0 Comments

机器视觉技能在农业出产自动化中的使用现状

发布于:2019-07-19  |   作者:admin  |   已聚集:人围观

  机器视觉技能使用图画传感器获取物体的图画,将图画转换成一个数据矩阵,并使用核算机来剖析图画,一起完结一个与视觉有关的使命。

  机器视觉技能在农业出产上的研讨与使用,始于20世纪70时代晚期,首要研讨集中于桃、香蕉、西红柿、黄瓜等农商品的质量检测和分级。因为遭到其时核算机发展水平的影响,检测速度达不到实时的需求,处于试验研讨期间。跟着电子技能、核算机软硬件技能、图画处置技能及与人类视觉有关的生理技能的迅速发展,机器视觉技能自身在理论和实习上都取得了重大突破。

  

  在农业机械上的研讨与使用也有了较大的发展,除农商品分选机械外,当前已渗透到收成、农田工作、农产质量量辨认以及植物成长检测等范畴,有些已取得了实用性作用。

  农作物收成自动化是机器视觉技能在收成机械中的使用,是这些年最抢手的研讨课题之一。

  其根本原理是在收成机械上装备摄像体系,收集田间或果树上工作区域图画,运用图画处置与剖析的办法区分图画中是不是有方针,如生果、蔬菜等,发现方针后,引导机械手完结采摘。研讨触及西红柿、卷心菜、西瓜、苹果、柑桔等农商品,可是,因为田间或果园工作环境较为杂乱,使得收集的图画富含很多噪声或搅扰,例如植物或蔬菜的果实常常被茎叶遮挡,田间光照也经常改变,因而,形成方针信息区分速度较慢,辨认的**率不高。 因为受核算机、图画处置等有关技能发展的影响,机器视觉技能在耕种、上肥、植保等农田工作机械中的使用研讨起步较晚。

  农药的粗豪式喷洒是农业出产中功率**、污染*严峻的环节,因而需求对于杂草**喷洒除草剂,对于大田植株喷哂杀虫剂进行病虫害防治。选用机器视觉技能进行农田工作时,需求处置植株禾苗队伍的辨认、作物行。

  农产质量量自动辨认是机器视觉技能在农业机械中使用*早、*多的一个方面,首要是使用该项技能进行无损检测。

  一是使用农商品外表所反映出的一些根本物理特性对商品按必定的规范进行质量评价和分级。需求进行检测的物理参数有尺度、质量形状、色彩及外表残缺状况等。

  二是对农商品内部质量的机器视觉的无损检测。如对玉米籽粒应力裂纹机器视觉无损检测技能研讨,选用高速滤波法将其辨认出来,检测精度为90%,烟叶等级区分的研讨在试验室己到达较高的辨认作用,与教授分级成果的符合率约为83%。

  三是对果梗等状况的**区分对生果分级具有十分重要的含义,国外专家对果梗辨认已进行了不少研讨。

  到当前为止,所提出的辨认果梗的有关算法均还存在核算杂乱、速度较慢、区分精度低一级疑问,还有待于进一步深入研讨。

  因为农商品在出产过程中遭到人为和天然成长条件等要素的影响,其形状、大小及色泽等区别很大,很难做到规整区分,及依据质量、大小、色泽等特征进行的质量分级、大小分级,一般只能进行单一方针的检测,不能满意分级中对归纳方针的需求,还需合作人工分选,分选的功率不高,**性较差,也不利于完结自动化。

  长期以来,质量自动化检测和反应操控一直是难以完结农产质量量自动辨认的要害疑问。

  设备农业出产中,为了使作物在*经济的成长空间内,取得**产值、质量和经济效益,到达优质高产的意图,有必要进步环境调控技能。

  使用核算机视觉技能对植物成长进行监测具有无损、疾速、实时等特色,它不仅可以检测设备内植物的叶片面积、叶片周长、茎秆直径、叶柄夹角等外部成长参数,还可以依据果实外表色彩及果实大小区分其成熟度以及作物缺水缺肥等状况。

