机器视觉技术在农业机械中的应用与发展探析

王兴红

摘要：随着科技的不断进步，机器视觉技术在各个领域都得到了广泛的应用，其中包括农业机械领域。该技术的应用对实现农业机械自动化、智能化的农业生产，减少人力资源的浪费等都具有重要意义。文章主要对机器视觉技术原理、在田间农业机械上的主要应用以及发展应用对策进行论述，以期能为助力农业智能化进程提供参考。

关键词：机械视觉技术；农业机械；图像处理；自动化技术

文章编号：1674-7437（2024）04-0246-03     中国图书分类号：S220；TP391.41     文献标识码：A

随着全球人口的增长和粮食需求的增加，传统的人工农业生产方式已经无法满足需求，而机器视觉技术的出现为农业生产带来了新的解决方案。乡村振兴背景下，机器视觉技术在农业机械中的应用与发展是当前农业领域的热点研究方向。该技术可以实现对农田、农作物和农业机械的智能感知和分析，从而提高农作物的产量和质量，减少人力资源的浪费。常见的如基于机器视觉技术实现病虫害实时监测和分析，农作物检测和识别以及智能化采摘和收割等，实现农机的自动化、智能化操作，提高农业生产的效率和可持续性，为农业生产带来革命性的变革。

1 机器视觉技术原理

机器视觉系统主要由捕捉图像系统、传输图像数据系统、处理图像数据系统和控制输出系统四大部分组成，图1所示为整体系统组成（见图1）[1]。

机器视觉系统在农业机械上应用时，首先，摄像机组获取田间待测区域的动态实时图像；其次，通过图像采集卡将其进行数字化信息处理，得到数字图像；再次，利用数字图像处理系统对其进行图像分割、特征提取、目标识别等图像处理操作；最后，通过控制执行机构对预设的判定标准执行相应的操作，如种子分拣、水果采摘、农机导航、病害提醒等。

2 机器视觉技术在田间农业机械上的应用

机器视觉技术在田间农业机械上应用可以概括为以下几个方面。

2.1 农作物检测和识别

机器视觉可以通过图像处理和分析技术，通过识别田间作物的形状、颜色、纹理等特征，利用机器视觉技术可以对农作物进行评价。例如，将机器视觉与深度学习算法结合，采集农作物种子图像，并提取种子各类特征参数，检测种子表面的裂纹、破损以及可能存在的霉变等情况，实现种子精准分类，提高种子质量。在具体技术研究方面，王佳等（2023）[2]基于计算机视觉技术，以玉米种子胚和胚乳为数据集，结合ResNet网络模型，可鉴别登海605玉米种的真伪；胡楠（2023）[3]在Swin Transformer的基础上提出了一种基于多尺度特征与特征注意力融合的玉米种子识别分类方法，准确率达到了96.47%，与原始模型相比准确率提高了3.56%；金厚熙（2023）[4]基于红外热成像技术，应用多种机器学习方法实现玉米种子活力的分类，在训练集和测试集上准确率达到96%以上；Javanmardi等（2021）[5]提取玉米的形态、颜色、纹理特征，借助CNN- ANN分类模型，实现了对9个玉米品种的分类。

2.2 病虫害检测和预警

植物病虫害是农业生产中的重要问题，但传统的人工诊断常依靠经验和感觉对农作物病害进行判断，导致错过最佳防治期。机器视觉技术的引入可以实现病虫害的自动识别和监测，实现自动识别农作物叶片上的病斑、虫害损伤等特征，进而及早发现并采取相应的防治措施，减少病虫害对作物的损失。近年来机器视觉经典算法在作物病虫害检测与分类中的应用情况（见表1）[6-7]。

2.3 农机操作和导航

机器视觉可以通过图像处理和分析技术，实现农机的自动化操作和导航。例如，可以通过识别田间的地标、行间作物的行距等特征，实现农机的自动导航和路径规划；使用机载摄像头获取场地图像，通过对图像特征提取，识别出不同的农作物和作物行间距离，确定机械的导航方向和行驶速度。宋杰（2022）[8]在充分分析轮式联合收获机收获特性的基础上，融合机器视觉与惯性导航技术，研究轮式联合收获机低成本、高精度的导航方法；田达奇（2021）[9]将免疫模糊PID算法引入到了收割机视觉控制系统的设计中，利用免疫算法和模糊控制算法对导航追踪误差进行修正，有效地提高了導航的精度。

图2为戴峰（2023）[10]设计一种基于机器视觉技术的农业机械自主导航系统，整个系统的核心是图像处理和路径规划算法，能能够实现对机器的智能控制和作业优化，其工作过程为采集图像数据—图像处理—建立地图—路径规划—控制指令输出，即使用相机等设备采集作业场地的图像数据，将采集到的图像数据进行处理，获取所需的作业场地信息，再根据图像处理得到的场地信息，构建场地地图，确定机器当前的位置和行进方向，根据机器当前的位置和行进方向，规划最优路径，控制机器的运动和作业，输出相应的控制指令（见图2）。

