农业生产的机器视觉技术

目前，多数农业研究是在可以采集高质量图像的具有可控光照、色温以及没有环境因素影响的实验室或温室等理想条件下进行的，但是基于无损的计算机视觉技术工作在农业应用中不可避免在田间作业。

农田环境十分复杂,如光照不均、风速变化大、自然光色温的不可控性以及设备的机械振动等许多因素,都能导致图像质量的下降,噪声增加,大大增加了图像预处理的难度,降低了处理结果的准确性和快速性。

由于图像技术的发展，利用机器视觉技术检测大米外观品质检测、观测小麦的生长状态、通过对棉花叶片的孔洞和叶片边缘的缺损情况判定受棉花受虫害程度，可以有效的控制作物生长环境、状态，达到精准农业技术，提供农业产品生长。

随着计算机图形图像处理及智能制技术的发展,机器视觉技术逐渐渗透到农业生活的方方面面｡通过分析机器视觉技术在我国农业生产中的应用实例可发现机器视觉技术的应用主要集中在获取图像信息､图像处理与算法识别､视觉定位导航及机器视觉系统集成等方面｡

获取图像

机器视觉技术的基本就是获取目标物图像信息,获取的图像信息直接会影响到机器视觉技术的判断精度,并且采集图像的像素直接影响到机器的处理速度｡由于农业生产环境复杂多变且采集的目标物差异较大,因此机器视觉技术获取目标物图像信息的方法需要根据目标物及所需信息的变化而有所不同｡

目前对农产品信息采集的方法主要采用CCD(CMOS)相机或摄像机拍摄,并结合红外光谱信息或者高光谱信息进行目标物信息的采集,用来进行下一步图像分析处理｡利用机器视觉技术及近红外光谱的有效结合可实现对土壤含水率的快速检测,并能对不同地区的土壤进行成分分析,从而为不同农作物选择更适合自身的生存环境｡

图像处理

机器视觉技术在农业自然场景中进行农作物信息提取时,由于环境光照的变化以及农作物在颜色､位置､形状上等差异导致机器视觉识别､特征提取带来了不小的障碍,机器视觉技术能否在农业生产中高效率､高准确率地提取到目标物的特征直接决定机器视觉系统的可靠性和稳定性｡因此，机器视觉系统的精确算法识别是机器视觉应用于农业生产的关键一步｡

视觉定位

视觉定位导航是系统可自动采集农业生产自然环境特征,分析出机器人行走路径所需的参数,从而控制智能机器人的导航路径｡基于机器视觉的智能视觉定位导航算法是机器视觉导航定位系统的核心,决定着导航定位的精准性｡

在农副产品、食品加工方面，机器视觉技术可对产品包装、缺损、质量进行检测，或是通过检测水果表皮颜色和大小给水平分级自动分捡。通过机器视觉技术，让大批量、持续生产成为现实，大大提高生产效率，它具有非接触性、速度快、精度高、现场抗干扰能力强等突出优点。

随着机器视觉技术的日益成熟，机器视觉技术在农业生产中的应用会越来越广泛。通过机器视觉技术，让大批量、持续生产成为现实，大大提高生产效率，它具有非接触性、速度快、精度高、现场抗干扰能力强等突出优点。