  机器视觉技能触及核算机、光学、数学、信息论、模式辨认、数学形态学、人工智能、自动化、CCD技能、视觉学、心理学、脑科学、数字图画处置等很多学科,因为研讨时刻还不是太长,研讨作用离大规模推广使用尚有必定的间隔,还存在许多需持续处置的疑问。

  一是作物成长环境内光照改变大,成像条件不抱负,特别是在光照强度大时,感光元件会饱满,难以取得质量好易于处置的图画。

  二是农业作物不像工业零件那样具有规律性、可描述性,没有两个一样的苹果,也没有两个在形状、尺度和色彩上一样的叶片或花朵,使得农业图画方针的辨认对比艰难。

  三是方针的布景也对比杂乱,如叶片的布景有可能是其他叶片或许杂草,生物的多样性使得同一图画中不一样色彩的作物其灰度区别不大,给方针的切割带来了很大难度。

  一是在理论上机器视觉使用于收成机械的工作是完全可以完结的,例如橙、桔、西红柿、马铃薯、蘑菇、黄瓜、苹果及西瓜等果蔬的采摘。机器视觉经过色觉信号可以认出采摘方针,要害疑问是机器对图画的三维深度信息方位动态呼应以及暂不可视信息,如枝叶掩盖的果实的获取和解说,机械手和机器视觉解说信号掌握的程度,机器人行走等,当前的视觉机器人完结的工作仍是十分有限和有条件的。

  农田工作机械机器视觉使用的要害疑问是对作物的辨认和定位,这方面已开发了一些实用技能,可是,因为田间工作环境的杂乱性,作物辨认的**性与疾速性都需求进一步进步。

  二是当前绝大多数研讨的方针均是静态的农商品个别,功率较低。而在实践出产中所收集的图画应该是动态的农商品集体图画,此刻的图画处置和剖析将更杂乱。怎么从疾速运动的农商品集体中获取有用图画信息并对其纠正,这仍是一个没有处置的难题。

  三是因为许多农商品是一个近似的球体,在其二维图画中,中部的灰度值通常要远远大于边际的灰度值,这就会使得在图画中部的损害部位的灰度值也仍大于边际的灰度值,从而会带来损害检测的差错,有必要加以纠正。

  多年来,国际上许多专家对此做了很多的研讨工作,但到当前为止,还只能靠改进光照条件来完结对单个停止球形物体图画的纠正,对动态的农商品集体图画的纠正办法还正在研讨。

  四是在对农商品的多个质量方针进行检测时,大多选用串行算法,这大大影响了处置速度的进步。急需研讨农产质量量自动辨认中所需的多种图画处置算法的并行实时处置办法,以便进步检测功率。

  五是农商品的内部质量是农商品分级的重要依据,当前大多只研讨对农商品的外部质量进行机器视觉自动辨认,而对农商品内部质量的机器视觉无损检测技能的研讨仅触及桃子和西红柿的成熟度、苹果内部水芯、桃核的裂纹、玉米的应力和肉牛的脂厚度等少数方针,且成果也不太抱负。这说明要使用机器视觉技能对农产质量量进行全量检测,还有很长的路要走。

  六是高效的图画处置算法是核算机视觉成功使用的要害,传统的依据灰度图画的算法,已难以担任杂乱图画处置的需求,含糊操控、神经网络以及遗传算法等智能算法,已在核算机视觉范畴取得广泛使用。因为人眼只能辨认几十个灰度级,但却可以区分不计其数种色彩,并且五颜六色图画可以供给更为丰厚的信息,故以智能理论与技能为手法,可以合适农业杂乱环境。处置杂乱图画、高效的五颜六色图画处置技能等,将会变成核算机视觉技能使用于农业范畴的研讨热门。返回搜狐,查看更多

标签:
    神兽验证马:
点击我更换验证码