黃偉麗 周明 劉濤

摘要 計(jì)算機(jī)圖像處理技術(shù)是人工智能與模式識(shí)別的一個(gè)重要領(lǐng)域，其應(yīng)用已擴(kuò)展到農(nóng)業(yè)領(lǐng)域的諸多方面。通過廣泛查閱文獻(xiàn)，分析了數(shù)字圖像處理技術(shù)在小麥生產(chǎn)方面的研究和應(yīng)用進(jìn)展情況，概述了圖像處理技術(shù)在小麥生產(chǎn)過程中各階段的應(yīng)用成果，如在小麥葉面積指數(shù)測(cè)定、病蟲害識(shí)別、葉綠素含量測(cè)定以及產(chǎn)量預(yù)測(cè)等方面的應(yīng)用，提出了尚待研究解決的關(guān)鍵問題，并展望了圖像處理技術(shù)在小麥生產(chǎn)上的應(yīng)用前景。

關(guān)鍵詞 圖像處理;小麥;群體質(zhì)量;病蟲害;產(chǎn)量

Abstract Computer image processing technology is an important field of artificial intelligence and pattern recognition， and its application has been extended to many aspects of agriculture. Based on extensive literature review， we analyzed the digital image processing technology in wheat production progress in research and application， and summarized the image processing technology for each stage of wheat production in the process of the application， such as the determination of wheat leaf area index， plant diseases and pest identification， determination of chlorophyll content， and the application of production prediction， etc. The key problems to be solved were put forward， and the application prospect of image processing technology in wheat production was forecasted.

Key words Image processing;Wheat;Population quality;Disease and pest;Yield

隨著信息技術(shù)的不斷發(fā)展，計(jì)算機(jī)圖像識(shí)別技術(shù)已被廣泛運(yùn)用到各個(gè)領(lǐng)域，成為人類在生產(chǎn)生活中不可或缺的輔助工具[1-3]。人類與計(jì)算機(jī)之間的配合默契度已經(jīng)達(dá)到了前所未有的新高度。我國(guó)的計(jì)算處理技術(shù)也在這股科技浪潮中取得了巨大的進(jìn)步，實(shí)現(xiàn)了理論和實(shí)踐的突破。數(shù)字圖像信息量大，傳輸速度快，應(yīng)用范圍廣，因此，數(shù)字圖像處理技術(shù)已被廣泛應(yīng)用于醫(yī)學(xué)、氣象、航空航天、軍事等領(lǐng)域[4]。近年來，隨著農(nóng)業(yè)信息化的發(fā)展，該技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用也越來越深入[5-8]，特別是在小麥生產(chǎn)栽培管理中得到越來越多的應(yīng)用[9-10]。

小麥?zhǔn)俏覈?guó)最主要的糧食作物之一，也是全球范圍內(nèi)的主要食品原料。作為我國(guó)三大儲(chǔ)備糧食之一，小麥?zhǔn)斋@后通過控制其水分含量可提高其耐儲(chǔ)存性，從而確保我國(guó)的糧食安全，這對(duì)我國(guó)不同產(chǎn)業(yè)的穩(wěn)定發(fā)展和鄉(xiāng)村振興具有重要意義。由于小麥田間生長(zhǎng)和自然條件的限制，在生產(chǎn)和科研中，大量的工作需借助于對(duì)形態(tài)、色澤、紋理等外部特征的判斷，而這些特征信息的提取主要靠人工測(cè)量，且只能利用一些簡(jiǎn)單的測(cè)量工具，導(dǎo)致工作量大而煩瑣、主觀性強(qiáng)、測(cè)量數(shù)據(jù)難以驗(yàn)證，還有一些特征值難以量化描述，嚴(yán)重制約了小麥科學(xué)研究和生產(chǎn)上先進(jìn)生產(chǎn)技術(shù)推廣的進(jìn)度。因此，越來越多的研究將數(shù)字圖像處理技術(shù)應(yīng)用于小麥生產(chǎn)過程中，以解決小麥特征信息提取問題[11]。

1 圖像處理技術(shù)

