机器视觉在农业中的应用研究进展 .pdfVIP

机器视觉在农业中的应用研究进展

摘要：机器视觉技术因其具有非接触式性、速度快、精度高等特点，被广泛应

用于现代农业生产的各个环节。基于对近几年成果和文献的分析，综述机器视觉

技术在质量分级与检测、农作物生长过程信息采集、果实自动采摘系统、机械设

备导航等方面研究进展，并对机器视觉技术在农业领域的研究情况进行分析和总

结，提出目前存在的问题和未来的研究发展方向。

关键词：机器视觉；质量分级；信息采集；导航

0引言

随着计算机技术的快速发展，计算机图像处理技术不断进步，机器视觉技术

广泛应用到农业生产中。在农业生产过程中，在对农产品或农作物进行外观判断

和信息采集过程中，如品质检测、成熟度判断、作物生产状况等，运用机器视觉

技术代替人工，降低了人的劳动强度，并实现农业生产现代化。对国内外研究进

展及应用情况进行综述，总结了应用中存在的问题，并对该技术的发展前景和研

究方向进行讨论。

1机器视觉

机器视觉系统是指通过机器视觉设备将被摄取目标转换成图像信号，传送给

专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；

图像系统对这些信号进行各种运算来提取目标的特征，进而根据判别的结果来控

制现场的设备运作。机器视觉典型结构包括五大块：照明、镜头、高速相机、图

像采集卡和视觉处理器（图1-1）。

2机器视觉在农业上的应用

机器视觉广泛应用于农业生产当中，在农产品质量分级、检测、农产品自动

采摘系统、农田检测以及自动化机械的导航等方面均有技术突破。虽然机器视觉

技术识别方面比人眼更准确，并具有非接触的特点，但由于农业生产环境的复杂

多变，使得机器视觉在农业生产中的应用还不成熟。

图1-1机器视觉系统示意图

1-照明,2-高速相机和镜头,3-光源箱,4-被测物体,5-计算机

2.1机器视觉在农业分级检测上的应用

农产品分级和分类检测是目前机器视觉一个重要的研究方向。传统人工分选耗时耗力，

且分选精度不高；特别是一些农产品外观特性对产品质量和经济效益影响较大，人的主观判

断很容易改变该产品的分级等级。运用机器视觉对农产品进行分级分选，根据设定好的分级

标准自动分级，避免了人为影响，还具有较高的处理效率。

机器视觉在农产品的质量分级、检测中，运用CCD摄像头采集图像信息，经过MATLAB

软件处理，采用RGB、HIS等颜色模型变换，对特征分量进行大津展（Ostu）阈值法分割、中

值滤波等方式提取图像边缘特性，并去除噪声，得到被测物体的数字图像特征。最后运用相

关的图像算法，将数字图像特征转化为分级数字信号完成分级。

刘同海等[1]设计了一种复杂背景下猪体体尺测点坐标提取的算法，解决了机器视觉提取

自然站立姿态下猪体体尺测点识别率低的问题。大连理工大学林艾光等[2]利用摄像头捕获扇

贝图像，建立扇贝模型并识别大小。解决了采用筛子和分级机筛分，会损伤扇贝边缘，影响

生长发育，人工分选效率低下的问题。李聪等、Whitelock等[3-4]通过提取形状和缺陷等特征

对成熟苹果进行分级检测，但提取算法单一，不能提取多种缺陷，识别效果欠佳。王海青、

方政、邢作常、胡发焕等[5-7]通过对农作物果实外形特点的研究，提取外观综合特征，利用

matlab软件的函数变换，可以识别果实的大小和外观缺陷，效果可以满足实时环境下的分级

检测。高新浩等[8]对数字图像采用小波分析方法，分析鲜食玉米图像的纹理特征，设计出一

种分级方式，降低人工对玉米表皮的破损以及主观因素对产品质量检测的影响。

在农业生产中，机器视觉技术已经比较成熟地应用在农产品分选设备中；然而，在实际

应用当中，一部分产品的质量标准是由质量、甜度等其他特征决定。在后续的研究过程中，

应将其他特征对产品分级和检测的影响考虑进来。

2.2机器视觉在农产品自动采摘上的应用

农村劳动力匮乏，农业机器人取代人工进行采摘已经成为趋势，机器视觉的应用提高了

农业机器人的采集的精度和效率。

刘志刚等[9]采用双目视觉相机、路标识别相机和声纳传感器三者相结合的方式，控制采

集机器人进行采摘。张宾、王政、张丽等[10-12]利用相机获取果树周围环境的反射图像,对果

实进行精确定位，提高了采摘的效率。郭素娜、何婕等[13-14]利用机器视觉对主要颜色特征

提取的灰度直方图来判断果实的成熟度，避免采摘未成熟的果实。薛亮等[15]利用机器视觉

系统获得障碍物的信息，运用RBF设计网络算法控制机器手躲避障碍物，解决了采集过程中

机器手的蔽障问题。宣峰等[16]设计了以单片