1、 華中農(nóng)業(yè)大學(xué)學(xué)士學(xué)位論文文獻(xiàn)綜述 基于機(jī)器視覺技術(shù)的農(nóng)產(chǎn)品檢測(cè)摘要：隨著計(jì)算機(jī)技術(shù)尤其是多媒體技術(shù)以及數(shù)字圖像的處理與分析理論及其配套技術(shù)的不斷發(fā)展和完善，機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品檢測(cè)已經(jīng)得到了廣泛的應(yīng)用。該文闡述了機(jī)器視覺的原理、組成以及機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)、農(nóng)產(chǎn)品收獲及其自動(dòng)化以及農(nóng)作物的生長(zhǎng)狀況監(jiān)測(cè)三個(gè)方面的應(yīng)用，重點(diǎn)介紹了基于機(jī)器視覺的農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)。指出了機(jī)器視覺技術(shù)在其應(yīng)用中存在的問題及不足，并指出了機(jī)器視覺技術(shù)在農(nóng)業(yè)工程領(lǐng)域在今后的發(fā)展趨勢(shì)及前景。關(guān)鍵詞：機(jī)器視覺；農(nóng)產(chǎn)品檢測(cè)與分級(jí)；數(shù)字圖像；自動(dòng)收獲0 引言機(jī)器視覺是利用圖像傳感器獲取對(duì)象的圖像，并將其轉(zhuǎn)化成數(shù)

2、據(jù)矩陣的形式，借助計(jì)算機(jī)的分析，最終來完成一個(gè)相當(dāng)于視覺的任務(wù)。機(jī)器視覺不僅是人眼的延伸, 更重要的是具有人腦的部分功能, 其在農(nóng)產(chǎn)品品質(zhì)檢測(cè)上的應(yīng)用正是滿足了這些應(yīng)變的要求。隨著圖像處理技術(shù)的專業(yè)化與計(jì)算機(jī)硬件成本的下降和速度的提高, 在農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別領(lǐng)域應(yīng)用機(jī)器視覺技術(shù)已變得越來越具有吸引力， 70 年代末以來國際上許多研究人員已為開發(fā)用于農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別和分級(jí)的機(jī)器視覺系統(tǒng)傾注了大量的心血（應(yīng)義斌等，2000）。80年代中期，全球掀起了機(jī)器視覺的研究熱潮（顏發(fā)根等，2004），機(jī)器視覺技術(shù)得到廣泛的應(yīng)用。機(jī)器視覺技術(shù)在農(nóng)業(yè)上的研究與應(yīng)用始于20世紀(jì)70年代末期，主要用于果蔬的品質(zhì)檢

3、測(cè)和分級(jí)（熊利榮等，2004）。目前，機(jī)器視覺已經(jīng)延伸到農(nóng)產(chǎn)品收獲自動(dòng)化和農(nóng)作物生長(zhǎng)監(jiān)測(cè)等方面的應(yīng)用（傅宇，2006）。包括農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)、自動(dòng)收獲、品質(zhì)檢測(cè)及分級(jí)等。該文通過分析大量文獻(xiàn)，綜述了機(jī)器視覺技術(shù)在農(nóng)業(yè)工程領(lǐng)域中的應(yīng)用研究進(jìn)展，重點(diǎn)分析了機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)方面的應(yīng)用，并且分析了其在應(yīng)用中存在的問題和不足，并指出了今后的應(yīng)用研究方向。1 機(jī)器視覺技術(shù)1.1 概述美國制造工程協(xié)會(huì)(SME，Society of Manufacturing Engineers) 機(jī)器視覺分會(huì)和美國機(jī)器人工業(yè)協(xié)會(huì)(RIA，Robotic Industries Association)的自

4、動(dòng)化視覺分會(huì)對(duì)機(jī)器視覺下的定義為：“機(jī)器視覺是通過光學(xué)的裝置和非接觸的傳感器自動(dòng)地接受和處理一個(gè)真實(shí)物體的圖像，通過分析圖像獲得所需信息或用于控制機(jī)器運(yùn)動(dòng)的裝置”（曹國斌等，2008）。1.2 機(jī)器視覺技術(shù)的原理機(jī)器視覺是一門涉及人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、模式識(shí)別等多個(gè)領(lǐng)域的交叉學(xué)科。機(jī)器視覺的特點(diǎn)是靈敏度和測(cè)量精度高、速度快、噪聲低、抗電磁干擾能力強(qiáng)及應(yīng)用方便靈活。機(jī)器視覺技術(shù)是指通過計(jì)算機(jī)來模擬人的視覺功能,從客觀世界三維場(chǎng)景的圖像中提取信息,進(jìn)行處理并加以理解,最終用于實(shí)際檢測(cè)、測(cè)量和控制,是人類研究較早的一種環(huán)境感覺技術(shù)（韓冰等，2008）。其基本原理是將光通過光電

5、元件轉(zhuǎn)換成電信號(hào),通過各種成像技術(shù)對(duì)看到的作業(yè)對(duì)象進(jìn)行分析處理,抽取有用的信息將其輸出。其結(jié)果可供技術(shù)人員觀察,更多的是直接輸入給機(jī)器的控制系統(tǒng),達(dá)到反饋外界環(huán)境信息的目的。 機(jī)器視覺系統(tǒng)的典型結(jié)構(gòu)1.3 機(jī)器視覺技術(shù)的組成典型的視覺系統(tǒng)主要由三部分組成：圖像的獲取、圖像的處理和分析、輸出或顯示, 一般包括光源、光學(xué)系統(tǒng)，CCD/CMOS 相機(jī)、圖像采集卡、圖像處理單元、機(jī)器視覺處理軟件、監(jiān)視器、通訊/ 輸入輸出單元等，如圖1 所示。機(jī)器視覺系統(tǒng)的工作過程主要分四步實(shí)現(xiàn)：（1）圖像采集；主要完成對(duì)模擬視頻信號(hào)(由CCD相機(jī)輸出的信號(hào))的數(shù)字化過程。（2）圖像處理；機(jī)器視覺系統(tǒng)中，視覺信息的處理

