廖春秀 李輝 雷雪鵬

摘要：在當今的大環(huán)境中，農(nóng)業(yè)的發(fā)展越來越迅速，越來越多的高精端科技加入了農(nóng)業(yè)生產(chǎn)中。其中，計算機視覺技術在農(nóng)業(yè)生產(chǎn)中承擔著更大的責任。通過計算機視覺技術我們可以得知農(nóng)作物的生長狀況，生長周期，營養(yǎng)狀況以及是否被害蟲所侵蝕。

關鍵詞：計算機;視覺技術;農(nóng)業(yè)發(fā)展;責任

農(nóng)業(yè)的生產(chǎn)關系著基層以及上層的糧食供應，以及對國外貿(mào)易合作的很關鍵的一個點。計算機視覺技術自上個世紀以來就開始發(fā)展了，在剛開始的時候圖像處理技術發(fā)展的不是很完善，所以計算機視覺技術發(fā)展的比較緩慢。但是這沒有使我們停止對該技術的探索，隨著時代的進步，計算機技術也逐漸發(fā)展壯大起來，相應的獲取的圖片的清晰度也越來越清晰。相應的就有了計算機視覺技術的一席之地，我們就可以從它那里得知農(nóng)作物生產(chǎn)前、中、后的狀況。所以它對農(nóng)業(yè)生產(chǎn)的每一個環(huán)節(jié)都起到了至關重要的作用。

1什么是計算機視覺技術

計算機視覺技術，簡單地說就是用攝影機和電腦對目標進行觀察，追蹤，檢測并進行處理變成更適合人類觀察或者給機器檢測的圖像。比如我們平常所使用的手機，我們打開鎖屏通常使用的是指紋，人臉，瞳孔。這些都是機器視覺所檢測的數(shù)據(jù)轉換成我們所認知的圖像。計算機視覺的系統(tǒng)組成有：程序的控制;事件的檢測;信息的處理;圖像分析和拓撲建模;最后是輸出為人類能理解的形式。

2計算機視覺技術在農(nóng)業(yè)中的應用

2.1?? 計算機視覺技術在農(nóng)業(yè)生產(chǎn)前的應用

作物中有一個很關鍵的生物學指標就是農(nóng)作物對光的吸收作用，如果我們知道了這個指標，那么我們可以輕松地得到農(nóng)作物的葉面積，莖的長度，葉柄的彎曲角度。不僅如此，我們還可以對他們進行營養(yǎng)監(jiān)測，在以前的時候，我們通常用化學組分分析進行營養(yǎng)狀態(tài)的研究，這個方式結果雖然很精確但是對資金的要求比較高，而且會破壞作物本身。隨著時代的進步，圖像的處理技術越來越高端，所以人們通常用來監(jiān)測作物的營養(yǎng)成分。在農(nóng)作物的生長過程中，引起農(nóng)作物產(chǎn)量降低的主要原因是害蟲和雜草。二十世紀末期美國人Lee發(fā)明出了能夠識別雜草的智能系統(tǒng)，并且能準確的找到他們的位置對他們進行斬草除根，該系統(tǒng)制作的非常精巧，它能根據(jù)農(nóng)作物與雜草之間細微的差距識別出雜草和作物，定位出它們的位置。并進行藥物的噴灑而不損壞幼小的作物，這種智能系統(tǒng)的誤差很小，幾乎不會產(chǎn)生失誤。為我們省去了很多時間，為我們的農(nóng)作物的生長提供了保障。隨著時間的推移，越來越多的人對這種技術進行改進，使測量的誤差越來越小，圖像的處理技術也越來越好，對軟件的編程也越來越簡單易懂。

計算機視覺技術做到并不僅此而已，還有一個因素會導致農(nóng)作物的產(chǎn)量降低，那就是害蟲，現(xiàn)在的技術可以通過計算機的算法自動找出田里的害蟲，對他們進行分析并選擇合適的殺蟲劑進行只對害蟲有效而對農(nóng)作物無效的殺蟲劑。它們只是針對這一部分作物，相比較于以前的那種對所有農(nóng)作物的噴灑節(jié)省了很多人力物力，而且不會污染環(huán)境。這種系統(tǒng)還會分析害蟲和雜草的位置制作出相應的投影，從而讓更加方便的管理我們的土地。

