行业新闻
机器视觉助力精准农业
日期：2018-05-04
来源：三姆森科技
《环球科学》2017年12月号杂志公布了“2017年十大创新技术”，这份榜单是由《科学美国人》联合世界经济论坛的专家网络，并综合学术界、商业界、政府部门等领域的专家意见而做出的。其中，机器视觉和精准农业分别被评为第三大和第四大创新技术。
精准农业
随着世界人口的增长，全球对农产品的需求与日俱增。一方面耕地面积有限，另一方面粮食安全问题又很容易引发地区乃至全球的不稳定，这些问题都促使大型农场开始更多地采用精准农业技术来提高产出，减少浪费。
传统农业的管理对象往往是整块农田，人们根据地域条件和历史经验决定如何播种、收获、灌溉、施肥和喷洒农药。而精准农业用上了尖端技术，有传感设备、机器人、GPS、成像和数据分析技术，这些技术能针对每株作物制定种植方案，而且可喜的是，不会增加劳动成本。
那精准农业中每株作物量身定做的种植方案是如何达成的呢?固定或移动传感器以及配有摄像头的无人机，会将每株作物的图像和数据传送给计算机，计算机负责分析作物的健康信息和应激信号。农场主可以根据实时接收到的信息，定量地给需要的作物浇水、施肥或是喷洒杀虫剂。不仅如此，精准农业技术还能给出何时播种、何时收获的建议。
有了精准农业的技术扶持，农民们就能用相同的时间种出更多的作物，还能减少水和化学品的使用，让作物更健康、更高产。所有这些不但能使农民获益，还能优化资源配置并减少土地的化学污染。
机器视觉应用“精准农业”
机器视觉产品在农业领域的应用，很大程度上带动了农业自动化的迅猛发展。图像处理硬件的升级，提高了视觉系统实时处理速度；神经网络技术的应用，在图提升像处理速度的同时，大大提高了机器对环境识别的精确度。机器视觉产品在农业生产中的应用主要有：
1.农作物生长信息的自动监测
在植物的生长过程中，根据对其生长情况的精确自动地监测，通过对图像的处理和分析，可以及时评价作物生长中的缺水、缺肥以及虫害等现象，提示种植户采取相应措施。
2.农副产品的识别与分级
机器视觉在农副产品的识别与分级中的应用，主要是指利用农产品表面所反映出的一些基本物理特性，对产品按—定的标准进行质量评估和分级。常见对大米、小麦、玉米以及其他谷物的识别和分级，例如根据应力裂纹、形态、染色后颜色特征等，应用神经网络、高速滤波等技术来进行识别和分类。在日本，有人利用机器视觉系统TensorFlow打造了自动分拣黄瓜的存储系统。
3.农产品质量检测与鉴定
利用机器视觉对采集到的农产品外观图像进行处理与分析，可一次获得决定农产品质量品质的颜色、尺寸、形状及表面缺陷等参数，因此将机器视觉技术开发与研究应用于农产品质量检测有着不可比拟的优越性。如包装、缺损，对肉类、各种农副产品、蔬菜、瓜果产品的出厂包装、质量合格检测等。
4.瓜果品质的无损检测
通过图像采集卡，采集瓜果的形态，颜色等特征，将采集结果传送至分析处理系统，根据处理结果判断瓜果是否为有损产品。
5.烤烟烟叶质量检测
对大量烟叶样本进行颜色分析，可得到各类样本颜色特征值的分布情况，采用轮廓跟踪算法对烟叶的整体图像外型轮廓进行提取，采用链码表示法进行描述。最后通过烟叶对光的透过特性对叶片结构和身份特征进行综合提取和描述。
6.农产品的自动收获
农作物收获自动化是机器视觉技术在收获机械中的应用, 是近年来最热门的研究课题之一。日本有家“Kubota”公司在1991年成功研制了一种用于橘子收获的机器手，能从果园自然环境中识别橘子，准确率为75％。sites P．W等研究了一套图像采集系统及图像增强和特征信息的提取算法，用于增强原始图像及“多果”、“单果”和“噪声”的区别。分别于白天和晚上在桃园和苹果园进行实验，识别水果的正确率为89％。
