图像处理技术在农业的应用 本文关键词：图像处理，农业，技术
图像处理技术在农业的应用 本文简介：摘要基于机器学习的图像处理技术是人工智能的核心内容之一，在近几年里应用于人类的各个领域。图像处理是机器学习中的一项关键技术，在各行业中得到了广泛应用。因为农业生产中因素多变，环境复杂，目标图像在不同时间差异性极大，高效准确的获取图像特征才能保障系统的可靠性。所以需要通过对农业许多图像处理技术的应用研
图像处理技术在农业的应用 本文内容：
摘要基于机器学习的图像处理技术是人工智能的核心内容之一，在近几年里应用于人类的各个领域。图像处理是机器学习中的一项关键技术，在各行业中得到了广泛应用。因为农业生产中因素多变，环境复杂，目标图像在不同时间差异性极大，高效准确的获取图像特征才能保障系统的可靠性。所以需要通过对农业许多图像处理技术的应用研究进行分析，不断总结其中的问题并解决建议，这样才可以使得现代农业的升级改造，图像处理技术在农业生产链中的应用前景未来才会更为广泛。
关键词现代农业；机器学习；图像处理；农业信息化
1引言
农业农村发展已经关系到了我国实现农业现代化是否可以如期而至的重中之重，而现代农业则是推动农业农村发展的关键要素0。机器学习是人工智能研究的核心内容之一，也是推进农业信息化的重要技术之一。如果令机器学习应用于现代农业生产中，尤其是图像处理技术的农业应用，那么就能够有效且有力的推动现代农业的发展，推进农业生产自动化和智能化，并且提高农业在生产中的效率。
2图像处理技术概述
机器学习用浅显易懂的话来说就是：以互联网的海量数据和计算机系统本身所具有的强大并行运算能力，来让机器通过小段的“学习”数据，使它可以模拟人类的学习过程，从而可以做出智能化的决策行为的一种技术0。而图像处理技术是指将图像信息经过计算机转化为数字信息并加以处理的一门技术。简单来说就是将图像转化计算机自身可识别的数字信息来进行识别处理的一项技术错误!未找到引用源。。它的优点是进行处理的精度高。处理内容不光可以用于结构化图像，对非结构化的图像也可以很好的处理和识别。另外，还可以进行比较复杂的非线性处理，以及具有良好的变通能力等等。图像处理技术的研究开始于20世纪60年代。但在这之后的20年中，这项技术的研究进入了一个非常活跃的阶段。自从Krizhevsky等人在ImageNet上训练一个8层的深度模型并在ImageNet竞赛上取得非常好的效果后，卷积神经网络(CNN)在图像处理领域受到了广泛关注，取得了巨大成功0。最初应用于工业以及生物医学等领域的居多，而在农业上的应用有所不足。在农业领域中，能够实时而高效地获取农产品生长自身及环境信息是我国实现农业现代化、信息化环节中极为关键的一环。随着农业规模的发展，如果仅仅依靠传统的农业信息采集，即人工采集的方法来获取农产品的各种信息，是无法从根本上满足我国精准农业的要求。因此，将图像处理技术应用于农业中，对于农作物的生长实时监测，农产品的追溯等方面有着至关重要的作用，这样才能使我国的农业信息化道路变得越宽越远。因此，图像处理技术在农业的研究前景十分广泛。
3图像处理技术的农业应用
3.1农作物生长实时监测
农作物在生长过程中，会受到病虫、气候环境、土壤状况等因素的影响。通过图像处理技术，不但可以对因受各种因素影响后农作物叶片、根茎所产生的变化来进行实时、快速、有效的图像反馈，也能对农作物生长的成熟度进行有效判定。2001年，ChenX等人利用图像处理技术对大豆的图像进行分割，计算大豆图像的横截面面积0。这次研究成功表明大豆的生长与风速的大小有一定关系。2002年，Hiroaki、Ishizawa首次使用图像测量法对在不同成熟阶段的五个苹果进行了光谱分析0，从而得到了水果在不同成熟阶段所产生的光谱图像数据也是不同的结果，这也验证了水果化学成分与光谱图像数据有着高度的相关性。2006年，田有文等人利用色度矩和支持向量机的方法对曝光温室黄瓜进行了研究，研究表明，识别黄瓜病害时，使用纯属核函数是最适合的0。2017年，刘涛等人通过对农作物体表温度所得到的热成像图的研究，成功总结到了通过农作物的热成像所反应出的适合温度0。为实现绿色稻米，张元宝等人于2018年以涂县为例，开发出了基于图像处理的水稻生长监测系统，为相关部门对于农技的推广有了理论依据0。如今，我国的农作物生长检测系统已经有了初步的规模，正如CGMS-China实时监测着农作物的生长情况0。