2.2?? 計算機視覺技術在農(nóng)業(yè)生產(chǎn)過程中的應用

時代在進步，社會在發(fā)展，相應的，計算機視覺技術也在向前沖，在傳統(tǒng)農(nóng)業(yè)中，我們以前最常見的農(nóng)業(yè)機器人就是自動收割機，自動旋耕機。而現(xiàn)在農(nóng)業(yè)機器人最重要的就是采摘機器人。不僅在國內還是在國外采摘機器人都有很高的發(fā)展空間。國內的采摘機器人起步比較晚，某國外的采摘機器人做出了由傳感器，動力系統(tǒng)，機械手，執(zhí)行系統(tǒng)構成的機器人。它通過彩色攝像頭對成熟的果實進行尋找，定位，使用多個自由度的機械手進行采摘，通過傳動系統(tǒng)把果實摘下來。但是它最重要的缺點就是無法避免不碰到莖和葉的情況下進行采摘。這是比較復雜的采摘機器人，在農(nóng)村有很多最常見的是玉米采摘機，這種機械雖然沒有上面的采摘機器人高端，但是它囊括了上面機器人所需要的全部系統(tǒng)。玉米采摘機不僅可以準確找到玉米的位置然后對玉米進行脫離，使玉米穗脫離主體，篩選，只保留有玉米穗的部分，旋轉，把玉米穗的皮分開，最后分離，把玉米粒和玉米芯分開。最后得到分開的玉米粒和玉米芯裝在不同的容器中。

2.3?? 計算機視覺技術在農(nóng)業(yè)生產(chǎn)后的應用

在農(nóng)作物產(chǎn)生農(nóng)產(chǎn)品之后，要想進入市場最關鍵的就是品質的優(yōu)劣，好的農(nóng)產(chǎn)品往往會有更好的市場，這時候品質的檢測顯得很關鍵，計算機視覺技術就可以幫助你快速確定你的農(nóng)產(chǎn)品的品質。在以前的檢測中往往是通過儀器和化學進行檢測，這樣會使材料被破壞而造成浪費。計算機視覺技術就在這種環(huán)境下應運而生。人們通過對農(nóng)作物，例如：蘋果，蘋果的顏色屬性，蘋果的形狀大小進行數(shù)據(jù)化處理，輸入到檢測機器人的系統(tǒng)內，它就會根據(jù)這幾種特征對蘋果進行分類，分為三六九等，幫助果農(nóng)快速確定它們是高品質，中等品質，還是低品質。一旦分好了類，市場就可以快速的對農(nóng)作物的價格進行確定。這種分類可以極大地減少由于購買者心理因素導致的不準確。

3未來計算機視覺技術在農(nóng)業(yè)中的發(fā)展方向

雖然計算機視覺技術發(fā)展的很迅速，但是不同的地區(qū)有不同的農(nóng)作物生長，以及他們的環(huán)境的困難所導致的問題也非常的多，西紅柿長在離地面三十厘米左右的地方，而像蘋果確是離地面兩米左右的地方，還有土豆是在地下生長，西瓜在地皮表面生長，這些不同的地點都會提高對機器設計的精度。天氣方面也會有所影響，在雨天，雨水的下落會影響采摘機器人的畫面的清晰度進而對機器的識別率造成影響。清晰度嚴重影響了對農(nóng)作物的檢測與識別。冬天也會產(chǎn)生相同的問題，落下的雪會影響視線，雪的堆積還會影響機器的行動。打雷的時候會影響數(shù)據(jù)的傳輸。這些只是環(huán)境因素。還有本身的一些問題比如：機械手的靈活程度，如何避免抓取到作物之外的葉子，莖，桿一類的原本就在那的東西。還有傳動系統(tǒng)要適合不同的路面，上坡下坡的平衡問題，在充滿積水和泥濘的道路行動的方式。圖像處理并不是很完善，它產(chǎn)生偏差對每個環(huán)節(jié)都會產(chǎn)生影響。

4結語

綜上所述，計算機視覺技術的發(fā)展任重而道遠，我們依舊需要繼續(xù)努力尋找新的方式去改進我們的系統(tǒng)。

參考文獻：

[1]??? 張麗芬.基于計算機視覺技術的櫻桃自動分選系統(tǒng)設計[J].農(nóng)機化研究，2017，39（9）：212.

[2]??? 胡智禎，萬晉廷，王毓瑋，等.論計算機視覺技術在自動化中的應用[J].南方農(nóng)機，2017，48（5）：125.

[3]??? 田岳;基于低秩表示的病蟲害檢測方法的研究[D];北京工業(yè)大學;2015.