机器视觉技术在农业机械的应用

导语：机器视觉技术在农业机械的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：随着科技迅猛发展，机器视觉技术在农业机械中的应用越来越广泛，机器视觉技术的发展，不仅体现了一个国家科技能力发展的水平，同时对于提高农业作物的产量和管理效率都有重要意义。机器视觉在农业中的应用为其精细化、自动化生产奠定了基础，不仅有助于解放劳动力，还有助于提高农作物产品的品质和产量。

关键词：机器视觉技术；农业机械；机械自动化

机器视觉系统是一种借助光学装置和非接触的传感器获得被检测物体的特征图像，并从这些获取的图像中收集被检测物体的信息，进而实现检测和控制的装置。作为人工智能的关键技术，机器视觉将是促进社会各行业进入智能时代的最重要的技术之一，因此，它也被称为“工业之眼”。目前，机器视觉技术已经应用到果蔬采摘、零件检测、药品检测、航天高温风洞系统、天气预测、侦查追踪、智能交通、安防监控等各个行业，是社会发展中一项极具突破性的技术。当然，从当前关于这项技术的诸多应用信息来看，机器视觉技术对我国农业自动化生产有重要作用。从已有的应用经验来看，农作物在生产过程中其生产周期的自动化管理要有更加智能化的结果，机器视觉技术必须要有所应用。此外，植物种子质量的判别，扰乱植物正常生长的杂草的识别以及对农作物生长各阶段的监控等，都能够在视觉技术的帮助下获得更大突破[1]。

1机器视觉技术在农业机械中的发展现状

机器视觉技术在农业机械中的研究，欧美国家早在20世纪80年代就开始在农业机械中开展机器视觉技术的研究，初期主要研究对桃子、西红柿和黄瓜等进行质量检测和产品分级。随着传感器系统和图像处理系统的进一步完善，机器视觉技术应用的范围变得更加广泛，包含了农作物采摘、生长控制以及简单农作物收获等方面。通过对文献资料的收集、分析和研究，目前基于机器视觉技术的农业机械应用的研究主要集中于农业机器人、农作物种子与果实分拣作业、农作物生长状态检测、病虫害与杂草检测等方面。

1.1农业机器人

农业机器人是一种以农业产品为具体操作对象、拥有具体的感知以及活动功能、能够重复编程和应用的自动化或者半自动化的设备，农业机器人的应用能够降低人工操作强度。据统计，已经应用在农业生产中的机械机器人在研究过程中分为两个方向。一个是行走搬运，另一个是机械手采摘。前者的研究是因为农作物所生长的环境比较复杂，在收获这些农作物过程中为了更好完成其聚集以及搬运，需要能够自动行走、识别道路的机器人来提供帮助。而后者则是因为农作物生长过程中一些细致的活做起来太过消耗时间和精力，如枸杞人工采摘需要一颗一颗从植株上取下，但因为枸杞植株本身带刺，采摘人员只能放慢速度减少自己被刺概率，而这种情况下需要机械手机器人的帮助[2]。日本在农业机器人方面的研究可以追溯到20世纪80年代，最早出现的研究成果是樱桃番茄采摘机器人，利用彩色相机采集图像，利用阈值化、滤波等算法图像分割出果实和识别果实数目，通过双目立体视觉系统获得果实的三维信息[3]。2009年，我国机器人研究学者制造出了黄瓜采摘机器人，实现了我国在农业机器人方面零的突破，其主要功能的实现借助红外光谱对黄瓜果实与茎叶的识别，再利用双目立体视觉技术进行目标识别，实现果实空间位置有效定位。目前，我国的植保机器人研究也很广泛，以棉花作物生长为例，我国大面积种植棉花的区域在新疆，棉花在进入收获期之前必须喷洒一定药物将棉花植株的叶子去除，才能为棉花后期成熟集聚更多能量，如此最终获得的棉花品质也会更好。在过去，棉花种植户在进行这项工作时都是开着拖拉机去棉花地里进行大面积农药喷洒，这会碾压棉花造成作物损伤，这种粗放式农药喷洒方式会造成一部分药物直接随风而逝，不仅会浪费药物，还会将有害物质传播到空气中，造成环境污染。但在使用了基于视觉识别的植物保护机器人之后，药物施加这项工作变得简单，在空中直接进行药物施加即可，不会给棉花植株造成伤害，机器人的障碍物识别技能还能绕开前行中的障碍物，让施药更加合理。

1.2农作物种子与果实分拣

在农作物种植过程中，所选择的种子质量在一定程度上几乎是决定着该作物的最终产量以及质量。所以，绝大多数进行大面积种植的农户在播种之前都会对作物种子进行精心挑选。传统作物种子挑选工作都是由人工来完成，每一颗种子需要一粒一粒地检查，所需时间成本极大。在使用了搭载视觉技术的机器人之后，可以直接对种子进行更精确地分辨，将干瘪的、霉变的或者本身就存在缺陷的种子以最快的速度挑选出来，还能提升优良种子挑选的精确性。农作物在收获之后也需要进行质量检测和等级分拣，为了提高效率和减少成本，这部分工作也可以利用机器视觉技术来提升效率。所收获的农作物好坏是可以从其形状、颜色以及个头等方面来分辨，而视觉机器人进行农作物等级界定也是依据这一原理。赵小霞等在试验中将苹果分为4类，并根据图像处理模块输出的等级结果将传输带的水果分拣至对应分拣箱。经过验证表明，系统精度达到98%[4]。烟叶是烟草行业得以发展的关键。在烟叶的分级过程中，会有较多影响因素，因此，其质量检测分级复杂性也相对较高。通过相机进行采集，借助电脑界面来对拍摄到的图像给予实时、动态显示，结合编写的模糊数学分类算法、图像处理，根据烟叶的颜色特征，来有效识别烟叶等级，从而在短时间内明确烤烟的分级。

