計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)自動化中的應(yīng)用

張玲　鄒承俊　何興無

摘要：隨著圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)自動化領(lǐng)域中的應(yīng)用越來越廣泛。該文基于前人的研究，對計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品生長中的自動監(jiān)控、農(nóng)產(chǎn)品的自動采摘以及篩分過程中的應(yīng)用進(jìn)行了分析總結(jié)，針對目前應(yīng)用研究中存在的問題及將來的發(fā)展方向提出了自己的觀點(diǎn)。

關(guān)鍵詞：視覺技術(shù)；農(nóng)業(yè)自動化；自動采摘

中圖分類號：TP302 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）31-7464-02

計(jì)算機(jī)視覺開始于60年代初，經(jīng)過多年的發(fā)展，計(jì)算機(jī)視覺技術(shù)漸趨成熟。它是一門在人工智能、圖象處理、模式識別等領(lǐng)域基礎(chǔ)上發(fā)展起來的學(xué)科。計(jì)算機(jī)視覺與人類視覺有著非常相似的原理，在人類視覺研究基礎(chǔ)上展開計(jì)算機(jī)視覺的研究將會十分有益。國外在利用計(jì)算機(jī)視覺技術(shù)推進(jìn)農(nóng)業(yè)自動化中已經(jīng)作了大量的研究，近年國內(nèi)的大量學(xué)者也在此領(lǐng)域進(jìn)行積極的探索。

1 計(jì)算機(jī)視覺技術(shù)

計(jì)算機(jī)視覺屬于計(jì)算機(jī)模式識別與人工智能應(yīng)用的范疇，其通過圖像處理以及圖像分析理解可以獲取到相關(guān)景象或者控制動作的數(shù)據(jù)，模擬出物體形狀及視覺特征。近年來，計(jì)算機(jī)軟硬件技術(shù)和圖像處理技術(shù)迅速發(fā)展，使得計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)自動化中得到研究應(yīng)用，并且取得了較大的進(jìn)展，例如溫室大棚中作物生長過程中的監(jiān)測診斷、農(nóng)作物成熟后的自動采摘以及農(nóng)產(chǎn)品質(zhì)量品質(zhì)鑒定、分類等。

2 計(jì)算機(jī)視覺在農(nóng)業(yè)自動化中的應(yīng)用現(xiàn)狀

1） 在農(nóng)作物生長過程監(jiān)測診斷

國外在利用計(jì)算機(jī)視覺技術(shù)監(jiān)測溫室作物生長方面已經(jīng)開展了許多研究。如GR.Hack利用圖像處理技術(shù)測量大棚生菜在初期生長階段的葉面積；K.A.Tarbell利用計(jì)算機(jī)圖像技術(shù)設(shè)計(jì)了黃瓜生長狀態(tài)分析系統(tǒng)；Ahmad I.S.等人利用彩色圖像信息評價(jià)缺水和缺氮對黃瓜生長的影響及由此呈現(xiàn)的桿株RGB和HSI色彩特征，經(jīng)過研究發(fā)現(xiàn)與RGB值相比，HSI值更能清晰地表征黃瓜植株的顏色變化； Woebbecke D. M.等1995年的研究發(fā)現(xiàn)利用彩色圖象的2g-r-b特征區(qū)別植物與非植物背景的效果很好，可用于設(shè)計(jì)定點(diǎn)噴灑控制[1]。這些研究結(jié)果為基于雜草探測的精確施藥技術(shù)的應(yīng)用打下了一定的基礎(chǔ)。

國內(nèi)在農(nóng)作物長勢智能識別研究方面的起步較晚，但近些年發(fā)展比較迅速。目前在應(yīng)用中，智能溫室普遍采用傳感器等物理方式實(shí)現(xiàn)作物長勢智能檢測與監(jiān)控。對于計(jì)算機(jī)圖像技術(shù)的運(yùn)用研究方面，有不少學(xué)者已經(jīng)完成了部分研究。例如東北農(nóng)業(yè)大學(xué)信息學(xué)院的關(guān)輝等人成功的運(yùn)用數(shù)學(xué)分析模型獲得葉片病斑面積與葉片面積的比，實(shí)現(xiàn)分級；湖南農(nóng)業(yè)大學(xué)工程學(xué)院的周正等人應(yīng)用計(jì)算機(jī)圖像處理技術(shù)對番茄葉部病害識別進(jìn)行了研究，并進(jìn)行了仿真和對比實(shí)驗(yàn)；吉林農(nóng)業(yè)大學(xué)信息工程學(xué)院的彭占武等人完成了黃瓜病害特征提取的研究等；河南科技學(xué)院園林學(xué)院的劉弘等人利用成熟的圖象處理軟件等實(shí)現(xiàn)了快速測定南瓜葉面積的方法等[2]。

