浅析计算机视觉技术在农产品检测及分级中的应用

崔 然

（黑龙江东方学院，哈尔滨 150086）

1 计算机视觉技术的概念

计算机视觉技术是人工智能领域的一个重要部分，可以将计算机视觉技术定义为首先利用计算机自动地获取图像，通过软件计算法分析图像，其目的是使计算机能够以二维图像为基础识别三维环境信息的能力，以此来提取扫描到的静态目标或动态目标的数据信息，这种技术重宏观角度来说，是一种模拟生物外显或视觉功能的技术和手段。

2 计算机视觉技术的形成以及相关设备的介绍

计算机视觉是一门综合性的学科，是一个多学科交叉的新型科学，在研究计算机视觉技术是要掌握计算机科学和工程、信号处理、物理学、应用数学、统计学，神经生理学、认知科学、光电子学、人工智能、神经生物学、图形图像处理、图像理解、模式识别等诸多领域的知识，近年来，与计算机图形学和三维表现等学科的联系更加紧密了。

计算机视觉的发展也是伴随着目前比较流行的数码设备及数据处理系统一起跨步前进，目前根据计算机视觉技术应用领域的不同，一般计算机视觉系统中含有如下基本设备：CCD 摄像机、遥感探测仪、光源、图像采集卡、计算机组成。摄像机的功能是将要识别或扫描的目标对象以图像的形式记录保存下来。而CCD 摄像机实际上是一个具有光电传感能力的传感器，CCD 摄像机可以将表现目标对象、背景的光信号转换为电信号的保存下来。而插入计算机内部的图像采集卡可以将摄像机采集的电信号转换为数字信号，以此获得图像数字信息，便于计算机对图像数字信息适当的处理。视觉是以图象处理技术、信号处理技术、概率统计分析、计算几何、神经网络、机器学习理论和计算机信息处理技术等为基础，通过计算机分析与处理视觉信息。

计算机视觉作为一个功能化强、应用范围广、实践性强等特点吸引了来自各个学科的研究者参加到对它的研究之中。目前将计算机视觉技术应用到农业生产和检测中已成为计算机视觉技术新的发展方向，计算机视觉技术贯穿于农业生产的整个过程中：播种前、生产中、收获时和产后都适合于将计算机视觉技术应用在农业生产中，使得农业生产由原来的传统模式转为视觉化和数字化模式。

3 计算机视觉技术诞生及发展现状

统计模式识别是计算机视觉技术的的发展的初级，其功能是利用计算机视觉技术辅助完成二维图像分析和识别。计算机视觉得到了全球行的开发，发展到 80年代中期，计算机视觉获得了蓬勃发展，新定义、新技术、新算法、新设备、新理论不断涌现，比如小波变换理论，基于感知特征群的物体识别理论框架，主动视觉理论框架，视觉集成理论框架等。现在计算机视觉技术已经发展成为一门综合性的学科。迄今，计算机视觉技术广泛被应用在电子测试、宇宙探测、遥感、地理信息系统、生物医学、军事、公安、工业和农业等领域。本文总结出近10 多年来计算机视觉在农产品检测中所取得的成果

3.1 2002年 宁纪峰等人对单粒玉米种子图像处理、分析，提取反映玉米品种形态结构的特征参数，用人工神经网络方法识别玉米品种，但提取的特征精度不高，严重影响品种识别。

3.2 2004年凌云等人设计和开发了适合于我国谷物外观品质分析的检测装置

3.3 2004年闸建文利用数理统计和模糊数学知识建立了反映玉米品种间特征参数相似程度的特征贴近度、品种贴近度计算公式和品种判别准则，品种正确识别率达 88%。

3.4 2004年，黄星奕等人通过贝叶斯决策方法设计识别分类器，识别的正确率达到 80%以上。

3.5 2006年章程辉等人通过形态学处理可见光图像检测红毛丹尺寸，

3.6 2006年 黎静等人计算机的脐橙分级系统，对图像分割出背景、脐橙本体和表面缺陷，再根据脐橙的分级标准，提取出果实横向横径、表面缺陷特征参数，采用径向基神经网络对脐橙样本进行等级识别。

