计算机视觉技术在农业机械中的运用

摘要：计算机视觉技术通常用于复杂物体的自动化检测、识别、分割和定位，将计算机视觉技术应用在农业机械中，有利于实现农业生产的自动化、智能化，提高农业生产效率。基于此，研究小组首先介绍了计算机视觉技术在农业机械中的应用范围，主要包括农产品质量检测、农作物病虫害诊断、农机作业监测、农机自动导航等；分析了计算机视觉技术在农业机械中的应用优势，如实现智能化作业、提高作业精度、实现精确采摘、减少劳动力消耗、降低生产成本等；提出了计算机视觉技术在智能化农业机械中的应用方法和未来的发展趋势，包括开发高分辨率、高帧率和大视场相机，提高智能控制算法的实时性和准确性，加快计算机视觉技术的商业化进程等。以期为提高农业生产效率，推动我国农业现代化发展提供重要支撑。

关键词：视觉技术；智能农机；应用分析

计算机视觉技术在20世纪60年代兴起，它利用计算机来模拟人的视觉功能，不仅能以数字图像的形式来表达物体的几何形状和外观，而且还能从这些数字图像中提取特征信息。与传统的机械装置不同，计算机视觉技术通常用于复杂物体的自动化检测、识别、分割和定位。目前，计算机视觉技术广泛应用于农业机械中，在农业机械作业中发挥着重要作用[1]。当前，随着我国农业机械化水平的不断提高，许多传统的农业机械已被淘汰，取而代之的是智能农业机械[2]。为了更好地实现农业机械化，我国正在大力研发智能农业机械，并在部分地区进行了试点应用。然而，与发达国家相比，我国在农业机械化方面仍然存在较大差距[3]。在此背景下，将计算机视觉技术应用于智能化农业机械中是实现农业机械化、智能化发展的必然趋势。

1应用范围

近年来，随着我国社会经济水平的不断提高和科学技术的快速发展，计算机视觉技术在多个领域得到了广泛应用。

1.1农产品质量检测农产品质量检测是智能化农业机械中最常见的应用领域。随着社会经济水平的不断提高，人们对农产品质量的要求也越来越高，因此，农产品质量检测领域成为关注的焦点[4]。传统的农产品检测主要依靠人工完成，不仅费时费力，而且很难保证检测结果的准确性。然而，随着计算机视觉技术的出现，越来越多的农产品质量检测项目开始由人工检测向自动检测发展。例如，在对小麦进行质量检测时，传统方法通常需要手工取样、称重、拍照等多个环节才能完成。而利用计算机视觉技术，可以大大降低人工作业强度，同时还能确保小麦质量检测的准确性。因此，利用计算机视觉技术对农产品进行自动检测可以有效提高农业机械的工作效率，提高农业机械在农业生产中的利用率[5]。

1.2农作物病虫害诊断农作物病虫害是影响农业生产的重要因素，而对病虫害的诊断则是科学防治农作物病虫害的基础。将计算机视觉技术应用于农作物病虫害诊断中，不仅可以对农作物病虫害进行准确识别，还能根据病虫害的类型进行有效分类，从而为科学防治提供依据。当前，我国正处于农业结构调整和转型升级的关键时期，而计算机视觉技术可以在农作物病虫害诊断中发挥重要作用，具体来说主要包括以下几个方面：一是将农作物病虫害与正常植物图像进行对比，从而判断病害类型；二是对作物健康情况进行识别，从而判断其健康程度；三是对植物健康情况进行分类，从而判断其是否需要采取相应的防治措施。

1.3农机作业监测计算机视觉技术在农业机械作业监测方面也具有重要的应用价值。基于计算机视觉技术的农机作业监测系统具有非接触式测量、实时快速、检测精度高等特点，能够有效降低作业成本，提高工作效率，同时还能保证作业质量。具体来说，农机作业监测系统主要包括两个部分：一是通过计算机视觉技术获取农机当前位置及方向信息；二是通过传感器获取作业质量信息。根据农机自身的构造与运行特点，可以将农机作业监测系统分为机械类、传感类、电控类等。其中，机械类监测系统主要是由拖拉机、农具及其他一些辅助装置组成。这种系统的特点是使用方便、价格低廉。而传感类监测系统则可以通过计算机视觉技术来获取农机的各项数据信息，然后将这些数据信息传输至地面或地面的传感器上。当监测到某一农机的相关数据时，传感器会将其发送至地面上的主控计算机，计算机会根据相关数据信息对农业机械进行实时监控和控制。此外，由于机械类监测系统是在田间进行操作的，所以为了保证监测的准确性，主控计算机还可以对图像进行实时处理和分析。

