机器视觉在食用菌生产中应用现状研究

白 冰，卢 闯，马世宇，杨 镇

（1.辽宁省农业科学院，辽宁 沈阳 110161；2.葫芦岛农函大玄宇食用菌野驯繁育有限公司，辽宁 葫芦岛 125100）

目前人工智能被广泛应用于电子、化工、医药、物流等领域，而智能化的应用离不开各种传感器的使用，视觉传感器的应用十分广泛，因而机器视觉也得到了快速发展。机器视觉是利用相机、计算机等设备模拟人类视觉认知功能，对所需测量的目标对象进行识别和判断，通过传感器将被摄取目标对象转换成图像信号，传送至专用的图像处理系统，经过数学模型处理并得到被摄目标的形态信息，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调构成一个完整的机器视觉系统。［1］该系统的硬件主要有照明系统、成像系统等，主要功能是实现图像的采集，软件部分主要是对采集到的信息进行相应处理，从而得到检测结果。［2］机器视觉的实质是用机器代替人眼进行识别和判断，再现与人类视觉有关的某些智能行为，其技术实施强调实时性，要求高速度和高精度，具有非接触性、实时性、自动化和高智能等优点［1］。随着智慧农业概念的提出，机器视觉在农业中的应用愈加广泛，目前机器视觉在农产品的质量分级和检测[3]、农产品自动采摘系统[4]、农产品生长过程监测[5]等方面均有应用。智慧农业作为基于物联网开发的一种全新的农业模式，通过感知、采集和监测农作物的生长及环境信息，旨在实现无人化、智能化、精准化栽培，而机器视觉作为智慧农业重要的组成部分和关键的技术支撑，其技术发展与推广应用直接决定和影响着智慧农业的发展。本文主要对机器视觉在食用菌生产中应用现状、存在问题进行总结分析，并提出针对性的对策建议，旨在促进机器视觉在我国食用菌产业中应用更加广泛、深入，以此促进食用菌产业转型升级、进一步提升食用菌产业发展对巩固拓展脱贫攻坚成果和乡村振兴发展的贡献度。

一、机器视觉在食用菌生产中应用的意义

食用菌是我国仅次于粮、油、果、菜的第五大类产业[6]，2017年食用菌产业首次被中央一号文件列为优势特色产业，该产业在脱贫攻坚、供给侧改革、“一带一路”建设方面贡献较大。根据中国食用菌协会公布的调查数据，2020 年国内食用菌产值已达到3 465.7亿元，2014-2020年复合年均增长率为3.68%。我国是食用菌生产大国，其生产以传统生产模式为主，仍依赖人工进行种植、采摘、分拣等；农户根据经验调控食用菌的生长环境，缺乏科学数据支撑，浪费人力物力，生产成本居高不下，经济效益未能实现最大化，制约着食用菌产业发展。机器视觉应用到食用菌生产，可以即时获得食用菌生长和栽培环境信息，并通过信息分析形成食用菌最优生长曲线，以此精准管控生产过程，实现食用菌生长监管自动化，以此保证食用菌处于最优生长状态；食用菌采摘、品质分级包装等人工作业费时费工，通过机器视觉可以实现自动采摘和品质分级。因此，机器视觉在食用菌生产中应用，能够有效降低食用菌生产成本，实现食用菌智能化高效优质生产，也有利于实现食用菌经济效益最大化，提升食用菌产品对外出口的市场竞争力。

