机器视觉技术在自动移栽机上的应用

杨仁全 王浚峰 张栋 周增产 张晓文

（1.北京市农业机械研究所，北京，100096；2.北京京鹏环球科技股份有限公司）

机器视觉技术在自动移栽机上的应用

杨仁全1王浚峰2张栋2周增产2张晓文1

（1.北京市农业机械研究所，北京，100096；2.北京京鹏环球科技股份有限公司）

穴苗自动移栽机是温室种植中的一种重要的农业自动化设备。在移栽过程中，判断坏苗、将坏苗从穴盘中去除是穴苗移栽的重要步骤，可以防止病虫害的扩散。机器视觉技术是一种基于机器视觉的智能模式识别判断系统。在这个系统中，通过图像处理，提取每一株穴苗的表面特征并且与坏苗样本库作比较，即可识别坏苗，并将其从穴盘中去除。利用智能识别算法和矢量机，视觉系统更加高效自动化。

穴苗自动移栽机 机器视觉 图像处理 模式识别

提高农业生产效率和农业生产自动化程度是农业现代化的根本需要，而任何一种农业生产自动化的实现均有赖于对作业对象的正确识别。目前，发达国家在农业生产自动化方面已开始应用机器视觉技术，如获取作物的生长状态信息、农业种质资源管理、植物病理研究、遗传细胞工程研究等。充分利用现代先进技术实现移栽作业的自动化是扩大温室栽培规模，提高生产效率的有效途径。机器视觉技术可以对农业现代化的发展起到积极的促进作用。

1 机器视觉技术概述

机器视觉是人工智能领域最热门的研究课题之一。它主要指利用计算机来模拟人的视觉功能，从客观事物的图像或图像序列中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉的基本原理是将光通过光电元件转换成电信号，再通过各种成像技术对看到的作业对象进行分析处理，抽取有用的信息将其输出。

2 机器视觉技术在农业中的应用

目前，机器视觉技术主要应用在农作物生长情况的监测、农产品品质的鉴定以及农业生产自动化等领域[1]。

利用机器视觉，对农作物的表面进行色彩分析或灰度分析等，可以有效地获取农作物在生长过程中的有效信息，从而相应地进行有效监测。Seginer I等[1]利用机器视觉技术对植株叶片的生长情况进行监测，其结果可用作灌溉系统的控制信号。Ling P等[1]利用机器视觉采集了同一咖啡胚芽体细胞处于不同阶段时的2幅图像，并用伸长系数和生长纵横比作为2个特征系数来描述胚芽体细胞的生命活力，预测胚芽的发芽情况。试验结果表明，该机器视觉系统预测发芽率的精度为61.5%～85.1%，高于专家人工预测的精度43.1%～69%。Ahmad I S等[1]利用彩色图像信息评价缺水和缺氮对玉米生长的影响及由此而造成的植株颜色的变化，此结果可供灌溉和施用氮肥时参考。

我国是农业大国，对农产品进行深加工是提高农产品经济价值的重要途径，而农产品品质的检测是进行深加工的一个重要步骤，目前多采用人工检测，不仅费时、效率低下，而且与检验员自身的技术水平有很大的关系，已成为制约加工效率的一个因素。利用机器视觉技术检验农产品则具有实时、客观、无损害等优点，因而受到人们的青睐。Tollner-Ew等[1]用图像处理和神经网络技术研究洋葱的内部缺陷，用X射线来获得洋葱的图像，借助神经网络进行分类，精确度可达到90%。Taylor R W等[1]分别利用线扫描和模拟摄像机检测苹果损伤情况，表明利用数字图像处理技术检测苹果损伤至少可达到人工分级的精度。Liao K等[2]通过提取玉米的基本特征实时检测玉米的缺陷。应义斌等[2]采用傅立叶变换与其反变换描述果形，开发基于人工神经网络的果形识别软件，果形识别的精确率可达90%。徐娟等在苹果自动分级视觉信息处理中用图像图形学作果梗判别和边缘检测，提高了系统的处理速度。

机器视觉在农业生产自动化领域应用广泛。例如，Slaughter-DC等[3]研究基于色相机器视觉技术的农业栽培，建成自动控制系统，用来除去田地里的杂草。ZHANG ShuHai等[3]在试验中利用模式识别技术识别苹果，对苹果树的原始图像进行滤波，提取苹果树的边界，确定与圆形相关的苹果轮廓线，为机械自动收获苹果奠定了基础。用机器视觉技术还可识别黄瓜苗子叶和本叶，实现黄瓜田间自动化管理。

农业机器人也是机器视觉技术在农业生产中应用的一个重要方面[3]，如针对杂草精确喷洒除草剂，通过对杂草及作物的图像进行形态及颜色分析，找出区分的特征进行识别；通过拍摄图形自动识别出秧苗行列来控制农业机器人在作物行间的行走；利用机器视觉测定作物的生长情况从而确定合理的施肥量等。这些技术很大程度上减少了资源的浪费，提高了农业生产效率。

图1 基于机器视觉的坏苗识别系统流程

图2 机器视觉监测系统的硬件结构框图

图3 机器视觉监测系统的方案框图

3 机器视觉技术在移栽机上的应用

3.1 自动移栽机的介绍

温室作物育苗过程中，随着种苗的生长，小苗需要从穴盘移入苗盆，使种苗获得足够的营养和成长空间。在移栽过程中，防止病虫害的扩散，判断坏苗、将坏苗从穴盘中去除是非常重要的。在传统的人工移栽过程中，这项工作由人眼识别完成。而在自动化移栽机设备中，一个建立在机器视觉技术上的智能识别判断系统能代替人眼的功能[4]。传统的人工移栽效率低，植入种苗直立度和成活率受工作人员熟练程度的影响较大。自动移栽机不仅可以提高移栽效率，还能保证植入种苗的直立度，从而提高成活率。

