机器视觉技术在农业生产中的应用研究

  如今随着计算机硬件、图像采集处理装置、图像处理技术的迅猛发展,机器视觉在农业的应用领域不断扩展。机器视觉技术在农业生产的应用可以节约劳动力、带动产业升级、推动农业现代化的发展进程,对未来农业的智能化发展具有重要意义。介绍了机器视觉技术在种子和果实分级检测、杂草和虫害监测、重型农机设备自动化、植保无人机等方面的研究和应用情况,并分析了其在农业生产中的不足和面临的挑战,以供相关研究人员参考。

 “在工业化、城镇化深入发展中同步推进农业现代化”是国家“十二五”规划的重点之一,随着规划的实施,农业自动化技术的研究和应用得到了广泛的关注和高度的重视。机器视觉技术是促进农业生产周期管理自动化智能化水平提高的一种高效的手段,该技术在国内外农业领域的种子质量检测、田间杂草识别、植物生长信息监测、病虫害监测等环节取得了较大的突破。我国是农业大国,现代化建设是进一步优化我国经济发展的重要环节,农业生产效率和农业自动化生产水平是农业现代化的决定性指标,而机器视觉技术能够对农业成本控制、降低人力配比率,带动产业升级,实现农业智能化等方面产生巨大的推动作用。

当然相对于机器视觉技术在工业自动化中的应用环境,农业生产中的复杂多变的室外环境显然更为恶劣。这就要求农业机器视觉技术的软硬件设备能够拥有更强的适应能力,同时相关的视觉传感器系统也需要进行针对性的设计,以便收集最有价值的信息。在未来农业的智能化发展中,机器视觉技术将扮演非常重要的辅助角色,也将面临很多技术上的挑战。

1.机器视觉技术概述

机器视觉就是用计算机模拟人眼的视觉功能,从图像或图像序列中提取信息,对客观世界的三维物体进行形态和运动识别。最终目标是用机器来完全解释、模拟、重现和处理人的视覺。随着计算机图形处理和智能化技术的发展,机器视觉越来越多地参与到各种传统生产行业的现代化进程中,扮演了“机器代人”重要的催化剂角色。

2.机器视觉技术在农业生产中的应用案例

正如在工业环境中一样,机器视觉在农业中最关键的好处之一是它能够自动完成耗时、劳动密集型的任务。随着传感器系统和执行器的进一步完善,机器视觉系统将逐渐可以用于管理水果采摘、作物控制、收获和一系列其他任务。农业工作者的作用主要体现在监督能力上,用以帮助进一步优化机器视觉系统。

2.1种子和果实分级检测

农作物种子的质量是决定农作物的最终产量的重要因素,因此类型识别以及播种前的精选,对于提高农作物产量具有重要意义。传统的人工分选与检测耗时耗力,工作量大。利用机器视觉技术可以对获取的种子图像进行基本的几何测量,获得形状、长宽比、面积等参数,进而区分种子的类别,完成优质种子与霉变、有缺陷种子之间的筛选工作。

为了减少人工分类整理,提高水果的品质分级,我们可以用机器视觉技术以及机器学习算法。通过图像处理,可以无损地提取水果的形状、颜色和大小,并制定相应的评分标准规则。基于机器视觉的自动分拣系统可以快速不间断地进行水果的品质分析,这样的方式可以广泛用于各种柑橘类水果,橘子、苹果,油棕类水果,草莓、芒果、柠檬、枣子等,从而节省时间,减少人工劳动。

2.2杂草和虫害监测

每种作物都有其自身的需求:围绕其种植的过程和商业环境必须反映自然的需要。研究表明,在番茄生长周期中,杂草控制在间接成本中所占的比例相对较高。加州大学戴维斯分校的研究人员开发了一个自动除草系统,通过使用机器视觉系统的检测和X射线清除番茄茎附近生长的杂草,改善了番茄生长条件。

农作物在生长过程中极易遭受病虫侵害,从而影响最终产量。传统的大面积施药不仅浪费资源,更容易对环境造成污染和破坏。因此,对作物病虫害区域进行检测和识别,控制喷药机械精准喷洒,是当前机器视觉在农业应用研究的热点。在农作物生长的关键时间点出现病虫,经常需要在短短的几天时间内一下子给几百上千亩地全喷完药,稍稍晚了害虫就会转移,从而感染危害到其他正常农作物的产收。雇佣足够多的人力虽然也可以完成这样高强度的工作,但付出的代价可想而知。而利用机器视觉技术,快速识别农作物和虫害分布,自动进行最佳喷洒用药的剂量和路径规划,可以提高90%的除虫害效率。

2.3重型农机设备自动化

机器视觉可以大大增强现有的农业设备工作效率,并可广泛用于一些重型农用机械设备的自动化升级中。机器视觉技术的采用有助于创造一种全新一代的农机设备,如在莴苣生产前期,装备视觉系统的除草机能够区分健康的莴苣幼苗和入侵植物,并应用适当的化学或人工方法来提高幼苗的生存能力。

