摘要：对于正处在传统农业向现代农业过渡转型的中国农业产业而言，现代化智能技术与农业生产的紧密融合是农业产业未来发展的必然趋势。机器视觉技术在农业生产中的全面推广和应用，不仅减轻了农业生产的劳动强度，推动了农业产业的升级，而且为农业产业的智能化发展指明了方向。文章主要是就机器视觉技术在农业生产中的应用进行了研究与探讨。
关键词：机器视觉；农业应用
1、机器视觉在农作物的无损检测中的应用
1.1鉴定种子质量
农作物种子质量的优劣是影响农作物产量和质量的关键因素。所以，切实做好农作物种子类型的识别以及播种前的精选工作，对于农作物产量的提高有着极为重要的意义。农业技术人员应该按照图像采集、特诊提取、分类器设计等几个步骤的要求，合理利用机器视觉技术检验种子的质量。研究人员可以通过开发设计种子机械分选装置以及在线监测系统的方式，完成对种子的精选工作。然后在建立以BP网络系统为基础的非线性识别体系，对完成精选的种子质量进行全面的检验和分析，确保种子的质量满足农作物种植的要求，为后续农作物的播种奠定坚实的基础。
1.2农产品分级检测
机器视觉技术因为自身具有的准确、客观且无损等各方面的优点，而被广泛的应用于农产品的检测与分级中。研究人员利用机器视觉技术提取农产品静态图像中的形态、颜色等相关的基本特征信息，然后经过分析检测确定农产品的品质，为后续农产品分级标准的制定和分级操作步骤的实施提供数据支持。比如，常见的水果品质检测与实时分级系统，在实际应用的过程中，就是借助HSI颜色模型、主成分分析法、阈值分割等等各种方法完成对水果尺寸、形状、颜色以及表面缺陷等指标的提取，完成对水果品质实时检测和分级的工作。针对农作物种子形态、色泽、纹理等性状特征信息的提取和分析也就是人们常说的考种。由于考种工作是一项繁琐且复杂的工作，所以，为了提高考种的效率，研究人员经过长期的研究终于开发出了以机器视觉技术为基础的考种系统。该系统在考种工作中的应用促进了农作物考种质量和效率的全面提升，为后续农作物的种植以及农作物产量的提高奠定了良好的基础。
1.3精密播种及播种机械质量检测
所谓精密播种实际上就是合理利用播种机控制播种过程中种子的粒距、行距以及深度，促进农作物种植产量的有效提升。由于播种机排种器性能是影响播种精度的关键因素。所以，针对排种器性能检测技术的研究是当前研究人员关注的重点。以机器视觉技术为基础研发的排种器不仅实现了检测种子粒数、行距、穴距等基本参数自动测量的目标，同时这种采用光电触发方式采集种子序列图像的检测方法促进了播种质量的有效提升。研究人员在研究的过程中，采用纵向和横向投影方法，获取种子纵向与横向分布的具体情况，不仅掌握了各个统计区间种子的粒数、断条率等数据信息，而且提高了穴播、精播的合格率。这些先进检测方法的应用对于排种器性能的提高有着积极的促进作用。此外，农作物播种过程中常见定向播种技术作为一种在精密播种技术基础上研究出的播种技术，定向播种主要是充分利用农作物生长的规律，控制种粒的播种方向，确保农作物的叶片有规律的生长，才能在有效增强田间通风效果的基础上，促进农作物种植产量的游戏提升。
2、机器视觉在农作物信息采集与病害检测
2.1农作物病虫害检测
农作物生长过程中遭受的病虫害侵害对农作物产量的高低有着决定性的影响。以往传统的大面积施药方法不仅会造成严重的资源浪费，同时也会对生态环境造成污染和破坏。所以如何做好农作物病虫害区域检测和识别工作，控制喷药机械的精准度是当前我国机器视觉农业研究的重点。首先，合理利用小波变换结合病害纹理特征分析农作物病害部位的调整，运用模态法自动阈值分割，然后对获得的二值图像进行膨胀和腐蚀处理，将最终获取的完整修复图像与农作物病害部位二值图像进行匹配和比较，获得符合要求的结果图像原图与检测结果图像。其次，研究人员必须在获得检测图像后，通过对农作物病害部位特征数据与数据库中数据对比分析的方式，判断农作物病害的类型。