6、技術(shù)主要依賴于圖像處理方法，它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、融合、匹配等不同的算法來對(duì)圖像進(jìn)行處理。（3）特征提?。惶幚砥鲗?duì)圖像進(jìn)行識(shí)別，然后量化圖像，最后將這些量化后的數(shù)據(jù)傳送到控制程序。（4）判決和控制；處理器的控制程序根據(jù)收到的數(shù)據(jù)做出結(jié)論。在機(jī)器視覺系統(tǒng)中, 關(guān)鍵技術(shù)有光源照明技術(shù)、光學(xué)鏡頭、攝像機(jī)、圖像采集卡、圖像處理卡和快速準(zhǔn)確的執(zhí)行機(jī)構(gòu)等幾個(gè)方面（唐向陽，2004）.2 機(jī)器視覺技術(shù)在農(nóng)業(yè)工程中的應(yīng)用新的農(nóng)業(yè)生產(chǎn)模式和新技術(shù)的應(yīng)用促進(jìn)了農(nóng)業(yè)機(jī)械的更新和發(fā)展, 智能化農(nóng)業(yè)機(jī)械的技術(shù)條件已經(jīng)成熟（安愛琴等，2007）。農(nóng)業(yè)機(jī)械化促進(jìn)了農(nóng)業(yè)新技術(shù)的發(fā)展，

7、提高了勞動(dòng)生產(chǎn)率和農(nóng)產(chǎn)品的商品率，改善了農(nóng)業(yè)生產(chǎn)的條件。提高農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)生產(chǎn)自動(dòng)化程度是農(nóng)業(yè)現(xiàn)代化的根本需要,而任何一種農(nóng)業(yè)生產(chǎn)自動(dòng)化的實(shí)現(xiàn)均依賴于對(duì)作業(yè)對(duì)象的正確識(shí)別?？梢蚤L(zhǎng)時(shí)間工作于惡劣環(huán)境, 便于進(jìn)行數(shù)字化處理和計(jì)算機(jī)連接, 為企業(yè)減少勞動(dòng)力和提高生產(chǎn)效率, 在圖像采集、非接觸測(cè)量和實(shí)時(shí)監(jiān)控方面得到了廣泛應(yīng)用, 成為現(xiàn)代測(cè)量和測(cè)試技術(shù)中最活躍、最富有成果的研究領(lǐng)域之一（張萍等，2007）。機(jī)器視覺技術(shù)在農(nóng)業(yè)工程領(lǐng)域的應(yīng)用主要體現(xiàn)在農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)、農(nóng)產(chǎn)品自動(dòng)收獲、品質(zhì)檢測(cè)與分級(jí)三個(gè)方面。2.1 在農(nóng)作物生長(zhǎng)檢測(cè)方面的應(yīng)用在農(nóng)作物田間管理過程中，雜草和病蟲害等一直是影響農(nóng)作物生長(zhǎng)狀

8、況的根源所在，而化肥、藥劑的施用量直接影響著農(nóng)作物的產(chǎn)量、品質(zhì)和生態(tài)環(huán)境等。精確自動(dòng)地監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況和環(huán)境變化是實(shí)現(xiàn)自動(dòng)控制作物生長(zhǎng)環(huán)境的前提。而施肥、播種、除草等是農(nóng)作物種植過程中的重要過程，這使得在精細(xì)農(nóng)業(yè)中農(nóng)作物的生長(zhǎng)監(jiān)測(cè)顯得尤為重要。機(jī)器視覺在農(nóng)作物生長(zhǎng)監(jiān)測(cè)中主要用于田間除草和防害蟲等方面。王方永等（王方永等，2007）研究了利用機(jī)器視覺技術(shù)快速獲取棉花群體葉綠素信息的方法,以期獲得預(yù)測(cè)性高的顏色特征參數(shù)，結(jié)果表明,RGB 顏色系統(tǒng)的G-R 、G-R)/( G+R) 、r與g 的組合值和棉花功能葉葉綠素含量、群體綠色指數(shù)呈極顯著相關(guān),而且擬合度較高。曾慶兵等（曾慶兵等，2009）在

9、考慮葡萄果實(shí)形態(tài)和現(xiàn)場(chǎng)環(huán)境基礎(chǔ)上，提出基于機(jī)器視覺的非接觸、重疊條件下葡萄果實(shí)直徑測(cè)量方法，該方法為葡萄生長(zhǎng)狀態(tài)監(jiān)測(cè)及缺水狀況診斷提供了可靠數(shù)據(jù)。馬稚昱等（馬稚昱等，2010）采用機(jī)器視覺及圖像處理技術(shù)對(duì)多株植物生長(zhǎng)信息進(jìn)行了監(jiān)測(cè)研究，利用系統(tǒng)對(duì)菊花的莖長(zhǎng)生長(zhǎng)進(jìn)行了監(jiān)測(cè)分析，發(fā)現(xiàn)白天菊花的莖長(zhǎng)生長(zhǎng)率要小于夜間的生長(zhǎng)率。該研究為利用機(jī)器視覺技術(shù)連續(xù)非接觸監(jiān)測(cè)植物的生長(zhǎng)信息提供了技術(shù)理論基礎(chǔ)。耿長(zhǎng)興等（耿長(zhǎng)興等，2011）以溫室黃瓜為對(duì)靶施藥對(duì)象, 利用機(jī)器視覺獲取黃瓜病情信息, 實(shí)現(xiàn)基于顏色和紋理信息的病情判斷和定量分析。研究光照、土壤溫度、氣溫和濕度等環(huán)境要素的周期數(shù)據(jù)與黃瓜病害有效特征信息表

10、達(dá)之間相互關(guān)系, 預(yù)警溫室黃瓜病害發(fā)生和變化趨勢(shì)，病害信息和環(huán)境要素?cái)M合信息為噴霧機(jī)運(yùn)動(dòng)控制提供決策依據(jù)。楊會(huì)清等（楊會(huì)清等，2011）利用機(jī)器視覺技術(shù)與GPS系統(tǒng)相結(jié)合，完成各種復(fù)雜工作狀況下的導(dǎo)航任務(wù)，機(jī)器視覺系統(tǒng)的主要作用是采集導(dǎo)航信息的同時(shí)還能采集有關(guān)農(nóng)作物、病蟲害以及農(nóng)田狀況的圖像，從而為精細(xì)農(nóng)業(yè)變量投放提供信息。張?jiān)弃Q等（張?jiān)弃Q等，2011）研制了基于機(jī)器視覺技術(shù)的作物莖桿直徑測(cè)量?jī)x。實(shí)驗(yàn)結(jié)果證明，該儀器具有測(cè)量結(jié)果準(zhǔn)確、操作簡(jiǎn)單、可對(duì)作物莖稈微直徑微變化進(jìn)行無損測(cè)量等優(yōu)點(diǎn)。在國外，將機(jī)器視覺應(yīng)用在農(nóng)作物生長(zhǎng)監(jiān)測(cè)方面相對(duì)較早。Ling P P等（Ling P P等，1995）利用機(jī)