3.2农作物营养缺乏诊断
如果农作物的某些营养元素产生缺失，或缺乏水分，在农作物的生长期间，就会发生作物发育不良，甚至死亡现象。如农作物缺乏钾元素，农作物则会易倒伏；缺乏氮元素，则会叶色发黄。所以，研究农作物缺乏营养元素是非常重要的。为了解决这一情况，我们就可以通过图像处理技术，及时发现农作物的营养状况并及时补充。在2001年，KaciraM等人通过研究，制作了一个非接触式的测控系统0。该系统可以对农作物连续地进行环境的监测，它能够对温度、湿度、光照、风速各种环境因子进行监测，并通过作物自身水分的图像来进行自动灌溉。2006年，朱丽丽等人在大白菜田间氮肥试验中，采用数码相机来获取了大白菜的冠层数字图像，并结合叶绿素仪和一些常规测试技术0，进一步明确了大白菜冠层图像获取的标准化方法，从而也印证了图像处理技术在大白菜氮素营养诊断领域的可能性。2011年，王访等人通过一种基于多重分形去趋势波动分析方法来描述了缺乏营养油菜叶片图像的特征0。试验通过选取若干油菜叶片图像，对各像素点的指数进行方差分析，从而得到了最优的区分效果。2016年，关海鸥等人所研究的基于支持向量机的农作物营养缺乏症状方法，他们通过已有的大豆营养缺乏的症状叶面图像资料，不断训练，使系统可以自动学习训练，从而达到自动智能诊断技术0。如今图像处理技术在该方面已经相对成熟了，对于农作物各项营养元素的图像检测，也有了各种图像数据。
3.3农产品质量检测
农产品的质量检测是消费者食品安全的保障第一线。优质的保障，也是社会各界及广大农民所重视的。而保障农产品的质量最好的方法就是通过图像处理技术来进行检测。因此，做好农产品质量检测责任重大，也是一项极其重要的工作。2009年，李敏等人将扫描仪与IPP软件结合在一起建立了一种测定稻谷外观品质的方法0。这种方法对检测稻谷外观品质的自动化和数据化方面效果比较理想，具有快速准确的特点，并有较好的应用前景。2010年，毕昆等人通过图像处理的形态学方法得到了小麦图像，并对这些图像分类训练，从而计算出小麦的穗长0。这种方法的识别准确率可达到88%。2017年，周青松等人研究了一种基于图像识别处理的粮虫检测方法，并且将图像处理技术应用于农业工程0。使用基于RBF神经网络的识别模型，将粮仓里的害虫区分并消除，从而保证粮食的安全。同年，梁晓彤，徐践也借助MATLAB工具对农业上病虫害的图像数据进行了大量的分析，进而研究出了基于图像处理技术的农业病虫害识别算法，解决了专家人工识别的不足，也为用户提供了更加准确的识别结果0。
3.4农业机器人
农业机器人涉及了众多的新时代前沿科技。如今，在现代农业中，人工智能以及计算机图像处理技术在国际上得到了很高的重视。而在农业机器人的研究领域，图像处理技术也主要应用于机器人的视觉感应以及机器人对农作物自动化的收割和播种等等。2000年以前大部分为农业机械机器人。2004年，周俊等人通过计算机图像处理技术采集油菜地边界的图像，变换为RGB色彩空间来得到非结构农田的边界有用信息，以达到自动识别行走路径0。2006年，赵金英等人基于色彩分通道法提出了果实目标提取的方法0。这种方法是通过在色彩空间中将彩色图像分解成多个单通道图像，从而较为清晰准确的得到果实的目标图像。根据该图像就可以达到果实的采摘工作。当然，近几年，我国支持大学生去参与农业机器人的相关比赛。如：2014年青岛农业大学的学生郭亭亭所发明的草莓采摘机，就可以保证草莓不被挤压；2017年10月26-27日首届的中国农业机器人大赛中，中国农业大学“车行天下”团队获得特等奖，并荣获参加2018年美国ASABE农业机器人大赛的资格0。
