農(nóng)業(yè)生產(chǎn)中計算機視覺與模式識別技術(shù)的應(yīng)用

李錦龍

（長春市高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)管委會建委指揮中心，吉林 長春 130000）

農(nóng)業(yè)生產(chǎn)中計算機視覺與模式識別技術(shù)的應(yīng)用

李錦龍

（長春市高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)管委會建委指揮中心，吉林 長春 130000）

在農(nóng)業(yè)生產(chǎn)過程中，計算機視覺與模式識別技術(shù)得到了普遍的應(yīng)用，并給傳統(tǒng)農(nóng)業(yè)模式帶來了很大的影響?；诖耍治鲇嬎銠C視覺與模式識別技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用，以期能夠提高我國農(nóng)業(yè)生產(chǎn)效率。

農(nóng)業(yè)生產(chǎn)；計算機視覺；模式識別技術(shù)

計算機視覺與模式識別技術(shù)是一門包括神經(jīng)生理學(xué)、認(rèn)知科學(xué)、統(tǒng)計學(xué)、計算機科學(xué)與工程等多門學(xué)科的綜合性科學(xué)技術(shù)［1］。該項技術(shù)已經(jīng)在促進農(nóng)業(yè)生產(chǎn)水平的提高上發(fā)揮了巨大的作用，同時還在其他領(lǐng)域上也得到了廣泛的應(yīng)用。

1 在農(nóng)產(chǎn)品自動化收獲中的應(yīng)用

在農(nóng)產(chǎn)品自動化收獲領(lǐng)域上，充分應(yīng)用計算機視覺技術(shù)，是當(dāng)前農(nóng)業(yè)生產(chǎn)領(lǐng)域中主要研究方向。例如，果蔬采摘機器人已成為研究機器人的新興領(lǐng)域，科研工作者已進行了深入的研究，在實際生產(chǎn)中取得了令人滿意的應(yīng)用效果。

2 在防治雜草與病蟲害中的應(yīng)用

對自動識別與測定大田作物病蟲草害技術(shù)進行研究，建成新型自動化控制系統(tǒng)，用來對田間雜草與病蟲害展開防除，是在農(nóng)作物栽培生產(chǎn)中應(yīng)用計算機視覺技術(shù)的主要方向。1995年研制發(fā)現(xiàn)彩色圖像的29g-r-b特征對植物與非植物背景區(qū)別效果顯著，可用在雜草用的傳感器的定點噴灑控制設(shè)計中。同時研究了如何在小麥地里識別雜草，運用分析形狀與顏色的方法可識別闊葉雜草品種?？梢哉f這些研究成果為探測雜草精確應(yīng)用施藥技術(shù)奠定了基礎(chǔ)。

3 在監(jiān)測植物生長過程中的應(yīng)用

計算機視覺技術(shù)與人眼視覺對比而言，前者更能準(zhǔn)確、更早地發(fā)現(xiàn)由于營養(yǎng)不良植物生長中出現(xiàn)的細(xì)微變化，為第一時間補充營養(yǎng)奠定基礎(chǔ)。使用數(shù)字圖像對多種農(nóng)作物的葉柄夾角、葉面積等部位進行分析，并取得了一定的效果。例如，在馬鈴薯葉冠面積的檢測中，使用數(shù)字圖像處理技術(shù)并有效建立了模型，其檢測結(jié)果正好與測量葉面積儀結(jié)果相符。通過掃描平臺獲取葉片數(shù)字圖像，構(gòu)建起以數(shù)字圖像處理技術(shù)對蔬菜葉面積測定方法，此方法得到了普遍的應(yīng)用。運用圖像處理技術(shù)測量農(nóng)作物的新方法，獲得了較為準(zhǔn)確的、滿意的測量精度。

4 在檢測與分級糧食作物中的應(yīng)用

很多年以前，美國、日本一些發(fā)達國家就已經(jīng)在檢驗評價農(nóng)作物種子質(zhì)量中應(yīng)用機器視覺技術(shù)，至今已經(jīng)取得了令人滿意的檢測效果。1998年，對機器視覺玉米粒大小分級進行了研究，可以測得獨立于玉米粒方向尺寸。2000年提出了Rough sets理論，此理論主要通過計算機視覺技術(shù)對蠶豆品質(zhì)進行評價。此理論運用2種不同的離散方法來對過小、破損的蠶豆進行區(qū)分，有效提高了蠶豆品質(zhì)。

5 在檢測農(nóng)作物種子質(zhì)量中的應(yīng)用

最近幾年來，我國科研人員開始大量研究在檢查農(nóng)作物種子質(zhì)量中應(yīng)用計算機視覺技術(shù)的可行性。2004年，使用計算機視覺技術(shù)對玉米種子外形輪廓進行了提取，為分級識別玉米種子打下基礎(chǔ)。2008年，提出了運用計算機視覺系統(tǒng)取代人眼識別碎大米粒形方法，并設(shè)計出與計算機視覺技術(shù)有關(guān)的識別大米粒形的裝置，此裝置對識別完整大米粒、碎大米粒的準(zhǔn)確率分別為98.34%、93.12%。2012年，魚體檢查中應(yīng)用了計算機視覺技術(shù)，研究出基于BP神經(jīng)網(wǎng)絡(luò)識別魚體品種裝置，拓展了該技術(shù)的應(yīng)用領(lǐng)域。

6 在農(nóng)業(yè)其他領(lǐng)域中的應(yīng)用

例如，早期檢測雞蛋生命活力，去除壞蛋或者死蛋，正確率可高97%左右；利用紫外線光識別幼雞性別；在土地資源里使用遙感圖像有效提取土地荒漠化信息等。計算機視覺技術(shù)在農(nóng)業(yè)領(lǐng)域中的充分應(yīng)用，足以說明計算機視覺與模式識別技術(shù)有著較高的應(yīng)用價值。

總之，在農(nóng)業(yè)各大領(lǐng)域中，計算機視覺、模式識別和圖像處理等技術(shù)與方法，對于識別農(nóng)作物特征、監(jiān)測苗情、防治病蟲害等起到了有效的促進作用［2］，這就充分說明計算機視覺與模式識別技術(shù)對完善傳統(tǒng)農(nóng)業(yè)模式起到了積極的影響，勢必會得到更加廣泛的應(yīng)用。

［1］刁智華，王會丹，魏偉.機器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究［J］.農(nóng)機化研究，2014（3）：206-211.

［2］王樹文，張長利.基于圖像處理技術(shù)的黃瓜葉片病害識別診斷系統(tǒng)研究［J］.東北農(nóng)業(yè)大學(xué)學(xué)報，2012（5）：69-73.

S126

A

1674-7909（2016）26-47-1

李錦龍（1981-），男，本科，研究方向：計算機應(yīng)用。