11、器視覺技術(shù)對(duì)生菜的生長(zhǎng)狀況進(jìn)行監(jiān)測(cè)，定量監(jiān)測(cè)了葉片水分含量，對(duì)由于營養(yǎng)缺失引起的癥狀進(jìn)行了定性測(cè)定。試驗(yàn)結(jié)果顯示，機(jī)器視覺技術(shù)能有效地實(shí)現(xiàn)作物生長(zhǎng)狀況的遙感監(jiān)測(cè)；Shimizu H.和R. D. Hein s (Shimizu H. and R. D. Heins，1995)利用機(jī)器視覺技術(shù)和近紅外光 (波長(zhǎng)為800 mm 或更長(zhǎng)) 對(duì)非接觸式植物三維生長(zhǎng)信息測(cè)定技術(shù)作了研究, 所研制系統(tǒng)的分辨精度可以達(dá)到0.05個(gè)像素即0.025mm, 通過連續(xù)記錄及分析發(fā)現(xiàn), 白天的生長(zhǎng)速度要遠(yuǎn)遠(yuǎn)高于黑夜, 這為合理控制植物的光照條件提供了依據(jù)。加拿大農(nóng)業(yè)與農(nóng)產(chǎn)品研究中心的Robert E(BlackSh

12、ow Robert，1998)開發(fā)出一種叫作Deteetspray，帶雜草識(shí)別傳感器的除草劑噴灑器，在休耕季節(jié)可以比撒播減少19%一60%的除草劑用量。2.2 在農(nóng)產(chǎn)品自動(dòng)化收獲方面的應(yīng)用智能化自動(dòng)收獲機(jī)器是目前農(nóng)產(chǎn)品收獲自動(dòng)化研究中的熱點(diǎn)，機(jī)器視覺作為一門新興的多學(xué)科交叉的技術(shù)在自動(dòng)收獲機(jī)器中發(fā)揮了巨大的作用。袁挺等（袁挺等2009）利用近紅外圖像對(duì)溫室中黃瓜果實(shí)進(jìn)行品質(zhì)判別，并為溫室采摘機(jī)器人獲取果實(shí)的空間定位。試驗(yàn)結(jié)果表明識(shí)別準(zhǔn)確率各為83.3%和100%，對(duì)抓取區(qū)域提取的成功率為83.3%；司永勝等（司永勝等，2009）提出了利用色差R-G和色差比（R-G）/（G-B）相結(jié)合的蘋果識(shí)別

13、方法，實(shí)現(xiàn)蘋果采摘機(jī)器人精確的果實(shí)識(shí)別與定位。對(duì)在不同情況下拍攝的蘋果圖像進(jìn)行預(yù)處理后，采用遺傳算法（GA）對(duì)輪廓圖像進(jìn)行形狀特征提取。提出了通過多次運(yùn)行遺傳算法，依次轉(zhuǎn)換目標(biāo)輪廓點(diǎn)為背景點(diǎn)來解決果實(shí)圖像相鄰和重疊問題。李景彬等（李景彬等2010）針對(duì)新疆地區(qū)存在的破碎棉種問題, 基于機(jī)器視覺技術(shù)搭建了破碎棉種檢測(cè)系統(tǒng)。通過對(duì)脫絨棉種圖像進(jìn)行分析和預(yù)處理后, 提取出脫絨棉種的特征參數(shù)：面積、周長(zhǎng)、圓形度和長(zhǎng)短軸等, 并對(duì)特征參數(shù)的分析研究, 確定選取圓形度作為檢測(cè)破碎棉種的特征。隨機(jī)選取了100 粒新陸早- 24號(hào)棉種進(jìn)行試驗(yàn), 檢測(cè)精度達(dá)到87. 5% 。雖然，機(jī)器視覺在自動(dòng)化收獲機(jī)器中的應(yīng)

14、用研究中國內(nèi)外已經(jīng)取得了一定的成果并已經(jīng)在一定范圍內(nèi)進(jìn)入了實(shí)際的生產(chǎn)中，但是對(duì)于暫時(shí)不可見信息（樹葉遮蓋的水果）的獲取和分析技術(shù)還不成熟。另外，機(jī)器視覺系統(tǒng)成本還較高，智能化程度較低，在國外，此類研究起步較早，技術(shù)也比較成熟，使用更為廣泛。1968年，Schertz和Borwn(Schertz and Brown，1968)最早提出果實(shí)自動(dòng)化采摘的想法。Sluaghter和Harrell (Sluaghter and Harrell，1989)首先研究了利用在室外自然光條件下拍攝的圖像的色度和亮度信息對(duì)桔子收獲機(jī)械手進(jìn)行導(dǎo)向，建立了利用彩色數(shù)字圖像中的顏色信息從桔樹上識(shí)別桔子的分類模型，其識(shí)別

15、桔子的正確率為75%，識(shí)別桔子形心的誤差率為6%，速度基本能滿足實(shí)際工作的需要，但精度較低。日本近藤( KONTO) 等研制的番茄采摘機(jī)器人, 美國加利福尼亞西紅柿機(jī)械公司研制的全自動(dòng)西紅柿采摘機(jī)，日本國立蔬菜茶葉研究所與岐阜大學(xué)聯(lián)合研制了茄子采摘機(jī)器人，日本國立農(nóng)業(yè)研究中心的Murakami等研制了甘藍(lán)采摘機(jī)器人，Kondo 等研制的櫻桃番茄收獲機(jī)器人,德田勝等研制的一種用于西瓜收獲的視覺檢測(cè)系統(tǒng)等等。由此也可以看出當(dāng)前國內(nèi)在這方面的研究水平與其他發(fā)達(dá)國家還存在著很大的差距，這也就需要廣大科研工作者的共同努力，不斷提高相關(guān)技術(shù)水平，從而加快我國農(nóng)業(yè)現(xiàn)代化得步伐。2.3 在農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)