4农业图像处理技术的问题与对策
现代农业有着对各行业专业技术进行整合的需求。同时需要对相关信息技术应用进行改造，使之契合农业生产。机器学习近年在我国各行业得到迅猛发展，也取得了不少成就。但在农业领域大多应用停留在数据挖掘的方面，专门从事农业图像处理相关研究并形成体系的则较少。正如北京大学教授张志华所说“发展一个学科需要一个务实的态度。时髦的概念和名字无疑对学科的普及有一定的推动作用。但学科的根本还是所研究的问题、方法、技术和支撑的基础等，以及为社会产生的价值。”从而使我国在国际计算机领域缺少了很多竞争力与影响力。针对这一情况，应该加大国家对农业计算机人才的扶持力度，建设完善相关制度和机制。这对机器学习的学科专业提供更严谨的标准，特别是找准提高效益，降低使用成本并服务农业的关键，大力推广及务实机器学习的优势，让更多年轻人积极投入农业机器学习的专业领域。同时，保障农业相关信息技术服务的可持续，增强信息技术的实用性，从而进一步走入农业信息化道路。国家对农业计算机标准的统一力度还不够高。在国家的《农业保护政策》中，提到的“绿箱”政策中表明了国家对农业科技研究的重视0。但在近几年，对于机器学习技术在设计制作中缺乏统一的标准。例如，在土壤检测方面，国家、省市级都有着各自的标准，使设计成果无法得到全国的统一认可，也使成果无法推至各个不同地区使用，从而影响了技术的推广。针对这一情况，国家应统一各种标准，如统一土壤成分标准、外来物种数据标准，农作物标准等等。各省市也按国家标准设计制作机器学习的各种农业系统，来保证我国农业信息技术的统一和推广。农民的文化素质还有待于进一步提高。虽然目前农民文化素质已经有了很大的提高，但对于当今计算机的时代所衍生出的各种技术，如农业专家系统、虫害预测等等，农民仍会保持怀疑态度，遵循以前的经验去种植、销售，而导致农产品无法朝更宽广的道路前进0。农民利用信息能力的差异，变成了我国建设农业信息化的一个阻碍。针对这一情况，各省市安排农业从事人员定期为农民进行农业信息知识的科普，提高农业种植、销售的科学性。大力发展龙头企业，以一家带动周边各村，让人们认识到农业信息技术带来的高效性和经济性。
5农业图像处理技术发展趋势
虽然农业图像处理技术在不断向前发展，但目前的问题或困难仍然存在。随着农业科学技术的不断成熟，这些问题或困难也会被慢慢解决。目前我国的现代农业图像处理技术在农作物生长实时监测、农作物营养缺乏症状诊断、农产品质量检测、农业机器人等方面的研究已经取得了较为巨大的进步，但是距离全民都采用科学的计算机系统来进行种植销售仍有一段距离。为此，根据我国的国情，我国现代农业的图像处理技术在未来的运用是必不可少的，也是未来重要的研究趋势。此外，随着计算机机器学习的图像处理技术的日益成熟，深度学习以及人工神经网络等技术也将得到发展，随着技术的不断发展，用于农业信息技术的硬件成本会不断降低，利用如今的机器学习实现全自动化农作物种植销售必将成为未来农业发展的重要方向，也会使人们的生活更便捷美好。
6小结
本文通过对我国现代农业背景下基于机器学习的图像处理技术的概述、图像处理技术在农业的应用、存在问题及建议、发展趋势的讨论，认识到现代农业的基于机器学习的图像处理技术在未来国家发展战略中具有重要的意义，也是不可避免的趋势。因此，必须将其作为重点农业技术来发展，才能使我国农业生产链有进一步提高，让我国的农业信息化向前迈进。
作者：李海鹏 赵红波 何继燕 曹志勇 单位：云南农业大学大数据学院
图像处理技术在农业的应用 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
相关文章