王春軍

摘要：機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中應(yīng)用較廣泛，在農(nóng)產(chǎn)品質(zhì)量分級、檢測、農(nóng)田病蟲草害控制、農(nóng)業(yè)自動采摘系統(tǒng)、農(nóng)作物生長過程檢測以及農(nóng)業(yè)機(jī)械導(dǎo)航等方面均有突破。

關(guān)鍵詞：機(jī)器視覺;質(zhì)量分級;自動采摘

機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中應(yīng)用較廣泛，在農(nóng)產(chǎn)品質(zhì)量分級、檢測、農(nóng)田病蟲草害控制、農(nóng)業(yè)自動采摘系統(tǒng)、農(nóng)作物生長過程檢測以及農(nóng)業(yè)機(jī)械導(dǎo)航等方面均有突破。雖然機(jī)器視覺技術(shù)具有在農(nóng)作物或農(nóng)產(chǎn)品等識別方面比人眼更客觀、更標(biāo)準(zhǔn)的特點，但是由于農(nóng)田環(huán)境的復(fù)雜多變性以及非結(jié)構(gòu)化特性，使得機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用還不成熟。

一、機(jī)器視覺在農(nóng)產(chǎn)品質(zhì)量分級及檢測中的應(yīng)用

對農(nóng)產(chǎn)品進(jìn)行質(zhì)量分級可以確定農(nóng)產(chǎn)品品質(zhì)，提高農(nóng)產(chǎn)品商品價值。而人工分選耗時一耗力，且分選精度不高;運用機(jī)器視覺技術(shù)，對農(nóng)產(chǎn)品圖像進(jìn)行處理，根據(jù)預(yù)先設(shè)定的分級標(biāo)準(zhǔn)完成自動分級，不僅能夠達(dá)到較好的分級和檢測效果，還具有較高的處理效率。

相對而言，在農(nóng)產(chǎn)品分選機(jī)械中的應(yīng)用是機(jī)器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中應(yīng)用比較成熟的領(lǐng)域;然而，在實際應(yīng)用中，許多產(chǎn)品的質(zhì)量標(biāo)準(zhǔn)不只是由外部特征決定的。因此，后續(xù)的研究需要考慮多種特征對于產(chǎn)品分級和檢測的影響，并將內(nèi)部參數(shù)和信息作為典型特征考慮。

二、機(jī)器視覺在農(nóng)業(yè)自動采摘系統(tǒng)中的應(yīng)用

果蔬采摘是農(nóng)業(yè)生產(chǎn)鏈中最耗時一耗力的一個環(huán)節(jié)。農(nóng)業(yè)機(jī)器人在解決勞動力不足、降低采摘成本、提高勞動生產(chǎn)率、保證果蔬適時一采收等方面具有很大潛力。然而，由于作業(yè)環(huán)境復(fù)雜多變，對視覺辨別能力要求高，目前的機(jī)器視覺定位蔬果己由最初的單目視覺發(fā)展到雙目視覺甚至多目視覺，以實現(xiàn)對蔬果在三維空間的精確定位。

目前，對于機(jī)器視覺在農(nóng)業(yè)自動采摘方面的研究取得了一定進(jìn)展，特別是國外在農(nóng)產(chǎn)品收獲中的應(yīng)用研究成果比較成熟。國內(nèi)起步較晚，但近年來也成為一個較熱門的研究方向，在借鑒國外技術(shù)的基礎(chǔ)上也有了一定的發(fā)展。目前，基于機(jī)器視覺的自動采摘機(jī)器人對于“色覺”信號明顯的蔬果（如蘋果、番茄、草驀等）可以很好地辨別，但是由于蔬果生長位置和方向的隨機(jī)性，定位采摘點比較困難。對于顏色與背景相近的蔬果，紋理和形狀能更好地表征目標(biāo)。因此，結(jié)合多種特征提取有效參數(shù)組合能更好地適應(yīng)環(huán)境復(fù)雜性，有效辨認(rèn)成熟果實。

三、機(jī)器視覺在農(nóng)作物生長過程檢測中的應(yīng)用

作物生長信息主要是用來提供作物生長狀況的相關(guān)信息，例如水分、溫度、營養(yǎng)狀況等，能夠為現(xiàn)代化的精細(xì)農(nóng)業(yè)提供信息支持。機(jī)器視覺對作物生長信息的檢測主要是及時一采集作物圖像，通過圖像處理提取作物營養(yǎng)狀況信息，能夠為判斷作物生長狀況提供決策支持。

目前，機(jī)器視覺在作物生長過程檢測中的應(yīng)用研究主要集中在葉片面積和顏色、植株高度、葉片形態(tài)和作物營養(yǎng)信息檢測等方面，并取得了一定的研究進(jìn)展。早在1996年，Ahmad I. S.等就利用機(jī)器視覺技術(shù)，通過對玉米圖像色彩信息的提取和研究發(fā)現(xiàn)RGB值能很好地反應(yīng)作物干旱和缺肥的癥狀，及時一為灌溉和施肥提供可靠依據(jù)。作物生長是一個較為復(fù)雜的動態(tài)過程，由于環(huán)境不穩(wěn)定，對其進(jìn)行實時一檢測的設(shè)備要求較高。目前，無損檢測基于顏色和外形特征的檢測比較多，但是算法的通用性不強(qiáng)且精度不高。