圖像是一種客觀存在的事物，是光學(xué)信息在二維空間并列的表示，是一種信息載體。為了充分準(zhǔn)確地獲取圖像中蘊(yùn)涵的各種信息，需要對(duì)各種圖像進(jìn)行拾取、識(shí)別、處理、分割和分析等[12]。計(jì)算機(jī)圖像處理技術(shù)是對(duì)已獲得的圖像信息進(jìn)行去噪、增強(qiáng)、裁剪等處理，以滿足相關(guān)信息提取或應(yīng)用需求的操作，其目的是利用計(jì)算機(jī)對(duì)從處理后圖像中提取得到不同的數(shù)字信號(hào)進(jìn)行某些數(shù)學(xué)運(yùn)算得到用戶所需的結(jié)果。計(jì)算機(jī)圖像處理與人的視覺處理相比具有處理精度高、再現(xiàn)性好、定量性和適應(yīng)性強(qiáng)、速度快、可處理龐大的數(shù)據(jù)量等優(yōu)點(diǎn)，故在眾多領(lǐng)域得到廣泛應(yīng)用，尤其在農(nóng)業(yè)領(lǐng)域顯示出無可比擬的優(yōu)勢(shì)[13]。

計(jì)算機(jī)圖像處理技術(shù)的研究始于20世紀(jì)60年代，隨后的20～30年步入一個(gè)活躍研究階段，首先應(yīng)用于工業(yè)和生物醫(yī)學(xué)等領(lǐng)域，在農(nóng)業(yè)上的應(yīng)用起步較晚，但前景廣闊。目前，國(guó)內(nèi)外從動(dòng)植物生長(zhǎng)智能監(jiān)測(cè)、農(nóng)田大數(shù)據(jù)獲取、智能視覺機(jī)器人以及農(nóng)產(chǎn)品質(zhì)量分析與評(píng)價(jià)等方面開展了圖像處理技術(shù)在農(nóng)業(yè)上的應(yīng)用。隨著數(shù)學(xué)、生理學(xué)、模式識(shí)別、計(jì)算機(jī)圖形學(xué)、人工智能、專家系統(tǒng)等相關(guān)學(xué)科的發(fā)展，計(jì)算機(jī)圖像技術(shù)在各個(gè)領(lǐng)域，特別是農(nóng)業(yè)方面已經(jīng)得到廣泛應(yīng)用[14-15]。

2 圖像處理技術(shù)在小麥生產(chǎn)中的應(yīng)用

2.1 葉面積指數(shù)的測(cè)定

葉面積指數(shù)（leaf area index，LAI）是單位土地面積上植物的總?cè)~面積，葉面積指數(shù)與很多生態(tài)過程直接相關(guān)，如蒸騰量、土壤水分平衡、冠層光合作用和物質(zhì)循環(huán)等。葉面積指數(shù)是一個(gè)重要的生物結(jié)構(gòu)參數(shù)，然而大范圍葉面積指數(shù)的獲取比較困難。遙感技術(shù)為大范圍葉面積指數(shù)的測(cè)量提供了條件。然而遙感得到的葉面積指數(shù)需要進(jìn)一步的地面驗(yàn)證，且成本高、精度低。因此，實(shí)地葉面積指數(shù)的獲取具有重要意義[16-18]。

國(guó)內(nèi)外利用圖像處理技術(shù)分析農(nóng)作物葉面積特征的研究較多。Meyer 等[19]首次利用數(shù)字圖像處理技術(shù)分析幾種作物的葉面積、莖稈直徑等特征。Chien等[20]設(shè)計(jì)了一種基于“橢圓形的霍夫變換”算法估測(cè)蔬菜總?cè)~面積的方法。武聰玲等[21]利用圖像處理技術(shù)檢測(cè)黃瓜幼苗葉冠投影面積來預(yù)測(cè)其真實(shí)葉面積。李明等[16]針對(duì)不同的小麥品種設(shè)置了不同密度的栽培條件，通過數(shù)碼相機(jī)獲取主要生育期田間小麥群體冠層數(shù)字圖像，利用計(jì)算機(jī)圖像處理技術(shù)對(duì)圖像進(jìn)行分析計(jì)算從而得到小麥冠層葉面積指數(shù)，然后利用實(shí)測(cè)數(shù)據(jù)與圖像分析得到的數(shù)據(jù)建立數(shù)學(xué)模型。

