计算机视觉技术在农业自动化领域的应用

陈　欣

计算机视觉技术在农业自动化领域的应用

陈欣

（武汉职业技术学院湖北武汉430074）

文章从计算机视觉技术在农业自动化领域的应用出发，结合其应用难点认识，提出了优化建议。

计算机视觉技术；农业；自动化领域；应用机制

自计算机视觉技术在农业领域系统化应用以来，在农作物种类鉴别、产品质检等方面发挥了重要作用。随着目前计算机软硬件和图像处理技术的系统化发展，在农业自动化领域，充分发挥计算机视觉技术，将在大大提升农业产业生产效率的同时，推动整个农业生产过程的智能化与精细化发展。

1 应用现状

计算机视觉技术是人工智能与计算机识别技术有效融合的结果，通过图像识别、处理和分析，从而获取相关图像和自动化数据，进而模拟出识别物体的形状与视觉特点。随着计算机硬件技术、图像处理技术应用不断成熟，在农作物生长、采摘和产品质量鉴定等多个领域，都能够发挥该技术的应用优势，切实推进农业自动化。

在农业自动化田间作业方面，计算机视觉技术实现了系统化应用。为了控制农业机械在农作物之间“有效”行走，并且不破坏农作物，就需要利用计算机视觉技术来对农作物的行、列进行图像识别，从而有效判别作物之间、作物与机器之间的距离位置，进而避免出现农作物破坏的问题。在该技术应用时，通过使用摄像机对农作物的色彩、感光度进行“二值化”处理，结合色彩与感光度的数值设定，进而精准判别。在杂草农药处理方面，为了精准使用农药，避免出现“误伤”农作物的现象，就需要使用计算机视觉图像处理技术来对杂草的数量、高度和密度等进行精准判断，从而实现精准使用农药、处理杂草的目的。

在农业生产种植方面，使用计算机视觉技术能够有效监测农作物使用种子的基本情况。通过使用计算机视觉系统对农作物的图像信息进行检测，并且提取相关数据参数，形成评判模型。在农产品等级分类方面，使用该技术能够对农产品的品质状况和种类等级进行精准划分。以往农产品分等级主要依赖经验和肉眼观察，其不仅效率低下，而且分类结果极其不稳定。因此，通过使用计算机视觉技术来检测农产品的品质状况，通过对农作物的色泽、大小等信息进行提取、转化，从而形成系统化的农作物品质划分等级。在农产品加工方面，使用该技术能够最大程度的确保产品的鲜度与质量，推进农作物的标准化与规模化生产。

2 应用难点

作为一门新兴学科，将计算机视觉技术应用于农业自动化领域仍有极大发展空间，尤其在农业产业效率提升、产业化发展等方面，具有突出的应用价值。从目前具体应用状况看，受视觉理论、硬件设施等多种因素限制，在农业自动化领域未能充分发挥该技术的价值作用。当前计算机视觉技术在农业自动化领域实现了广泛应用，但是受农业图像自身复杂性、多样性等因素影响，以至于该技术应用存在一些问题，仍然有待提升。

首先，农业图像自身过于复杂，加大了视觉技术的应用难度。一方面农作物种类多样且容易出现叶片遮挡的问题，而另一方面多数农作物主要在室外环境成长，自然光照较强烈，以至于农业图像成像结果不够稳定。现阶段，多数农业自动化领域的计算机视觉技术应用研究主要在室内环境来开展，其光照条件与实际生长环境相比有着本质性区别，这就加大了图像分割与分析的难度。因此，在当前农业自动化领域应用计算机视觉技术时，要注重使用分形理论、遗传算法和神经网络等多种智能算法进行研究。

其次，农业领域缺乏专业、系统化的技术人员。将计算机视觉技术应用于农业自动化领域时，需要以农业专家为基础，尤其是计算机视觉技术的复杂性和高难度等多样性特点，使得普通农民很难对该技术予以有效操作，影响了该技术的普及、推广。因此，未来如何有效降低该技术的应用难度，扩大该技术的普及范围，就至关重要。

