農(nóng)業(yè)機(jī)器視覺(jué)的技術(shù)論文

　　機(jī)器視覺(jué)也稱(chēng)之為計(jì)算機(jī)視覺(jué)，是一種利用機(jī)器代替人眼進(jìn)行觀察、測(cè)量與判斷的技術(shù)，下面是學(xué)習(xí)啦小編整理了農(nóng)業(yè)機(jī)械視覺(jué)技術(shù)論文，有興趣的親可以來(lái)閱讀一下!

　　農(nóng)業(yè)機(jī)械視覺(jué)技術(shù)論文篇一

　　機(jī)器視覺(jué)技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

　　摘要 介紹了機(jī)器視覺(jué)技術(shù)的基本概念、原理以及系統(tǒng)組成，討論了機(jī)器視覺(jué)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(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，針對(duì)機(jī)器視覺(jué)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用提出了目前存在的問(wèn)題和未來(lái)發(fā)展的方向。

　　關(guān)鍵詞 機(jī)器視覺(jué);現(xiàn)代農(nóng)業(yè);應(yīng)用;問(wèn)題;展望

　　中圖分類(lèi)號(hào) TP391.4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 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(jìn)農(nóng)業(yè)現(xiàn)代化”這項(xiàng)重要任務(wù)在“十二五”規(guī)劃中的提出，我國(guó)的農(nóng)業(yè)有了迅猛發(fā)展，農(nóng)業(yè)與自動(dòng)化技術(shù)的研究和應(yīng)用得到了高度的重視，但是與國(guó)外發(fā)達(dá)國(guó)家還有一定的差距。機(jī)器視覺(jué)技術(shù)是促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化水平提高的一種高效的手段。目前，該技術(shù)在國(guó)內(nèi)外農(nóng)業(yè)領(lǐng)域的各個(gè)環(huán)節(jié)已經(jīng)有了較大突破，如種子質(zhì)量檢測(cè)、田間雜草識(shí)別、植物生長(zhǎng)信息監(jiān)測(cè)、病蟲(chóng)害監(jiān)測(cè)等。機(jī)器視覺(jué)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(jī)器視覺(jué)技術(shù)的基本概念、原理以及系統(tǒng)組成

　　機(jī)器視覺(jué)也稱(chēng)之為計(jì)算機(jī)視覺(jué)，是一種利用機(jī)器代替人眼進(jìn)行觀察、測(cè)量與判斷的技術(shù)，首先利用攝像機(jī)獲取目標(biāo)的圖像，然后通過(guò)計(jì)算機(jī)算法將圖像進(jìn)行數(shù)字化處理和顏色、形狀和尺寸等的測(cè)量與判別[1]。

　　機(jī)器視覺(jué)系統(tǒng)主要由光源、攝像機(jī)、采集卡和計(jì)算機(jī)構(gòu)成。攝像機(jī)通過(guò)光電傳感器將被測(cè)物光形象轉(zhuǎn)化為電信號(hào)，并且以圖像的形式記錄保存下來(lái)。圖像采集卡是連接攝像機(jī)和計(jì)算機(jī)的紐帶，主要作用是把電信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，并將數(shù)字信號(hào)傳輸?shù)接?jì)算機(jī)進(jìn)行保存和處理。在實(shí)際應(yīng)用中，為了能夠獲得高亮度和高對(duì)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(jī)器視覺(jué)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(jìn)行種子質(zhì)量檢測(cè)。農(nóng)作物種子質(zhì)量的好壞對(duì)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(guò)程中有著至關(guān)重要的地位。成 芳等[2]詳細(xì)介紹了機(jī)器視覺(jué)系統(tǒng)的原理和發(fā)展動(dòng)態(tài)，并且從系統(tǒng)軟件、硬件和國(guó)內(nèi)外研究現(xiàn)狀等方面綜合描述了機(jī)器視覺(jué)在種子質(zhì)量檢測(cè)中的運(yùn)用。陳兵旗等[3]利用機(jī)器視覺(jué)技術(shù)對(duì)水稻種子進(jìn)行了精選，首先提取長(zhǎng)寬比和面積等特征參數(shù)，并建立有關(guān)稻種類(lèi)型的數(shù)據(jù)庫(kù)，進(jìn)而對(duì)稻種類(lèi)型進(jìn)行判斷，然后通過(guò)掃描線數(shù)和掃描線上黑白像素的變化次數(shù)來(lái)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(lái)判斷稻種是否霉變。試驗(yàn)證明：該方法能對(duì)種子種類(lèi)、發(fā)霉和破損情況等進(jìn)行判斷，具有較高的準(zhǔn)確率。

