.As an important part of computer technology，machine vision technology has become one of the key technologies to promote the development of Agriculture，which is more and more widely used in China's agricultural production. This paper analyzes the principle of machine vision technology，the application of machine vision technology in agriculture and the future development direction of machine vision technology in agriculture.

Key words：machine vision technology；agricultural application；intelligent control