摘要：视觉识别技术作为21世纪的先进控制技术，为未来农业机械的发展提供了新的思路，使得我国的农业机械由自动化向智能化转变。通过介绍视觉识别技术的原理以及它在农业机械方面的研究现状，指出了现阶段存在的问题和不足，分析了未来的发展前景。

    0 前言
    随着我国计算机技术以及自动控制技术的不断发展，以高可靠性、高智能性、高环保性为目标的精确农业逐渐兴起。由于食品安全问题和农业机械化发展逐渐成为全球化的主题，这也使得精确农业作为各国的农业发展基础而倍受重视。近年来，农业机械的无人驾驶技术逐渐成为各大高校及科研院所研究的主题，研究的项目包含了自动喷药、灌溉、施肥、收获和耕种等多个方面，其重要的技术核心就是导航系统和视觉识别系统。视觉识别技术是传感器技术发展的一个新方向，它具有精度高、信息量大、灵活性高、成本效率高、非破坏性等优点，而以视觉技术为依托的导航控制方式是未来导航技术发展的重要方向。如今，在农业机械领域，国外的科学技术人员通过多年的研究，已经可以通过智能识别技术实现众多功能，例如茶叶种类分类、田间杂草识别、水果缺陷识别和分拣以及马铃薯形状识别等。同时，通过近年来我国研究人员的不懈努力，视觉技术在农业机械领域的应用也有了长足的进步，在自动收获和水果分拣等领域均取得了不错的成绩。

    1 视觉识别技术介绍
    视觉识别技术是通过计算机技术来模拟人的视觉功能，通过计算机的分析和处理来实现对指定事物的识别，它是一个极其复杂的系统，既要考虑到图像信息的准确性，还要顾及客观环境的实时变化，有些情况还要对运动着的目标进行实时追踪，这都对视觉系统的研发提出了挑战。人类的视觉系统可以看作是一个三维的采样系统，而视觉识别技术是通过摄像机和计算机等来模拟构建一个采样系统。视觉识别系统主要包含3大部分，即图像获取系统、图像分析处理系统和信息输出系统。图像获取系统就是将需要识别物体的图像转换成能被计算机所处理的数据；图像分析处理系统就是将所需要识别的图像的特点信息进行放大，通常是将已经获取的图像进行边缘锐化、特征抽取、平滑处理、分割处理等工作，再将图像进行编码和传输；信息输出系统就是将处理过的图像显示出来，便于计算机进行分析和识别。现阶段的视觉识别技术主要是利用被识别物体的颜色和形状进行判断，在环境较好的情况下，计算机可以给出准确的识别结果。
    视觉识别技术涉及到计算机科学、人工智能、心理物理学、图像处理、模式识别、神经生物学等多个领域的复杂学科。随着计算机技术和图像处理技术的发展，视觉识别技术也得到了长足的进步，如今，视觉识别技术已在医学诊断、自动检测与控制系统、自动化机器人、工业、农业、军事等方面得到广泛应用，并取得了相当好的经济和社会效益。视觉识别技术作为一种新兴技术，在20世纪90年代逐渐被科研人员重视起来，其发展至今已取得了多项突破，但视觉技术的发展仍有相当广阔的空间。

    2 视觉识别技术在农业机械的应用
    近年来，视觉识别技术在农业机械领域的应用也逐渐多了起来，其主要的应用范围包括：农业机械导航系统、作物生长状况监测、变量控制等几个方面。
    导航系统是农业机械必备的系统之一，它大范围的应用于旋耕播种、自动施肥、自动除草以及自动收获等各类农业机械。目前，利用视觉识别技术的农业机械导航主要集中在以下两个方面：（1）GPS技术与视觉识别技术结合使用。GPS技术与视觉识别技术都有各自的优点和不足，将二者结合起来可以完成许多复杂环境下的导航任务，而很多任务是无法由GPS技术或是视觉识别技术单独完成的。在20世纪末，美国科学家制造了将视觉识别技术与GPS技术结合使用的联合收获机，可以按照事先制定好的工作路径收获水稻，工作中GPS技术主要用于收获机的定位，而视觉识别技术则用来分辨已收获区域和未收获区域。（2）以视觉识别技术为主体的农业机械自动导航系统。此项技术所研究的主要问题包括自动导航的算法、图像识别算法以及分析与反馈等方面。21世纪初，美国伊利诺斯大学研发了一台基于视觉识别技术的自动导航收获机，并为此收获机研制了三套视觉识别导航算法，其中的一套算法可以精确的模拟农机操作人员的工作，分别对白天和夜晚时间段进行了玉米的自动收获试验，其精确程度已经达到了GPS导航的效果。同一时期，日本研制成功了以视觉识别技术为主体的苹果自动采摘机器人，该机器人通过摄像机获取信息，并与计算机相连接进行数据处理，能够准确的识别成熟的苹果并将其采摘。通过实验证明，以视觉识别技术对农业机械进行导航，具有精度高、作业效果好的优点，且不需要事先设定导航路线，只需要视觉识别系统对行进中获取的图像进行分析和识别，就能自动根据田间的信息进行导航和精确作业。
    作物生长状况监测就是将作物的营养、温度、形态、水分等重要信息进行记录和分析，有助于掌握作物各个时期的特征状况，将采集到的信息进行分析和整理，有助于为现代化的精确农业提供技术支持。基于视觉识别技术记录的作物不同生长阶段的信息，有利于研究作物生长状态，并通过图像识别出作物营养状况并进行记录，以不同时期的植株生长状态体现其营养状况。因此，利用视觉识别技术采集作物的生长状态图像，对其进行识别，从而为判断作物营养状况提供决策支持。国外科学家利用视觉识别技术采集了水稻稻冠的图像，并通过图像分析和数学计算对得到的数据进行分类和整理，得出视觉技术得到的水稻稻冠信息与人工测量数据极为接近的结论，这为智能化计算水稻施肥量提供了决策支持和技术保证。利用视觉识别技术建立水稻施肥管理系统，作为精确农业实施的重要技术支持，如今，对于作物生长状况监测的准确性和有效性仍是未来研究和发展的方向。用视觉识别技术测量作物的生长过程相对于人工测量而言对作物几乎没有损害，但是由于农作物的种类很多，在农作物生长的过程中周边环境变化很大，因此，应用视觉识别技术进行测量作物生长过程，目前只针对于某一特征并不能进行大规模、整体的识别与记录。
    变量控制针对在同一块农田之中，不同位置土壤的肥力、含水量具有一定的差别，发生病虫害的位置和概率也不同，因此，根据农田的实际情况控制水、肥、药等变量的投入就是变量控制的研究目标。变量控制可以以最低的代价获得最佳的效果。现阶段变量控制主要在变量施肥、变量施药等方面。视觉识别技术中变量控制主要通过研究农田信息的识别来建立变量控制系统。例如：在识别田间杂草方面，由于田间杂草会争夺作物的水、光、肥等资源，导致作物生长缓慢和产量下降，并可能对农业机械的旋转结构产生缠绕破坏，对农业生产造成较大危害。因此，视觉识别技术通过识别杂草的形状、纹理、颜色等因素，对杂草与作物以及周围环境进行区分。但是对于叶片形状的识别容易受到遮挡的干扰，而对纹理的识别又需要大量的计算，现阶段将二者有机的结合起来，能够准确、快捷的识别杂草。

[1] [2]  下一页