機器視覺及其在農業機械中的應用

張偉華

(濟寧市技師學院，山東 濟寧 272000)

一、引言

機器視覺即機器人的視覺技術，20世紀60年代中期起源于美國，主要用計算機來模擬人的視覺功能，實現與人類視覺有關的智能行為，達到對人類視覺的模擬與延伸。[1]該技術在農業機械中的研究與應用，始于20世紀70年代末期，開始主要研究對桃、柑桔、香蕉、西紅柿、黃瓜等農產品進行品質檢測和分級。[2]隨著電子、計算機軟硬件技術、圖像處理技術的迅速發展，機器視覺技術在農業機械上的研究與應用也有了較大的進展，除有效地完成農產品的分選外，已成功滲透到收獲、農田作業、農產品品質識別以及植物生長檢測等領域。[3]

機器視覺系統將通過CCD攝像機與圖像采集卡收集到的原材料即圖像，利用透鏡成像技術將圖像轉換成一個數據矩陣，再經過圖像處理卡對圖像進行分析處理，從而得到外界環境的反饋信息。[4，5]

二、機器視覺

機器視覺是一項綜合技術，包括數字圖像處理技術、機械工程技術、控制技術、光源照明技術、光學成像技術、傳感器技術、模擬與數字視頻技術、計算機軟硬件技術、人機接口技術等。[6]其基本工作原理是將配在機器上的傳感器所接收到的透鏡成像，利用各種成像技術對看到的作業對象進行分析處理，抽取有用的信息將其輸出，進而得到外界環境反饋信息。機器視覺技術的發展過程主要經歷了一維成像視覺技術、二維成像視覺技術和三維成像視覺技術三種技術形式。

一維成像視覺技術是最早最簡單的機器視覺技術，此時，視覺傳感器只是對光的強度、作業對象的大小、形狀、不同顏色等單一的信息進行檢測和識別；該技術簡單，易于實現，在早期得到了較多的應用。

二維成像視覺技術是目前應用最廣泛的機器視覺技術，主要完成對農作物的識別。它通過視覺傳感器可將作業對象轉換為二維平面圖像，然后對圖像進行分析處理，控制系統根據最終的結果來對作業對象進行不同的操作。[7，8]

三維成像視覺技術合成作業對象在空間的三維圖像，然后根據三維圖像，控制系統不僅能了解作業對象的大小、形狀、顏色等，還可以知道作業對象所處的外界環境以及其與其它作業對象之間的位置關系等信息。[2，7]

三、機器視覺系統

(一)機器視覺系統的組成

機器視覺系統主要由兩部分組成：一是圖像的獲取，二是圖像的處理。圖像的獲取實際上是將被測物體的可視化圖像和內在特征轉換成能被計算機處理的一系列數據，它主要由三部分組成：光源照明、攝像機(CCD)和圖像采集卡。[9，10]圖像的處理完成對圖像的處理和運算，核心元件是圖像信號處理卡。常用的圖像處理方法包括圖像增強、數據編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內容。[11]

(二)機器視覺系統的發展方向

根據國內外的研究現狀及存在的問題，今后機器視覺系統發展和研究方向主要有：一是開發高性能的圖像處理硬件。二是研究圖像處理新方法。目前，在特征生成上，基于小波、小波包、分形以及獨立分量分析等成為研究熱點。[12]三是采用神經網絡技術。近年來，神經網絡得到迅速發展，因此研究開發智能程度更高、能力更強的自適應神經網絡系統具有廣泛的應用前景。

四、機器視覺在農業機械中的應用現狀及存在的問題

機器視覺最早應用于遙感圖片分析和生物醫學圖片分析中，效果比較顯著，后來，該技術逐漸應用于工業、農業、醫學、氣象、軍事等各項領域。現在，機器視覺被廣泛應用在農業機械領域。

(一)機器視覺在農業機械中的應用現狀

1.農產品分選機械

機器視覺在農業機械中應用最早、最多的一個方面是農產品分選，主要是對農產品進行自動化檢測。對農產品檢測的研究有：一是對蔬菜類，例如西紅柿、黃瓜、胡蘿卜等的品質評估、分類等。二是對谷物如玉米、大米、小麥等的檢測分類和質量評估。三是水果類，根據其顏色、形狀、大小等特征參數進行分級，例如蘋果、桃、柑桔等的分級。[13，14]我國研究員蔣煥煜、應義斌和王劍平等研制出了適合國內農業生產現狀的水果品質智能化實時檢測和分級生線，有較高的理論和實際意義。[15]四是對其它農副產品進行檢測等，例如，Das K.和Evans M.D.等(1992a，b)為了提高出雛率，[16，17]用機器視覺技術在雞蛋孵化的早期檢測雞蛋的生命活力，去除死蛋和壞蛋。

