楊艷輝 張?zhí)K鴻 史文崇

摘要：機(jī)器視覺技術(shù)具有實(shí)時(shí)性，高精度和對(duì)不利環(huán)境的適應(yīng)性，可用于玉米生產(chǎn)各環(huán)節(jié)，提高生產(chǎn)管理效率。通過文獻(xiàn)查閱與梳理分析，總結(jié)了機(jī)器視覺技術(shù)在玉米種子管理、品質(zhì)管理、病蟲害管理、田間管理等領(lǐng)域的研究現(xiàn)狀，并指出玉米產(chǎn)業(yè)應(yīng)用機(jī)器視覺技術(shù)的瓶頸在于機(jī)器視覺系統(tǒng)研發(fā)困難、種植業(yè)主應(yīng)用積極性不高、技術(shù)推廣人員嚴(yán)重不足等問題，提出了加強(qiáng)協(xié)作開發(fā)，降低成本；提高田間信息化管理水平，擴(kuò)大生產(chǎn)規(guī)模；加大科普及技術(shù)服務(wù)力度等建議。

關(guān)鍵詞：機(jī)器視覺；玉米產(chǎn)業(yè)；種子管理；品質(zhì)管理；病蟲害管理；田間管理

中圖分類號(hào)：S-1；S513? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? ? 文章編號(hào)：2097-2172（2023）09-0799-06

doi：10.3969/j.issn.2097-2172.2023.09.003

Application Status and Prospect of Machine Vision Technology in

Maize Production Management

YANG Yanhui， ZHANG Suhong， SHI Wenchong

（School of Mathematics and Information Science ＆ Technology， Hebei Normal University of Science ＆ Technology，

Qinhuangdao Hebei 066004， China）

Abstract： Machine vision technology has real-time， high-precision， and adaptability to adverse environments， which could be used in various stages of maize production to improve production management efficiency. Through literature review and analysis， the current research status of machine vision technology in fields such as maize seed management， quality management， pest and disease management， and field management are summarized in this paper. It is also pointed out that the bottleneck in the application of machine vision technology in the maize industry lies in difficulties in machine vision system research and development， low enthusiasm for application， and serious shortage of technical personnel in promotion and extension. In respect of these issues suggestions are proposed including strengthening collaborative development to reduce costs， improving the level of field information management to expand production scale， and increasing efforts in science popularization and technical services.

Key words： Machine vision; Maize industry; Seed management; Quality management; Pest and disease management; Field management

收稿日期：2023 - 01 - 17；修訂日期：2023 - 05 - 16

作者簡介：楊艷輝（1998 — ），男，山東濰坊人，碩士在讀，研究方向?yàn)檗r(nóng)業(yè)信息化、機(jī)器學(xué)習(xí)。Email： yyhhyywf@163.com。

通信作者：史文崇（1965 — ），男，河北秦皇島人，副教授，研究方向?yàn)榇髷?shù)據(jù)、機(jī)器學(xué)習(xí)、圖像處理。Email： mr_shi_pb@126.com。

機(jī)器視覺技術(shù)即通過特定的軟硬件系統(tǒng)使機(jī)器“獲得視覺”，其核心在于視頻采集、數(shù)據(jù)提取和機(jī)器學(xué)習(xí)，其突出優(yōu)勢(shì)在于實(shí)時(shí)性、高精度和對(duì)不利環(huán)境的適應(yīng)性［1 ］，運(yùn)用得當(dāng)可取代人類視覺進(jìn)行鑒定或識(shí)別，提高工作效率，改善工作效果。機(jī)器視覺有二維（2D）和三維（3D）之分，目前已應(yīng)用于交通監(jiān)控、工業(yè)質(zhì)檢、汽車制造等領(lǐng)域。

農(nóng)業(yè)是國民經(jīng)濟(jì)基礎(chǔ)產(chǎn)業(yè)。糧食生產(chǎn)是農(nóng)業(yè)的重要使命。玉米不僅營養(yǎng)成分全面、具有抗癌等功效，還是淀粉、動(dòng)物飼料的重要原料［2 ］。從產(chǎn)量看，玉米在世界和中國都是第一大糧食作物，目前世界仍有1/3的人口以玉米為主糧。我國是最大的玉米生產(chǎn)國和消費(fèi)國。在玉米田間管理中，由于株高葉大，株距行距密集，人類視覺嚴(yán)重受限；在育種選種等環(huán)節(jié)，由于其籽粒、秧苗眾多，靠人類視覺操作效率低、效果差。如果能借助機(jī)器視覺完成上述操作，必將極大地促進(jìn)玉米產(chǎn)業(yè)發(fā)展。因此，研究機(jī)器視覺技術(shù)在玉米產(chǎn)業(yè)中的應(yīng)用狀況以便有的放矢，具有重要意義。

