機器視覺在農(nóng)業(yè)中的應(yīng)用研究進展

《機器視覺在農(nóng)業(yè)中的應(yīng)用研究進展》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、機器視覺在農(nóng)業(yè)中的應(yīng)用研究進展李方圓1于功志1，21,大連海洋大學(xué)2,大學(xué)生“蔚藍”科技創(chuàng)新創(chuàng)業(yè)基地116023摘要：機器視覺技術(shù)因其具有非接觸式性、速度快、精度高等特點，被廣泛應(yīng)用于現(xiàn)代農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)?；趯鼛啄瓿晒臀墨I的分析，綜述機器視覺技術(shù)在質(zhì)量分級與檢測、農(nóng)作物生長過程信息采集、果實自動采摘系統(tǒng)、機械設(shè)備導(dǎo)航等方面研宄進展，并對機器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的研究情況進行分析和總結(jié)，提出目前存在的問題和未來的研究發(fā)展方向。關(guān)鍵詞：機器視覺；質(zhì)量分級；信息釆集；導(dǎo)航0引言隨著計算機技術(shù)的快速發(fā)展，計算機圖像處理技術(shù)不斷進步，機器視覺技術(shù)廣泛應(yīng)用到農(nóng)業(yè)生產(chǎn)中。

2、在農(nóng)業(yè)生產(chǎn)過程中，在對農(nóng)產(chǎn)品或農(nóng)作物進行外觀判斷和信息釆集過程中，如品質(zhì)檢測、成熟度判斷、作物生產(chǎn)狀況等，運用機器視覺技術(shù)代替人工，降低了人的勞動強度，并實現(xiàn)農(nóng)業(yè)生產(chǎn)現(xiàn)代化。對國內(nèi)外研究進展及應(yīng)用情況進行綜述，總結(jié)了應(yīng)用中存在的問題，并對該技術(shù)的發(fā)展前景和研宄方向進行討論。1機器視覺機器視覺系統(tǒng)是指通過機器視覺設(shè)備將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來提取目標(biāo)的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備運作。機器視覺典型結(jié)構(gòu)包括五大塊：照明、鏡頭、高速相機、圖像采集卡和

3、視覺處理器（圖1-1）。2機器視覺在農(nóng)業(yè)上的應(yīng)用機器視覺廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)當(dāng)中，在農(nóng)產(chǎn)品質(zhì)量分級、檢測、農(nóng)產(chǎn)品自動采摘系統(tǒng)、農(nóng)W檢測以及自動化機械的導(dǎo)航等方面均有技術(shù)突破。雖然機器視覺技術(shù)識別方面比人眼更準(zhǔn)確，并具有非接觸的特點，但由于農(nóng)業(yè)生產(chǎn)環(huán)境的復(fù)雜多變，使得機器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用還不成熟。圖1-1機器視覺系統(tǒng)示意圖1-照明,2-高速相機和鏡頭,3-光源箱,4-被測物體,5-計算機2.1機器視覺在農(nóng)業(yè)分級檢測上的應(yīng)用農(nóng)產(chǎn)品分級和分類檢測是0前機器視覺一個重要的研宄方向。傳統(tǒng)人工分選耗吋耗力，且分選精度不高；特別是一些農(nóng)產(chǎn)品外觀特性對產(chǎn)品質(zhì)量和經(jīng)濟效益影響較

4、大，人的主觀判斷很容易改變該產(chǎn)品的分級等級。運用機器視覺對農(nóng)產(chǎn)品進行分級分選，根據(jù)設(shè)定好的分級標(biāo)準(zhǔn)自動分級，避免了人為影響，還具有較高的處理效率。機器視覺在農(nóng)產(chǎn)品的質(zhì)量分級、檢測中，運用CCD攝像頭采集圖像信息，經(jīng)過MATLAB軟件處理，采用RGB、HIS等顏色模型變換，對特征分量進行大津展（Ostu）閾值法分割、中值濾波等方式提取圖像邊緣特性，并去除噪聲,得到被測物體的數(shù)字圖像特征。最后運用相關(guān)的圖像算法，將數(shù)字圖像特征轉(zhuǎn)化為分級數(shù)字信號完成分級。劉同海等［1】設(shè)計了一種復(fù)雜背景下豬體體尺測點坐標(biāo)提取的算法，解決了機器視覺提取自然站立姿態(tài)下豬體體尺測點識別率低的

5、問題。人連理工人學(xué)林艾光等［2］利用攝像頭捕獲扇W圖像，建立扇W模型并識別大小。解決了采用篩子和分級機篩分，會損傷扇W邊緣，影響生長發(fā)育，人工分選效率低下的問題。李聰?shù)取hitelock等［3-4］通過提取形狀和缺陷等特征對成熟蘋果進行分級檢測,但提取算法單一，不能提取多種缺陷，識別效果欠佳。王海青、方政、邢作常、胡發(fā)煥等［5-7］通過對農(nóng)作物果實外形特點的研究，提取外觀綜合特征，利用matlab軟件的函數(shù)變換，可以識別果實的大小和外觀缺陷，效果可以滿足實吋環(huán)境下的分級檢測。高新浩等［8】對數(shù)字圖像采用小波分析方法，分析鮮食玉米圖像的紋理特征，設(shè)計出?一種分級方

6、式，降低人工對玉米表皮的破損以及主觀因素對產(chǎn)品質(zhì)量檢測的影響。在農(nóng)業(yè)生產(chǎn)中，機器視覺技術(shù)己經(jīng)比較成熟地應(yīng)用在農(nóng)產(chǎn)品分選設(shè)備中;然而，在實際應(yīng)用當(dāng)中，一部分產(chǎn)品的質(zhì)量標(biāo)準(zhǔn)是由質(zhì)量、甜度等蘇他特征決定。在后續(xù)的研究過程中，應(yīng)將其他特征對產(chǎn)品分級和檢測的影響考慮進來。2.2機器視覺在農(nóng)產(chǎn)品自動采摘上的應(yīng)用農(nóng)村勞動力匱乏，農(nóng)業(yè)機器人取代人工進行采摘已經(jīng)成為趨勢，機器視覺的應(yīng)用提高了農(nóng)業(yè)機器人的采集的精度和效率。劉志剛等［9】采用雙B視覺相機、路標(biāo)識別相機和聲納傳感器三者相結(jié)合的方式，控制采集機器人進行采摘。張賓、王政、張麗等［10-12］利用相機獲取果樹周圍環(huán)境的反射圖像

7、，對果實進行精確定位，提高了采摘的效率。郭素娜、何婕等［13-14］利用機器視覺對主要顏色特征提取的灰度直方圖來判斷果實的成熟度，避免采摘未成熟的果實。薛亮等［15］利用機器視覺系統(tǒng)獲得障礙物的信息，運用RBF設(shè)汁網(wǎng)絡(luò)算法控制機器手躲避障礙物，解決了采集過程中機器手的蔽障問題。宣峰等［16］設(shè)計了以單片機為核心處理器的農(nóng)業(yè)采摘機器人，降低了圖像處理吋間，同吋也縮小了機器人的體積，對采摘機器人的設(shè)計具有十分重要的意義。目前，基于機器視覺的自動采摘機器人，對于顏色信號明顯的果實能夠很好地進行辨別。但由于果實受光照、生長位置等因素影響，果實定位仍存在一定的困難。對于部分

8、農(nóng)作物果實