王春軍
摘要:機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中應(yīng)用較廣泛,在農(nóng)產(chǎn)品質(zhì)量分級(jí)、檢測(cè)、農(nóng)田病蟲草害控制、農(nóng)業(yè)自動(dòng)采摘系統(tǒng)、農(nóng)作物生長過程檢測(cè)以及農(nóng)業(yè)機(jī)械導(dǎo)航等方面均有突破。
關(guān)鍵詞:機(jī)器視覺;質(zhì)量分級(jí);自動(dòng)采摘
機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中應(yīng)用較廣泛,在農(nóng)產(chǎn)品質(zhì)量分級(jí)、檢測(cè)、農(nóng)田病蟲草害控制、農(nóng)業(yè)自動(dòng)采摘系統(tǒng)、農(nóng)作物生長過程檢測(cè)以及農(nóng)業(yè)機(jī)械導(dǎo)航等方面均有突破。雖然機(jī)器視覺技術(shù)具有在農(nóng)作物或農(nóng)產(chǎn)品等識(shí)別方面比人眼更客觀、更標(biāo)準(zhǔn)的特點(diǎn),但是由于農(nóng)田環(huán)境的復(fù)雜多變性以及非結(jié)構(gòu)化特性,使得機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用還不成熟。
一、機(jī)器視覺在農(nóng)產(chǎn)品質(zhì)量分級(jí)及檢測(cè)中的應(yīng)用
對(duì)農(nóng)產(chǎn)品進(jìn)行質(zhì)量分級(jí)可以確定農(nóng)產(chǎn)品品質(zhì),提高農(nóng)產(chǎn)品商品價(jià)值。而人工分選耗時(shí)一耗力,且分選精度不高;運(yùn)用機(jī)器視覺技術(shù),對(duì)農(nóng)產(chǎn)品圖像進(jìn)行處理,根據(jù)預(yù)先設(shè)定的分級(jí)標(biāo)準(zhǔn)完成自動(dòng)分級(jí),不僅能夠達(dá)到較好的分級(jí)和檢測(cè)效果,還具有較高的處理效率。
相對(duì)而言,在農(nóng)產(chǎn)品分選機(jī)械中的應(yīng)用是機(jī)器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中應(yīng)用比較成熟的領(lǐng)域;然而,在實(shí)際應(yīng)用中,許多產(chǎn)品的質(zhì)量標(biāo)準(zhǔn)不只是由外部特征決定的。因此,后續(xù)的研究需要考慮多種特征對(duì)于產(chǎn)品分級(jí)和檢測(cè)的影響,并將內(nèi)部參數(shù)和信息作為典型特征考慮。
二、機(jī)器視覺在農(nóng)業(yè)自動(dòng)采摘系統(tǒng)中的應(yīng)用
果蔬采摘是農(nóng)業(yè)生產(chǎn)鏈中最耗時(shí)一耗力的一個(gè)環(huán)節(jié)。農(nóng)業(yè)機(jī)器人在解決勞動(dòng)力不足、降低采摘成本、提高勞動(dòng)生產(chǎn)率、保證果蔬適時(shí)一采收等方面具有很大潛力。然而,由于作業(yè)環(huán)境復(fù)雜多變,對(duì)視覺辨別能力要求高,目前的機(jī)器視覺定位蔬果己由最初的單目視覺發(fā)展到雙目視覺甚至多目視覺,以實(shí)現(xiàn)對(duì)蔬果在三維空間的精確定位。
目前,對(duì)于機(jī)器視覺在農(nóng)業(yè)自動(dòng)采摘方面的研究取得了一定進(jìn)展,特別是國外在農(nóng)產(chǎn)品收獲中的應(yīng)用研究成果比較成熟。國內(nèi)起步較晚,但近年來也成為一個(gè)較熱門的研究方向,在借鑒國外技術(shù)的基礎(chǔ)上也有了一定的發(fā)展。目前,基于機(jī)器視覺的自動(dòng)采摘機(jī)器人對(duì)于“色覺”信號(hào)明顯的蔬果(如蘋果、番茄、草驀等)可以很好地辨別,但是由于蔬果生長位置和方向的隨機(jī)性,定位采摘點(diǎn)比較困難。對(duì)于顏色與背景相近的蔬果,紋理和形狀能更好地表征目標(biāo)。因此,結(jié)合多種特征提取有效參數(shù)組合能更好地適應(yīng)環(huán)境復(fù)雜性,有效辨認(rèn)成熟果實(shí)。
三、機(jī)器視覺在農(nóng)作物生長過程檢測(cè)中的應(yīng)用
作物生長信息主要是用來提供作物生長狀況的相關(guān)信息,例如水分、溫度、營養(yǎng)狀況等,能夠?yàn)楝F(xiàn)代化的精細(xì)農(nóng)業(yè)提供信息支持。機(jī)器視覺對(duì)作物生長信息的檢測(cè)主要是及時(shí)一采集作物圖像,通過圖像處理提取作物營養(yǎng)狀況信息,能夠?yàn)榕袛嘧魑锷L狀況提供決策支持。