2.2 病蟲害的識(shí)別與診斷

為了快速準(zhǔn)確地診斷識(shí)別小麥病害，梁琨等[22]通過光譜分析和圖像處理進(jìn)行小麥赤霉病的識(shí)別，采用標(biāo)準(zhǔn)正態(tài)變量變換（SNV）和多元散射校正（MSC）方法對(duì)光譜進(jìn)行預(yù)處理，分別利用連續(xù)投影算法（SPA）和正自適應(yīng)加權(quán)算法（CARS）進(jìn)行變量篩選提取特征波段，然后對(duì)特征波長(zhǎng)下的特征圖像進(jìn)行特征提取并識(shí)別出病害信息。鄧?yán)^忠等[23]采用圖像分析與識(shí)別技術(shù)進(jìn)行了小麥網(wǎng)腥、印度腥及矮腥3類病害的分類識(shí)別，并運(yùn)用支持向量機(jī)方法對(duì)小麥腥黑穗病害進(jìn)行定量識(shí)別，提高識(shí)別的準(zhǔn)確性。王美麗等[24]選取小麥葉部常見病害圖像，利用圖像處理技術(shù)進(jìn)行病害種類的識(shí)別。將圖像由RGB彩色空間轉(zhuǎn)換到HSV顏色空間，提取相關(guān)的顏色特征，接著提取幾何形狀特征，通過分析樣本圖像得到每種病害的特征值范圍，利用特征值對(duì)未知樣本進(jìn)行病害識(shí)別，識(shí)別準(zhǔn)確率為96%以上。蘇一峰等[25]利用一種可以進(jìn)行圖像獲取、圖像識(shí)別診斷的小麥物聯(lián)網(wǎng)平臺(tái)，研發(fā)了一套小麥病蟲害識(shí)別應(yīng)用系統(tǒng)，并對(duì)小麥比較常見的3種病蟲害（白粉病、銹病、蚜蟲）進(jìn)行了初步應(yīng)用與驗(yàn)證，其中銹病、蚜蟲的識(shí)別率均在95%以上，健康葉片的識(shí)別率可達(dá)99%，白粉病的識(shí)別率稍低，為82%左右。

2.3 群體葉綠素含量測(cè)定

小麥生長(zhǎng)過程中，為了確保其優(yōu)質(zhì)高產(chǎn)，需要及時(shí)監(jiān)測(cè)營(yíng)養(yǎng)狀況并采取相應(yīng)的栽培調(diào)控措施。葉綠素是一種光合色素，對(duì)小麥產(chǎn)量形成意義重大，較低的葉綠素濃度會(huì)影響小麥的光合作用能力并最終影響到產(chǎn)量[26]。

長(zhǎng)期以來，田間小麥葉綠素含量主要通過葉色來體現(xiàn)，而葉色變化主要靠人工進(jìn)行觀察，這種方法無定量標(biāo)準(zhǔn)，全憑觀察者的經(jīng)驗(yàn)，同時(shí)效率較低。利用計(jì)算機(jī)圖像技術(shù)，不但效率高，還能更準(zhǔn)確、更及時(shí)。前人研究發(fā)現(xiàn)，利用歸一化的顏色指數(shù)，可將不同施氮水平下玉米葉片的顏色變化有效地識(shí)別出來[27]。Kawashima等[28]研究發(fā)現(xiàn)，（R-B）/（R+B）可以有效地估算植物葉片的葉綠素含量。Pagola等[29]利用主成分分析技術(shù)，研究了大麥葉片SPAD值與葉片顏色的關(guān)系并建議了估算模型，相關(guān)系數(shù)為0.9以上。Adamsen 等[30]通過分析小麥冠層圖像發(fā)現(xiàn)G/R與葉綠素有顯著的相關(guān)性。王方永等[31]研究發(fā)現(xiàn)，圖像顏色指數(shù)和棉花葉片葉綠素含量相關(guān)性顯著，特別是G-R，G-R/G+R等達(dá)極顯著水平。王克如等[32]利用計(jì)算機(jī)圖像技術(shù)建立棉花葉色與葉綠素含量估測(cè)模型，準(zhǔn)確率為86.4%～92.2%。宋振偉等[33]通過葉片圖像分析技術(shù)，發(fā)現(xiàn)不同施氮處理下，小麥葉片顏色變化在不同生育期中差異明顯。時(shí)雷等[26]針對(duì)6個(gè)品種小麥拔節(jié)期群體圖像，使用基于RGB顏色空間與馬氏距離的模式識(shí)別方法，準(zhǔn)確分割出小麥冠層圖像，并提取了小麥冠層顏色特征，針對(duì)不同小麥品種建立葉綠素含量的估測(cè)模型，效果較好。

2.4 小麥形態(tài)檢測(cè)

作物的形態(tài)特征包括株高、葉長(zhǎng)、葉基角、開張角等。在農(nóng)業(yè)科研工作中需要根據(jù)作物的形態(tài)特征來研究其生長(zhǎng)狀態(tài)、病蟲草害等重要信息。李明等[34]選取大田里自然生長(zhǎng)狀態(tài)下的小麥作為研究對(duì)象，研究適用于小麥形態(tài)特征信息提取的圖像處理方法，提取形態(tài)特征信息，從而為小麥育種、生長(zhǎng)狀況分析、動(dòng)態(tài)施肥等提供指導(dǎo)依據(jù)，利用VC ++語(yǔ)言實(shí)現(xiàn)了小麥形態(tài)信息檢測(cè)系統(tǒng)，系統(tǒng)能高效地檢測(cè)出小麥植株的重要形態(tài)參數(shù)，如株高、葉長(zhǎng)、葉基角、開張角等。

