机器视觉技术在农业智能装备中的应用

机器视觉技术在农业智能装备中的应用

高苏广

340826198408252634

摘要：计算机视觉技术在农业方面的广泛应用，极大地促进了产业改造与农业发展。全文主要阐述了计算机视觉系统的基本框架和双目立体视觉计算机制，并阐述了当前计算机视觉技术在农业病虫害防治识别检测、体尺检测、品质监测与评价、智慧采摘和农业自动导航等方面的应用研究情况，从数据处理、工作条件、电源可靠性三个方面研究了当前制约计算机视觉技术在农业种植业方面广泛发展与使用的技术问题，并提出了从计算优化、种植规范化、多技术结合等方面来解决农业目前所面临的技术困难。

关键词：机器视觉，农业机器人，视觉导航

1

引言

中国涌出来了依赖高新现代信息技术的精准农业、数字农业、智能农场、无人农庄等先进农村生产形态。而中国也把借助现代智能农机、生物学、信息技术，可以完成消息认知、量化决策、智慧管理、精确支持和人性化金融服务等五种主要功能的智力农产品视为中国智能经济的主要组成部分，并置于现代农业未来发展的最高级阶段。而罗锡文博士也明确认为，智能农业将是我国农业未来的主要经济发展方向。所以，利用现代技术推进智能农村建设，助力中国由传统农村到智能农村转型就尤为重要。

1 机器视觉技术概述

计算机视觉艺术主要包含了计算机系统、图像信息处理、几何分析方法、模型辨识等领域。机器视觉控制系统是计算机视觉艺术的核心，涉及数据收集、信息处理、行动管理等。图像收集系统基于实际需要进行目标收集，影像处理系统根据收集到的图像信息进行目标获取、阈值分解、深度运算，而决策控制按照数据处理的结果产生控制指令或界。

 2现有研究存在的问题

目前，机器视觉广泛应用于农业生产、收获和检测等各个环节，但机器视觉的研究成果或多或少存在弊端，主要原因是栽培环境不是结构性的，无法维持稳定的生长状态。基于外观特征的机器视觉无损检测技术需要连续测试和大量检测样品，以确定拍摄区域，提高检测精度。这也是机器视觉难以在农业领域大力引进和应用的主要原因。综上所述，可以得出结论，目前机试样在农业领域的使用主要存在以下问题。    

（1）由于农田环境复杂，各区域农田景观不同，以及光线的影响，在划定该区域独立通航的农机通航线时，根据行、脊、渠等野外环境划定通航线具有很大的不确定性，最终导致通航线划定不准确。

（2）机器视觉的应用通常需要对图像处理和神经系统的后验支持，现有的图像处理和神经网络算法在解决实际栽培环境的复杂性和多变性方面较差，不同作物之间的生长差异使得算法不具有通用性，使得机器视觉难以在农业领域普及。

（3）农作物的生长，尤其是果蔬的生长，具有高度的自由裁量权，条件与果实重叠，复杂闭合的存在对果实的识别和定位有很大的挑战，同时，由于自然环境中光的影响，视觉算法中考虑的因素很多，算法的复杂度也会相应增加，同时算法的运行时间也会延长， 这导致算法的实时性能较差。

（4）在进行无损作物试验时，往往需要对作物的大量结构和生长特性进行分析，以获得准确的分析结果，但在实际生产中，要获得大量的木材分析样品，从根本上说是困难的。以杂草和杀虫剂为例，通过机器视觉采集大量害虫图像数据，利用神经网络对谷物害虫图像进行训练，建立谷物害虫检测网络模型，在不断更新和坡度优化的情况下，可以对革命性的神经网络进行持续修正和训练，提高可接受性精度。基于机器视觉和图像处理的耕地杂草识别技术利用机器视觉采集杂草图像，然后进行干扰校正、噪声去除、阈值划分和形态处理，计算杂草性状的测量指标，根据形状特征参数对杂草进行识别。虽然认证的准确率和接受率不高，但可以满足杂草的实时识别。如果在此基础上对算法进行微调，可以寻求对识别精度、参数选择和运行时间的最优控制，以提高算法的实时性能，当环境因素或采摘对象的周围状态发生变化时，作物分析的精度将得到高度微调。在实际应用中，自动采收机器人的机械臂上配备了机械光学器件，这也将大大提高采摘机器人的采摘精度。