　　2.2 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

　　2.2.1 作物生長(zhǎng)信息監(jiān)測(cè)。農(nóng)作物的生長(zhǎng)調(diào)控、缺素診斷、產(chǎn)量分析與預(yù)測(cè)都是以作物生長(zhǎng)信息為基礎(chǔ)和依據(jù)的，因此，通過(guò)機(jī)器視覺(jué)的方法對(duì)農(nóng)作物的生長(zhǎng)信息進(jìn)行監(jiān)測(cè)，成為當(dāng)今機(jī)器視覺(jué)在農(nóng)業(yè)中的研究熱點(diǎn)之一。張?jiān)弃Q等[4]設(shè)計(jì)了農(nóng)作物莖稈直徑變化測(cè)量系統(tǒng)，通過(guò)測(cè)量圖像中作物莖稈直徑像素?cái)?shù)、圖像中參照物直徑像素?cái)?shù)和參照物的實(shí)際直徑求取作物莖稈直徑。使用該系統(tǒng)對(duì)黃瓜莖桿進(jìn)行直徑測(cè)量，絕對(duì)誤差在0.002 mm以?xún)?nèi)。王文靜等[5]設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的水下鲆鰈魚(yú)類(lèi)質(zhì)量估計(jì)系統(tǒng)。該系統(tǒng)利用機(jī)器視覺(jué)和圖像處理技術(shù)對(duì)不同生長(zhǎng)發(fā)育階段的半滑舌鰨進(jìn)行了檢測(cè)，提取了魚(yú)的面積、等效橢圓長(zhǎng)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(jìn)行數(shù)據(jù)擬合建立二維和三維維模型。試驗(yàn)證明：該方法能夠較好地估計(jì)出生物的質(zhì)量。

　　2.2.2 病蟲(chóng)害與雜草監(jiān)測(cè)。病蟲(chóng)害和雜草直接危害著農(nóng)作物的生長(zhǎng)，如果沒(méi)有得到及時(shí)的控制，會(huì)直接影響到農(nóng)作物的質(zhì)量與產(chǎn)量。因此，檢測(cè)并獲取害蟲(chóng)的分布情況、位置、生長(zhǎng)情況等對(duì)農(nóng)作物的生產(chǎn)具有巨大的意義。邱道尹等[6]設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)分類(lèi)的方法對(duì)常見(jiàn)的幾類(lèi)害蟲(chóng)進(jìn)行了分類(lèi)。通過(guò)現(xiàn)場(chǎng)試驗(yàn)證明，該方法簡(jiǎn)單可行、識(shí)別率高。毛文華等[7]以國(guó)內(nèi)外的研究為例，系統(tǒng)、詳細(xì)地介紹了機(jī)器視覺(jué)在雜草識(shí)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(lái)識(shí)別雜草的理論根據(jù)以及存在的問(wèn)題和難點(diǎn)。尹建軍等[8]利用攝像機(jī)采集標(biāo)定靶圖像，根據(jù)攝像機(jī)的透視模型對(duì)圖像進(jìn)行處理，求出48個(gè)靶點(diǎn)質(zhì)心的像素坐標(biāo)，然后通過(guò)DLT最小二乘法建立攝像機(jī)隱參數(shù)矩陣。實(shí)踐證明，該方法對(duì)雜草定位的誤差在23 mm以?xún)?nèi)，能夠滿(mǎn)足雜草識(shí)別與智能化噴施的需求。 　　2.2.3 營(yíng)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(méi)有太大差別，很難被察覺(jué)和診斷，而利用機(jī)器視覺(jué)的方法能夠比較及時(shí)、準(zhǔn)確的判斷，進(jìn)而降低損失。