目前,機(jī)器視覺在作物生長過程檢測(cè)中的應(yīng)用研究主要集中在葉片面積和顏色、植株高度、葉片形態(tài)和作物營養(yǎng)信息檢測(cè)等方面,并取得了一定的研究進(jìn)展。早在1996年,Ahmad I. S.等就利用機(jī)器視覺技術(shù),通過對(duì)玉米圖像色彩信息的提取和研究發(fā)現(xiàn)RGB值能很好地反應(yīng)作物干旱和缺肥的癥狀,及時(shí)一為灌溉和施肥提供可靠依據(jù)。作物生長是一個(gè)較為復(fù)雜的動(dòng)態(tài)過程,由于環(huán)境不穩(wěn)定,對(duì)其進(jìn)行實(shí)時(shí)一檢測(cè)的設(shè)備要求較高。目前,無損檢測(cè)基于顏色和外形特征的檢測(cè)比較多,但是算法的通用性不強(qiáng)且精度不高。
四、機(jī)器視覺在農(nóng)業(yè)機(jī)械導(dǎo)航中的應(yīng)用
隨著農(nóng)業(yè)機(jī)械化、智能化的發(fā)展,自動(dòng)導(dǎo)航系統(tǒng)己成為農(nóng)田機(jī)械設(shè)施的重要組成部分,在自動(dòng)化收割、噴施農(nóng)藥等方面己有應(yīng)用。機(jī)器視覺是導(dǎo)航系統(tǒng)中的關(guān)鍵技術(shù)部分,通過實(shí)時(shí)一監(jiān)測(cè)、圖像處理等來為導(dǎo)航、定位提供必要信息。
在運(yùn)用機(jī)器視覺導(dǎo)航的研究方面,國外學(xué)者一起步較早,國內(nèi)令家學(xué)者一對(duì)于視覺導(dǎo)航的研究也做出了許多努力,取得了不少研究成果。1996年,Torii等人提出了基于機(jī)器視覺的智能農(nóng)藥噴灑裝置,通過對(duì)目標(biāo)圖像在HSI空間的分析,用最小二乘法提取導(dǎo)航路徑,該裝置易受缺行和雜草干擾。美國佛羅里達(dá)大學(xué)Vijay Subramanian等人(2006)提出了一種基于機(jī)器視覺與激光雷達(dá)結(jié)合的柑橘園車輛自動(dòng)導(dǎo)航方法,結(jié)合激光器的DGPS導(dǎo)航克服了果園樹冠遮擋GPS信號(hào)致使導(dǎo)航錯(cuò)誤的缺點(diǎn)。用干草堆替代的場景實(shí)驗(yàn)表明,大田環(huán)境下的導(dǎo)航效果在車輛速度低于3. lm/s的情況下可以滿足要求。楊慶華等(2009)針對(duì)復(fù)雜的農(nóng)林環(huán)境提出了不同的導(dǎo)航路徑算法,針對(duì)矮小作物群的農(nóng)田環(huán)境,采用限定區(qū)域的Hough變換方法,在直線檢測(cè)前限定區(qū)域,利用簡化向量T(e>的Hough變換批量處理類似農(nóng)田場景;對(duì)于高大樹木的林地環(huán)境,用Hough變換檢測(cè),依據(jù)樹干與地面的交點(diǎn)確定機(jī)器人行走的左右邊界,求兩邊界的中點(diǎn),對(duì)這些中點(diǎn)進(jìn)行Hough變換,生成導(dǎo)航路徑。陳來榮等(2010)提出了基于梯度的隨機(jī)Hough變換,能更好地適應(yīng)密度分布不均的作物行,在缺行等情況下也能提供較準(zhǔn)確的導(dǎo)航信息。Jinlin Xue } Tony E. Grift等人(2012)在總結(jié)己有成果的基礎(chǔ)上提出了基于可變視場的農(nóng)業(yè)機(jī)器人導(dǎo)航方案:對(duì)于田間環(huán)境下先采用遠(yuǎn)視場獲取具有清晰對(duì)比度的圖像,設(shè)定像素?cái)?shù)量閩值,依據(jù)像素調(diào)整視場;通過圖像處理依據(jù)左右玉米行確定導(dǎo)航路徑。玉米田間的試驗(yàn)表明,在作物行中遠(yuǎn)視場時(shí),精度最高可以達(dá)到平均誤差lmm,其他兩種視場下精度也能滿足導(dǎo)航需求,而且理論上更能滿足特殊行情況。
農(nóng)業(yè)機(jī)械導(dǎo)航是實(shí)現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)全自動(dòng)化的關(guān)鍵,作物行、壟、溝等田間環(huán)境為導(dǎo)航提供了有力的信息支持。機(jī)器視覺可以通過色彩對(duì)比度獲取邊界點(diǎn)、線,有效的圖像處理算法可以提取出航向線;但是,在非結(jié)構(gòu)化的農(nóng)田環(huán)境下,作物形態(tài)各異和無序的雜草給導(dǎo)航信息的提取帶來一定干擾。
參考文獻(xiàn):
[1]農(nóng)業(yè)信息成像感知與深度學(xué)習(xí)應(yīng)用研究進(jìn)展[J]. 孫紅,李松,李民贊,劉豪杰,喬浪,張瑤.農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(05)
[2]無人機(jī)光譜成像技術(shù)在大田中的應(yīng)用研究進(jìn)展[J]. 彭要奇,肖穎欣,鄭永軍,嚴(yán)海軍,董玉紅,李鑫星.光譜學(xué)與光譜分析. 2020(05)
[3]農(nóng)業(yè)機(jī)械導(dǎo)航技術(shù)研究進(jìn)展[J]. 張漫,季宇寒,李世超,曹如月,徐弘禎,張振乾.農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(04)