2.農業收獲機械

近年來最熱門的研究課題之一是機器視覺在農業收獲機械中的應用，該研究始于20世紀80年代中后期，主要研究農產品收獲自動化，即完成對蔬菜、水果的識別和采摘。[13]例如，日本的西卓郎等研究用機器視覺技術識別黃瓜苗子葉和本葉的新方法，結果表明，從整體圖像中區別子葉和本葉的正確率可達89.19%，識別出本葉位置的正確率為93%。[18，19]

3.農田作業機械

機器視覺技術在農田作業機械中的應用研究起步較晚，主要應用于農田作業機械如播種、施肥及植保機械中，其中農藥的粗放式噴灑是農業生產中效率最低、污染最嚴重的環節，因此，需要對雜草精確噴灑除草劑、對農田植株精確噴哂殺蟲劑。針對雜草精確噴灑除草劑，Woebbecke D.M.等對美國中西部地區的10種常見雜草及玉米和大豆的二值圖像進行了形態學特征分析，區別單子葉和雙子葉，準確率為60%～90%。[20]同樣，大角雅晴等研制了一套能在田間測定稻葉顏色的圖像處理系統，區分了稻田中的水稻植株和其他東西，辨別正確率可以高達98.4%。[21，22]針對農田植株精確噴哂殺蟲劑，Giles D.K.和 D.C.Slaughter等研制了一種能對成行作物實施精量噴霧的裝置，[23]大大提高了準確率。

雖然機器視覺技術大大提高了農業生產率，但是該技術在應用中還存在很大的問題，其主要問題有：一是作物行與機器相對位置的確定導向。1997年底，Kanuma等人研制的旱地自主行走結球菜收獲機器人樣機，[24-26]采用了根據菜地田間圖像來確定作物行與機器人的相對位置的方法。二是植株秧苗行列的識別和植株的識別。鳥居徹等為了控制農用機器人在作物行間的行走，研究了一種能根據田間圖像確定作物行與機器的相對位置的方法。[27]

近年來人們提出了精細農業技術，其核心思想是利用現代地球空間信息技術獲取農田內影響作物的各種因素，避免對農田的盲目投入所造成的浪費和過量施肥施藥所造成的環境污染。[28]

4.農產品加工機械

農產品加工機械視覺技術主要用于在農產品加工過程中，對其進行品質自動檢測，通過反饋信息控制加工過程，例如Jia P等人提出了以鲇魚主軸與水平方向的夾角及形心位置描述鲇魚方位的圖像處理算法；McConnell R K等研究利用計算機視覺技術檢查顏色來控制或烤制食品的質量。[29]

(二)機器視覺在農業機械中存在的問題

雖然機器視覺在農業生產過程中起到了很大作用，但是同時也存在以下問題：一是機器視覺對作業對象的識別度不高。二是目前大多只研究對農產品的外部品質進行機器視覺自動識別，因此要利用機器視覺技術對農產品品質進行全面檢測，還需要很大的努力。三是目前絕大多數研究的對象是靜態的農產品個體，實際生產中的對象是動態農產品，效率較低。[4]四是目前我們采用的還是二維圖像技術，實踐證明該技術在很多方面都已不能滿足人們的實際生產需要，努力發展和完善三維圖像技術勢在必行。五是目前的圖像處理方法還不健全，因此，發現高智能的算法迫在眉睫。

五、結語

機器視覺在農業上的應用是國際上正在研究的課題，該技術在農業生產中的應用極大地推動了社會生產的自動化進程，提高了社會生產率，而且隨著電子、計算機、圖像處理等相關技術的高速發展，機器視覺勢必大大提高農業機械的性能和水平，引導著農業機械向自動化、智能化的方向發展。

眾所周知，我國是個農業大國，國民經濟的增長將在很大程度上依賴于農業生產率的提高，而機器視覺的高效率使用會大大提高我國的農業生產率，因此，大力發展機器視覺技術意義重大。