3 机器视觉在农业领域的应用

3.1 病虫害监测

病虫害信息检测是农学方面的科研热点，常规检测手段主要利用黄板黏虫、人工定时计数信息，或利用农村科技人员定时定点收集信息，或病虫害信息发展中心组织经验丰富的科学家对现场检测结果进行判断。不过上述手段均面临劳动强度高、实时性弱、工作效率低困难，不能给农民带来准确科学的提示。   

3.2体尺测量

机器视觉方法已被广泛应用于畜牧业领域的非接触测量，减少了检测机构和被检测动物接触产生的应激反应和健康安全风险，减少了人类检测的劳动强度和主观性，可以进行长距离的现场检测和重复的检测。牛羊体尺数据也是企业评价体重的关键，一些科研工作者利用计算体尺数据进一步探索了体重计算方式，给畜牧业的质量监测带来了更为有效、简单的测量体重方式。通过建立基于计算机可视化技术的质量监测系统，可以根据企业生产需要实现在无看护情况下的体重计算与体重测定，计算结果可为企业产品控制、营养调控、疾病防控等方面提供重要依据，还将成为企业智能饲养的信息平台，进一步促进了企业信息化的发展。   

3.3品质检测分级

质量检验分为瑕疵鉴定、尺寸评价、成熟度评估等，一般的拣选采用人力筛查或机械筛查，人工检验结果主观性较高，并存在饮食护理健康的问题，机械检验按照商品的规格设定检测要求，存在无法正确鉴定瑕疵、不能使用易损品的情况。采用计算机视觉进行品质测试，并结合产品形状、大小、缺陷度等情况做出精确地判定，应用于畜牧育苗、商品分选加工等行业。   

3.4智能机械

杨千通过机器视觉公司研发的平菇自动采集控制器，提供了通过改进SSD-MobileNet的平菇测量技术，可以依据图像的位置变化等信息测算出平菇三维位置，并在此基础上设计实现了采摘机器人的多轴协调管理，将成为中国食用菌大规模智能采集的重要理论依据。唐媛红等研发的采摘机器人的主动分拣控制技术，在采集过程结束时开启了分拣机器视觉控制系统，对目标图像处理并确定了分拣方向，算出分拣方向的数据后作为控制器输入，并引导末端执行器实现分拣操作。

4 结论

计算机视觉技术在农业生产方面的应用研究促进了农业生产蓬勃发展脚步，大大提高了农村产品质量，并升级改善了农用机械品质。但经过深入研究后认为，计算机视觉技术并没有得到充分推广使用，我们认为影响的原因主要有三个方面：①由于资料容量大，农业产品加工需要更高效、精密的设备进行规定工作，所以在较短距离内进行的图像收集、处理、操作装置等，对准确度要求较高使用的设备程序越复杂、数据量也更多，对硬件控制系统的稳定性要求更高，造成了整个控制系统软硬件的成本增加、设备重量变化较大，不宜再进行一般的田间操作；②条件复杂，田间的气象条件不可控、背景环境复杂、影响项较多，摄像头应尽可能保持清洁稳定，因此根据单一条件制定的方法难以自适应处理野外各种情况；③供电需求大，计算机视觉系统处理器和执行器均采用电力驱动，移置式智能作业系统的使用时长受电力容量影响，大规模、小尺寸、低成本类型的供电需求较难实现。

参考文献

[1]卢闯,马世宇,杨镇.基于机器视觉技术的食用菌生产应用概况[J].园艺与种苗,2022,42(10):25-26+29.

[2]王玉芯,戢敏,周黎明,王辉.机器视觉技术在田间农业机械中的应用[J].乡村科技,2022,13(10):152-154.

[3]燕宏.新时代农村小学教育教学管理问题对数学教学效率的影响[J].科学咨询(教育科研),2022(01):97-99.

[4]杨婷婷,郭志勋,雷定湘,杨野.机器视觉技术在农业中的应用[J].安徽农学通报,2021,27(18):110-111.

1

1