四、機(jī)器視覺在農(nóng)業(yè)機(jī)械導(dǎo)航中的應(yīng)用

隨著農(nóng)業(yè)機(jī)械化、智能化的發(fā)展，自動導(dǎo)航系統(tǒng)己成為農(nóng)田機(jī)械設(shè)施的重要組成部分，在自動化收割、噴施農(nóng)藥等方面己有應(yīng)用。機(jī)器視覺是導(dǎo)航系統(tǒng)中的關(guān)鍵技術(shù)部分，通過實時一監(jiān)測、圖像處理等來為導(dǎo)航、定位提供必要信息。

在運用機(jī)器視覺導(dǎo)航的研究方面，國外學(xué)者一起步較早，國內(nèi)令家學(xué)者一對于視覺導(dǎo)航的研究也做出了許多努力，取得了不少研究成果。1996年，Torii等人提出了基于機(jī)器視覺的智能農(nóng)藥噴灑裝置，通過對目標(biāo)圖像在HSI空間的分析，用最小二乘法提取導(dǎo)航路徑，該裝置易受缺行和雜草干擾。美國佛羅里達(dá)大學(xué)Vijay Subramanian等人（2006）提出了一種基于機(jī)器視覺與激光雷達(dá)結(jié)合的柑橘園車輛自動導(dǎo)航方法，結(jié)合激光器的DGPS導(dǎo)航克服了果園樹冠遮擋GPS信號致使導(dǎo)航錯誤的缺點。用干草堆替代的場景實驗表明，大田環(huán)境下的導(dǎo)航效果在車輛速度低于3. lm/s的情況下可以滿足要求。楊慶華等（2009）針對復(fù)雜的農(nóng)林環(huán)境提出了不同的導(dǎo)航路徑算法，針對矮小作物群的農(nóng)田環(huán)境，采用限定區(qū)域的Hough變換方法，在直線檢測前限定區(qū)域，利用簡化向量T（e>的Hough變換批量處理類似農(nóng)田場景;對于高大樹木的林地環(huán)境，用Hough變換檢測，依據(jù)樹干與地面的交點確定機(jī)器人行走的左右邊界，求兩邊界的中點，對這些中點進(jìn)行Hough變換，生成導(dǎo)航路徑。陳來榮等（2010）提出了基于梯度的隨機(jī)Hough變換，能更好地適應(yīng)密度分布不均的作物行，在缺行等情況下也能提供較準(zhǔn)確的導(dǎo)航信息。Jinlin Xue } Tony E. Grift等人（2012）在總結(jié)己有成果的基礎(chǔ)上提出了基于可變視場的農(nóng)業(yè)機(jī)器人導(dǎo)航方案：對于田間環(huán)境下先采用遠(yuǎn)視場獲取具有清晰對比度的圖像，設(shè)定像素數(shù)量閩值，依據(jù)像素調(diào)整視場;通過圖像處理依據(jù)左右玉米行確定導(dǎo)航路徑。玉米田間的試驗表明，在作物行中遠(yuǎn)視場時，精度最高可以達(dá)到平均誤差lmm，其他兩種視場下精度也能滿足導(dǎo)航需求，而且理論上更能滿足特殊行情況。

農(nóng)業(yè)機(jī)械導(dǎo)航是實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)全自動化的關(guān)鍵，作物行、壟、溝等田間環(huán)境為導(dǎo)航提供了有力的信息支持。機(jī)器視覺可以通過色彩對比度獲取邊界點、線，有效的圖像處理算法可以提取出航向線;但是，在非結(jié)構(gòu)化的農(nóng)田環(huán)境下，作物形態(tài)各異和無序的雜草給導(dǎo)航信息的提取帶來一定干擾。

參考文獻(xiàn)：

[1]農(nóng)業(yè)信息成像感知與深度學(xué)習(xí)應(yīng)用研究進(jìn)展[J]. 孫紅，李松，李民贊，劉豪杰，喬浪，張瑤.農(nóng)業(yè)機(jī)械學(xué)報. 2020（05）

[2]無人機(jī)光譜成像技術(shù)在大田中的應(yīng)用研究進(jìn)展[J]. 彭要奇，肖穎欣，鄭永軍，嚴(yán)海軍，董玉紅，李鑫星.光譜學(xué)與光譜分析. 2020（05）

[3]農(nóng)業(yè)機(jī)械導(dǎo)航技術(shù)研究進(jìn)展[J]. 張漫，季宇寒，李世超，曹如月，徐弘禎，張振乾.農(nóng)業(yè)機(jī)械學(xué)報. 2020（04）