3.7 2007年 丁幼春等人计算机视觉技术在花生仁表皮破损检测中的应用

3.8 2009年 李家良等人应用计算机视觉技术手段检测猪肉瘦肉精的残留

3.9 2010年 李立等人基于计算机视觉技术的肉色评价系统的建立

3.10 2011年 王慧营等人建立一套操作简单、快速的检测蜡样芽孢杆菌的方法

3.11 2012年 汪强等人利用烟叶成熟度与 SPAD 值之间的函数关系，构建烟叶图像 HSV 颜色特征值与烟叶成熟度之间的关系模型 TMDHSV，从而建立起基于计算机视觉技术的烟叶成熟度判定方

4 计算机视觉技术在农产品检测及分级的应用展望

计算机视觉技术在水果分级、病虫害监测及杂草识别、微生物检测、等方面已经取得了较大的进展，但是生物的多样性、作物生长状况及其生长环境复杂，使得计算机视觉技术在农业产品检测及分级方面的还是比较复杂，受环境因素的限制。因此为提高图像识别和解析技术是计算机视觉技术在农业中应用的重要保障，高效的图形图像算法将是未来的研究重点。研究的方向可以归纳为以下几点：

4.1 目前可以应用计算机视觉技术进行农产品检测和分类的品种及指标比较固定化，现阶段研究的比较成熟技术是对苹果、柑橘、草莓、番茄等水果等级进行研究，其他农产品的研究较少，因此要加强对其他农产的研究。

4.2 在检测对象选取目标中，目前绝大多数研究的对象是静态对象；而分级作业中，生产线上采集的图像是农产品动态图像序列，这引起了静态图像的算法与动态图像序列的特征提取不配匹配，因此要突破静态检测的局限性，想动态方向发展。

4.3 在农产品图像采集过程中，如何全方位采集到农产品整个表面的信息，需进一步研究，包括农产品输送及翻转机构、光箱及位置、采样协调关系等期待新的设计。在农产品图像采集数量上，由单果图像采集过渡到农产品群体图像的采集。

4.4 由于受到传统算法的限制，目前能够应图片数据处理的算法不多，缺乏精准度，要产生新的泛化能力强、精度高、计算量少、速度快的算法，并由单个水果图像单指标的串行算法过渡到多个水果多指标并行算法。

4.5 农产品品质检测及分级的重要指标，我国在这方面的研究比较少，在以后的研究中，除以形态、颜色等作为衡量标准外，还应加强创新农产品内部指标的检测：如甜度、酸度等综合指标的研究和开发。

4.6 在以后的研究中要加强对遗传算法、专家系统、神经网络、等理论完善和创新。

5 结语

计算机视觉技术在农产品检测及分级的研究进展较快，应用前景也十分广阔，实践性强，但与商品化生产之间还存在一定的距离，因此，急需进一步开展广泛而深入的研究。

[1]徐贵力，毛罕平，胡永光.利用图像处理法参考物法来测量叶面积.农业工程学报，2002，18（1）：154-157.

[2]张仁祖，徐为根，黄文杰.一种新的基于图像处理的作物叶面积测量方法.江西农业学报，2008，20（4）：117-119.

[3]武聪玲，滕光辉，李长缨.黄瓜幼苗生长信息的无损监测系统的应用与验证.农业工程学报，2005，21（4）：109-212.

[4]龚振平.不同营养水平水稻株高及构成变化的研究.黑龙江农业学报，1997：18-20.

[5]陈秉发，陈建民，黄荣裕，等.高产水稻品种株型特征和光合特性的初步研究.福建农业学报，2000，15（2）：13-18.

[6]吴文斌，杨桂霞.用NOAA 图像监测冬小麦长势的方法研究.中国农业资源与区划，2001，22（2）：58-61.

[7]杨劲峰，陈清，韩晓日，等.数字图像处理技术在蔬菜叶面积测量中的应用.农业工程学报，2002，18（4）：155-158.