二、机器视觉在食用菌生产中应用研究现状

（一）国外

国外开展机器视觉在食用菌生产中应用的研究始于20 世纪末期。Vooren J G 等[7]于1991 年提出了一种识别食用菌品种的二维机器视觉算法，该算法从食用菌的44 个性状中挑选4 个性状对食用菌种类进行识别，在1%的显著性水平下，可以区分稳定环境中80%的食用菌品种。Vizhányó等[8]于2000年提出了一种筛选变质食用菌的二维机器视觉算法，该算法将RGB通道转换为a*和b*颜色分量后消除亮度影响，使用两种颜色分量进行向量归一化提取分离率，完成对变质食用菌的判断。Taghizadeh M 等[9]于2010 年采用二维机器视觉算法研究了不同材质包装下食用菌的保质期，使用高光谱图像建立回归模型评价食用菌的质量，达到推测食用菌保质期的目的。Vidal Diez de Ulzurrun G等[10]于2017年运用三维机器视觉算法进行菌丝生长模型建立的研究，该研究使用线激光扫描仪采集菌丝三维空间信息，采用人工智能算法建立食用菌表型数据模型，实现了食用菌生长模型的建立。Xiaomei H 等[11]于2022 年进行三维机器视觉算法在食用菌自动采摘中应用的研究，该研究使用点云相机采集食用菌三维空间信息，在三维空间中定位食用菌后将信息传递至机器手臂实现食用菌自动采摘。由此可见，国外开展机器视觉在食用菌生产中应用研究起步早，随着图像采集技术的发展，二维机器视觉已升级为三维机器视觉，并且在食用菌生长建模、自动采摘中应用趋于成熟。

（二）国内

国内于21 世纪初期开展关于机器视觉在食用菌生产中应用的研究。俞高红等[12]于2005 年提出了一种分离单体食用菌的二维机器视觉算法，该算法估算每株食用菌的中心点，根据中心点搜索食用菌边界，对食用菌边界进行离散傅里叶变换，提高图像在各个方向的识别性能，实现单体食用菌的分离。王运圣等[13]于2010 年提出了一种使用模糊C均值聚类的二维机器视觉算法，该算法使用蚁群算法对模糊C均值聚类算法中的参数予以改进，进而获取杏鲍菇形态特征。徐振驰等[14]于2015 年提出一种检测食用菌中发丝等异物的机器视觉算法，通过海森矩阵、SIFT算法和Lab空间中的二值图像计算异物图像，实现了食用菌中发丝等异物的检测。张晓宇等[15]于2018 年提出了一种分割鸡腿菇的双目二维机器视觉算法，通过相机自标定法重建三维空间信息，优化SURF算法实现对鸡腿菇的三维空间信息分割。林楠等[16]于2020年提出一种提取食用菌特征的二维机器视觉算法，该算法将食用菌特征分为形状特征和纹理特征，运用边缘检测算法提取食用菌的形状特征，通过HSV 色域提取食用菌的纹理特征，实现食用菌特征提取。总体来看，我国关于机器视觉在食用菌生产中应用研究起步较晚，仅使用二维机器视觉实现对食用菌形态的识别、分割、异物分析等，三维机器视觉在食用菌生产中的应用研究还处于起步探索期。

三、机器视觉在食用菌生产应用存在的问题

目前，二维机器视觉在食用菌生产中应用存在食用菌姿态复杂、成像环境复杂和对相机像素要求较高等问题，造成二维采集的图像容易受环境影响，并且图像特征不明显，导致实际检测效果不理想，在检测和控制食用菌生长、自动采摘和品质分级等方面发挥作用有限。

（一）食用菌姿态复杂

姿态复杂是二维机器视觉在食用菌中应用的难题，具体是指菌盖间在二维图像中存在遮挡。如图1所示，将食用菌图像局部放大后清晰可见菌盖间存在一定程度的遮挡，增加了区分识别不同菌盖的难度。薛雨[17]等使用二维食用菌图像对食用菌进行分割，因无法解决食用菌菌盖遮挡问题，二维机器视觉使用一段时间后通过数据均值对单株食用菌的菌盖直径进行估算，得出的食用菌生长数据精度不高，无法为食用菌生产管理提供有效数据支撑。

图1 食用菌二维视觉图像

（二）成像环境复杂

双目二维机器视觉通过对比两幅二维图像之间的差异计算物体的三维空间信息。双目二维机器视觉在光照较暗、过度曝光、物体特征模糊等情况下较难准确计算物体的三维空间信息，不利于对目标进行特征提取或定位。双目二维机器视觉多应用于农产品巡检、采摘、分级等场景。食用菌通常栽培在较暗的环境下，单株子实体较小且刚度不高，借助低精度的三维空间信息会使食用菌产品采摘与分级出现错误或造成损伤。