2.5 小麥?zhǔn)斋@技術(shù)

農(nóng)作物收獲具有收獲速度較慢、障礙物少、環(huán)境簡(jiǎn)單等特點(diǎn)，作業(yè)具有重復(fù)性。因此如何精確地識(shí)別出收獲與未收獲作物間的邊界線，有效避免收獲過程中的漏割、重割現(xiàn)象，并防止出現(xiàn)收獲機(jī)非滿幅作業(yè)等情況，成為國(guó)內(nèi)外學(xué)者深入研究的一項(xiàng)重要課題[35]。

張衛(wèi)等[36]采用最大類間方差法分割圖像，利用中間線檢測(cè)定位基準(zhǔn)線。Cho等[37]對(duì)水稻田進(jìn)行逆透視投影變換，還原作物行平行的狀態(tài)，消除了視角誤差。沈明霞等[38]采用最小距離分類器對(duì)農(nóng)作物區(qū)和非農(nóng)作物區(qū)域的形態(tài)特征進(jìn)行分類。丁幼春等[39]針對(duì)壟行、作業(yè)區(qū)域與未作業(yè)區(qū)域的標(biāo)識(shí)線提出一種旋轉(zhuǎn)投影算法。陳嬌等[40]采用垂直投影法提取導(dǎo)航定位點(diǎn)，采用改進(jìn)的Hough變換實(shí)現(xiàn)田間多壟線識(shí)別。Choi等[41]依據(jù)激光測(cè)距的原理對(duì)作物高度進(jìn)行重構(gòu)，實(shí)現(xiàn)作物行的定位。Zhao等[42]應(yīng)用激光傳感器對(duì)麥田信息進(jìn)行獲取，采用最大類間方差的方法尋找收獲邊界點(diǎn)。

3 圖像處理技術(shù)在小麥產(chǎn)量估測(cè)中的應(yīng)用

3.1 大田麥穗計(jì)數(shù)

小麥產(chǎn)量構(gòu)成的三因素之一是單位面積穗數(shù)，為實(shí)現(xiàn)小麥快速、準(zhǔn)確估產(chǎn)，計(jì)算機(jī)圖像識(shí)別技術(shù)顯得尤為重要[43]。范夢(mèng)揚(yáng)等[44]通過部署的田間攝像頭采集大田環(huán)境下小麥麥穗低分辨率群體圖像，實(shí)現(xiàn)了復(fù)雜大田環(huán)境下小麥麥穗圖像的降噪增強(qiáng)處理;提取麥穗的顏色、紋理特征，采用支持向量機(jī)方法，將小麥麥穗從背景中分離，然后對(duì)麥穗的二值圖像細(xì)化得到麥穗骨架;最后通過計(jì)算麥穗骨架的數(shù)量以及麥穗骨架有效交點(diǎn)的數(shù)量，即可得到圖像中麥穗的數(shù)量。劉濤等[43]設(shè)計(jì)了一種基于圖像分析技術(shù)的小麥穗數(shù)智能計(jì)算方法，該方法實(shí)現(xiàn)了不同播種方式下大田麥穗快速、準(zhǔn)確的計(jì)數(shù)，在條播和撒播小麥田中計(jì)數(shù)準(zhǔn)確率均較高。

3.2 小麥產(chǎn)量預(yù)測(cè)

小麥產(chǎn)量受到氣候、災(zāi)害、病蟲害等因素綜合影響，利用各種快速有效的方法準(zhǔn)確預(yù)測(cè)小麥產(chǎn)量是廣大農(nóng)業(yè)科技工作者追求的目標(biāo)，因此提高小麥產(chǎn)量預(yù)測(cè)精度一直是研究的熱點(diǎn)。楊俊等[45]利用無人機(jī)RGB圖像提取了8個(gè)顏色指數(shù)和4個(gè)紋理特征指數(shù)，并分析了它們與小麥產(chǎn)量及生物量之間的關(guān)系，為進(jìn)一步的產(chǎn)量預(yù)測(cè)奠定了基礎(chǔ)。楊梅等[46]為了提高小麥產(chǎn)量的預(yù)測(cè)精度，提出一種灰色模型和支持向量機(jī)組合的預(yù)測(cè)模型，首先利用灰色模型對(duì)小麥產(chǎn)量進(jìn)行預(yù)測(cè)，挖掘小麥產(chǎn)量的線性變化規(guī)律，然后采用支持向量機(jī)對(duì)小麥產(chǎn)量進(jìn)行預(yù)測(cè)，描述小麥產(chǎn)量的非線性變化規(guī)律。采用以上2個(gè)模型的預(yù)測(cè)加權(quán)平均得到了小麥產(chǎn)量，并進(jìn)行仿真。

