計算機圖像技術(shù)在農業(yè)中的應用

　　第一、圖像處理的動(dòng)態(tài)性目前,大部分研究成果都是靜態(tài)的,即先從室內或田間采集靜態(tài)圖像,再用實(shí)驗室的計算機對圖像進(jìn)行處理。在實(shí)際生產(chǎn)應用中,很多情況下需要進(jìn)行動(dòng)態(tài)圖像的實(shí)時(shí)處理,這就要求圖像獲取設備與處理設備合并,能在獲取圖像的同時(shí)立即處理所采集的圖像,精確與快速地得出結果,并進(jìn)行控制。如何實(shí)現動(dòng)態(tài)圖像處理是研究人員所要解決的難題。

　　第二、農業(yè)環(huán)境的多變性目前,多數研究是在可以采集高質(zhì)量圖像的具有可控光照、色溫以及沒(méi)有環(huán)境因素影響的實(shí)驗室或溫室等理想條件下進(jìn)行的,但是基于無(wú)損的計算機視覺(jué)技術(shù)工作在農業(yè)應用中不可避免在田間作業(yè),而農田環(huán)境十分復雜,如光照不均、風(fēng)速變化大、自然光色溫的不可控性以及設備的機械振動(dòng)等許多因素,都能導致圖像質(zhì)量下降,噪聲增加,大大增加了圖像預處理的難度,降低了處理結果的準確性和快速性。因此,農業(yè)中計算機視覺(jué)技術(shù)的應用從實(shí)驗室走到田間實(shí)際還有很多問(wèn)題值得研究。

　　第三、計算機下農產(chǎn)品檢測計算機視覺(jué)技術(shù)無(wú)需接觸測定對象,便可以從獲取的圖像中得到大量的參數和信息,而且與人工檢驗相比具有效率高、識別率高和標準統一等優(yōu)點(diǎn),特別適合動(dòng)物、植物和農產(chǎn)品等生物體的檢測與質(zhì)量綜合評定,因此在農產(chǎn)品檢測中廣泛應用。

對農產(chǎn)品的檢測不僅要求全面檢測外觀(guān)品質(zhì),還要求檢測內在品質(zhì)。未來(lái)將實(shí)現對農產(chǎn)品動(dòng)態(tài)特征的提取和識別,依照國際標準,進(jìn)行在線(xiàn)檢測,并且檢測速度和精度不斷提高,系統的兼容性不斷升級,可以適用于不同種類(lèi)農產(chǎn)品的檢測。Rehkugler G.E.等研究了利用機器視覺(jué)進(jìn)行蘋(píng)果表面壓傷檢測,并依據美國蘋(píng)果標準進(jìn)行分級,研制成功了利用機器視覺(jué)進(jìn)行缺陷檢測和分級的蘋(píng)果處理設備。

Miller等研制了一套鮮桃的計算機視覺(jué)分級系統。桃由輸送帶送進(jìn)照明箱被攝像,經(jīng)過(guò)圖像處理,桃的顏色和著(zhù)色度的數字信號經(jīng)計算機處理后與不同成熟度桃的標準色相比較,按照顏色特征的差異,不同成熟度的桃被分開(kāi)。應義斌等開(kāi)發(fā)了黃花梨品質(zhì)檢測機器視覺(jué)系統,比較了不同強度光源、不同背景對采集到的圖像的影響,并研制了一套適用于黃花梨及其他水果品質(zhì)檢測的機器視覺(jué)系統。

K.Ni2nomiya等研制成功由3個(gè)機器視覺(jué)系統組成的茄子自動(dòng)分級系統,可以從獲得的圖像中提取檢測出茄子的大小、損傷數量、損傷面積、花萼顏色、水果形狀以及水果彎曲度。經(jīng)2a的試用結果顯示,該系統能檢測出茄子的許多缺陷,能更準確地對茄子進(jìn)行分級。

李偉等提出了一種基于機器視覺(jué)技術(shù)的蘋(píng)果表面紋理檢測分級方法,并設計了由PC機、可編程邏輯控制器、攝像機和圖像采集卡等組成的蘋(píng)果視覺(jué)自動(dòng)化分級系統。選取41個(gè)水晶富士蘋(píng)果在該系統進(jìn)行了分級試驗,分級竄果率為4.9%。劉國敏等根據臍橙圖像的特點(diǎn)和分級標準,運用計算機視覺(jué)和神經(jīng)網(wǎng)絡(luò )算法對臍橙進(jìn)行自動(dòng)檢測與分級。試驗結果表明,其預測準確率達到85%。