1? ?機(jī)器視覺在玉米種子管理中的應(yīng)用

機(jī)器視覺在種子管理中的應(yīng)用涉及考種、種子精選、種子分類和種子活力檢測(cè)等工作，多應(yīng)用二維視覺技術(shù)。有人把傳統(tǒng)選種、育種工作形象地概括為“一把尺子、一桿秤，靠牙咬、靠眼瞪”，說明傳統(tǒng)育種選種方式嚴(yán)重依賴于人類視覺和主觀判斷，其效率和效果往往不盡人意，應(yīng)用機(jī)器視覺技術(shù)可使這種狀況大為改觀。

1.1? ?機(jī)器視覺在玉米考種中的應(yīng)用

考種作為玉米育種的重要環(huán)節(jié)，重在統(tǒng)計(jì)分析玉米穗與籽粒的性狀參數(shù)［3 ］。人工考種步驟煩瑣、耗時(shí)長，嚴(yán)重制約著考種效率和效果。吳剛等［4 ］應(yīng)用自研自動(dòng)考種設(shè)備，結(jié)合機(jī)器視覺技術(shù)實(shí)現(xiàn)了玉米果穗的形狀、穗行、穗粒數(shù)等參數(shù)的無損測(cè)量，其效率可達(dá)6 s/穗。吳迪［5 ］構(gòu)建的玉米果穗與玉米籽粒的圖像處理與參數(shù)提取算法，對(duì)玉米果穗與籽粒的參數(shù)測(cè)量高效準(zhǔn)確。Zhang等［6 ］基于玉米穗全景圖像，將SIFT、指數(shù)變換、Sobel-Hough等算法用于玉米考種各參數(shù)檢測(cè)。Gonzalez等［7 ］借助Ear CV— 一個(gè)開源的玉米穗部表型識(shí)別包，在可變的光照背景條件下成功地進(jìn)行了果穗分類。馬欽等［8 ］基于機(jī)器視覺技術(shù)發(fā)明了一套高通量玉米穗考種裝置?？偟膩砜矗霗C(jī)器視覺有助于改良玉米考種過程中存在的諸多問題。

1.2? ?機(jī)器視覺在玉米種子精選中的應(yīng)用

種子精選分級(jí)，即“凈種”，是指剔除種子中破損種子、霉變種子及各種雜質(zhì)等［9 ］，對(duì)提高保苗率、實(shí)現(xiàn)精量播種具有重要意義［10 ］。國內(nèi)外學(xué)者已利用機(jī)器視覺技術(shù)精選玉米種子，并應(yīng)用于生產(chǎn)實(shí)踐中。張晗等［11 ］提取鄭單958玉米種子的形狀及顏色特征，構(gòu)建偏最小二乘判別模型，用于霉變和破損種子的識(shí)別。孫進(jìn)等［12 ］設(shè)計(jì)了種粒形態(tài)分級(jí)算法結(jié)合CAN總線，以揚(yáng)農(nóng)15-1號(hào)、15-6號(hào)玉米種子為研究對(duì)象，設(shè)計(jì)出了玉米種粒分類器。呂夢(mèng)棋等［13 ］利用機(jī)器視覺，結(jié)合改進(jìn)的ResNet網(wǎng)絡(luò)，對(duì)農(nóng)大108玉米種子特征進(jìn)行分級(jí)。姜龍等［14 ］、權(quán)龍哲等［15 ］、趙靜等［16 ］都發(fā)明了具有不同特征的玉米種子精選裝置。

1.3? ?機(jī)器視覺在玉米種子分類中的應(yīng)用

不同玉米品種種子形態(tài)特征極其相似，導(dǎo)致種子市場(chǎng)魚目混珠。需要加強(qiáng)種子純度鑒定，實(shí)現(xiàn)種子精準(zhǔn)分類，區(qū)分不同品種的種子，以提高種子質(zhì)量。學(xué)者們?cè)谔骄坑衩追N子分類問題時(shí)，多將機(jī)器視覺與深度學(xué)習(xí)算法結(jié)合。王佳等［17 ］以玉米種子胚和胚乳為數(shù)據(jù)集，結(jié)合ResNet網(wǎng)絡(luò)模型，可鑒別登海605玉米種的真?zhèn)危获T曉等［18 ］借助MobileNetV2網(wǎng)絡(luò)和遷移學(xué)習(xí)了對(duì)玉米種胚面和非胚面進(jìn)行高精度鑒別，以區(qū)分先玉335及鄭丹系列玉米種子；Tu等［19 ］通過VGG16網(wǎng)絡(luò)模型，以京科968玉米種子的胚芽和非胚芽數(shù)據(jù)為分類依據(jù)，進(jìn)行真?zhèn)巫R(shí)別；Javanmardi等［20 ］提取玉米的形態(tài)、顏色、紋理特征，借助CNN-ANN分類模型，實(shí)現(xiàn)了對(duì)9個(gè)玉米品種的分類。