2.4 采摘和收割机器人

机器视觉可以应用于采摘和收割机器人中，通过识别作物的成熟度和位置，实现自动化的采摘和收割操作，可以减轻农民的劳动强度，提高采摘和收割的效率和质量。侯义锋等人（2023）[11]设计了一款基于机器视觉技术的成熟砂糖橘果实目标识别、检测与分拣的装置，这款装置利用机器视觉技术实现了对果实图像的处理和颜色判断，并可以进一步对果实进行分拣和分类；王红军等人（2023）[12]设计了一款香蕉智能采摘装置，该款采摘装置利用机械结构和机器视觉技术相结合，通过机械结构的运动变化和视觉识别系统的算法，可以精确地定位香蕉果柄，并驱动切割机构进行采摘；何梁等人（2023）[13]提出了一种莲蓬采摘点与采摘姿态计算方法，该方法通过对分割后的结果进行图像处理，进一步计算得到莲蓬采摘点及采摘姿态；王焱清等人（2023）[14]研究了一种面向机器人柑橘采摘的控制系统，该系统在实验室环境下面对随机布置的柑橘，视觉识别定位模块的平均定位精度误差不超过2cm，采摘效果良好。

3 加强机器视觉技术在田间农业机械中应用的对策

虽然机器视觉技术为农业现代化的进程提供了新的可能性和解决方案，但是机器视觉技术在农业机械操作过程中仍存在图像识别分析算法不高、对象识别不准以及相关技术人员专业程度不足等问题，严重阻碍了农业机械的智能化、自动化发展。为促进机器视觉技术在田间农业机械中的应用，相关部门需要采取以下措施。

一是加大政策支持和研发创新。科研机构和企业参与到机器视觉技术田间农业机械中的应用离不开资金支持和政策激励。要加强政策支持和资金投入，鼓励农业机械企业和科研机构加大对机器视觉技术的研发和应用，推动算法、传感器、图像处理等关键技术的突破。例如，可以研发更先进的图像识别算法，提高作物检测和识别的准确性和稳定性，开发适应不同田间环境的传感器，提高图像采集的质量。同时，要在设备购置和培训等方面提供资金支持。

二是优化硬件设备和增强数据集建设能力。机器视觉农业应用需要使用高性能的硬件设备，如高分辨率相机、传感器、计算机等。为提高农田图像的采集和处理效率，可以考虑使用更先进的硬件设备，并进行定期的维护和更新。此外，机器视觉农业应用需要大量的农田图像数据进行训练和识别，因此，需要建立起高效、稳定的数据采集系统，并且，需建设大规模的农业图像数据集和农业图像数据库，并进行共享，以促进机器视觉技术在农业机械中的应用，从而为算法的训练和验证提供更多的数据支持，提高算法的精度和泛化能力。

三是加强专业人才培养和应用推广。机器视觉技术在农业机械中的应用涉及大数据、云计算、区块链等技术，要求农业机械研发人员要具备复合型的专业知识。因此，要鼓励技术研发人员开展科研项目，提升机器视觉领域的研究水平，科研院所要为研发人员提供实践机会，并与企业、研究机构和行业协会合作，共同开展机器视觉技术的研发和应用，促进产学研合作，提升科研技术人员专业技术水平。此外，还要加强对农民和农机操作人员的培训，提高他们对机器视觉技术的理解和应用能力。

4 结束语

机器视觉技术在农业机械中的应用和发展具有巨大的潜力和前景。通过利用图像处理和分析技术，可以实现对作物的检测、识别和病虫害预警，实现农机的自动化操作和导航，以及应用于采摘和收割机器人等方面。这些应用可以提高农业生产的效率和质量，减少劳动力的浪费。但是，未来还需要进一步研究和发展更先进的算法和系统，提高机器视觉技术的稳定性、鲁棒性和适应性，以应对不同的农业场景和需求。

参考文献：

[1]王玉芯，戢敏，周黎明，等.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.

[2]王佳，马睿，马德新.基于深度学习的登海605玉米品种真伪鉴别方法研究[J].中国粮油学报，2023，38（03）：151-157.

[3]胡楠.基于深度学习和机器视觉的玉米种子品种识别研究[D].长春：吉林农业大学，2023.

[4]金厚熙.基于紅外热成像技术的玉米种子活力等级分类方法研究[D].大庆：黑龙江八一农垦大学，2023.

[5]JAVANMARDI S，ASHTIANI S H M，VERBEEK F J，et al. Computer-vision classification of corn seed varieties using deep convolutional neural network[J].Journal of Stored Products Research，2021，92：101.

[6]卢柳江，匡迎春，陈兰鑫，等.基于级联 Ada Boost分类器的农作物虫害图像识别研究[J].中国农机化学报，2019，40（08）：127-131.

[7]LU L J，KUANG Y C，CHEN L X，et al.Research on pest image recognition based on cascade AdaBoost classifier[J].Journal of Chinese Agricultural Mechanization，2019，40（08）：127-131.

[8]宋杰.基于视觉-惯导融合的轮式联合收获机导航方法研究[D].镇江：江苏大学，2022.

[9]田达奇，韩建海，王欣.基于免疫模糊PID算法的农机机器视觉研究[J].农机化研究，2021，43（06）：223-226.

[10]戴峰.基于计算机视觉技术的农业机械自主导航设计[J].农机使用与维修，2023（09）：27-30.

[11]侯义锋，钱俊，王梁，等.砂糖橘采摘机器人分拣机构设计[J].中国农机化学报，2023，44（09）：183-189.

[12]王红军，邹伟锐，谢启旋，等.基于机器视觉的香蕉果柄识别及采摘试验研究[J].自动化与信息工程，2023，44（05）：14-21+51.

[13]何梁，薛龙，郑建鸿，等.莲蓬采摘点与采摘姿态计算算法[J].科学技术与工程，2023，23（16）：6845-6852.

[14]王焱清，汤旸，杨光友.面向机器人柑橘采摘的控制系统设计与试验[J].中国农机化学报，2023，44（09）：146-153.