計算機圖像技術在農業中的應用
第一、圖像處理的動態性目前,大部分研究成果都是靜態的,即先從室內或田間採集靜態圖像,再用實驗室的計算機對圖像進行處理。在實際生產應用中,很多情況下需要進行動態圖像的實時處理,這就要求圖像獲取設備與處理設備合併,能在獲取圖像的同時立即處理所採集的圖像,精確與快速地得出結果,並進行控制。如何實現動態圖像處理是研究人員所要解決的難題。第二、農業環境的多變性目前,多數研究是在可以採集高質量圖像的具有可控光照、色溫以及沒有環境因素影響的實驗室或溫室等理想條件下進行的,但是基於無損的計算機視覺技術工作在農業應用中不可避免在田間作業,而農田環境十分複雜,如光照不均、風速變化大、自然光色溫的不可控性以及設備的機械振動等許多因素,都能導致圖像質量下降,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,農業中計算機視覺技術的應用從實驗室走到田間實際還有很多問題值得研究。
第三、計算機下農產品檢測計算機視覺技術無需接觸測定對象,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點,特別適合動物、植物和農產品等生物體的檢測與質量綜合評定,因此在農產品檢測中廣泛應用。對農產品的檢測不僅要求全面檢測外觀品質,還要求檢測內在品質。未來將實現對農產品動態特徵的提取和識別,依照國際標準,進行在線檢測,並且檢測速度和精度不斷提高,系統的兼容性不斷升級,可以適用於不同種類農產品的檢測。Rehkugler G. E. 等研究了利用機器視覺進行蘋果表面壓傷檢測,並依據美國蘋果標準進行分級,研製成功了利用機器視覺進行缺陷檢測和分級的蘋果處理設備。Miller等研製了一套鮮桃的計算機視覺分級系統。桃由輸送帶送進照明箱被攝像,經過圖像處理,桃的顏色和着色度的數字信號經計算機處理後與不同成熟度桃的標準色相比較,按照顏色特徵的差異,不同成熟度的桃被分開。應義斌等開發了黃花梨品質檢測機器視覺系統,比較了不同強度光源、不同背景對採集到的圖像的影響,並研製了一套適用於黃花梨及其他水果品質檢測的機器視覺系統。K. Ni2nomiya等研製成功由3 個機器視覺系統組成的茄子自動分級系統,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行分級。李偉等提出了一種基於機器視覺技術的蘋果表面紋理檢測分級方法,並設計了由PC機、可編程邏輯控制器、攝像機和圖像採集卡等組成的蘋果視覺自動化分級系統。選取41個水晶富士蘋果在該系統進行了分級試驗,分級竄果率爲4. 9%。劉國敏等根據臍橙圖像的特點和分級標準,運用計算機視覺和神經網絡算法對臍橙進行自動檢測與分級。試驗結果表明,其預測準確率達到85%。