16、方面的應(yīng)用2.3.1在果蔬品質(zhì)檢測(cè)和分級(jí)檢測(cè)中的應(yīng)用蔬菜和水果是我國生產(chǎn)和貿(mào)易量相對(duì)較大的兩類農(nóng)產(chǎn)品。利用機(jī)器視覺技術(shù)對(duì)蔬菜、水果進(jìn)行檢測(cè)和分級(jí)是保證蔬菜水果品質(zhì)質(zhì)量和安全性, 提高其在國際市場(chǎng)上競(jìng)爭(zhēng)力的重要舉措。應(yīng)義斌等（應(yīng)義斌等，1999）利用機(jī)器視覺采集黃花梨圖像研究了不規(guī)則果形的描述方法，提出在黃花梨的分級(jí)過程中采用傅立葉變換與傅立葉反變換對(duì)來描述果形。周增產(chǎn)等（周增產(chǎn)等，2003）開發(fā)了包括圖像監(jiān)視器、挑選機(jī)器人等機(jī)器視覺系統(tǒng)，用于黃瓜的自動(dòng)分級(jí)；蔡晉輝等（蔡晉輝等，2004）開發(fā)了一套罐裝線實(shí)時(shí)在線質(zhì)量檢測(cè)視覺系統(tǒng)，用于裝罐前桔瓣上頭發(fā)等細(xì)長(zhǎng)形雜質(zhì)檢測(cè)。試驗(yàn)顯示系統(tǒng)處理能力約30片

17、/s，錯(cuò)誤率僅2%。張甫生等（張甫生等，2005）研究了利用BP神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)機(jī)器視覺系統(tǒng)與辣椒紅色素含量之間的轉(zhuǎn)換,提出了機(jī)器視覺測(cè)定辣椒紅色素含量的方法；祝連海等（祝連海等，2008）提出了兩種基于機(jī)器視覺技術(shù)的臍橙尺寸在線檢測(cè)方法：最小矩形法和形心-邊緣距離法；馬學(xué)武等（馬學(xué)武等，2008）研制出了一套基于機(jī)器視覺紅棗無損自動(dòng)分級(jí)設(shè)備。試驗(yàn)結(jié)果表明，該分級(jí)裝置可同時(shí)對(duì)多通道的紅棗進(jìn)行分級(jí)，其準(zhǔn)確率可達(dá)80%以上，系統(tǒng)處理速度約為10個(gè)/s；黃秀玲等（黃秀玲等，2008）根據(jù)蘋果分級(jí)的實(shí)時(shí)性要求,結(jié)合自動(dòng)定向和機(jī)器視覺分級(jí)技術(shù),設(shè)計(jì)了基于自動(dòng)定向的蘋果品質(zhì)智能分級(jí)生產(chǎn)線,實(shí)現(xiàn)了真正意義上的

18、自動(dòng)分級(jí)；郝敏等（郝敏等，2009）通過分析馬鈴薯特點(diǎn),提取俯視面積、側(cè)面面積兩個(gè)特征參數(shù),經(jīng)過逐步線性回歸建立了適宜馬鈴薯單薯質(zhì)量檢測(cè)的模型。試驗(yàn)結(jié)果表明該方法提取的參數(shù)個(gè)數(shù)少且檢測(cè)誤差小,滿足了生產(chǎn)的需要；虞曉娟等（虞曉娟等，2009）提出了一種基于色度域劃分的馬鈴薯綠皮檢測(cè)方法，從量化角度實(shí)現(xiàn)了馬鈴薯表皮顏色信息的提取。薛忠等（薛忠等，2010）應(yīng)用機(jī)器視覺技術(shù)對(duì)澳洲堅(jiān)果進(jìn)行自然光線下的識(shí)別分級(jí)研究。通過試驗(yàn), 分析得出實(shí)測(cè)果重、果實(shí)直徑與識(shí)別果實(shí)當(dāng)量直徑之間的數(shù)學(xué)模型, 果重平均相對(duì)誤差僅為1. 54 4% , 能夠通過機(jī)器視覺技術(shù)對(duì)堅(jiān)果進(jìn)行準(zhǔn)確識(shí)別分級(jí)。展慧等（展慧等，2010）搭建

19、了基于機(jī)器視覺的板栗缺陷分級(jí)系統(tǒng)，研究了一種基于BP神經(jīng)網(wǎng)絡(luò)和板栗圖像特征提取的板栗分級(jí)方法，結(jié)果表明基于BP神經(jīng)網(wǎng)絡(luò)的對(duì)板栗分級(jí)的方法是可行的。在國外，將機(jī)器視覺技術(shù)應(yīng)用在果蔬檢測(cè)方面也是相當(dāng)成熟。鑒于一般的可見光成像易受光源的光照強(qiáng)度、方向、光譜能量分布、攝像機(jī)的位置、成像角度等多個(gè)因素的影響，Polder G等人（Polder G et al，2002）用超光譜圖像對(duì)西紅柿的成熟度進(jìn)行了檢測(cè)，試驗(yàn)證明這種方法較傳統(tǒng)的RGB圖像方法其分級(jí)誤差從51%下降到19%；Dah-Jye Lee等（Dah-Jye Lee et al，2008）設(shè)計(jì)了基于反射式近紅外數(shù)字成像技術(shù)的視覺系統(tǒng)并將其用于測(cè)

20、量紅棗的大小和表面皺折，試驗(yàn)表明分級(jí)精度比人工分級(jí)高10，同時(shí)勞動(dòng)力成本減少了近75，并縮短了分級(jí)的處理時(shí)間，但準(zhǔn)確率仍然沒有達(dá)到要求；Al-Mallahi A和Kataoka T等（Al-Mallahi A and Kataoka T et al.，2009）開發(fā)出了一套用于馬鈴薯收獲機(jī)上檢測(cè)馬鈴薯塊莖的機(jī)器視覺系統(tǒng)，利用馬鈴薯塊莖和背景對(duì)紫外光反射比的差異，提取合適的閾值，實(shí)現(xiàn)對(duì)象分離，控制一套分級(jí)機(jī)構(gòu)完成塊莖和土塊的檢測(cè)。最終試驗(yàn)結(jié)果顯示，塊莖和土塊的正確檢測(cè)率分別達(dá)98.79%和98.28%，一次圖像處理時(shí)間僅需94 ms，達(dá)到了較高的檢測(cè)精度和分級(jí)效率；Blasco J和Cubero