1.4? ?機(jī)器視覺在玉米種子活力檢測(cè)中的應(yīng)用

種子活力綜合了種子發(fā)芽率、出苗率、幼苗生長潛力等［21 ］。傳統(tǒng)檢測(cè)方法操作程序復(fù)雜，且多為有損檢測(cè)［22 ］，易對(duì)種子造成不可逆的破壞，而機(jī)器視覺技術(shù)作為一種無損檢測(cè)技術(shù)，為玉米種子活力檢測(cè)提供了新方法，但實(shí)際涉及該領(lǐng)域的研究并不多。張晗等［23 ］結(jié)合極限學(xué)習(xí)機(jī)算法提取鄭單958玉米種子的主成分指標(biāo)，建立了種子發(fā)芽潛力檢測(cè)模型；潘同等［24 ］根據(jù)玉米胚部染色指標(biāo)建立MLP神經(jīng)網(wǎng)絡(luò)檢測(cè)模型，證實(shí)了機(jī)器視覺技術(shù)預(yù)測(cè)不同品種玉米種子生活力的可行性；De等［25 ］檢測(cè)玉米種子發(fā)芽率，證明了計(jì)算機(jī)視覺可以輔助其活力分析。

1.5? ?機(jī)器視覺在玉米種子品質(zhì)管理中的應(yīng)用

玉米果實(shí)籽粒是玉米生產(chǎn)的最終成果，其性狀寄托了玉米種植者的期望，也是驗(yàn)證種子好壞和田間管理效果的直接依據(jù)，與種植收益密切相關(guān)。玉米果實(shí)籽粒品質(zhì)檢測(cè)和種子檢測(cè)目的不同，重點(diǎn)也不同。不少學(xué)者也關(guān)注了機(jī)器視覺在這方面的研究，主要集中在果粒破損率等方面。彭燦［26 ］構(gòu)建的水分檢測(cè)模型實(shí)現(xiàn)了對(duì)4種玉米籽粒的水分和破損檢測(cè)。胡艷俠［27 ］通過分析玉米穗外觀特征，設(shè)計(jì)了圖像預(yù)處理方案，完成對(duì)其大小、形狀、顏色等精確檢測(cè)。高新浩等［28 ］基于玉米紋理特征建立品質(zhì)檢測(cè)模型，用于水果玉米尺寸及破損程度檢測(cè)。Ren等［29 ］設(shè)計(jì)的青貯玉米二次發(fā)酵pH變化檢測(cè)模型，提供了一種青貯玉米質(zhì)量檢測(cè)方法。Szwedziak等［30 ］基于機(jī)器視覺技術(shù)對(duì)糧倉中的玉米籽粒污染情況進(jìn)行了分析。梁鵬等［31 ］、王卓等［32 ］分別發(fā)明出了玉米籽粒品質(zhì)檢測(cè)裝置和玉米籽粒破損率在線檢測(cè)裝置。

1.6? ?機(jī)器視覺在玉米病蟲害檢測(cè)中的應(yīng)用

病蟲害會(huì)影響玉米品質(zhì)、降低其產(chǎn)量，傳統(tǒng)病蟲害檢測(cè)方式耗時(shí)長、效率低、準(zhǔn)確率差［33 ］，機(jī)器視覺技術(shù)的應(yīng)用為解決該問題提供了可能。熊夢(mèng)園等［34 ］使用ResNet50網(wǎng)絡(luò)模型，包含50個(gè)卷積操作，結(jié)合CBAM模型實(shí)現(xiàn)了玉米葉片銹病等多種病害的檢測(cè)。王超等［35 ］利用聚類算法和支持向量機(jī)對(duì)玉米葉片大斑病等4種病害進(jìn)行了檢測(cè)。Richey等［36 ］基于機(jī)器視覺技術(shù)結(jié)合YOLOv4網(wǎng)絡(luò)，對(duì)玉米葉枯病進(jìn)行了實(shí)時(shí)檢測(cè)。田磊等［37 ］設(shè)計(jì)了基于安卓手機(jī)端的玉米病蟲害專家診斷系統(tǒng)。陳峰等［38 ］對(duì)東北寒地玉米常見的害蟲如玉米螟等進(jìn)行機(jī)器識(shí)別。

