计算机视觉及模式识别技术在农业生产领域的应用

　　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

　　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。

　　更新了一篇农业相关的论文，如湖北农业高级职称评审条件，您可以点击并前往查看。

　　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

　　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。

　　3计算机视觉及模式识别技术在植物生长监测中的应用

　　计算机视觉技术能够比人眼视觉更早发现植物因营养不良而表现出的细微变化，为及时灌溉和补充营养提供可靠依据。Mayer等利用数字图像分析了多种作物的叶面积、茎秆直径、叶柄夹角，主要采用三角形逼近的方法测量植物叶片的面积，并达到很好的效果［39］。Trooien等提出了采用数字图像处理技术无损检测马铃薯叶冠面积的理论，并成功建立模型，其检测结果与叶面积仪的测量结果基本相同［40］。杨劲峰等通过平台扫描仪获取叶片的数字图像，建立了以数字图像处理技术测定蔬菜叶面积的方法，该方法被广泛推广使用［41］。张仁祖等提出一种使用图像处理技术测量作物叶面积的新方法，并获得了满意的测量精度［42］。

　　4计算机视觉及模式识别技术在农作物病虫草害的监测与防治中的应用

　　研究大田作物病虫草害的自动识别与测定技术，建成自动化控制系统以防治田间杂草与病虫害，也是计算机视觉技术在作物生产中较为重要的应用研究领域，而利用人工神经网络(ANN)技术识别田间杂草是一个重要的应用方向，国内外学者在此方面已作了大量研究工作。1995年，Woebbecke等研究发现叶片的形态学特征可用于识别双子叶与单子叶植物，准确率在60%～80%［52］;此外还研究发现，彩色图像的2Ｒ－G－B特征能很好地区分非植物与植物的背景，从而将其运用于田间杂草的探测控制［53］。Zhang等提出同时使用形状和颜色分析识别小麦田间杂草的方法［54］。1997年，Giles等研制出一种装有机器视觉导向系统的喷雾装置，能对成行作物实施精量喷雾，该系统不仅节约农药，提高施药效率，还可大大减少对环境的污染［55］。基于机器视觉的杂草识别技术在国外已经进入实用阶段。1999年，Lee等研制出由计算机视觉系统、精准喷施系统等构成的智能杂草控制系统，该系统可根据植物形状特征的差异识别作物和杂草，并确定杂草的位置以进行精准喷施［56］。Burks等利用彩色共生矩阵法和神经网络技术对土壤和5种杂草进行识别研究，分类准确率达93%［57－58］。2001年，陈佳娟等利用图像分割、边缘检测等计算机视觉技术测定棉花虫害的受害程度，误差小于0.05［59］。2004年，E1－Helly等研发了一种利用人工神经网络分类的综合图像处理系统，能较好地识别黄瓜白粉病、霜霉病等病害［60］。

　　结语

　　计算机视觉最初被看作人工智能的分支之一，其发展十分迅速，现已成为一个活跃的研究领域，是近十几年来计算机科学中最热门的研究方向之一。计算机视觉是一门通过图像或视频处理，使计算机具备“看”能力的计算机学科［82］，相当于给计算机安装上眼睛(照相机或摄像机)和大脑(算法)，让其能够感知环境。在计算机视觉领域几十年的发展历程中，计算机视觉及模式识别技术早己从实验室的理论研究层面延伸并发展到实际应用中。随着我国对计算机视觉研究的重视，及国际间交流与合作的深入，使计算机视觉的研究水平不断提升，相关研究逐渐与国际接轨。目前，计算机视觉技术在我国的智能交通、医学图像、工业及农业生产等方面已有较多应用。随着计算机软件、硬件的智能化，神经网络、人工智能等学科的飞速发展，大数据和深度学习的兴起，视觉与机器学习的交叉融合，学术界与工业界的相互合作，以及计算机信息处理技术的进一步综合集成，相信计算机视觉及模式识别技术将为农业生产领域开辟出新的空间。

　　参考文献:

　　［1］贾云得．机器视觉［M］．北京:科学出版社，2000．

　　［2］ZayasI，PomeranzY，LaiFS．DiscriminationbetweenArthurandAranwheatsbyimageanalysis［J］．CerealChemistry，1985，62(2):478－480．

　　［3］GunasekaransS，CooperTM．Imageprocessingforstresscrackincornkernels［J］．TransactionsoftheASAE，1987，30(1):266－271．

　　［4］ZayasI，LaiFS，PomeranzY．Discriminationbetweenwheatclassesandvarietiesbyimage－analysis［J］．CerealChemistry，1986，63(1):52－56．

　　陈桂珍1，2，龚声蓉

《计算机视觉及模式识别技术在农业生产领域的应用》

上一篇：我国农业农村经济社会发展面临的问题及对策

下一篇：科技创新、生产模式变革与农业现代化