1.4农机自动导航农机自动导航技术是一种新型的农业机械控制技术，该技术通过监测并控制农业机械的路径，从而实现对农机的自动导航。目前，我国已研制出多个农机自动导航系统。其中，由北京交通大学研发的农机自动导航系统采用了激光雷达和惯性导航相结合的方式，有效提高了农机自动导航的精度。此外，我国还研究出了基于视觉传感器的农机自动导航技术。例如，由北京农业大学研发的农机自动导航系统采用了车载视觉传感器，该系统可以实现对拖拉机行进方向和速度等信息的实时采集和处理，从而实现对农机路径的实时规划。随着计算机视觉技术应用水平的不断提高，农业机械也将越来越智能化。例如，在温室中安装计算机视觉传感器可以对温室内植物的生长状况进行实时监测。此外，计算机视觉技术还可以用于农田信息采集和管理。通过在农田中安装计算机视觉传感器，可以实时收集农作物产量、土壤水分等信息，并上传至云端平台，从而实现对农田环境的实时监控和管理。

2应用优势

2.1实现智能化作业由于农业机械的自动化程度较低，难以实现对作业对象的精准定位。而采用计算机视觉技术，可以将农业机械中的关键部件如自动导航、定位装置、执行机构等与计算机进行连接，并将采集到的图像数据传输到计算机中，实现农业机械的自动化作业。

2.2提高作业精度在农业机械中采用计算机视觉技术，可以将采集到的数据传输到计算机中[6]，然后利用相应的算法对图像数据进行处理，使其更加清晰地在显示屏上显示。这不仅可以提高农业机械作业的精度，还可以有效提高农业机械的工作效率。

2.3实现精确采摘在农业机械中采用计算机视觉技术，可以对采集到的图像数据进行处理，并通过计算机视觉技术定位水果在田间的位置。然后利用目标跟踪算法，对水果进行识别和定位。最终实现水果采摘精度的有效提高，避免水果损坏。

2.4增加采摘种类通过对采集到的图像数据进行分析，可以有效增加水果种类，如草莓、芒果、猕猴桃等，为农业机械增加更多的水果品种。

2.5减少劳动力消耗在农业机械中采用计算机视觉技术可以减少劳动力消耗。目前农业机械主要依靠人力来完成工作任务，如果采用计算机视觉技术进行智能化操作，只需对图像数据进行采集和处理即可实现对水果的自动化采摘、分类、装袋等操作。这样不仅减少了劳动力消耗，还节约了人力成本。2.6降低生产成本在农业机械中采用计算机视觉技术可以减少人工成本和生产成本投入，从而提高企业经济效益[7]。

3应用方法

3.1图像预处理计算机视觉技术在农业机械中的应用，首先需要对采集到的图像进行预处理，以减少后续农业机械作业时的干扰因素。在处理图像前，需要对图像进行去噪、灰度化和二值化等预处理。对于光照条件不理想的情况，可以采用直方图均衡化、中值滤波和彩色图像分割等方法对图像进行处理；对于颜色较深的图像，可以使用形态学操作对其进行去噪、平滑和滤波等处理。针对不同的目标，可以采用不同的预处理方法。例如，对于小目标，可以采用形态学操作对其进行增强；对于较大的目标，则可以采用中值滤波或均值滤波等方法。对于小目标的特征提取，可以采用形态学操作和颜色特征等方法；对于复杂背景下的农业机械作业，可以使用数学形态学操作来提取其特征。此外，还可以结合多传感器信息融合技术，将不同传感器采集到的数据进行融合。

3.2目标识别与分割根据农业机械作业时的环境和对象特点，对不同类型的物体进行分类识别与分割。对于农作物目标的识别与分割，可以采用区域生长法、霍夫变换法、最小外接矩形等算法；对于非农作物目标的识别与分割，可以采用基于颜色特征、形状特征和纹理特征等多种特征的方法[8]。例如，利用HSV颜色空间对农作物进行分割，利用纹理特征对非农作物目标进行分类，利用形状特征和颜色特征对非农作物目标进行分割等。

3.3目标跟踪在农业机械作业过程中，经常需要对作业对象进行跟踪定位[9]。采用计算机视觉技术实现农业机械的自动定位和跟踪具有重要意义。在农业机械中应用计算机视觉技术进行自动定位和跟踪时，需要分析识别出作业对象与其目标之间的距离关系。如果识别出作业对象与其目标之间的距离关系大于预定值时，则采用迭代算法实现自动定位和跟踪；如果距离关系小于预定值时，则采用最近邻算法实现自动定位和跟踪。