1.7? ?機(jī)器視覺在玉米田間傳統(tǒng)管理中的應(yīng)用

機(jī)器視覺在玉米播種、除草、施肥、長勢(shì)檢測(cè)管理等方面均有涉及。Ji等［39 ］使用GABP算法結(jié)合機(jī)器視覺設(shè)計(jì)了智能玉米播種機(jī)。馮俊慧等［40 ］發(fā)明了一套玉米苗期機(jī)械除草識(shí)別裝置。宗澤等［41 ］借助機(jī)器視覺技術(shù)，設(shè)計(jì)出苗期玉米定位施肥控制系統(tǒng)，平均施肥誤差僅為3.2 cm。譚文豪等［42 ］基于機(jī)器視覺技術(shù)設(shè)計(jì)出了針對(duì)玉米中后期噴藥作業(yè)導(dǎo)航系統(tǒng)。齊江濤等［43 ］發(fā)明了玉米株心識(shí)別系統(tǒng)，用于玉米苗期病蟲害防治。賈彪［44 ］構(gòu)建出針對(duì)寧夏滴灌玉米長勢(shì)和營養(yǎng)檢測(cè)的技術(shù)體系，并用于實(shí)際生產(chǎn)。Jia等［45 ］借助機(jī)器視覺對(duì)田間玉米植株數(shù)量進(jìn)行統(tǒng)計(jì)。Mccarthy等［46 ］基于機(jī)器視覺對(duì)玉米株高和開花期進(jìn)行檢測(cè)。Zhao等［47 ］提出了一種檢測(cè)玉米粒收獲機(jī)的篩子堵塞情況的算法。Liu等［48 ］借助CPU-Net模型對(duì)機(jī)械化玉米粒收獲過程中存在的雜質(zhì)進(jìn)行檢測(cè)。卜小東等［49 ］構(gòu)建土壤圖像與水分?jǐn)?shù)據(jù)模型，對(duì)玉米苗期土壤濕度進(jìn)行檢測(cè)。劉玉梅［50 ］設(shè)計(jì)了一套篩選玉米單倍體籽粒的系統(tǒng)。張高美等［51 ］基于機(jī)器視覺技術(shù)發(fā)明了玉米田間管理機(jī)器人。

1.8? ?機(jī)器視覺在玉米田間無人化管理中的應(yīng)用

田間管理無人化是未來發(fā)展趨勢(shì)，機(jī)器視覺技術(shù)可為機(jī)器人、無人機(jī)參與農(nóng)作物田間管理助力，主要是為其提供導(dǎo)航等服務(wù)。對(duì)作物行的精準(zhǔn)識(shí)別是農(nóng)業(yè)機(jī)器人實(shí)現(xiàn)自動(dòng)導(dǎo)航作業(yè)的依據(jù)［52 ］，機(jī)器視覺作為行線識(shí)別的關(guān)鍵技術(shù)在玉米行線提取中得到廣泛應(yīng)用。李霞等［53 ］則采用Hough變換對(duì)玉米行檢測(cè)進(jìn)行導(dǎo)航線提取，為植保機(jī)器人自動(dòng)作業(yè)提供了導(dǎo)航依據(jù)。李祥光等［54 ］對(duì)存在缺株現(xiàn)象的玉米行進(jìn)行了中心線提取算法的研究，為無人機(jī)自動(dòng)作業(yè)提供依據(jù)。徐寧等［55 ］發(fā)明公開了一種基于機(jī)器視覺的玉米行道識(shí)別方法；張彥斐等［56 ］發(fā)明公開了玉米根莖導(dǎo)航基準(zhǔn)線提取方法，這些應(yīng)用多已涉及三維視覺技術(shù)。

2? ?機(jī)器視覺在玉米生產(chǎn)應(yīng)用的受限因素

機(jī)器視覺技術(shù)在玉米產(chǎn)業(yè)應(yīng)用研究幾乎已涉及常規(guī)產(chǎn)業(yè)管理的各個(gè)領(lǐng)域，并已發(fā)揮巨大作用。表1可知，中外學(xué)者在機(jī)器視覺用于玉米產(chǎn)業(yè)研究各領(lǐng)域的占比情況極其相似，在玉米種子管理和田間管理方面的探索最多，在玉米果實(shí)品質(zhì)方面和病蟲害管理方面則較少，在土壤、水質(zhì)對(duì)玉米生產(chǎn)的影響方面涉獵極少，而在氣象對(duì)玉米產(chǎn)業(yè)的影響方面的文獻(xiàn)尚未發(fā)現(xiàn)。

學(xué)者對(duì)玉米生產(chǎn)應(yīng)用機(jī)器視覺技術(shù)的研究既受需求的支配、又受技術(shù)的制約。機(jī)器視覺技術(shù)在玉米產(chǎn)業(yè)應(yīng)用目前主要仍局限于研究機(jī)構(gòu)和實(shí)驗(yàn)階段，玉米種植戶直接應(yīng)用極少，尤其用于常規(guī)田間管理的案例占比極低。在我國育種產(chǎn)業(yè)還處于2.0向3.0發(fā)展的傳統(tǒng)階段［57 ］，這些現(xiàn)狀值得業(yè)界關(guān)注，尤其對(duì)一些普遍性的瓶頸問題，必須及時(shí)發(fā)現(xiàn)和處理。機(jī)器視覺技術(shù)在玉米生產(chǎn)上應(yīng)用不足，主要與以下諸因素有關(guān)。

2.1? ?機(jī)器視覺系統(tǒng)研發(fā)門檻高

機(jī)器視覺系統(tǒng)專用性、針對(duì)性強(qiáng)，已有的小麥或水稻的機(jī)器視覺系統(tǒng)不能用于玉米生產(chǎn)，必須獨(dú)立開發(fā)。已有的研發(fā)產(chǎn)品因?yàn)榫纫蟾邔?dǎo)致硬件價(jià)格昂貴，或者機(jī)械設(shè)備本身具有缺陷不適合開發(fā)相應(yīng)儀器，而且算法模型開發(fā)困難，相應(yīng)的實(shí)時(shí)性機(jī)器學(xué)習(xí)模型的開發(fā)成為主要技術(shù)瓶頸，致使一個(gè)完整的機(jī)器視覺系統(tǒng)研發(fā)成本高、周期長、落地難。盡管有業(yè)內(nèi)人士反映，某些玉米考種儀對(duì)雜交種識(shí)別和考種數(shù)據(jù)較為真實(shí)，但是對(duì)玉米自交系，尤其是穗行數(shù)排列不整齊的自交系果穗的考種結(jié)果不準(zhǔn)確，應(yīng)用空間自然受到限制。