21、 S等（Blasco J and Cubero S，2009）等在研究機(jī)器視覺技術(shù)分離石榴假種皮過程中，提出了兩種圖像分割方法，一是基于色度比R/G的閾值分割法，二是對(duì)RGB空間的貝葉斯線性判別分析（LDA）方法，兩者的平均成功率達(dá)90%。最終開發(fā)出一套石榴假種皮分離設(shè)備，并通過了整機(jī)測(cè)試。Francisco J. Rodrguez-Pulido等（Francisco J. Rodrguez-Pulido等，2012）開發(fā)了一套基于機(jī)器視覺的葡萄以及種子的通過圖像分析進(jìn)行識(shí)別的系統(tǒng)，能夠有效的識(shí)別葡萄的形狀，成熟度以及種子的褐變指數(shù)。從理論上講，機(jī)器視覺技術(shù)能夠進(jìn)行大小、顏色、形狀及表面缺陷等

22、多個(gè)參數(shù)的檢測(cè)，但只有大小和顏色的檢測(cè)較為成熟，其它參數(shù)的檢測(cè)還有待于進(jìn)一步研究，例如蘋果等水果的壓傷、腐爛和蟲眼等表面缺陷的檢測(cè)（鄧?yán)^忠等，2001）。另外，為了進(jìn)一步應(yīng)用于生產(chǎn)線中，機(jī)器視覺系統(tǒng)的在線檢測(cè)速度還需要提高。2.3.2 在經(jīng)濟(jì)作物檢測(cè)中的應(yīng)用我國疆域廣闊，地大物博，生態(tài)環(huán)境復(fù)雜多樣，盛產(chǎn)多種經(jīng)濟(jì)作物，例如煙葉、茶葉、棉花、花生等等。對(duì)各類經(jīng)濟(jì)作物實(shí)現(xiàn)準(zhǔn)確分等分級(jí)，是充分利用其高商品率，提高經(jīng)濟(jì)價(jià)值，創(chuàng)造更高經(jīng)濟(jì)效益的主要手段。精確的品質(zhì)檢測(cè)又是準(zhǔn)確分級(jí)和優(yōu)加工的關(guān)鍵環(huán)節(jié)。傳統(tǒng)檢測(cè)手段的各種弊端嚴(yán)重制約著檢測(cè)和分級(jí)的準(zhǔn)確性和精確性，機(jī)器視覺技術(shù)的在這方面的應(yīng)用顯示出了明顯的優(yōu)越性

23、。李強(qiáng)等（李強(qiáng)等，2005）通過圖像處理與色度學(xué)理論的有機(jī)結(jié)合，應(yīng)用機(jī)器視覺對(duì)煙葉顏色進(jìn)行定量檢測(cè)與分析，結(jié)合圖像處理技術(shù)進(jìn)行煙葉分離。該系統(tǒng)具有可模擬色覺、可大量連續(xù)快速分離以及進(jìn)行顏色的統(tǒng)計(jì)分析等特點(diǎn)；陳全勝等（陳全勝等，2005）利用機(jī)器視覺對(duì)茶葉的色澤類型識(shí)別進(jìn)行了研究, 采用MCA 的模式識(shí)別原理, 利用機(jī)器視覺技術(shù)可以將碧螺春、龍井和祁紅這3種不同類型的茶葉明顯地識(shí)別出來；易克傳等（易克傳等，2005）利用機(jī)器視覺技術(shù)在RGB 空間中對(duì)不同類型的茶葉進(jìn)行聚類分析。實(shí)驗(yàn)結(jié)果表明,利用機(jī)器視覺技術(shù)可以識(shí)別紅茶、綠茶和烏龍茶這3 種不同類型的茶葉；陳紅等（陳紅等，2007）研究一種基于花

24、生仁圖像特征和人工神經(jīng)網(wǎng)絡(luò)的花生仁霉變識(shí)別方法，實(shí)現(xiàn)了采用機(jī)器視覺技術(shù)對(duì)霉變花生仁的自動(dòng)識(shí)別和分選；劉華波等（劉華波等，2007）在理論推導(dǎo)的情況下，提出利用煙葉反射和透射圖像獲取煙葉內(nèi)在的質(zhì)量信息。研究發(fā)現(xiàn)，透射圖像的三個(gè)顏色特征H、S、I 和相對(duì)應(yīng)的反射圖像特征相關(guān)性小，可以有效補(bǔ)充反射圖像不能反映煙葉內(nèi)在質(zhì)量的不足；熊利榮等（熊利榮等，2007）研究了利用機(jī)器視覺檢驗(yàn)花生大小的方法，利用matlab對(duì)得到的花生圖像進(jìn)行處理，找出花生圖像象素和與花生大小之間的數(shù)字關(guān)系, 建立模型, 并在MTLAB下編制了的花生大小自動(dòng)檢驗(yàn)程序；楊飛等（楊飛等，2008）搭建了一套用于花椒外觀品質(zhì)檢測(cè)的機(jī)器

25、視覺硬件系統(tǒng)，提出了能有效識(shí)別花椒籽粒的二次填充算法；張俊雄等（張俊雄等，2009）設(shè)計(jì)了一套基于機(jī)器視覺技術(shù)的脫絨棉種的在線分級(jí)系統(tǒng)，采用種子平拋和氣吹分離的方式實(shí)現(xiàn)了新疆地區(qū)紅棕色棉種和黑色棉種的自動(dòng)分選；提出了種子位置追蹤和分離算法，實(shí)現(xiàn)了對(duì)棉種圖像處理結(jié)果的延時(shí)分離操作。楊鎮(zhèn)宇等（楊鎮(zhèn)宇等2009）為了避免在花椒外觀質(zhì)量評(píng)定中采用人眼感觀評(píng)價(jià), 提出了基于機(jī)器視覺和SVM（支持向量機(jī)）的花椒外觀品質(zhì)檢測(cè)方法，構(gòu)建了花椒外觀品質(zhì)機(jī)器視覺檢測(cè)硬件系統(tǒng), 利用LIBSVM 建立了花椒外觀品質(zhì)檢測(cè)SVM分類模型, 并在Matlab2008a環(huán)境中開發(fā)了花椒外觀品質(zhì)計(jì)算機(jī)視覺檢測(cè)系統(tǒng), 實(shí)現(xiàn)了對(duì)