近年来，三维成像视觉技术的发展，使得农业领域中的机器视觉信息更加精确，机器视觉技术将成为精准农业发展之路上的有力推手。
精准农业
随着世界人口的增长，全球对农产品的需求与日俱增。一方面耕地面积有限，另一方面粮食安全问题又很容易引发地区乃至全球的不稳定，这些问题都促使大型农场开始更多地采用精准农业技术来提高产出，减少浪费。
那精准农业中每株作物量身定做的种植方案是如何达成的呢?固定或移动传感器以及配有摄像头的无人机，会将每株作物的图像和数据传送给计算机，计算机负责分析作物的健康信息和应激信号。农场主可以根据实时接收到的信息，定量地给需要的作物浇水、施肥或是喷洒杀虫剂。不仅如此，精准农业技术还能给出何时播种、何时收获的建议。
有了精准农业的技术扶持，农民们就能用相同的时间种出更多的作物，还能减少水和化学品的使用，让作物更健康、更高产。所有这些不但能使农民获益，还能优化资源配置并减少土地的化学污染。
机器视觉应用“精准农业”
机器视觉产品在农业领域的应用，很大程度上带动了农业自动化的迅猛发展。图像处理硬件的升级，提高了视觉系统实时处理速度；神经网络技术的应用，在图提升像处理速度的同时，大大提高了机器对环境识别的精确度。机器视觉产品在农业生产中的应用主要有：
1.农作物生长信息的自动监测
在植物的生长过程中，根据对其生长情况的精确自动地监测，通过对图像的处理和分析，可以及时评价作物生长中的缺水、缺肥以及虫害等现象，提示种植户采取相应措施。
2.农副产品的识别与分级
机器视觉在农副产品的识别与分级中的应用，主要是指利用农产品表面所反映出的一些基本物理特性，对产品按—定的标准进行质量评估和分级。常见对大米、小麦、玉米以及其他谷物的识别和分级，例如根据应力裂纹、形态、染色后颜色特征等，应用神经网络、高速滤波等技术来进行识别和分类。在日本，有人利用机器视觉系统TensorFlow打造了自动分拣黄瓜的存储系统。
3.农产品质量检测与鉴定
利用机器视觉对采集到的农产品外观图像进行处理与分析，可一次获得决定农产品质量品质的颜色、尺寸、形状及表面缺陷等参数，因此将机器视觉技术开发与研究应用于农产品质量检测有着不可比拟的优越性。如包装、缺损，对肉类、各种农副产品、蔬菜、瓜果产品的出厂包装、质量合格检测等。
4.瓜果品质的无损检测
通过图像采集卡，采集瓜果的形态，颜色等特征，将采集结果传送至分析处理系统，根据处理结果判断瓜果是否为有损产品。
5.烤烟烟叶质量检测
对大量烟叶样本进行颜色分析，可得到各类样本颜色特征值的分布情况，采用轮廓跟踪算法对烟叶的整体图像外型轮廓进行提取，采用链码表示法进行描述。最后通过烟叶对光的透过特性对叶片结构和身份特征进行综合提取和描述。
6.农产品的自动收获
农作物收获自动化是机器视觉技术在收获机械中的应用, 是近年来最热门的研究课题之一。日本有家“Kubota”公司在1991年成功研制了一种用于橘子收获的机器手，能从果园自然环境中识别橘子，准确率为75％。sites P．W等研究了一套图像采集系统及图像增强和特征信息的提取算法，用于增强原始图像及“多果”、“单果”和“噪声”的区别。分别于白天和晚上在桃园和苹果园进行实验，识别水果的正确率为89％。
近年来，三维成像视觉技术的发展，使得农业领域中的机器视觉信息更加精确，机器视觉技术将成为精准农业发展之路上的有力推手。