2.2? ?種植業(yè)主應(yīng)用積極性不足

我國小農(nóng)經(jīng)濟(jì)占比大，農(nóng)民個(gè)體生產(chǎn)的種植成本高，收益低，應(yīng)用高技術(shù)設(shè)備的自覺性、主動(dòng)性差。對(duì)于玉米種植面積較小的小農(nóng)戶來說尤其如此。玉米本身不是經(jīng)濟(jì)作物，作為糧食出售，售價(jià)較低，收益不足以引導(dǎo)種植戶在田間管理中投入較大資金添置農(nóng)業(yè)設(shè)施。只有足夠的種植面積、出現(xiàn)用傳統(tǒng)手段難以解決的問題時(shí)，才有強(qiáng)烈的技術(shù)需求。

2.3? ?技術(shù)推廣人員嚴(yán)重不足

至2021年，我國農(nóng)業(yè)科研機(jī)構(gòu)從業(yè)人員為7.23萬人［58 ］。玉米作為傳統(tǒng)的糧食作物，專業(yè)技術(shù)人員本來不多，而其中熟悉機(jī)器視覺的技術(shù)人員微乎其微。一些技術(shù)人員從未接受機(jī)器視覺技術(shù)培訓(xùn)，對(duì)機(jī)器視覺技術(shù)缺乏了解，普及相關(guān)技術(shù)困難重重。

3? ?促進(jìn)機(jī)器視覺技術(shù)在玉米生產(chǎn)中應(yīng)用的措施

3.1? ?加強(qiáng)協(xié)作開發(fā)， 降低成本

加強(qiáng)玉米產(chǎn)業(yè)實(shí)時(shí)性機(jī)器學(xué)習(xí)模型的開發(fā)協(xié)作攻關(guān)，以降低研發(fā)成本和成型系統(tǒng)售價(jià)，并增強(qiáng)系統(tǒng)的實(shí)用性和普適性。這需要研發(fā)公司和用戶的長期合作，從實(shí)用性入手，向普適性拓展，既提升效率又改良效果，以求更多、更好地解決玉米生產(chǎn)管理中的實(shí)際問題。

3.2? ?提高田間信息化管理水平， 擴(kuò)大生產(chǎn)規(guī)模

加速玉米種植業(yè)主聯(lián)合、并產(chǎn)，提高田間管理的信息化、智能化水平。生產(chǎn)規(guī)模擴(kuò)大后，玉米種植戶原有的粗放經(jīng)營意識(shí)逐漸被顛覆，向科學(xué)管理要效益的意識(shí)增強(qiáng)，會(huì)主動(dòng)尋求機(jī)器視覺技術(shù)的支持。

3.3? ?加大科普及技術(shù)服務(wù)力度

做好玉米產(chǎn)業(yè)小農(nóng)戶的科普和技術(shù)服務(wù)工作。小面積種植戶始終是我國玉米種植業(yè)主體。也應(yīng)該成為機(jī)器視覺技術(shù)的主要受益者。必須使農(nóng)戶在玉米種植過程中想得到、用得上、學(xué)得會(huì)、用得起，初步嘗試使用新技術(shù)。為此，一方面，政府主管部門要加強(qiáng)相關(guān)技術(shù)培訓(xùn)，農(nóng)技人員大力宣傳、示范機(jī)器視覺技術(shù)的應(yīng)用；另一方面，技術(shù)推廣部門要推行機(jī)器視覺系統(tǒng)的流動(dòng)性、租賃性服務(wù)，以降低玉米種植業(yè)主的生產(chǎn)成本。

4? ?機(jī)器視覺在玉米生產(chǎn)中的應(yīng)用展望

目前，機(jī)器學(xué)習(xí)技術(shù)已經(jīng)成熟并逐步普及，這為玉米產(chǎn)業(yè)廣泛應(yīng)用機(jī)器視覺技術(shù)奠定了基礎(chǔ)，有利于加速玉米產(chǎn)業(yè)多種專用機(jī)器視覺系統(tǒng)的開發(fā)。我國實(shí)行農(nóng)村土地確權(quán)后，更便于農(nóng)戶租賃、轉(zhuǎn)讓土地，利于玉米種植戶擴(kuò)大種植規(guī)模，實(shí)現(xiàn)集約化經(jīng)營，并終將有利于種植業(yè)主添置新的技術(shù)裝備并降低運(yùn)作成本。更重要的是，我國最新出臺(tái)的糧食產(chǎn)業(yè)政策有利于機(jī)器視覺技術(shù)的開發(fā)和普及。2017年國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出加速推進(jìn)農(nóng)業(yè)產(chǎn)業(yè)等智能化升級(jí)，并將“研制農(nóng)業(yè)智能傳感與控制系統(tǒng)、智能化農(nóng)業(yè)裝備、農(nóng)機(jī)田間作業(yè)自主系統(tǒng)等”作為奮斗目標(biāo)。2022年末的中央農(nóng)村工作會(huì)議指出，在目前主產(chǎn)地、主糧產(chǎn)量接近天花板的形勢(shì)下，要發(fā)展糧食產(chǎn)業(yè)，必須深刻認(rèn)識(shí)“藏糧于地”“藏糧于技”，并重點(diǎn)提到了玉米價(jià)值［59 ］，這些都有利于機(jī)器視覺技術(shù)在玉米生產(chǎn)中的應(yīng)用。