4 圖像處理技術(shù)在小麥生產(chǎn)中的其他應(yīng)用

4.1 小麥容重檢測(cè)

容重是小麥定等的指標(biāo)，該標(biāo)準(zhǔn)是小麥流通過程中判定其質(zhì)量等級(jí)的重要依據(jù)。相關(guān)研究表明，收獲時(shí)籽粒不夠成熟、結(jié)構(gòu)疏松、含水量高的樣品，容重較小;反之，容重較大[47]。圖像處理技術(shù)在農(nóng)產(chǎn)品質(zhì)量與品質(zhì)的檢測(cè)過程中，通常從樣品的形態(tài)、顏色和紋理等方面提取特征參數(shù)，用于農(nóng)產(chǎn)品特征描述并對(duì)其進(jìn)行評(píng)價(jià)。因此，可以使用圖像處理技術(shù)對(duì)小麥籽粒的形狀、大小、光滑度等因素進(jìn)行描述[48]。目前，利用圖像處理技術(shù)進(jìn)行水稻、馬鈴薯、玉米、花生等農(nóng)產(chǎn)品質(zhì)量與品質(zhì)檢測(cè)已經(jīng)取得了一定進(jìn)展。在小麥質(zhì)量與品質(zhì)檢測(cè)方面也有諸多研究成果，主要涉及小麥品種與種類識(shí)別、質(zhì)量分級(jí)、角質(zhì)和硬度檢測(cè)等方面。如張玉榮等[47]以不同容重小麥入手，采用圖像識(shí)別技術(shù)獲取與小麥籽粒容重相關(guān)的指標(biāo)特征，研究與小麥容重相關(guān)的內(nèi)外在因素，從而得到可以客觀評(píng)價(jià)小麥容重的不同條件，并構(gòu)建差異化的小麥容重檢測(cè)模型。

4.2 籽粒外觀檢測(cè)

籽長(zhǎng)、粒寬和粒厚是評(píng)價(jià)小麥籽粒質(zhì)量的重要指標(biāo)。目前小麥籽粒長(zhǎng)、寬、厚的測(cè)量主要通過游標(biāo)卡尺來實(shí)現(xiàn)，這種方法主觀性較強(qiáng)，測(cè)量部位的選擇較難把握，效率低下且可重演性差[49]。機(jī)器視覺或圖像處理技術(shù)在小麥籽粒上的應(yīng)用一方面可以實(shí)現(xiàn)籽粒種類的識(shí)別，其中包括對(duì)大麥、小麥、燕麥等的區(qū)分以及不同小麥品種的識(shí)別;另一方面，機(jī)器視覺技術(shù)可應(yīng)用于小麥籽粒的綜合評(píng)價(jià)，其中包括對(duì)籽粒病害、損傷的評(píng)價(jià)以及籽粒形態(tài)特征的測(cè)算。在研究技術(shù)上，一般通過圖像處理算法提取小麥籽粒的不同特征參數(shù)，再通過這些參數(shù)建立評(píng)價(jià)和分析體系[50-51]。仲曉春等[52]利用圖像處理技術(shù)結(jié)合一定的外部光源測(cè)定小麥籽粒的長(zhǎng)、寬、厚信息，在單幅二維圖像中提取小麥籽粒的三維信息，為小麥籽粒三維信息的快速準(zhǔn)確測(cè)定提供一定的技術(shù)支持。

5 問題與展望

5.1 問題

通過上述分析可知，基于圖像處理技術(shù)的小麥生產(chǎn)管理研究已取得了一定的進(jìn)展，但由于小麥?zhǔn)且环N大田作物，其生長(zhǎng)環(huán)境的多變性和品種的復(fù)雜性以及圖像處理技術(shù)的特點(diǎn)，目前仍有不少問題需進(jìn)一步解決。

（1）圖像識(shí)別精度不高。目前大部分研究中圖像的處理方法比較簡(jiǎn)單，以單一的顏色指數(shù)或組合指數(shù)難以實(shí)現(xiàn)復(fù)雜背景下小麥的提取。同時(shí)參數(shù)及模型選擇的不同導(dǎo)致識(shí)別效果也不相同，再加上不同品種、不同密度以及不同施肥條件的影響，圖像識(shí)別的精度很難提高。