　　毛罕平等[9]在作物營(yíng)養(yǎng)元素虧缺的識(shí)別和自動(dòng)檢測(cè)中，利用植物的葉片特征和遺傳算法進(jìn)行優(yōu)化組合，挑選出能夠用在分類(lèi)器設(shè)計(jì)方面的特征向量。試驗(yàn)證明，利用二叉樹(shù)分類(lèi)法的模糊K近鄰法對(duì)缺元素的番茄進(jìn)行識(shí)別和測(cè)試，其誤差在15%以?xún)?nèi)。張彥娥等[10]利用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)研究了一種溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)系統(tǒng)，通過(guò)求取葉片含水率、含氮率與含磷率分別與各個(gè)分量之間的相關(guān)性;試驗(yàn)證明：該方法獲取葉片顏色分量、亮度指標(biāo)等參數(shù)，能夠作為計(jì)算機(jī)視覺(jué)技術(shù)作物長(zhǎng)勢(shì)和作物營(yíng)養(yǎng)信息監(jiān)測(cè)的指標(biāo)。

　　2.3 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用

　　2.3.1 農(nóng)業(yè)機(jī)器人。對(duì)農(nóng)業(yè)機(jī)器人的應(yīng)用主要利用機(jī)器人技術(shù)進(jìn)行視覺(jué)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(jué)導(dǎo)航技術(shù)的研究為農(nóng)業(yè)機(jī)器人的自動(dòng)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(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別算法，并將色彩特征分析法應(yīng)用于路徑識(shí)別中，利用小波分析變化法進(jìn)行邊緣檢測(cè)，結(jié)果表明，結(jié)合導(dǎo)航系統(tǒng)期望跟蹤的路徑特點(diǎn)分析可以比較準(zhǔn)確的識(shí)別路徑。安 秋等[12]通過(guò)AVR單片機(jī)的下位機(jī)來(lái)控制4個(gè)電機(jī)的速度和實(shí)現(xiàn)與上位機(jī)的串口通訊功能，提出了將線性?huà)呙璺ê妥钚《朔ńY(jié)合使用的思路，實(shí)現(xiàn)了農(nóng)業(yè)機(jī)器人的視覺(jué)導(dǎo)航算法，使機(jī)器人能夠在農(nóng)作物之間行走。

　　2.3.2 品質(zhì)分級(jí)。利用機(jī)器視覺(jué)的方法對(duì)農(nóng)作物進(jìn)行分級(jí)，可以減少主觀因素的影響，并且為生產(chǎn)自動(dòng)化的發(fā)展奠定了基礎(chǔ)。

　　蔣益女等[13]對(duì)蘋(píng)果質(zhì)量等級(jí)識(shí)別的機(jī)器視覺(jué)檢測(cè)技術(shù)進(jìn)行了研究，對(duì)蘋(píng)果圖像進(jìn)行梗蒂、缺陷識(shí)別后，提取目標(biāo)區(qū)域，并求出紋理和幾何特征參數(shù)等，并通過(guò)Pearson對(duì)參數(shù)進(jìn)行相關(guān)性分析和SFFS對(duì)特征進(jìn)行選擇，去掉冗余的特征，最后使用KNN分類(lèi)方法對(duì)蘋(píng)果進(jìn)行分類(lèi)。試驗(yàn)結(jié)果表明，該識(shí)別方法對(duì)蘋(píng)果等級(jí)識(shí)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(jí)檢測(cè)和識(shí)別。李江波等[14]對(duì)鮮香菇外部品質(zhì)計(jì)算機(jī)視覺(jué)檢測(cè)與分級(jí)進(jìn)行了研究，首先對(duì)攝像機(jī)采集的圖像進(jìn)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(duì)香菇進(jìn)行分級(jí)。試驗(yàn)證明，利用BP神經(jīng)網(wǎng)絡(luò)法對(duì)香菇進(jìn)行分級(jí)的準(zhǔn)確度為94.2%。

