机器视觉及其在农业机械中的应用

张伟华

(济宁市技师学院，山东 济宁 272000)

一、引言

机器视觉即机器人的视觉技术，20世纪60年代中期起源于美国，主要用计算机来模拟人的视觉功能，实现与人类视觉有关的智能行为，达到对人类视觉的模拟与延伸。[1]该技术在农业机械中的研究与应用，始于20世纪70年代末期，开始主要研究对桃、柑桔、香蕉、西红柿、黄瓜等农产品进行品质检测和分级。[2]随着电子、计算机软硬件技术、图像处理技术的迅速发展，机器视觉技术在农业机械上的研究与应用也有了较大的进展，除有效地完成农产品的分选外，已成功渗透到收获、农田作业、农产品品质识别以及植物生长检测等领域。[3]

机器视觉系统将通过CCD摄像机与图像采集卡收集到的原材料即图像，利用透镜成像技术将图像转换成一个数据矩阵，再经过图像处理卡对图像进行分析处理，从而得到外界环境的反馈信息。[4，5]

二、机器视觉

机器视觉是一项综合技术，包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。[6]其基本工作原理是将配在机器上的传感器所接收到的透镜成像，利用各种成像技术对看到的作业对象进行分析处理，抽取有用的信息将其输出，进而得到外界环境反馈信息。机器视觉技术的发展过程主要经历了一维成像视觉技术、二维成像视觉技术和三维成像视觉技术三种技术形式。

一维成像视觉技术是最早最简单的机器视觉技术，此时，视觉传感器只是对光的强度、作业对象的大小、形状、不同颜色等单一的信息进行检测和识别；该技术简单，易于实现，在早期得到了较多的应用。

二维成像视觉技术是目前应用最广泛的机器视觉技术，主要完成对农作物的识别。它通过视觉传感器可将作业对象转换为二维平面图像，然后对图像进行分析处理，控制系统根据最终的结果来对作业对象进行不同的操作。[7，8]

三维成像视觉技术合成作业对象在空间的三维图像，然后根据三维图像，控制系统不仅能了解作业对象的大小、形状、颜色等，还可以知道作业对象所处的外界环境以及其与其它作业对象之间的位置关系等信息。[2，7]

三、机器视觉系统

(一)机器视觉系统的组成

机器视觉系统主要由两部分组成：一是图像的获取，二是图像的处理。图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成：光源照明、摄像机(CCD)和图像采集卡。[9，10]图像的处理完成对图像的处理和运算，核心元件是图像信号处理卡。常用的图像处理方法包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。[11]

(二)机器视觉系统的发展方向

根据国内外的研究现状及存在的问题，今后机器视觉系统发展和研究方向主要有：一是开发高性能的图像处理硬件。二是研究图像处理新方法。目前，在特征生成上，基于小波、小波包、分形以及独立分量分析等成为研究热点。[12]三是采用神经网络技术。近年来，神经网络得到迅速发展，因此研究开发智能程度更高、能力更强的自适应神经网络系统具有广泛的应用前景。

四、机器视觉在农业机械中的应用现状及存在的问题

机器视觉最早应用于遥感图片分析和生物医学图片分析中，效果比较显著，后来，该技术逐渐应用于工业、农业、医学、气象、军事等各项领域。现在，机器视觉被广泛应用在农业机械领域。

(一)机器视觉在农业机械中的应用现状

1.农产品分选机械

机器视觉在农业机械中应用最早、最多的一个方面是农产品分选，主要是对农产品进行自动化检测。对农产品检测的研究有：一是对蔬菜类，例如西红柿、黄瓜、胡萝卜等的品质评估、分类等。二是对谷物如玉米、大米、小麦等的检测分类和质量评估。三是水果类，根据其颜色、形状、大小等特征参数进行分级，例如苹果、桃、柑桔等的分级。[13，14]我国研究员蒋焕煜、应义斌和王剑平等研制出了适合国内农业生产现状的水果品质智能化实时检测和分级生线，有较高的理论和实际意义。[15]四是对其它农副产品进行检测等，例如，Das K.和Evans M.D.等(1992a，b)为了提高出雏率，[16，17]用机器视觉技术在鸡蛋孵化的早期检测鸡蛋的生命活力，去除死蛋和坏蛋。