（2）圖像采集實(shí)時(shí)性較差。目前大部分研究還是將圖像采集到實(shí)驗(yàn)室后再進(jìn)行分析，缺少圖像采集的實(shí)時(shí)性。主要原因是實(shí)時(shí)圖像采集對(duì)設(shè)備要求較高，對(duì)網(wǎng)絡(luò)傳輸要求也較高，同時(shí)圖像處理時(shí)間也難以滿足要求。

（3）結(jié)果的可靠性有待提高。圖像識(shí)別結(jié)果受到多種因素的影響，例如采樣時(shí)間、天氣條件、土壤條件等，每一個(gè)條件發(fā)生變化都會(huì)影響圖像識(shí)別效果。目前尚無一個(gè)統(tǒng)一的標(biāo)準(zhǔn)使圖像處理技術(shù)流程化和標(biāo)準(zhǔn)化，不同的研究?jī)H針對(duì)特定的條件，導(dǎo)致結(jié)果的可靠性不夠高。

（4）用戶的接受程度較低。我國(guó)現(xiàn)有的小麥種植仍以農(nóng)戶分散種植為主，直接從事種植業(yè)的農(nóng)戶年齡均較大，知識(shí)水平不高，總體認(rèn)知水平低，難以接受先進(jìn)的圖像處理技術(shù)，導(dǎo)致這項(xiàng)技術(shù)在很長(zhǎng)一段時(shí)間內(nèi)難以推廣。

5.2 展望

隨著計(jì)算機(jī)及人工智能技術(shù)的迅速發(fā)展，基于圖像處理技術(shù)的小麥生產(chǎn)管理技術(shù)已經(jīng)取得了較好的研究成果，該技術(shù)在小麥葉面積指數(shù)測(cè)定、病蟲害識(shí)別與診斷、群體葉綠素狀況測(cè)定以及產(chǎn)量預(yù)測(cè)等方面均有廣泛的應(yīng)用前景。圖像處理技術(shù)已經(jīng)從理論走向?qū)嵺`，處理對(duì)象也在不斷發(fā)生變化，早期主要是針對(duì)黑白圖像，現(xiàn)在使用的已全部是彩色圖像。在空間結(jié)構(gòu)上也從以二維圖像信息為主到二維與三維相結(jié)合的轉(zhuǎn)變。除了單一使用圖像技術(shù)，越來越多的研究者將圖像與光譜技術(shù)相融合，特別是將高光譜成像技術(shù)引入到小麥生產(chǎn)管理研究中，使小麥生長(zhǎng)表型信息獲取的手段更加豐富[53]。

小麥的生產(chǎn)管理包括產(chǎn)前、產(chǎn)中和產(chǎn)后，圖像處理也要從這3個(gè)階段入手，如產(chǎn)前的種子選擇、土地平整等，產(chǎn)中是從出苗到成熟的過程管理，產(chǎn)后的倉(cāng)儲(chǔ)、流通和加工等。目前我國(guó)的圖像處理技術(shù)在小麥生長(zhǎng)信息監(jiān)測(cè)、病蟲害的識(shí)別與診斷、產(chǎn)量預(yù)測(cè)等方面的研究已有很大進(jìn)步，這些均屬于產(chǎn)中的圖像信息處理技術(shù)，但產(chǎn)前和產(chǎn)后的研究還較少，而且能夠進(jìn)行商品化應(yīng)用的成果不多，還有諸多內(nèi)容需要進(jìn)一步研究。

參考文獻(xiàn)

[1]姜淑華，孫海波.計(jì)算機(jī)圖像技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].農(nóng)機(jī)化研究，2006，28（11）：177-178.

[2]惲鴻峰.計(jì)算機(jī)圖像識(shí)別技術(shù)的應(yīng)用及細(xì)節(jié)問題研究[J].數(shù)字技術(shù)與應(yīng)用，2016（8）：123-124.

[3]張曉娟，高瑾.計(jì)算機(jī)圖像識(shí)別技術(shù)的應(yīng)用及細(xì)節(jié)問題闡述與分析[J].電子技術(shù)與軟件工程，2016（6）：89.

[4]唐錄潔.計(jì)算機(jī)智能化圖像識(shí)別技術(shù)的理論性探究[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2013，16（13）：98-100.

[5]王力堅(jiān)，杜永林，葛自強(qiáng)，等.論農(nóng)業(yè)推廣中的信息傳播與溝通[J].中國(guó)農(nóng)業(yè)信息，2014（2）：31-33.

[6]張茅.計(jì)算機(jī)技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用[J].農(nóng)業(yè)工程，2011，1（4）：26-28.

