计算机视觉及模式识别技术在农业生产领域应用.docVIP

计算机视觉及模式识别技术在农业生产领域应用 　　摘要： 随着计算机软件、硬件、图像处理技术的不断成熟与发展，计算机视觉及模式识别技术的研究和应用已扩展到农业生产的各个领域，并取得了许多重要的研究成果。本研究回顾和综述了计算机视觉及模式识别技术在农作物种子质量检测、农产品分级与加工、植物生长监测、农作物病虫草害的监测与防治、农产品自动化收获等方面的应用，并展望其发展前景，为计算机视觉及模式识别技术的进一步应用提供参考。 　　关键词： 农业生产；计算机视觉；模式识别；应用 　　中图分类号：S126 文献标志码： A 　　文章编号：1002-1302（2015）08-0409-05 　　收 稿日期：2015-03-23 　　基金项目：国家自然科学基金（编号；江苏省产学研联合创新资金（编号：BY2014059-14）。 　　作者简介：陈桂珍（1964―），女，江苏苏州人，硕士，副教授，主要从事计算机多媒体技术、图像处理的教学与研究。E-mail：szchen1728@163 com。 　　计算机视觉是研究用计算机模拟生物外显或宏观视觉功能的科学和技术 [1]，主要是指用计算机实现人的视觉功能。计算机视觉技术是一门包含计算机科学与工程、神经生理学、物理学、信号处理学、认知科学、应用数学、统计学等多门学科的综合性科学技术。计算机视觉技术起源于20世纪50年代的统计模式识别，但其基本研究中的诸多重要进展却是在20世纪80年代取得的。计算机视觉的研究历史虽短，但该技术已在包括农业生产在内的很多应用领域发挥了重要作用。回顾近30年来计算机视觉及模式识别技术在农业生产领域中的应用，并对其发展前景进行展望。 　　1 计算机视觉及模式识别技术在农作物种子质量检测中的应用[BT）] 　　美国等发达国家早在30年前就将计算机视觉及模式识别技术应用于农作物种子质量检测，至今已取得较大进展。1985年，Zayas等通过采集的种子图像，利用种子表面光的特性，基于统计图像的处理分析与识别技术来区分小麦品种 [2]。1986年，Gunasekaran等在对玉米籽粒裂纹的研究中发现，运用计算机视觉检测技术中的高速滤波法可将裂纹与其他部位进行识别区分，其检测精度高达90% [3]。Zayas等结合形态学开展了相关研究，从小麦图片中提取出相应的形态特征参数，用以区分小麦品种及非小麦的成分 [4-6]。2011年，Zapotoczny采用神经网络的方法对春、冬季不同质量等级的11个小麦品种进行试验，使用图像处理分析技术进行分类鉴别的准确率高达100% [7]。近十几年来，我国科研人员对计算机视觉技术在农作物种子质量检测的应用方面作了大量研究。2004年，周红等运用计算机视觉技术提取玉米种子的外形轮廓，为玉米种子的进一步分级识别提供依据 [8]。2008年，万鹏等提出利用计算机视觉系统代替人眼识别整粒及碎大米粒形的方法，并设计了一套基于计算机视觉技术的大米粒形识别装置，该装置对完整米粒、碎米的识别准确率分别为98 67%、92 09% [9]。2012年，万鹏等将计算机视觉技术运用于鱼体的检测，研制出基于BP神经网络的鱼体品种识别装置，扩展了该技术的应用领域 [10]。 　　2 计算机视觉及模式识别技术在农产品分级与加工中的应用[BT）] 　　近年来，随着计算机硬件性能的不断提高，以先进的计算机视觉技术为基础，融合数字图像处理、模式识别、信号处理、自动控制等技术的计算机视觉水果分级自动化系统得到了广泛应用，国外已将部分成果应用于实际生产中。 　　早在1984年，Thylor等运用模拟摄像机和线扫描进行苹果自动损伤判定试验，证明了将计算机视觉技术应用于自动分级的可行性 [11]。在随后几年中，Thylor等不断开展此方面的相应研究，但其分级效率仍较低 [12]。1985年，Sarkar等首次将数字图像分析与模式识别技术运用于西红柿的品质分级，并取得了较好的精确度，但其速度较慢 [13]。1989年，Miller 等在桃的分级研究中，运用图像亮度校正和区域分割的方法，采用近红外方式对没有明显边缘损伤的图像进行识别，其自动分级效果达到了当时美国农业部的相关标准，并得到推广应用 [14]。1992年，Liao等在玉米籽粒的分类中引入了神经网络方法来提高其分类的准确率 [15]。1994年，Liao等对玉米粒的颜色及表面缺陷进行实时分级研究，其分级速度仍较慢 [16]。1997年，Ni等通过图象处理技术获取三维信息的方法对玉米籽粒进行分级，但该系统的检测精度及用时离实际应用仍有较大距离 [17]。1998年，Choi等将彩色图像处理技术运用于番茄品质的分级，其分级效率高于人工检测 [18]。1999年，Chtioui等以粗糙集理论作为模