例如我国目前茶叶采摘和用工的矛盾已经成为茶叶产业发展的瓶颈,加快发展茶叶采摘机械化势在必行。采用机械化作业替代人工,不仅可以降低成本,而且能够提高采茶质量和生产效率。机器视觉在茶陇识别与采茶机导航中的应用,给茶产业带来了新的春天。利用计算机视觉系统识别茶树嫩芽并实现定位采摘的方法,不仅可以保证叶片的完整性,还能使整个采摘过程完全自动化,节省大量的人力物力,当然机器视觉的识别效率还有提升的空间。

2.4植保无人机

由于现代视觉系统的精确性,目前的植保无人机已经可以用来监测宏观水平的农作物状况。这使专业人员有机会迅速采取行动,防止疾病、害虫或不利环境条件的意外爆发。例如在棉花种植过程中,脱叶期到来之前给它喷洒脱叶剂,就是影响最后收成如何的关键环节。喷洒得好,不仅可以促进棉花均匀成熟,还可以减少采摘的棉花上残留着的叶渣等杂质,从而提高棉花的品质。传统手段通常通过把拖拉机开进棉花田里,通过车上连着的喷杆来进行撒药。但这种做法不仅会碾压破坏大片大片的棉花,增大无谓损耗,而且棉花长太高的地方车根本就开不进去。到了这时,只能用人工进行喷药、浇水、防虫、顶芽摘尖、脱叶、采摘等等。棉花生长过程中任何一个环节出现意外如果没有及时处理,造成的损失几乎是无法挽回。而装载机器视觉识别系统的植保无人机就能实现对棉花等农作物的高效低公害施药。一来空中施药不仅可以避免碾压破坏掉棉花徒增多余的损失,二来机器视觉系统能识别不同田地的地形和农作物分布,自动设置最佳的喷水撒药用量和运作轨迹。原本每667m2需要30L的药水喷洒,现在每667m2只需要1L水。一台植保无人机每小时可以完成2~10hm2农田的作业,一个工作人员就能控制2~5台无人机。在大幅度节省人力和药水成本,提高效率的同时,效果甚至还比费时耗力的人工和传统粗暴的机械作业要好上不少。

3. 机器视觉技术在农业生产中的不足和面临的挑战

机器视觉技术在农产品无损检测、植物生长信息检测、病虫害检测、农田视觉导航、植保无人机等方面的研究已有很大进步,但是由于农业研究对象的多样性和复杂性以及机器视觉技术自身的特点,加之我国农业现代化发展的相对滞后,机器视觉技术在我国农业领域的应用仍存在如下的不足和挑战。

3.1我国农业现代化基础建设较为薄弱

目前我国农业发展总体上存在缺乏资产经营管理、保障能力不足、布局不合理、农业技术应用不高等问题。农业生产相对分散,规模小,人均耕地不到0.093hm2,农业基础设施建设落后于经济发展水平。这极大地增加了调整和优化农业经济结构的难度,并进一步制约农业现代化的推进。

3.2我国农业科技创新动力不足,相关技术人才缺乏

我们农业科技目前自主创新创能力不强,创新成果相对不足。许多动植物良种还需要进口支持。农业科技研发投入与发达国家差距较大,大约只有1/10。薄弱的科研基础条件也造成了农业科技推广服务的落后,相关技术人才的數量缺口很大,一定程度上限制了农业现代化的发展。

3.3机器视觉技术在农业生产领域的局限性

机器视觉技术作为农业现代化发展中的新兴技术,其应用前景和潜力是巨大的,但相对于较为成熟的工业自动化生产模式,机器视觉在当前农业生产中依然有其无法规避的局限性。大部分情况下,农业生产环境总体上要比工业生产环境复杂的多。形状不规则的农产品,结构不规则的作物枝干,田间作业时复杂多变的光照条件,内部品质通常高于外观的判断依据,都将是限制机器视觉技术在农业生产中进一步发展的技术壁垒。同时图像的精准处理对网速及传输稳定性要求更高,而目前广大农村的网络基础建设现状显然还不足以支撑大规模的机器视觉技术应用。

结语

随着我国农业现代化的不断推进,机器视觉技术在农业生产中的应用前景越来越广泛。不过农作物的多样性、田间环境的复杂性、农业现代化的基础薄弱、技术人才缺乏,限制了机器视觉技术在农业生产中的应用与发展。在国家乡村振兴战略下,大量的资金和政策向农村和农业倾斜,农业科技基础建设进一步完善,许多大学生和技术人才也纷纷回乡支援农业现代化建设,为机器视觉技术提供坚实的外部基础。而神经网络、模糊控制等智能算法的精进和人工智能的发展,图像处理技术的丰富度和速度得到了大大的提升,加之5G时代的来临,也将为机器视觉技术和农业生产的进一步融合奠定技术基础。农业发展向来离不开技术的变革,科技一旦与传统行业高度结合,将会是一场悄无声息而又势如破竹的大变革。相信不久的将来,庄稼之人面朝黄土背朝天这一延续了几千年的传统农耕方式将会彻底改变。

    免责声明:
      此文内容为第三方自媒体作者发布的观察或评论性文章,所有文字和图片版权归作者所有,且仅代表作者个人观点,与北京新型智慧农业研究院无关。文章仅供读者参考,并请自行核实相关内容。