1.3农作物生长状态检测

农作物生长过程中如果遇到其本身不喜欢的生长环境，会有一定的外在表征，这些表征是在作物种植者传达自己的需求信息，比如有的农作物突然之间叶片开始发黄，那可能是营养不够了。作物种植者在通过作物的外在表征收到其生长需求信息后，及时采取相应的施肥、浇水或者通风等措施，作物就会重新恢复良性生长。但种植者不可能一天24小时不间断盯着作物，所以传统农作物种植过程中难免会存在因为种植人员忽视造成的一些作物生长不良状况。在应用机器视觉技术之后可以实时对作物生长过程进行监测，对作物生长进行更精准把控。如张彦娥等[5]对温室黄瓜的生长监测研究，就是借助机器视觉技术。

1.4病虫害与杂草检测

很多害虫以植物为食，再加上环境中的一些病菌影响，农作物在生长过程中难免遭受病虫害的影响，要对植物的病虫害进行防治，必须做到及时识别、有效监测、提前预警。农作物生长过程中还会有杂草来与之争夺土壤、水分、阳光和肥料，若不及时控制则会导致作物减产。国外Hayes…JC等人发现利用纹理分析的方式可以对植物的生长进行检测，甚至这种检测方式在一定条件下其结果会比颜色分析的检测方式还要准确。Pydipati等人同时采用了颜色以及纹理两种方式来进行柑橘叶片生长的检测，最终发现能够通过这些方式及时获取到柑橘叶片是否染病信息。

2机器视觉技术在农业机械应用中存在的问题

农业机械中应用机器视觉技术对于农业的发展起到了重要作用，但还存在一些不足，主要表现在以下几个方面：1）农业因为本身种植地区地形及环境的影响，通常不是集中种植，规模小，故而日常管理农作物生长的难度就会比较高，这也是农业结构调整难度高、农业发展速度一直比较慢的原因之一。2）我国农民整体素质偏低。大多数农民文化水平低，学习能力较弱，对于先进技术不会操作，学习缓慢，操作起来困难重重。在购买农业机械时，农业生产者仅仅购买产品，相关人员进行简单的指导。最后几乎都是通过说明书进行使用。但是，由于文化水平以及实际操作能力的不匹配，很多农业生产者不能正确使用农业机械，仅仅采用探索式的操作方式，或者向别人请教经验。

3展望

技术革新推动了互联网技术、信息技术、计算机技术、智能化生产技术等方面发展，也为农业生产及其机械化发展带来了机遇。在全民技术创新，各行业都蓬勃发展的社会大背景下，农业生产智能化已经成为必然的发展趋势[2]。如同电子技术、液压技术与计算机技术在农业机械中的应用一样，机器视觉技术的应用将提高农业机械性能，是农业机械向现代化和智能化发展的必然方向。

4结语

近年来，我国农村人口一直在向着城市聚集，政府鼓励土地流转，形成大型规模化种植，一定程度上为农业生产的发展提供了便利。同时，也助推了农业机械化发展进程。国家给予农业生产更大的扶持力度，国家政策促进了更多的发展建设资金流向农村以及农业生产，与农业发展相关的科技也在这一过程中不断被突破。机器视觉技术本身在理论和实践上都取得了重大突破，在农业机械上的研究与应用进展很大。为促进农业机械更好应用，可鼓励大学生和科技人才回到家乡创业，让更专业的农业技术人员效力于农业发展，促进技术的革新。同时，还应开发适应性强、高效稳定的智能算法，提高系统的分析处理数据，加强适应复杂地理环境和工作环境的算法的鲁棒性，加强对环境的适应性。

参考文献：

[1]张学俊，顾沈明，李斌.机器视觉技术在农业生产中的应用研究[J].农村经济与科技，2019，30(23)：55-56.

[2]王飞涛，樊春春，李兆东，等.机器人在设施农业领域应用现状及发展趋势分析[J].中国农机化学报，2020，41(3)：93-98+120.

[3]KondoN,NishitsujiY,LingPP,etal.Visualfeedbackguidedroboticcherrytomatoharvesting[J].TransAsae,1996,39(6):2331-2338.

[4]赵小霞，李志强.基于PLC和机器视觉的水果自动分级系统研究[J].农机化研究，2021，43(8)：75-79.

[5]张彦娥，李民赞，张喜杰，等.基于计算机视觉技术的温室黄瓜叶片营养信息检测[J].农业工程学报，2005，21(8)：102-105.

作者：殷悦 单位：泰州学院船舶与机电工程学院