26、椒籽率、閉眼率、果皮率和果穗梗率指標(biāo)值的自動(dòng)檢測(cè)。朱偉興等（朱偉興等，2009）為了提高大豆千粒重的測(cè)定效率和精度, 提出一種基于機(jī)器視覺的有效分割多層重疊顆粒和記數(shù)方法。采用支持向量機(jī)分類法智能識(shí)別顆粒疊加類型,結(jié)果表明該方法能有效解決兩層重疊或深度粘連類圓大豆顆粒的準(zhǔn)確計(jì)數(shù)。王玲等（王玲等，2007）依據(jù)中國籽棉品級(jí)分級(jí)標(biāo)準(zhǔn)，基于機(jī)器視覺技術(shù)選取棉花尺寸、色澤特征建立田間籽棉品級(jí)抽樣分級(jí)模型。通過亮度修正后，圖像特征與籽棉品級(jí)之間相關(guān)顯著。結(jié)果表明基于機(jī)器視覺技術(shù)識(shí)別籽棉品級(jí)是可行的，有利于提高籽棉品級(jí)抽樣分級(jí)模型精度。2.3.3 在糧食作物檢測(cè)中的應(yīng)用Shuso Kawamura 等（S

27、huso Kawamura et al.，2003）將近紅外發(fā)生器運(yùn)用于濕谷及潮濕糙米的水分檢測(cè), 建立了稻米內(nèi)部濕分以及其它組分的標(biāo)準(zhǔn)判斷模型,并采用分光儀檢測(cè)整精米；尚艷芬等（尚艷芬等，2004）根據(jù)RGB色度學(xué)原理對(duì)黃粒米色度進(jìn)行了分析，認(rèn)為黃粒米與稻米在藍(lán)色分量B值上存在較大差別，以此作為分割依據(jù)并給出了識(shí)別黃粒米的優(yōu)化閾值范圍，實(shí)現(xiàn)了稻米中的黃粒米的自動(dòng)檢測(cè)；陳國慶等（陳國慶等，2004）進(jìn)行了利用機(jī)器視覺識(shí)別小麥葉色的光照模型的研究,通過用RGB 系統(tǒng)表示葉色,利用虛擬現(xiàn)實(shí)技術(shù)中的光照技術(shù), 將太陽光分為環(huán)境光、漫射光和鏡面光3 部分,分別研究了這3 部分光對(duì)葉色的影響,并根據(jù)顏色

28、和太陽光的內(nèi)在聯(lián)系, 建立了小麥葉片顏色的識(shí)別模型A. Al-Mallahi等（A. Al-Mallahi等，2010）開發(fā)了基于機(jī)器視覺技術(shù)的馬鈴薯在線分級(jí)和檢測(cè)系統(tǒng)，通過對(duì)馬鈴薯從左邊到右邊進(jìn)行持續(xù)不斷的邊緣掃描直到遇到接觸點(diǎn)，可以檢測(cè)到馬鈴薯塊莖或者土塊的接觸點(diǎn)，可以實(shí)現(xiàn)馬鈴薯的在線分級(jí)。gathinathane C等（Igathinathane C et al.，2009）提出了利用機(jī)器視覺技術(shù)測(cè)量種子的主要正交尺寸的方法。利用平板掃描儀獲取種子樣本的數(shù)字圖像，提出了一種只利用形心坐標(biāo)和主軸傾角獲取種子邊界的像素游走方法；常若葵等（常若葵等，2009）研究了利用機(jī)器視覺對(duì)大米的外觀品質(zhì)

29、參數(shù)進(jìn)行分析,然后運(yùn)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分析并完成檢測(cè)模型的構(gòu)建,從而為快速預(yù)測(cè)未知米樣的等級(jí)奠定基礎(chǔ)；饒洪輝等（饒洪輝等，2009）研制了基于機(jī)器視技術(shù)的水稻種子質(zhì)量在線檢測(cè)裝置，通過該裝置上的落料機(jī)構(gòu)能將水稻種子成單粒有序地排列在輸送帶孔內(nèi)，實(shí)現(xiàn)水稻種子品種的在線識(shí)別。王康等（王康等2011）研制了基于機(jī)器視覺的水稻空殼率的自動(dòng)化檢測(cè)問題，獲得利用可見光照射的稻谷圖片并進(jìn)行分析處理，對(duì)灰度級(jí)特征以及YUV顏色模型進(jìn)行的統(tǒng)計(jì)結(jié)果進(jìn)行比較，結(jié)果表明該系統(tǒng)可以很好地識(shí)別稻谷的空殼。凌云等（凌云等，2005）設(shè)計(jì)了一套基于機(jī)器視覺的大米外觀品質(zhì)參數(shù)檢測(cè)裝置，分別利用BP神經(jīng)網(wǎng)絡(luò)、色度、極坐標(biāo)下長(zhǎng)短徑

30、快速檢測(cè)算法實(shí)現(xiàn)了對(duì)堊白粒率、黃粒米和粒型參數(shù)的檢測(cè).2.3.4 在其他方面的應(yīng)用楊艷等（楊艷等，2008）初步提出把機(jī)器視覺技術(shù)應(yīng)用到種豬飼養(yǎng)管理中，通過數(shù)字圖像分析技術(shù)、測(cè)量和計(jì)算種豬的投影面積，并分析其與體重的相關(guān)性，實(shí)現(xiàn)種豬體重的非接觸測(cè)量。王栓巧（王栓巧，2009）研究設(shè)計(jì)并實(shí)現(xiàn)了種蛋品質(zhì)檢測(cè)輸送翻轉(zhuǎn)機(jī)構(gòu)的實(shí)體模型，實(shí)現(xiàn)種蛋平穩(wěn)、均勻翻轉(zhuǎn)和輸送，且以合適的、不斷變化的位置和姿態(tài)呈現(xiàn)在機(jī)器視覺系統(tǒng)內(nèi)，機(jī)構(gòu)滿足種蛋的在線檢測(cè)的要求。劉欣等（劉欣等，2009）通過對(duì)動(dòng)態(tài)圖像采集在雞蛋品質(zhì)檢測(cè)中應(yīng)用的研究，提出了一種基于DirectShow技術(shù)的雞蛋動(dòng)態(tài)圖像采集的方法，為今后研究雞蛋自動(dòng)檢測(cè)