目前我國已經(jīng)有一些機(jī)器視覺產(chǎn)品公司，如中視智能、全帝視覺、北京盈美智等，參與到玉米產(chǎn)業(yè)發(fā)展中。在背景技術(shù)突飛猛進(jìn)、管理體制日漸靈活、國家政策高度支持的形勢(shì)下，機(jī)器視覺技術(shù)必將迅速彌補(bǔ)諸多應(yīng)用缺口，對(duì)促進(jìn)我國和世界玉米產(chǎn)業(yè)的發(fā)展做出巨大貢獻(xiàn)。

參考文獻(xiàn)：

［1］ 360百科.? 機(jī)器視覺技術(shù)［EB/OL］.? （2022-12-8）［2023-1-8］.? https： //baike.so.com/doc/6004762-6217745.html.

［2］ 360百科.? 玉米［EB/OL］.? （2018-6-27） ［2023-1-8］. https： //baike.so.com/doc/5370249-5606124.html.

［3］ 托普云農(nóng).? 考種是什么意思，考種的意義［EB/OL］. （2022-6-15）［2023-1-10］. http： //www.seed17.com/tech/id_4298.html.

［4］ 吳? ?剛，吳云帆，陳? ?度，等.? 基于機(jī)器視覺的玉米果穗性狀參數(shù)測(cè)量方法研究［J］.? 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（S2）：357-365.

［5］ 吳? ?迪.? 基于計(jì)算機(jī)視覺的玉米考種參數(shù)獲取研究［D］.? 杭州：杭州電子科技大學(xué)，2020.

［6］ ZHANG X， LIU J， SONG H. Corn ear test using SIFT-based panoramic photography and machine vision technology［J］.? Artificial Intelligence in Agriculture， 2020， 4： 162-171.

［7］ GONZALEZ JUAN M.， GHOSH NAYANIKA， COLANTONIO VINCENT， et al.? EarCV： An open source， computer vision package for maize ear phenotyping［J］.? The Plant Phenome Journal，2022，5（1）：e20055.

［8］ 馬? ?欽，周金輝，朱德海，等.? 基于機(jī)器視覺的高通量玉米果穗考種流水線裝置及其方法：CN104488405B［P］.? 2016-04-27.

［9］ 中國農(nóng)業(yè)信息網(wǎng).? 種子加工處理方法［EB/OL］. （2020-10-30）［2023-1-10］. http： //www.agri.cn/province/gansu/syjs/jgjs/ 202010/t20201031_7550129.htm.

［10］ 李寒松，陳立濤，張曉亮，等.? 國內(nèi)外玉米種子精選分級(jí)技術(shù)裝備及發(fā)展趨勢(shì)［J］.? 農(nóng)業(yè)裝備與車輛工程，2016，54（11）：11-13.

［11］ 張? ?晗，閆? ?寧，吳旭東，等.? 在線式玉米單粒種子檢測(cè)分選裝置設(shè)計(jì)與試驗(yàn)［J］.? 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（6）：159-166.

［12］ 孫? ?進(jìn)，張? ?洋，王? ?寧，等.? 融合機(jī)器視覺和CAN總線的玉米種粒分類器設(shè)計(jì)與試驗(yàn)［J］.? 中國農(nóng)機(jī)化學(xué)報(bào)，2020，41（8）：81-89；120.

［13］ 呂夢(mèng)棋，張芮祥，賈? ?浩，等.? 基于改進(jìn)ResNet玉米種子分類方法研究［J］.? 中國農(nóng)機(jī)化學(xué)報(bào)，2021，42（4）：92-98.

［14］ 姜? ?龍，王? ?雪，王佳航，等.? 基于機(jī)器視覺的玉米種子精選機(jī)、精選方法和精選系統(tǒng)：CN112642727A［P］.? 2021-04-13.

［15］ 權(quán)龍哲，酈亞軍，奚德君，等.? 一種基于機(jī)器視覺的氣吸式垂直雙圓盤玉米種子分選裝置：CN106694396B［P］.? 2018-11-13.

［16］ 趙? ?靜，崔? ?欣，徐文騰，等.? 一種基于機(jī)器視覺的玉米種子在線破損識(shí)別分類裝置：CN108655021B［P］.? 2020-03-13.