[7]石榕清.數(shù)字圖像處理在農(nóng)業(yè)信息化條件下的發(fā)展及應(yīng)用研究[J].農(nóng)村經(jīng)濟(jì)與科技，2016，27（18）：261-262.

[8]李輝，滕桂法，張燕.數(shù)字圖像處理技術(shù)及其在農(nóng)業(yè)中的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2013，41（13）：6060-6061，6072.

[9]李冬，薛齡季軒，姜珊，等.數(shù)字圖像處理技術(shù)在農(nóng)業(yè)上的應(yīng)用及發(fā)展前景[J].黑龍江科技信息，2016（30）：165.

[10]郭艷艷，李紹明，朱德海，等.數(shù)字圖像處理技術(shù)在玉米種植中的應(yīng)用[J].中國(guó)種業(yè)，2008（6）：10-11.

[11]夏永泉，李耀斌，李晨.基于圖像處理技術(shù)與Android手機(jī)的小麥病害診斷系統(tǒng)[J].安徽大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，40（2）：26-31.

[12]高俊梅，黃忠文.圖像處理技術(shù)在農(nóng)業(yè)上的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2014（5）：34-39.

[13]胡濤.圖像處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2005，33（4）：678-679.

[14]崔艷麗，王雙喜.圖像處理技術(shù)在農(nóng)業(yè)中的應(yīng)用研究概論[J].農(nóng)機(jī)推廣與安全，2006（12）：33-34.

[15]趙萍，李永奎，林靜，等.數(shù)字圖像處理技術(shù)在農(nóng)產(chǎn)品方面的應(yīng)用[J].農(nóng)機(jī)化研究，2007，29（11）：198-200，210.

[16]李明，張長(zhǎng)利，房俊龍.基于圖像處理技術(shù)的小麥葉面積指數(shù)的提取[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（1）：205-209，386.

[17]宋英博，郭偉，張洪權(quán)，等.圖像處理技術(shù)在玉米葉面積測(cè)量中的實(shí)際應(yīng)用[J].農(nóng)學(xué)學(xué)報(bào)，2015，5（8）：111-114.

[18]王桂琴，鄭麗敏，朱虹，等.圖像處理技術(shù)在冬小麥葉面積指數(shù)測(cè)定中的應(yīng)用[J].麥類作物學(xué)報(bào)，2004，24（4）：108-112.

[19]MEYER G E，DAVISON D A.An electronic image plant growth measurement system[J].Transaction of ASAE，1987，30（1）：242-248.

[20]CHIEN C F，LIN T T.Non-destructive growth measurement of selected vegetable seedlings using orthogonal images[J].Transaction of the ASAE，2005，48（5）：1953-1961.

[21]武聰玲，滕光輝，李長(zhǎng)纓.黃瓜幼苗生長(zhǎng)信息的無損監(jiān)測(cè)系統(tǒng)的應(yīng)用與驗(yàn)證[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（4）：109-112.

[22]梁琨，杜瑩瑩，盧偉，等.基于高光譜成像技術(shù)的小麥籽粒赤霉病識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（2）：309-315.

[23]鄧?yán)^忠，李敏，袁之報(bào)，等.基于圖像識(shí)別的小麥腥黑穗病害特征提取與分類[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（3）：172-176.

[24]王美麗，牛曉靜，張宏鳴，等.小麥葉部常見病害特征提取及識(shí)別技術(shù)研究[J].計(jì)算機(jī)工程與應(yīng)用，2014，50（7）：154-157.

[25]蘇一峰，杜克明，李穎，等.基于物聯(lián)網(wǎng)平臺(tái)的小麥病蟲害診斷系統(tǒng)設(shè)計(jì)初探[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2016，18（2）：86-94.

[26]時(shí)雷，龐曉丹，錢誠(chéng)，等.基于圖像處理技術(shù)的小麥群體葉綠素狀況估計(jì)研究[J].太原理工大學(xué)學(xué)報(bào)，2016，47（2）：223-227.

[27]AHMAD I S，REID J F.Evaluation of colour representations for maize images[J].Journal of agricultural engineering research，1996，63（3）：185-195.

[28]KAWASHIMA S，NAKATANI M.An algorithm for estimating chlorophyll content in leaves using a video camera[J].Annals of botany，1998，81（1）：49-54.

[29]PAGOLA M，ORTIZ R，IRIGOYEN I，et al.New method to assess barley nitrogen nutrition status based on image colour analysis：Comparison with SPAD-502[J].Computers and electronics in agriculture，2009，65（2）：213-218.

[30]ADAMSEN F J，PINTER P J JR，BARNES E M，et al.Measuring wheat senescence with a digital camera[J].Crop science，1999，39（3）：719-724.