31、與分級(jí)系統(tǒng)創(chuàng)造了條件。3 應(yīng)用中存在的問題和不足雖然機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品應(yīng)用領(lǐng)域已經(jīng)取得了相當(dāng)可觀的進(jìn)步，同時(shí)也取得了不錯(cuò)的實(shí)際效果，但是作為一門多領(lǐng)域交叉學(xué)科，由于受到視覺理論、圖像分析算法、硬件條件及相關(guān)配套技術(shù)的影響和限制，其在農(nóng)產(chǎn)品應(yīng)用領(lǐng)域還存在一些問題和不足：1）雖然機(jī)器視覺能輕松的獲取物體外部信息，但對(duì)于物體內(nèi)部信息獲取方面的研究還不足。借助紅外線、紫外線、X射線、超聲波等探測(cè)技術(shù)，機(jī)器視覺在探測(cè)人眼不可視物體和高危險(xiǎn)場(chǎng)景時(shí)，將更具有其突出優(yōu)點(diǎn)。2）目前基于機(jī)器視覺系統(tǒng)用于農(nóng)產(chǎn)品多個(gè)品質(zhì)檢測(cè)時(shí)往往采用串行算法，這使得處理速度受到嚴(yán)重影響。3）當(dāng)前，在以靜態(tài)或低速運(yùn)動(dòng)的物體為研究對(duì)象

32、的機(jī)器視覺系統(tǒng)的研究上，國內(nèi)外學(xué)者取得了較大的成績(jī)，而且技術(shù)較為成熟，而在農(nóng)業(yè)工程領(lǐng)域很多時(shí)候要求實(shí)時(shí)處理更加復(fù)雜的動(dòng)態(tài)農(nóng)產(chǎn)品群體圖像，從快速運(yùn)動(dòng)農(nóng)產(chǎn)品中采集圖像并提取有用信息仍然是一個(gè)難題。目前的算法主要是算法提高圖像處理速度，盡管國內(nèi)外都提出一些新的算法，但是很多仍處于實(shí)驗(yàn)室階段，目前的機(jī)器視覺主要應(yīng)用在2 維、2.5 維圖像的處理分析中，而這樣往往無法精確得到復(fù)雜農(nóng)產(chǎn)品的圖像。4）農(nóng)田環(huán)境復(fù)雜。一方面存在圖像背景復(fù)雜、多變、葉片遮擋等問題，阻礙了有效分割背景和目標(biāo)對(duì)象；另一方面由于田間光照變化大，成像條件不理想，難以獲得優(yōu)質(zhì)圖像。因此，需要進(jìn)一步研究機(jī)器視覺技術(shù)在實(shí)際應(yīng)用中的適應(yīng)性問題。

33、5）機(jī)器視覺技術(shù)中實(shí)際應(yīng)用的算法普遍存在算法效率低、處理速度慢等問題，特別是在有較多噪聲的工業(yè)現(xiàn)場(chǎng)，系統(tǒng)抗干擾能力較差，造成準(zhǔn)確度和精度下降，算法有待進(jìn)一步優(yōu)化。6）機(jī)器視覺行業(yè)的標(biāo)準(zhǔn)化程度不夠，機(jī)器視覺產(chǎn)品的評(píng)價(jià)標(biāo)準(zhǔn)過于單一，應(yīng)以綜合有效的評(píng)價(jià)方案來進(jìn)行有效的評(píng)價(jià)；另外，機(jī)器視覺系統(tǒng)的接口標(biāo)準(zhǔn)化、系統(tǒng)模塊化還有待于進(jìn)一步提高。7）市場(chǎng)上的機(jī)器視覺產(chǎn)品的價(jià)格還偏高，這在很一定程度上阻礙了機(jī)器視覺技術(shù)的普及和推廣。4 機(jī)器視覺技術(shù)的展望隨著機(jī)器視覺技術(shù)本身及其配套技術(shù)的不斷成熟，以及對(duì)其廣泛深入的研究，其在農(nóng)業(yè)工程領(lǐng)域有著廣闊的應(yīng)用前景。將主要表現(xiàn)在以下幾個(gè)方面：（1）在精細(xì)農(nóng)業(yè)、設(shè)施農(nóng)業(yè)和虛擬

34、農(nóng)業(yè)等新興農(nóng)業(yè)領(lǐng)域中的研究應(yīng)用將越來越廣泛。具體涵蓋農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航、作物生長(zhǎng)信息檢測(cè)、變量控制等多方面，與3S技術(shù)等緊密結(jié)合，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。1）在精密農(nóng)業(yè)領(lǐng)域，機(jī)器視覺將發(fā)揮其潛能，機(jī)器視覺系統(tǒng)將在考慮不同小區(qū)的基本信息的情況下，輔助耕作、施肥、播種、灌溉以及噴藥等工作，這樣減少了農(nóng)業(yè)生產(chǎn)對(duì)自然環(huán)境的破壞,提高了土地使用率和產(chǎn)出率。2）開展三維成像視覺技術(shù)研究，為了更加全面地掌握作業(yè)對(duì)象的信息，三維成像的視覺技術(shù)也開始進(jìn)入了人類的研究范圍，隨著三維成像視覺技術(shù)的日益成熟，農(nóng)業(yè)機(jī)器人應(yīng)用將會(huì)更加廣泛。3）在對(duì)象識(shí)別算法和圖像處理方面，針對(duì)農(nóng)業(yè)對(duì)象的復(fù)雜性，研究能有效準(zhǔn)確的對(duì)象識(shí)別算法和快速實(shí)時(shí)

35、圖像處理技術(shù)是必然趨勢(shì)。另外，擴(kuò)展機(jī)器視覺光源波段，實(shí)現(xiàn)多品質(zhì)檢測(cè)一體化，以及開發(fā)多圖像并行實(shí)時(shí)處理算法，提高圖像處理速度等都將是下一步研究的主要方向。4）硬件方面，標(biāo)準(zhǔn)化、一體化會(huì)是機(jī)器視覺發(fā)展的必經(jīng)之路；例如，Polder G等人（Polder G et al，2002）用到的超光譜，而圖像采集卡的任務(wù)將不僅僅是采集圖像，還將包括圖像的初步處理，再將處理后的數(shù)字化信號(hào)傳輸給主機(jī)，這將減輕主機(jī)的負(fù)擔(dān)，進(jìn)而有效地提高圖像處理速度。5）其他方面，諸如關(guān)于精確區(qū)分果梗、花萼等處的凹坑與缺陷或損傷區(qū)域；建立農(nóng)產(chǎn)品的表面顏色信息與農(nóng)產(chǎn)品品質(zhì)的相關(guān)性；在檢測(cè)高速運(yùn)動(dòng)的農(nóng)產(chǎn)品群體時(shí),建立景物坐標(biāo)系和圖像坐