2） 在農(nóng)產(chǎn)品自動篩分方面的應(yīng)用

通過圖像獲取設(shè)備獲取農(nóng)產(chǎn)品圖像，對圖像進(jìn)行去噪、分割處理后，可以從獲取的圖像中得到豐富的參數(shù)和數(shù)據(jù)信息。針對圖像特征參數(shù)與農(nóng)業(yè)產(chǎn)品的外部物理參數(shù)（例如顏色、形狀或大小等）不用人眼依次測定對象便可對其進(jìn)行質(zhì)量判別、篩選和分類，而且和人工檢驗(yàn)相比具有效率高、識別率高、標(biāo)準(zhǔn)統(tǒng)一的優(yōu)點(diǎn)，因此計(jì)算機(jī)視覺技術(shù)動植物和農(nóng)產(chǎn)品等生物體的自動化檢測篩選系統(tǒng)中得到廣泛的使用。例如：1984年， ThylorRW[3]等人運(yùn)用線掃描和模擬攝像機(jī)完成了蘋果自動損傷判定試驗(yàn)從而證明計(jì)算機(jī)視覺技術(shù)在自動篩分方面的應(yīng)用是可實(shí)現(xiàn)的。當(dāng)圖像識別和近紅外技術(shù)逐漸成熟，近紅外計(jì)算機(jī)視覺分級方式已逐步被應(yīng)用。特征參數(shù)變得更加立體化，由單一指標(biāo)逐漸到農(nóng)產(chǎn)品的外部缺損、外形、顏色等等，多個(gè)特征參數(shù)進(jìn)行對比判別，使篩選精度進(jìn)一步提高。緊隨其后，Sarkar N和R.R.WoVe對新鮮優(yōu)良番茄定向選擇機(jī)制[4]的研究取得了很好的成果，在此研究中，他們首次結(jié)合數(shù)字圖像分析和模式識別技術(shù)； 1991年，Miller BK 等人在桃的篩分研究中，進(jìn)行了圖像亮度的校正和區(qū)域的分割，采用近紅外方式對沒有明顯邊緣損傷的圖像進(jìn)行識別，自動分級效果達(dá)到美國農(nóng)業(yè)部相關(guān)標(biāo)準(zhǔn)； 1997 年是我國應(yīng)用計(jì)算機(jī)視覺技術(shù)服務(wù)農(nóng)業(yè)的轉(zhuǎn)折點(diǎn)，中國農(nóng)業(yè)大學(xué)汪懋華等人這一年首次運(yùn)用計(jì)算機(jī)視覺技術(shù)完成了蘋果缺陷自動檢測的研究；張書慧等人通過對農(nóng)產(chǎn)品圖像專家系統(tǒng)的建立，對蘋果等農(nóng)產(chǎn)品檢測分級系統(tǒng)進(jìn)行了研究。該系統(tǒng)實(shí)現(xiàn)了產(chǎn)品顏色、形狀和傷勢的準(zhǔn)確分級，檢測準(zhǔn)確率達(dá)到96%左右；2008年，南京林業(yè)大學(xué)黃秀玲等設(shè)計(jì)了一種基于自動定向原理的蘋果品質(zhì)動態(tài)、實(shí)時(shí)檢測的智能化分級生產(chǎn)線。該系統(tǒng)通過均勻分布的3個(gè)攝像頭一次性采集蘋果表面信息，通過計(jì)算機(jī)智能控制系統(tǒng)對采集信息綜合分析，完成蘋果的分級[5]。

3） 在自動化采摘農(nóng)業(yè)產(chǎn)品方面的應(yīng)用

自動采摘農(nóng)業(yè)產(chǎn)品的機(jī)器人研究是近年來最熱門的課題之一。美國研究人員Schertz等人早在1968年，就開始對水果的自動采摘進(jìn)行研究，但當(dāng)時(shí)未能實(shí)現(xiàn)； 1989年Slaughter D. C.等研究出一種從柑橘樹上識別橘子的分類器模型，其大量運(yùn)用了自然光照獲取的柑橘圖像上的顏色信息，并建立了一個(gè)關(guān)于色度和亮度信息庫，實(shí)驗(yàn)得出此分類器從橘園的自然環(huán)境中成功識別桔子的概率達(dá)到75%；到2003年，荷蘭學(xué)者E.J.VanHenten等研制了基于雙目立體視覺原理的溫室黃瓜自動采摘機(jī)器人；亞洲相關(guān)的研究緊隨其后，走在亞洲計(jì)算機(jī)視覺技術(shù)研究領(lǐng)域前列的國家是日本。日本學(xué)者研究的西紅柿自動采摘機(jī)器人很好的結(jié)合使用了傳感器技術(shù)，其已經(jīng)能較為準(zhǔn)確的識別出果實(shí)與樹葉。當(dāng)機(jī)器人通過彩色攝像機(jī)視覺傳感器傳回尋找到成熟果實(shí)信息時(shí)， 機(jī)器人自動控制系統(tǒng)展開工作，甚至可以準(zhǔn)確的采摘到被葉擋住的西紅柿果實(shí)；臺灣的K.C.T ing和Y. Yang等人研制成功的移栽機(jī)器人可以確定苗盤的大小和苗的定位[6] ，機(jī)器人由頂部的視覺傳感器、主體部分的ADEPT - SCARA 四自由度工業(yè)機(jī)器人和SNS夾持器組成。國內(nèi)在1995年，周云山研究采自動摘蘑菇的機(jī)器人，使蘑菇的生產(chǎn)從苗床管理到收獲分類實(shí)現(xiàn)了全部自動化[7]；2011年張凱良等研究了實(shí)時(shí)自動采摘系統(tǒng)，但其在采摘速度、精度等方面仍需提高；彭輝等針對重疊果實(shí)不易分割的情況，提出一種基于雙目視覺的視差圖像分割算法，對每一單目圖像用R-B 參數(shù)進(jìn)行灰度化，用中值濾波去除噪聲，然后用迭代法自動獲取閾值進(jìn)行二值化取得比較好的效果[8]；