[31]王方永，李少昆，王克如，等.基于機(jī)器視覺的棉花群體葉綠素監(jiān)測(cè)[J].作物學(xué)報(bào)，2007，33（12）：2041-2046.

[32]王克如，李少昆，王崇桃，等.用機(jī)器視覺技術(shù)獲取棉花葉片葉綠素濃度[J].作物學(xué)報(bào)，2006，32（1）：34-40.

[33]宋振偉，文新亞，張志鵬，等.基于數(shù)字圖像技術(shù)的冬小麥不同施氮和灌溉處理顏色特征分析[J].中國(guó)農(nóng)學(xué)通報(bào)，2010，26（14）：350-355.

[34]李明，張長(zhǎng)利，王曉楠.基于圖像處理技術(shù)的小麥形態(tài)檢測(cè)方法研究[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，40（4）：111-115.

[35]趙騰，野口伸，楊亮亮，等.基于視覺識(shí)別的小麥?zhǔn)斋@作業(yè)線快速獲取方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（11）：32-37.

[36]張衛(wèi)，杜尚豐.機(jī)器視覺對(duì)農(nóng)田中定位基準(zhǔn)線的識(shí)別[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006，11（4）：75-77，88.

[37]CHO W，IIDA M，SUGURI M，et al.Vision-based uncut crop edge detection for automated guidance of head-feeding combine[J].Engineering in agriculture，environment and food，2014，7（2）：97-102.

[38]沈明霞，李秀智，姬長(zhǎng)英.基于形態(tài)學(xué)的農(nóng)田景物區(qū)域檢測(cè)技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（1）：92-94.

[39]丁幼春，王書茂，陳度.基于圖像旋轉(zhuǎn)投影的導(dǎo)航路徑檢測(cè)算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：155-160.

[40]陳嬌，姜國(guó)權(quán)，杜尚豐，等.基于壟線平行特征的視覺導(dǎo)航多壟線識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（12）：107-113.

[41]CHOI J，YIN X，YANG L L，et al.Development of a laser scanner-based navigation system for a combine harvester[J].Engineering in agriculture，environment and food，2014，7（1）：7-13.

[42]ZHAO T，NOGUCHI N，YANG L L，et al.Development of uncut crop edge detection system based on laser rangefinder for combine harvesters[J].International journal of agriculture and biological engineering，2016，9（2）：21-28.

[43]劉濤，孫成明，王力堅(jiān)，等.基于圖像處理技術(shù)的大田麥穗計(jì)數(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（2）：282-290.

[44]范夢(mèng)揚(yáng)，馬欽，劉峻明，等.基于機(jī)器視覺的大田環(huán)境小麥麥穗計(jì)數(shù)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（S1）：234-239.

[45]楊俊，丁峰，陳晨，等.小麥生物量及產(chǎn)量與無人機(jī)圖像特征參數(shù)的相關(guān)性[J].農(nóng)業(yè)工程學(xué)報(bào)，2019，35（23）：104-110.

[46]楊梅，李廣.小麥產(chǎn)量預(yù)測(cè)模型的仿真研究[J].計(jì)算機(jī)仿真，2013，30（10）：382-385.

[47]張玉榮，陳賽賽，姜忠麗，等.基于圖像處理的小麥容重檢測(cè)方法研究[J].中國(guó)糧油學(xué)報(bào)，2015，30（3）：116-121.

[48]張玉榮，陳賽賽，周顯青.小麥圖像檢測(cè)技術(shù)研究進(jìn)展[J].中國(guó)糧油學(xué)報(bào)，2014，29（4）：118-123.

[49]賈佳，王建華，謝宗銘，等.計(jì)算機(jī)圖像識(shí)別技術(shù)在小麥種子精選中的應(yīng)用[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014，19（5）：180-186.

[50]王志軍，叢培盛，周佳璐，等.基于圖像處理與人工神經(jīng)網(wǎng)絡(luò)的小麥顆粒外觀品質(zhì)評(píng)價(jià)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（1）：158-161.

[51]畢昆，姜盼，唐崇偉，等.基于麥穗特征的小麥品種BP分類器設(shè)計(jì)[J].中國(guó)農(nóng)學(xué)通報(bào)，2011，27（6）：464-468.

[52]仲曉春，陳雯，劉濤，等.基于圖像技術(shù)的小麥籽粒三維信息測(cè)量[J].廣東農(nóng)業(yè)科學(xué)，2016，43（2）：150-155.

[53]周清松，唐秀忠.圖像識(shí)別處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2017，40（4）：107-110.