（三）对相机像素要求较高

二维机器视觉在计算像素尺寸前需要进行标定。常用的相机标定方法有：主动视觉相机标定法、相机自标定法、张正友棋盘标定法等，无论何种相机标定方法对二维图像的像素密度要求均较高。根据相机的成像原理，物体距离拍摄点越近，相机像素越高，物体在二维图像中的像素密度越高。忽略与拍摄物体的距离远近因素，若取得良好的标定精度及高精度的像素尺寸需要使用高像素相机。高像素相机采购成本较高且不易保养，会制约二维机器视觉在食用菌生产的应用范围和缩小栽培食用菌的利润空间。

四、促进机器视觉在食用菌生产中应用的对策建议

现阶段，应用机器视觉助力食用菌产业提档升级迫在眉睫。以机器视觉为基础，实时监测食用菌生长态势，精准管控食用菌生长过程，实现食用菌产业无人化、智能化、精准化，提高食用菌产业的利润率，是目前食用菌产业主要发展方向。针对上述机器视觉在食用菌生产中应用存在的问题，提出以下三点建议：

（一）使用特殊光源采集食用菌二维图像

使用特殊光源采集食用菌二维图像可以增强二维图像采集的稳定性，便于对食用菌的生长情况进行实时监测。如在分割单株子实体菌盖时，使用红外光源采集食用菌二维图像会一定程度降低栽培场所光线的影响，使发生遮挡的菌盖边缘变得明显，利于精准计算食用菌生长信息，为食用菌智慧化生产管理提供有效生长数据；在监测食用菌早期病害时，使用卤钨灯光源获取食用菌多光谱二维图像，通过对食用菌多光谱二维图像建模分析，实现食用菌早期病害监测。

（二）保持食用菌栽培环境光线均匀

因食用菌所处环境的光线不均匀会造成相机无法自动对焦、食用菌在二维图像中特征不明显、双目二维机器视觉无法精准计算出食用菌三维空间信息等后果，保持食用菌栽培环境的光线均匀利于采集清晰的食用菌二维图像，易于在食用菌图像中对食用菌进行定位和精确计算食用菌三维空间信息。如进行食用菌品质分级时，在传送带上方加装暗箱保持食用菌图像采集的环境光线均匀，准确分析食用菌二维图像中菌盖信息，从而实现食用菌品质的在线分级。

（三）使用三维机器视觉采集食用菌三维空间信息

激光雷达技术的成熟拉开三维机器视觉广泛应用的帷幕。三维机器视觉使用线激光扫描仪、点云相机等设备，通过记录激光束反射的激光点信息生成激光点云，其优点是不受物体所处的环境光线影响、快速获取物体三维空间信息、扫描重建三维模型精度最高超过0.01 mm等。三维机器视觉应用在食用菌产业中，可以扫描重建食用菌三维模型，笔者使用点云相机在辽宁省企业——葫芦岛农函大玄宇食用菌野驯繁育有限公司的栽培基地进行精度高于0.5 mm 的平菇三维模型重建（如图2）。利用食用菌三维模型可以有效地分割存在遮挡的菌盖，获取菌盖的三维空间信息，再根据菌盖的三维空间信息精准计算菌盖空间尺寸，结合生长环境数据信息拟合最优生长曲线，为食用菌智慧化生产提供可靠的食用菌生长数据。机器人也可使用菌盖的三维空间信息巡检食用菌栽培场所，定位并自动采摘食用菌。由此可见，三维机器视觉将对实现食用菌产业无人化、智能化、精准化起到重要作用。

图2 平菇三维模型重建展示图

五、结语

智慧农业是现代农业发展的新业态、新模式，是中国经济社会发展转型的必由之路。传统农业升级为现代农业、智慧农业已经成为我国推动乡村振兴战略实施的重要内容。机器视觉是计算机与世界沟通的“眼睛”，也是智慧农业的重要组成部分和关键的技术支撑。加大三维视觉技术应用研究探索，并积极推广机器视觉在食用菌生产中应用，将成为进一步解放生产力、激发食用菌产业转型升级的内生动力，对提升食用菌产业现代化水平、产品质量效益和竞争力具有正向积极意义和较高的应用价值。