期刊文章分类查询,尽在期刊图书馆并以此为基础设计远程虫害自动识别系统，以达到快速实时检测和识别农作物病虫害的目的。最后，研究人员应该充分发挥远程病虫害分类识别系统的优势，完成对病虫害的自动识别和分类，然后借助无线网络系统将病虫害识别信息等相关数据传输之主控平台上，为后续病虫害防治工作的开展提供数据依据。
2.2作物生长信息监测
农作物外部生长信息指的就是植物叶面积、株高、叶片颜色等信息。通过对农作物外部生长信息的实时监测，种植人员可以及时的调整农作物的种植方案，通过建立适宜农作物生长环境的方式，满足精细化农业生产管理的要求。机器视觉技术作为农作物外部生长信息检测过程中采集农作物二维图像以及合成三维图像的重要技术，主要用于农作物生长状况的定量分析与判断。利用机器视觉技术与图像采集处理技术对农作物外部生长的信息进行监测和研究，不仅有有助于检测精度的有效提升，而且实现了无接触监测农作物外部生长信息的目标，促进了农作物外部生长信息检测准确性的有效提升。
2.3果蔬的检测及采摘
果蔬采摘工作不仅耗时费力而且需要的人工成本也相对较高。如果借助机器视觉技术的话，操作人员就可以通过对果树的外部形状以及颜色识别的方式吗，提果蔬采摘的效率。所以，以机器视觉技术为基础研发的果蔬自动采摘设备有着非常广阔的发展前景。比如，以色差R-G的平均值为阈值提取桃子红色区域，匹配扩展并扩大到整个区域，通过轮廓线的垂直平分线焦点，获取拟合圆潜在中心点，最后再进行潜在中线点参数的统计和分析，从而达到准确识别单个果实、相互接触果实以及被遮挡果实的数量，为后续果实的采摘提供准确的数据依据。
3、农田视觉导航
3.1农田路线视觉
农业车辆自动导航是未来农业智能化研究的重点和方向，以机器视觉技术为基础的导航路线检测计算方法则是自动导航系统研究的核心和关键。比如，旱田中的导航路线设计一般都是以地垄、作业区域以及未作业区域分界线为主。以机器视觉技术为基础的耕作机器人在运行过程中，主要是通过对设定目标的直线检测，利用扫描线图像分割法准确计算犁沟线倾斜度。研究人员应该先在拖拉机前方安装摄像机采集图像，然后再根据已耕作区域、未耕作区域以及非农田区域的特征，分析和判断犁沟先的位置，最后再运用经过优化和完善的Hough变换算法计算出准确的犁沟线倾斜度。
3.2农田障碍物视觉检测
研究人员在研究农用车辆自动驾驶技术时，应该先做好农田障碍物检测的相关研究。机器视觉系统在实际应用时，一旦检测到障碍物控制执行机构就会自动采取制动或者发出警告，确保无人驾驶农业机械设备的安全稳定运行。首先，充分利用扫描线目标提取法提取检测目标，然后再采用立体视觉匹配法计算出张伟伟的空间坐标，准确判断障碍物的具体位置。其次，利用安装于农业机械设备前端的摄像头采集农田作业现场的图像并计算出准确的视差图，然后再通过视察阈值获取潜在障碍物的准确信息，并将障碍物信息传输至农业机械设备的导航框架中，以便于农业机械设备在实际运行过程中准确避让障碍物，确保农业生产的顺利进行。
结束语
总之，机器视觉技术在农业生产中的推广和应用，不仅涉及到农作物种子精选、质量检验、病虫害检测等各个环节，同时还涉及到农作物外部生长信息实时监测、粮食无损监测、农业机械设备的智能化研究等众多领域。所以相关研究部门必须充分发挥机器视觉技术自身的优势，加大其在我国农业自动化和智能化研究过程中应用的力度，推动我国农业产业的全面发展。
参考文献
[1]石森.计算机视觉技术在农业生产中的应用与展望[J].农家参谋,2019, 19:23.
[2]黄浩.机器视觉技术在农业生产智能化中的应用综述[J].机械研究与应用,2019,3202:202-206.
[3]赵力.机器视觉在农业生产中的运用与技术[J].电子技术与软件工程,2019,09:55.
论文作者:袁北溟
论文发表刊物:《基层建设》2019年第32期
论文发表时间:2020/4/7
标签：农作物论文; 视觉论文; 机器论文; 技术论文; 种子论文; 生长论文; 图像论文; 《基层建设》2019年第32期论文;