3.2 机器视觉监测系统

机器视觉系统作为获取图像的摄像机和分析图像的计算机的结合系统，可以根据获取的图像和分析图像的信息做出某些反应。本文研究的是一种在自动化移栽过程中用于根据不同穴苗的特征来智能识别坏苗的机器视觉监测系统。在移栽机中，利用摄像机、图像采集卡和图像处理器等设备，搭建视觉系统硬件平台，通过一定的算法，自动判断坏苗，并将坏苗位置信息发送到处理器，由处理器发出指令，从而将坏苗去掉（图1）。

机器视觉监测系统的硬件结构框见图2。移栽穴苗的图像由一个高性能彩色摄像机获取，并由图像传输设备传送到计算机。

因为坏苗类型多达100多种，所以获取所有条件下的坏苗的每一个特征来作为样本库是几乎不可能的。我们选取了一些具有代表性的坏苗特征作为样本来测试机器视觉系统的性能。一个完整的机器视觉监测和模式识别的方案里包括以下几个步骤（图3），建立坏苗样本库，用计算机视觉摄像头获取彩色图像和纹理图像，进行图像处理，特征分类，提取智能模式识别信息，做出识别判断，驱动控制系统作出相应反应[5]。

一般来说，选择有代表性的坏苗类型作为样本库是非常关键的一项工作，这必须由农业专家完成。因为一些坏苗可能呈现相似的病害特征，比如叶斑病、叶萎病、根腐病，所以仅仅通过图像特征对患有不同病害的坏苗进行分类是比较困难的。我们只需要判断待移栽穴苗是否患病或者识别出几种具代表性的病害类型即可[6]。所以在实际生产中，农业专家选取穴苗的图像的相关彩色特征和纹理特征作为分类的参数。这样的话，不仅降低了系统研究工作的强度，而且提高了机器视觉识别系统的效率。经过试验证明，改进效果是非常明显的。在进行图像处理时，农业专家必须使用相关的软件程序从原始图像中抽取数字特征。对于一个智能的模式识别系统，高度正确识别和极快的计算速度是非常重要的。这些因素决定了智能系统是否具有高效率，所以高性能的计算机对于机器视觉监测系统是必不可少的。

4 结语

智能农业机械是未来发展的方向。移栽机可以提高温室种植效率，有效降低工作强度。

在移栽机工作过程中，一种基于机器视觉技术的图像获取和图像处理系统用于获取各类穴盘苗的图像。这个系统包括摄像机、图像采集卡和图像处理器等设备。图像处理最关键的步骤是从原始图像中提取特征值。虽然目前提高了若干种图像处理的方法，但是为了更好地解决问题需要建立更多的途径，因为穴盘苗的病害种类多达上千种，仅仅用少数几种办法来完成特征分类是比较困难的。另外，如何提高图像处理和模式识别程序的运行速度是提高整机工作效率的关键，这是未来研究工作中要解决的主要问题。

[1]王斌，刘兴龙，刘永福，等.机器视觉技术在农业应用中的研究[J].农机化研究，2008（9）：162-164.

[2]应义斌，饶秀勤，赵匀，等.机器视觉技术在农产品品质自动识别中的应用研究进展[J].农业工程学报，2000，16（3）：4-7.

[3]薛领.计算机视觉在农业中的应用[J].计算机与农业，1999（2）：18-20.

[4]Rekow A K W,Ohlemeyer H.Automated headland turns the next step in automated agricultural machines,In:VDI Berichte,Agricultural Engineering-Land Technik AgEng [J].Engineering Solutions for Energy and Food Production, 2007:199-209.

[5]Abdullah M Z,Fathinul-Syahir A S,Mohd-Azemi B M N. Automated inspection system for colour and shape grading of starfruit(Averrhoa carambolaL.)using machine vision sensor[J].Transactions of the Institute of Measurement and Control,2005（27）：65-87.

[6]Huang Y J,Lee F F.Classification of Phalaenopsis plantlet parts and identifications of suitable grasping point for automatic transplanting using machine vision[J].American Society of Agricultural and Biological Engineers,2008（24）：89-99.

Application of Machine Vision Technology in Automatic Seedling Transplanter

YANG Renquan1,WANG Junfeng2,ZHANG Dong2,ZHOU Zengchan2,ZHANG Xiaowen1
(1.Beijing Agricultural Machinery Institute,Beijing 100096; 2.Beijing Kingpeng International Hi-Tech Corporation)

Automatic seedling transplanter is an important agriculture machine used in greenhouse planting.During the transplanting process,it's crucial to find the disease seedling and pick it from the plug tray in order to prevent diseases and pests diffusion.In this paper,one intelligent recognition and judge system for disease seedling is presented based on machine vision technique.Through image processing,the characteristic of each seedling is obtained and used to be compared with the disease seedling samples.With the intelligent recognition arithmetic,support vector machines,the vision system has been more automatic and more efficient.

Automatic seedling transplanter;Machine vision;Image processing;Pattern recognition

10.3865/j.issn.1001-3547(x).2009.02.004

杨仁全（1972-），男，所长，高级工程师，主要从事设施农业研究，电话：010-82918151。E-mail：greenhouse2008@sina.com

2008-12-29