3.4其他应用在农业机械中应用计算机视觉技术时，还需要考虑其他因素。首先是所拍摄图像的质量[10]，其次是设备成本，再次是环境条件，最后是算法性能等因素。例如，在农业机械中应用计算机视觉技术可以提高农业机械作业时的准确率和效率；在环境条件较差或光线不足时，可以通过调节相机参数来解决。此外，还需要考虑机器人是否有足够的负载能力。综上所述，目前计算机视觉技术在农业机械中主要应用于以下几个方面：1）作物生长状态实时监测，可以通过视觉技术监测作物生长状态、环境条件和病虫害等情况，实现对农作物生长状态的实时监测；2）农作物病虫害识别与监测，可以通过视觉技术识别农作物病虫害，预测农作物病虫害发展趋势，进行农产品品质检测；3）农机作业轨迹规划；4）农业机械导航和路径规划；5）农产品质量检测与分级、包装、加工、销售等。以上这些应用都需要分析不同作物生长状态的特点及其变化规律，从而为农业机械自动化作业提供数据支持。

4发展趋势

4.1高分辨率、高帧率和大视场相机农业机械对图像质量的要求越来越高，高分辨率和高帧率的相机可以获取更多信息，进而提高农业机械的作业效率和精度。由于不同传感器所需的光照条件不同，因此高分辨率相机可以获得更好的图像质量，从而获取更多的信息。此外，高帧率可以提高图像传输速率，减少图像传输所需时间。大视场相机可以获取更大范围内的物体信息，从而减少所需处理的数据量。同时，由于大视场相机与高分辨率和高帧率相机相比具有更大的视场，所以可以获得更多的信息。例如在作物图像识别中，而当作物高度低于4m时，则将会有一个较小的视场；当作物高度高于4m时，将会有一个较大的视场，可由大视场相机捕捉。

4.2提高智能控制算法的实时性和准确性由于农业机械作业环境复杂多变、传感器数量有限以及外界环境因素影响等原因，必须采用高精度、高实时性和高可靠性的智能控制算法。而计算机视觉技术能够快速处理图像信息，因此可以在更短时间内将所需信息从图像中提取出来。在农业机械中采用计算机视觉技术可实现多种物体检测与识别，所以应加快对计算机视觉技术的研究，提高智能控制算法的实时性和准确性。

4.3增加可识别物体种类的数量农业机械在不同环境下作业时，可能会出现不同情况和目标。例如在作物图像识别中，不同作物可能会有不同程度和类型的生长缺陷或生长区域；在作物采摘时，可能会出现果实表面污损或果实采摘不完整等问题；在作物收获时，可能会出现杂草、杂物或其他障碍物。在实际生产中可增加作物、果实、杂草、杂物等可识别物体的种类数量，有利于提高农业机械的自动化水平和智能化水平。

4.4加快计算机视觉技术的商业化进程随着计算机技术和通信技术等先进技术的快速发展，计算机视觉技术已经逐渐普及并广泛应用于各行各业中[11]。例如在农业机械中应用计算机视觉技术可以实现作物生长状况实时监控、果实成熟度识别、杂草识别、病虫害监测等功能，提高农业机械智能化水平和智能化程度。但是在应用计算机视觉技术时也存在一定问题，例如由于农业机械作业环境复杂多变且存在不确定性因素，必须选择合适的算法对农业机械作业环境进行实时监控和识别；农业机械作业过程中必须实时调整算法以适应不同环境条件；由于农业机械作业时各种因素对作物生长的影响程度不同，因此必须选择合适的算法对作物生长状况进行实时监控和识别；由于农业机械作业时需要及时处理各种突发状况，所以必须选择合适的算法对农业机械作业过程进行实时监控和识别。

5结束语

总而言之，计算机视觉技术是一种新兴的智能化技术，在农业机械中有广阔的应用前景。近年来，随着我国农业机械设备的不断升级和发展，对农业机械设备的自动化和智能化要求越来越高，需要引进先进的计算机视觉技术，以实现农业机械设备的自动化和智能化[12]。因此，未来的农业机械应用需要结合计算机视觉技术和其他先进技术，开发出更加先进、智能的农业机械设备。随着科技的发展，计算机视觉技术将会有更多的应用，为农业生产带来更大的效益。

参考文献：

[1]陈冠昊.计算机视觉技术在智能化农业机械中的运用初探[J].河南农业，2020(32)：43-44.

[2]涂晓峰.新时期农业机械化技术推广对策分析[J].南方农机，2020，51(23)：67-68.

[3]汪文忠.我国水稻机械化种植发展趋势[J].安徽农机，2013(1)：13-14.

[4]孙茂浩，李艳红，王勇，等.农产品质量安全存在的问题和建议[J].中国果菜，2016，36(10)：37-39.

[5]韦春红.农业机械自动化在现代农业中的应用与发展[J].商品与质量，2019(22)：8.

[6]陈昱.计算机技术在农业管理中的应用构想[J].农业科技与装备，2009(2)：63-65.

[7]韩雄伟.电气自动控制工程中智能化技术的应用分析[J].内燃机与配件，2018(8)：217-218.

作者:董帅 李杰 单位:成都市技师学院（成都工贸职业技术学院