［17］ 王? ?佳，馬? ?睿，馬德新.? 基于深度學(xué)習(xí)的登海605玉米品種真?zhèn)舞b別方法研究［J］.? 中國糧油學(xué)報(bào)，2023，38（3）：151-157.

［18］ 馮? ?曉，張? ?輝，周? ?蕊，等.? 基于深度學(xué)習(xí)和籽粒雙面特征的玉米品種識(shí)別［J］.? 系統(tǒng)仿真學(xué)報(bào)，2021，33（12）：2983-2991.

［19］ TU K， WEN S， CHENG Y， et al.? A non-destructive and highly efficient model for detecting the genuineness of maize variety 'JINGKE 968′using machine vision combined with deep learning［J］.? Computers and Electronics in Agriculture， 2021， 182：106002.

［20］JAVANMARDI S， ASHTIANI S H M， VERBEEK F J， et al.? Computer-vision classification of corn seed varieties using deep convolutional neural network［J］.? Journal of Stored Products Research， 2021， 92： 101800.

［21］ ZHOU Y， ZHOU S， WANG L， et al.? MiR164c and miR168a regulate seed vigor in rice［J］.? Journal of integrative plant biology， 2020， 62（4）： 470-486.

［22］FENG L， ZHU S， ZHANG C， et al.? Identification of maize kernel vigor under different accelerated aging times using hyperspectral imaging［J］.? Molecules， 2018， 23（12）： 3078.

［23］ 張? ?晗，董宏圖，栗彬彬，等.? 玉米單粒種子發(fā)芽潛力無損檢測(cè)方法研究［J］.? 種子，2021，40（11）：144-148.

［24］ 潘? ?同，吳偉鋒，侯浩楠，等.? 機(jī)器視覺技術(shù)對(duì)氯化三苯基四氮唑染色法鑒定玉米種子生活力的改進(jìn)［J］.? 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2022，27（5）：106-113.

［25］ DE MEDEIROS A D， PEREIRA M D， SOARES T， et al. Computer vision as a complementary method to vigour analysis in maize seeds［J］.? Journal of Experimental Agriculture International， 2018， 25（5）： 1-8.

［26］ 彭? ?燦.? 基于機(jī)器視覺的玉米水分和破損籽粒檢測(cè)方法研究［D］.? 長春：吉林大學(xué)，2019.

［27］ 胡艷俠.? 基于機(jī)器視覺的玉米果穗品質(zhì)檢測(cè)方法研究［D］.? 西安：長安大學(xué)，2017.

［28］ 高新浩，劉? ?斌.? 基于機(jī)器視覺的鮮食玉米品質(zhì)檢測(cè)分類器設(shè)計(jì)與試驗(yàn)［J］.? 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（1）：298-303.

［29］ REN X， TIAN H， ZHAO K， et al.? Research on pH value detection method during maize silage secondary fermentation based on computer vision［J］.? Agriculture，? 2022，?12（10）： 1-18.

［30］ SZWEDZIAK K.? The use of vision techniques for the evaluation of selected quality parameters of maize grain during storage［C］//E3S Web of Conferences.? EDP Sciences， 2019， 132： 1-8.

［31］ 梁? ?鵬，林智勇，郝? ?剛.? 基于機(jī)器視覺的玉米籽粒品質(zhì)自動(dòng)檢測(cè)裝置：CN108204977A［P］.? 2018-06-26.

［32］ 王? ?卓，楊? ?亮，高? ?雷，等.? 一種基于機(jī)器視覺的玉米籽粒破碎率在線檢測(cè)方法及裝置：CN108120715A［P］.? 2018-06-05.

［33］ 溫艷蘭，陳友鵬，王克強(qiáng)，等.? 基于機(jī)器視覺的病蟲害檢測(cè)綜述［J］.? 中國糧油學(xué)報(bào)，2022，37（10）：271-279.

［34］ 熊夢(mèng)園，詹? ?煒，桂連友，等.? 基于ResNet模型的玉米葉片病害檢測(cè)與識(shí)別［J］.? 江蘇農(nóng)業(yè)科學(xué)，2023，51（8）：164-170.

［35］ 王? ?超，張? ?勇，王? ?淼，等.? 基于機(jī)器視覺的網(wǎng)絡(luò)化玉米病害檢測(cè)方法研究［J］.? 江蘇科技信息，2020，37（5）：27-28.

［36］ RICHEY B， SHIRVAIKAR M V.? Deep learning based real-time detection of Northern Corn Leaf Blight crop disease using YoloV4［C］//Real-Time Image Processing and Deep Learning 2021. SPIE， 2021， 11736： 39-45.

［37］ 田? ?磊，李? ?麗，王明緒.? 基于Android的玉米病蟲害機(jī)器視覺診斷系統(tǒng)研究［J］.? 農(nóng)機(jī)化研究，2017，39（4）：207-211.