3 計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)自動化應(yīng)用中存在的問題及未來研究的方向

計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)自動化中的應(yīng)用已經(jīng)取得了很大的發(fā)展，但由于農(nóng)業(yè)圖像的復(fù)雜性，多變性，使得圖像中物體顏色、灰度、形態(tài)、背景等差異很大，使計(jì)算機(jī)視覺在應(yīng)用中存在一些問題：

1） 農(nóng)業(yè)圖像復(fù)雜。一方面存在圖像背景復(fù)雜、多變、葉片遮擋等問題，另一方面由于多數(shù)處于室外環(huán)境，采用自然光源，導(dǎo)致成像不穩(wěn)定。目前很多研究是在實(shí)驗(yàn)室中布置好特定光源進(jìn)行的，與露天的田間環(huán)境存有很大差別，這些因素都為圖像分割增加了難度，在常見的串行方式處理下，效率很低；需要加大算法的快速性和有效性的研究，例如利用分形理論、小波變換等現(xiàn)代數(shù)學(xué)的分析方法， 以及模糊控制、神經(jīng)網(wǎng)絡(luò)以及遺傳算法等智能算法進(jìn)行研究。

2） 視覺技術(shù)對農(nóng)業(yè)自動化的應(yīng)用很大程度建立在農(nóng)業(yè)專家知識庫的基礎(chǔ)上，而目前我國專家知識庫的缺乏阻礙了視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用，應(yīng)當(dāng)鼓勵輔助視覺技術(shù)的專家系統(tǒng)的研究開發(fā)。

3） 實(shí)時(shí)圖像處理技術(shù)尚待研究：目前的圖像處理研究，大多數(shù)停留在靜態(tài)層面，而大多數(shù)情況，實(shí)時(shí)的圖像處理技術(shù)在農(nóng)業(yè)自動化中被要求。因此，對識別算法實(shí)時(shí)性提出較高的要求，而由于圖像處理的計(jì)算量很大，所以如何快速地識別目標(biāo)對象也成為限制機(jī)器視覺技術(shù)在精細(xì)農(nóng)業(yè)中實(shí)際應(yīng)用的難點(diǎn)和未來的方向[9]。

4 結(jié)束語

作為一門新興學(xué)科，計(jì)算機(jī)視覺技術(shù)在我國農(nóng)業(yè)自動化中的應(yīng)用研究還有巨大空間，在節(jié)約農(nóng)村勞動力，提高農(nóng)業(yè)生產(chǎn)效率以及實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化的過程中有廣闊的應(yīng)用前景。目前由于視覺理論、圖像算法及硬件條件的限制，研究還未在生產(chǎn)中得到好的應(yīng)用，隨著相關(guān)技術(shù)的發(fā)展，計(jì)算機(jī)視覺技術(shù)必將在農(nóng)業(yè)自動化中過程中發(fā)揮重要作用。

參考文獻(xiàn)：

[1] 許月明，張爽.計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品分級中的應(yīng)用[J].安徽科技學(xué)院學(xué)報(bào)，2012，26（5）：85-89.

[2] 李輝，滕桂法，張燕.數(shù)字圖像處理技術(shù)及其在農(nóng)業(yè)中的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2013，41（13）：6060-6061，6072.

[3] 刁智華，王會丹，魏偉.機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究[J].農(nóng)機(jī)化研究，2014，3（3）：206-209，6072.

[4] 李紅俊，韓冀皖.數(shù)字圖像處理技術(shù)及其應(yīng)用[J].計(jì)算機(jī)測量與控制，2002，10（9）：620-622.

[5] 蘇光大.圖像并行處理技術(shù)[M].北京：清華大學(xué)出版社，2002.

[6] Ting K CYANG Y.Factors affecting performance of sliding-needles gripper during robotic transplanting of seedlings[J].Applied Engineering in Agriculture，1991，7（4）：493-498.

[7] 周云山，李強(qiáng).計(jì)算機(jī)視覺在蘑菇采摘機(jī)器上的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，1995，11：27-32.

[8] 張凱良，楊麗，張鐵中.草莓收獲機(jī)器人采摘執(zhí)行機(jī)構(gòu)設(shè)計(jì)與實(shí)驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（9）：155-160.

[9] 冀榮華.機(jī)器視覺在精細(xì)農(nóng)業(yè)中的應(yīng)用[J].農(nóng)機(jī)化研究，2011，12（2）：65-68.