计算机图像技术在农业中的应用

　　第一、图像处理的动态性目前,大部分研究成果都是静态的,即先从室内或田间采集静态图像,再用实验室的计算机对图像进行处理。在实际生产应用中,很多情况下需要进行动态图像的实时处理,这就要求图像获取设备与处理设备合并,能在获取图像的同时立即处理所采集的图像,精确与快速地得出结果,并进行控制。如何实现动态图像处理是研究人员所要解决的难题。

　　第二、农业环境的多变性目前,多数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,而农田环境十分复杂,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。因此,农业中计算机视觉技术的应用从实验室走到田间实际还有很多问题值得研究。

　　第三、计算机下农产品检测计算机视觉技术无需接触测定对象,便可以从获取的图像中得到大量的参数和信息,而且与人工检验相比具有效率高、识别率高和标准统一等优点,特别适合动物、植物和农产品等生物体的检测与质量综合评定,因此在农产品检测中广泛应用。

对农产品的检测不仅要求全面检测外观品质,还要求检测内在品质。未来将实现对农产品动态特征的提取和识别,依照国际标准,进行在线检测,并且检测速度和精度不断提高,系统的兼容性不断升级,可以适用于不同种类农产品的检测。Rehkugler G.E.等研究了利用机器视觉进行苹果表面压伤检测,并依据美国苹果标准进行分级,研制成功了利用机器视觉进行缺陷检测和分级的苹果处理设备。

Miller等研制了一套鲜桃的计算机视觉分级系统。桃由输送带送进照明箱被摄像,经过图像处理,桃的颜色和着色度的数字信号经计算机处理后与不同成熟度桃的标准色相比较,按照颜色特征的差异,不同成熟度的桃被分开。应义斌等开发了黄花梨品质检测机器视觉系统,比较了不同强度光源、不同背景对采集到的图像的影响,并研制了一套适用于黄花梨及其他水果品质检测的机器视觉系统。

K.Ni2nomiya等研制成功由3个机器视觉系统组成的茄子自动分级系统,可以从获得的图像中提取检测出茄子的大小、损伤数量、损伤面积、花萼颜色、水果形状以及水果弯曲度。经2a的试用结果显示,该系统能检测出茄子的许多缺陷,能更准确地对茄子进行分级。

李伟等提出了一种基于机器视觉技术的苹果表面纹理检测分级方法,并设计了由PC机、可编程逻辑控制器、摄像机和图像采集卡等组成的苹果视觉自动化分级系统。选取41个水晶富士苹果在该系统进行了分级试验,分级窜果率为4.9%。刘国敏等根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。试验结果表明,其预测准确率达到85%。