2.农业收获机械

近年来最热门的研究课题之一是机器视觉在农业收获机械中的应用，该研究始于20世纪80年代中后期，主要研究农产品收获自动化，即完成对蔬菜、水果的识别和采摘。[13]例如，日本的西卓郎等研究用机器视觉技术识别黄瓜苗子叶和本叶的新方法，结果表明，从整体图像中区别子叶和本叶的正确率可达89.19%，识别出本叶位置的正确率为93%。[18，19]

3.农田作业机械

机器视觉技术在农田作业机械中的应用研究起步较晚，主要应用于农田作业机械如播种、施肥及植保机械中，其中农药的粗放式喷洒是农业生产中效率最低、污染最严重的环节，因此，需要对杂草精确喷洒除草剂、对农田植株精确喷哂杀虫剂。针对杂草精确喷洒除草剂，Woebbecke D.M.等对美国中西部地区的10种常见杂草及玉米和大豆的二值图像进行了形态学特征分析，区别单子叶和双子叶，准确率为60%～90%。[20]同样，大角雅晴等研制了一套能在田间测定稻叶颜色的图像处理系统，区分了稻田中的水稻植株和其他东西，辨别正确率可以高达98.4%。[21，22]针对农田植株精确喷哂杀虫剂，Giles D.K.和 D.C.Slaughter等研制了一种能对成行作物实施精量喷雾的装置，[23]大大提高了准确率。

虽然机器视觉技术大大提高了农业生产率，但是该技术在应用中还存在很大的问题，其主要问题有：一是作物行与机器相对位置的确定导向。1997年底，Kanuma等人研制的旱地自主行走结球菜收获机器人样机，[24-26]采用了根据菜地田间图像来确定作物行与机器人的相对位置的方法。二是植株秧苗行列的识别和植株的识别。鳥居徹等为了控制农用机器人在作物行间的行走，研究了一种能根据田间图像确定作物行与机器的相对位置的方法。[27]

近年来人们提出了精细农业技术，其核心思想是利用现代地球空间信息技术获取农田内影响作物的各种因素，避免对农田的盲目投入所造成的浪费和过量施肥施药所造成的环境污染。[28]

4.农产品加工机械

农产品加工机械视觉技术主要用于在农产品加工过程中，对其进行品质自动检测，通过反馈信息控制加工过程，例如Jia P等人提出了以鲇鱼主轴与水平方向的夹角及形心位置描述鲇鱼方位的图像处理算法；McConnell R K等研究利用计算机视觉技术检查颜色来控制或烤制食品的质量。[29]

(二)机器视觉在农业机械中存在的问题

虽然机器视觉在农业生产过程中起到了很大作用，但是同时也存在以下问题：一是机器视觉对作业对象的识别度不高。二是目前大多只研究对农产品的外部品质进行机器视觉自动识别，因此要利用机器视觉技术对农产品品质进行全面检测，还需要很大的努力。三是目前绝大多数研究的对象是静态的农产品个体，实际生产中的对象是动态农产品，效率较低。[4]四是目前我们采用的还是二维图像技术，实践证明该技术在很多方面都已不能满足人们的实际生产需要，努力发展和完善三维图像技术势在必行。五是目前的图像处理方法还不健全，因此，发现高智能的算法迫在眉睫。

五、结语

机器视觉在农业上的应用是国际上正在研究的课题，该技术在农业生产中的应用极大地推动了社会生产的自动化进程，提高了社会生产率，而且随着电子、计算机、图像处理等相关技术的高速发展，机器视觉势必大大提高农业机械的性能和水平，引导着农业机械向自动化、智能化的方向发展。

众所周知，我国是个农业大国，国民经济的增长将在很大程度上依赖于农业生产率的提高，而机器视觉的高效率使用会大大提高我国的农业生产率，因此，大力发展机器视觉技术意义重大。