　　3 存在的問(wèn)題及未來(lái)的展望

　　隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和農(nóng)業(yè)自動(dòng)化水平的提高，機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用研究越來(lái)越多，但是由于農(nóng)作物形狀的多樣性、周?chē)h(huán)境的復(fù)雜性、理論和實(shí)際的差異性等因素制約著機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用發(fā)展。為了解決這些問(wèn)題，筆者認(rèn)為應(yīng)從試驗(yàn)條件、系統(tǒng)硬件和軟件設(shè)計(jì)3個(gè)方面著手。如在設(shè)置和模擬試驗(yàn)條件和硬件系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)多方位、全面地考慮到實(shí)際情況和國(guó)內(nèi)外先進(jìn)技術(shù)，使設(shè)計(jì)更加完善。在系統(tǒng)軟件算法的開(kāi)發(fā)階段，需要將機(jī)器視覺(jué)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(qiáng)的新算法[15]。

　　在現(xiàn)代農(nóng)業(yè)中引入機(jī)器視覺(jué)技術(shù)，不僅可以提高農(nóng)業(yè)生產(chǎn)和發(fā)展的自動(dòng)化水平，而且可以使人類(lèi)從重復(fù)的勞動(dòng)中解放出來(lái)，有著廣闊的發(fā)展空間和應(yīng)用前景。一方面，與人類(lèi)視覺(jué)相比，機(jī)器視覺(jué)具有快速、非接觸性、無(wú)損和準(zhǔn)確的特點(diǎn)，可以提高農(nóng)業(yè)生產(chǎn)效率，促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化方向和發(fā)展。另一方面，計(jì)算機(jī)、自動(dòng)化控制技術(shù)、機(jī)器視覺(jué)技術(shù)的進(jìn)一步發(fā)展和綜合集成，也將會(huì)為機(jī)器視覺(jué)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用開(kāi)辟新的空間。

　　4 參考文獻(xiàn)

　　[1] 趙曉霞.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004，14(4)：124-125.

　　[2] 成芳，應(yīng)義斌.機(jī)器視覺(jué)技術(shù)在農(nóng)作物種子質(zhì)量檢驗(yàn)中的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2001，17(6)：175-179.

　　[3] 陳兵旗，孫旭東，韓旭，等.基于機(jī)器視覺(jué)的水稻種子精選技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(7)：165-173.

　　[4] 張?jiān)弃Q，喬曉軍，王成，等.基于機(jī)器視覺(jué)的作物莖稈直徑變化測(cè)量?jī)x研發(fā)[J].農(nóng)機(jī)化研究，2011(12)：158-160.

　　[5] 王文靜，徐建瑜，呂志敏，等.基于機(jī)器視覺(jué)的水下鲆鰈魚(yú)類(lèi)質(zhì)量估計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28(16)：153-157.

　　[6] 邱道尹，張紅濤，劉新宇，等.基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(1)：120-122.

　　[7] 毛文華，王一鳴，張小超，等.基于機(jī)器視覺(jué)的田間雜草識(shí)別技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20(5)：43-46.

　　[8] 尹建軍，沈?qū)殗?guó)，陳樹(shù)人.基于機(jī)器視覺(jué)的田間雜草定位技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(6)：163-166.

　　[9] 毛罕平，徐貴力，李萍萍.基于計(jì)算機(jī)視覺(jué)的番茄營(yíng)養(yǎng)元素虧缺的識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(2)：73-75.

　　[10] 張彥娥，李民贊，張喜杰.基于計(jì)算機(jī)視覺(jué)技術(shù)的溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21(8)：102-105.

　　[11] 周俊，姬長(zhǎng)英.農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(6)：120-123.

　　[12] 安秋，顧寶興，王海青.農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航試驗(yàn)平臺(tái)[J].河南科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，33(3)：42-45.

　　[13] 蔣益女，徐從富.基于機(jī)器視覺(jué)的蘋(píng)果質(zhì)量等級(jí)識(shí)別方法的研究[J].計(jì)算機(jī)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(jì)算機(jī)視覺(jué)檢測(cè)與分級(jí)研究[J].農(nóng)產(chǎn)品加工學(xué)刊，2010(10)：4-7.

　　[15] 薛同澤，崔博.基于計(jì)算機(jī)圖象識(shí)別技術(shù)的坯布疵點(diǎn)檢測(cè)研究[J].儀器技術(shù)與傳感器，2008(6)：109-112.

點(diǎn)擊下頁(yè)還有更多>>>農(nóng)業(yè)機(jī)械視覺(jué)技術(shù)論文