最后，目前该技术在图像实时处理方面存在一定难度。现阶段将该技术应用于农业领域时，更多处于一种静态视角，未能真正发挥该技术价值。尤其是识别算法对农业领域图形处理技术的计算量较大，在未来应用该技术时，如何快速、有效的识别农作物图像，就成为农业精细化、产业化发展进程中的难点与重点。

3 优化建议

目前随着计算机软硬件技术不断发展，以及集成电路板的成熟应用，目前数字图像处理领域的技术应用已经被广泛应用于农业领域，在农产品品质界定和产品分类时，通过使用该技术，既能够快速有效获取农产品的图像信息，也能有效提升农产品品质检测和分类的精准度。在农业生产过程中，计算机视觉技术的综合应用将在大大节约劳动力、降低产业发展成本的同时，推动农业产业发展升级，并向智能化方向发展。

当前农业产业化、智能化发展已经成为时代趋势，加上智能技术、设备应用机制不断成熟，将该技术应用于农业自动化领域成为必然趋势和要求。结合目前该技术在农业产业各领域的应用状况看，在技术的应用广泛性、普及度等多个角度存在不足，因此，目前农业产业发展过程中，就计算机视觉技术的实际应用需要看，要注重加大开发计算机视觉技术的辅助专家系统，扩大该技术的普及范围。

结合现阶段农业自动化领域中，计算机视觉技术应用所存在的“实验环境与实际应用”不匹配和技术研发相对落后等问题，未来在使用该技术时，要在以下方面加大研究力度。一方面，要尽可能使用更合适的图像处理与识别算法，比如使用加速鲁棒特征（Speededuprobustfeatures，SURF）的作物特征提取与图像匹配算法，从而提高了农作物生长数据参数的精准性，消除两者差异。另一方面，针对技术研发相对不足看，要注重发挥人工智能、计算机技术和机械设备等优势，提高技术的智能化水准。通过将计算机视觉技术与农作物评定标准相结合，切实提高农业自动化水平。同时也要注重加大对该领域的技术研发力度，通过培养农民掌握计算机视觉技术的操作应用水平，真正用好该技术。

4 小结

从1960年代开始，计算机视觉技术得以出现，并且不断深化，实现了该技术成熟发展。计算机视觉技术作为一种以人工智能、图像识别等领域发展起来的技术体系，将该技术应用于农业自动化领域之中，将在优化产业效率的同时，扩大产业效益。农业是我国的基础产业，也是直接关系到国家稳定的核心产业。充分发挥计算机视觉技术的应用优势，提高农业产业技术含量、扩大技术应用范围，将“助力”提升农作物产量、提高农业产业效益。

[1]邢志中,张海东,王孟,翟超男,郭小军,陈腾.基于计算机视觉和神经网络的鸡蛋新鲜度检测[J].江苏农业科学,2017(11):160-163.

[2]李成吉,张淑娟,邢书海,陈彩虹,孙海霞.计算机视觉技术在核桃壳､仁及分心木识别中的应用研究[J].山西农业大学学报(自然科学版),2018(11):20-26.

[3]刘鹏,吴瑞梅,杨普香,李文金,文建萍,童阳,胡潇,艾施荣.基于计算机视觉技术的茶叶品质随机森林感官评价方法研究[J].光谱学与光谱分析,2019(01):193-198.

[4]姚缀,吕建秋,向诚,岑俏媛,田兴国.计算机视觉在农产品外部品质检测中的应用研究[J].食品工业科技,2019(14):363-368.

智能社区云物业服务平台的设计研究，湖北省教育厅科学技术研究计划指导性项目，NO：18G167。

陈欣(1975- )，女，湖北武汉人，武汉职业技术学院计算机学院副教授，研究方向：计算机网络工程、智能楼宇与系统集成技术。

S126

C

2095-1205(2019)07-11-02

10.3969/j.issn.2095-1205.2019.07.06