理工类文献综述(范文).doc

基于机器视觉技术的农产品检测 摘要：随着计算机技术尤其是多媒体技术以及数字图像的处理与分析理论及其配套技术的不断发展和完善，机器视觉技术在农产品检测已经得到了广泛的应用。该文阐述了机器视觉的原理、组成以及机器视觉技术在农产品品质检测与分级、农产品收获及其自动化以及农作物的生长状况监测三个方面的应用，重点介绍了基于机器视觉的农产品品质检测与分级。指出了机器视觉技术在其应用中存在的问题及不足，并指出了机器视觉技术在农业工程领域在今后的发展趋势及前景。 关键词：机器视觉；农产品检测与分级；数字图像；自动收获 0 引言 机器视觉是利用图像传感器获取对象的图像，并将其转化成数据矩阵的形式，借助计算机的分析，最终来完成一个相当于视觉的任务。机器视觉不仅是人眼的延伸, 更重要的是具有人脑的部分功能, 其在农产品品质检测上的应用正是满足了这些应变的要求。随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高, 在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力， 70 年代末以来国际上许多研究人员已为开发用于农产品品质自动识别和分级的机器视觉系统倾注了大量的心血（应义斌等，2000）。80年代中期，全球掀起了机器视觉的研究热潮（颜发根等，2004），机器视觉技术得到广泛的应用。机器视觉技术在农业上的研究与应用始于20世纪70年代末期，主要用于果蔬的品质检测和分级（熊利荣等，2004）。目前，机器视觉已经延伸到农产品收获自动化和农作物生长监测等方面的应用（傅宇，2006）。包括农作物生长状况监测、自动收获、品质检测及分级等。该文通过分析大量文献，综述了机器视觉技术在农业工程领域中的应用研究进展，重点分析了机器视觉技术在农产品品质检测与分级方面的应用，并且分析了其在应用中存在的问题和不足，并指出了今后的应用研究方向。 1 机器视觉技术 1.1 概述 美国制造工程协会(SME，Society of Manufacturing Engineers) (RIA，Robotic Industries Association)1.2 机器视觉技术的原理 机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、模式识别等多个领域的交叉学科。机器视觉的特点是灵敏度和测量精度高、速度快、噪声低、抗电磁干扰能力强及应用方便灵活。机器视觉技术是指通过计算机来模拟人的视觉功能,从客观世界三维场景的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制,是人类研究较早的一种环境感觉技术（韩冰等，2008）。其基本原理是将光通过光电元件转换成电信号,通过各种成像技术对看到的作业对象进行分析处理,抽取有用的信息将其输出。其结果可供技术人员观察,更多的是直接输入给机器的控制系统,达到反馈外界环境信息的目的。 机器视觉系统的典型结构 1.3 机器视觉技术的组成 典型的视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示, 一般包括光源、光学系统，CCD/CMOS 相机、图像采集卡、图像处理单元、机器视觉处理软件、监视器、通讯/ 输入输出单元等，如图1 所示。 机器视觉系统的工作过程主要分四步实现：（1）图像采集；主要完成对模拟视频信号(由CCD相机输出的信号)的数字化过程。（2）图像处理；机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、融合、匹配等不同的算法来对图像进行处理。（3）特征提取；处理器对图像进行识别，然后量化图像，最后将这些量化后的数据传送到控制程序。（4）判决和控制；处理器的控制程序根据收到的数据做出结论。在机器视觉系统中, 关键技术有光源照明技术、光学镜头、摄像机、图像采集卡、图像处理卡和快速准确的执行机构等几个方面（唐向阳，2004）. 2 机器视觉技术在农业工程中的应用 新的农业生产模式和新技术的应用促进了农业机械的更新和发展, 智能化农业机械的技术条件已经成熟（安爱琴等，2007）。农业机械化促进了农业新技术的发展，提高了劳动生产率和农产品的商品率，改善了农业生产的条件。提高农业生产效率和农业生产自动化程度是农业现代化的根本需要,而任何一种农业生产自动化的实现均依赖于对作业对象的正确识别。可以长时间工作于恶劣环境, 便于进行数字化处理和计算机连接, 为企业减少劳动力和提高生产效率, 在图像采集、非接触测量和实时监控方面得到了广泛应用, 成为现代测量和测试技术中最活跃、最富有成果的研究领域之一（张萍等，2007）。机器视觉技术在农业工程领域的应用主要体现在农作物生长状况监测、农产品自动收获、品质检测与分级三个方面。 2.1 在农作物生长检测方面的应用 在农作物田间管理过程中，杂草和病虫害等一直是影响农作物生长状况的根源所在