［38］ 陳? ?峰，谷俊濤，李玉磊，等.? 基于機(jī)器視覺和卷積神經(jīng)網(wǎng)絡(luò)的東北寒地玉米害蟲識(shí)別方法［J］.? 江蘇農(nóng)業(yè)科學(xué)，2020，48（18）：237-244.

［39］ JI J， SANG Y， HE Z， et al.? Designing an intelligent monitoring system for corn seeding by machine vision and genetic algorithm-optimized back propagation algorithm under precision positioning［J］.? Plos one，? 2021， 16（7）： e0254544.

［40］ 馮俊惠，李志偉，方休俊.? 一種基于機(jī)器視覺的玉米苗期機(jī)械除草識(shí)別方法及裝置：CN111028233A［P］.? 2020-04-17.

［41］ 宗? ?澤，劉? ?剛.? 基于機(jī)器視覺的玉米定位施肥控制系統(tǒng)設(shè)計(jì)與試驗(yàn)［J］.? 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2021，52（S1）：66-73.

［42］ 譚文豪，桑永英，胡敏英，等.? 基于機(jī)器視覺的高地隙噴霧機(jī)自動(dòng)導(dǎo)航系統(tǒng)設(shè)計(jì)［J］.? 農(nóng)機(jī)化研究，2022，44（1）：130-136.

［43］ 齊江濤，劉? ?凱，鄭筱光，等.? 一種基于機(jī)器視覺的玉米株心識(shí)別系統(tǒng)：CN212322280U［P］.? 2021-01-08.

［44］ 賈? ?彪.? 基于機(jī)器視覺的玉米長勢(shì)監(jiān)測(cè)與營養(yǎng)診斷體系構(gòu)建.? 寧夏大學(xué)，2021-05-08.

［45］ JIA H， WANG G， GUO M， et al.? Methods and experiments of obtaining corn population based on machine vision［J］.? Transactions of the Chinese Society of Agricultural Engineering， 2015， 31（3）： 215-220.

［46］ MCCARTHY ALISON， RAINE STEVEN.? Automated variety trial plot growth and flowering detection for maize and soybean using machine vision［J］.? Computers and Electronics in Agriculture， 2022： 194.

［47］ ZHAO R， FU J， CHEN Z， et al. Low-rank-constraint-based machine vision algorithm for chaffer-sieve-clogging recognition of corn harvester［J］.? Computers and Electronics in Agriculture， 2022， 198： 107056.

［48］ LIU L， DU Y， CHEN D， et al.? Impurity monitoring study for corn kernel harvesting based on machine vision and CPU-Net［J］.? Computers and Electronics in Agriculture， 2022， 202： 107436.

［49］ 卜小東，張馨月，黃可京，等.? 基于機(jī)器視覺的玉米苗期土壤濕度檢測(cè)試驗(yàn)研究［J］.? 中國農(nóng)機(jī)化學(xué)報(bào)，2020，41（7）：150-156.

［50］ 劉玉梅.? 基于機(jī)器視覺的玉米單倍體籽粒分揀技術(shù)研究［D］.? 青島：中國石油大學(xué)（華東），2015.

［51］ 張高美，李懷強(qiáng)，屈嘉棋，等.? 一種基于機(jī)器視覺技術(shù)的玉米田間管理機(jī)器人：CN112487936A［P］.? 2021-03-12.

［52］ 刁智華，閆嬌楠，趙素娜，等.? 基于圖像處理的作物行識(shí)別算法研究進(jìn)展［J］.? 河南農(nóng)業(yè)科學(xué)，2022，51（3）：12-19.

［53］ 李? ?霞，蘇筠皓，岳振超，等.? 基于中值點(diǎn)Hough變換玉米行檢測(cè)的導(dǎo)航線提取方法［J］.? 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（5）：167-174.

［54］ 李祥光，趙? ?偉，趙雷雷.? 缺株玉米行中心線提取算法研究［J］.? 農(nóng)業(yè)工程學(xué)報(bào)，2021，37（18）：203-210.

［55］ 徐? ?寧，胡敏英，桑永英，等.? 一種基于機(jī)器視覺的玉米行道識(shí)別的方法：CN115410193A［P］.? 2022-11-29.

［56］ 張彥斐，劉? ?皓，宮金良，等.? 基于導(dǎo)航趨勢(shì)線的玉米根莖導(dǎo)航基準(zhǔn)線提取方法：CN11 2712534A［P］.? 2021-04-27.

［57］ 張佳星.? 我國瞄準(zhǔn)智慧育種4.0時(shí)代進(jìn)發(fā)［N］.? 科技日?qǐng)?bào)，2021-12-31（002）.

［58］ 人民網(wǎng).? 人民網(wǎng)評(píng)：讓農(nóng)業(yè)科技人才茁壯成長、大顯身手［EB/OL］.? （2022-9-1） ［2023-1-14］.? http：//opinion.people.com.cn/n1/2022/0901/c223228-32517269. html.

［59］ 周懷宗.? 解讀中央農(nóng)村工作會(huì)議丨新一輪千億斤糧食產(chǎn)能提升如何實(shí)現(xiàn)？［N］.? 新京報(bào)，2022-12-25（1）.