36、標(biāo)系的定量關(guān)系等等的研究，都將進(jìn)一步為推廣機(jī)器視覺技術(shù)在農(nóng)業(yè)工程領(lǐng)域的應(yīng)用創(chuàng)造條件。5 結(jié)束語機(jī)器視覺作為一種新興且發(fā)展十分迅速的技術(shù)，已成為計(jì)算機(jī)科學(xué)的重要研究領(lǐng)域之一。一方面，機(jī)器視覺理論體系的不斷完善和計(jì)算機(jī)圖像處理方法研究方面的發(fā)展使得機(jī)器視覺技術(shù)在農(nóng)業(yè)工程中得到越來越廣泛的應(yīng)用，另一方面，世界農(nóng)業(yè)的快速發(fā)展也促進(jìn)了機(jī)器視覺技術(shù)的發(fā)展。在國內(nèi)，由于研究時(shí)間不長(zhǎng), 還正處于起步階段，尚有許多方面急需進(jìn)一步進(jìn)行深入研究,因此，我們的任務(wù)是跟蹤國際最新動(dòng)態(tài)，在充分利用國外已取得研究成果的基礎(chǔ)上，探索新的理論和方法，并大力發(fā)展新型視覺處理硬件，大幅度提高處理速度，迅速提高我國機(jī)器視覺技術(shù)的發(fā)展

37、水平，為我國的農(nóng)業(yè)現(xiàn)代化建設(shè)做出自己的貢獻(xiàn)。總之，高速化、智能化、高精度以及良好的在線性是機(jī)器視覺技術(shù)發(fā)展的重要方向。人們對(duì)其了解和研究還有很長(zhǎng)的路要走，相信隨著人們對(duì)機(jī)器視覺技術(shù)研究的深入，一定能夠?yàn)槭澜甾r(nóng)業(yè)的發(fā)展做出更大貢獻(xiàn)。參考文獻(xiàn)1安愛琴，聶永芳，王宏強(qiáng)機(jī)器視覺技術(shù)在農(nóng)業(yè)工程中的應(yīng)用J安徽農(nóng)業(yè)科學(xué)，2007，35 (7)：1908-1910 2陳紅，熊利榮，胡筱波等基于神經(jīng)網(wǎng)絡(luò)與圖像處理的花生仁霉變識(shí)別方法J農(nóng)業(yè)工程學(xué)報(bào)，2007，23(4)：158-1613陳全勝，趙杰文，張海東等利用計(jì)算機(jī)視覺識(shí)別茶葉的色澤類型J江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版)2005，26(6)：461-4644陳全勝

38、，趙杰文，蔡健榮等利用高光譜圖像技術(shù)評(píng)判茶葉的質(zhì)量等級(jí)J光學(xué)學(xué)報(bào)，2008，28(4)：669-6645常若葵，張偉玉，崔晶基于機(jī)器視覺的大米外特性評(píng)價(jià)J農(nóng)機(jī)化研究，2009，12：149-1516陳國慶，姜東 ，朱艷利用計(jì)算機(jī)視覺識(shí)別小麥葉色的光照模型研究J農(nóng)業(yè)工程學(xué)報(bào)，2004，20(4)：143-1457.蔡晉輝，周澤魁機(jī)器視覺系統(tǒng)在桔瓣質(zhì)量檢測(cè)中的應(yīng)用J農(nóng)業(yè)工程學(xué)報(bào)，2004，20(6)：129-1328.曹國斌，劉雪蛟，王花圖像和機(jī)器視覺技術(shù)概述J電子工業(yè)專用設(shè)備，2008，(8)：27-319.鄧?yán)^忠，張?zhí)X，石江機(jī)器視覺技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用J農(nóng)機(jī)化研究，2001，(2)91-9

39、310.傅宇機(jī)器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)自動(dòng)化領(lǐng)域中應(yīng)用研究J安徽農(nóng)業(yè)科學(xué)，2006，34(15)：3871-387211.耿長(zhǎng)興，張俊雄，曹崢勇.溫室黃瓜病害對(duì)靶施藥機(jī)器人設(shè)計(jì).農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（1）：178-18012郝敏，麻碩士基于機(jī)器視覺的馬鈴薯單薯質(zhì)量檢測(cè)技術(shù)研究J農(nóng)機(jī)化研究，2009，9：61 -63 13.韓冰，林明星，丁鳳華機(jī)器視覺技術(shù)及其應(yīng)用分析J農(nóng)業(yè)裝備與車輛工程，2008，(10)：24-2714黃秀玲，鄭加強(qiáng)，趙茂程基于自動(dòng)定向的蘋果品質(zhì)智能分級(jí)生產(chǎn)線設(shè)計(jì)J安徽農(nóng)業(yè)科學(xué)，2008，36(7)：3037 3038，304115李強(qiáng)，楊曉京，魏嵐等基于計(jì)算機(jī)視覺的煙葉

40、分離系統(tǒng)J現(xiàn)代制造工程，2006，5：101-10316. 凌云，王一鳴，孫明. 基于機(jī)器視覺的大米外觀品質(zhì)檢測(cè)裝置.農(nóng)業(yè)機(jī)械學(xué)報(bào).2005.9，36（9）：90-9217劉欣，郁志宏動(dòng)態(tài)圖像采集在雞蛋品質(zhì)檢測(cè)中的應(yīng)用J農(nóng)機(jī)化研究，2009，9：197-19918. 李景彬, 坎 雜, 張若宇.基于機(jī)器視覺的脫絨棉種破碎特征檢測(cè)技術(shù).農(nóng)業(yè)化研究，2010.8，8：170-172，17719.劉華波，賀立源，馬文杰等透射圖像顏色特征在煙葉識(shí)別中應(yīng)用的探索J農(nóng)業(yè)工程學(xué)報(bào)，2007，23（9）：169-17120. 馬稚昱，清水浩，辜松. 基于機(jī)器視覺的菊花生長(zhǎng)自動(dòng)無損監(jiān)測(cè)技術(shù). J. 農(nóng)業(yè)工程學(xué)報(bào)

41、，2010，26(9)：20320921饒洪輝，劉燕德，孫旭東等基于機(jī)器視覺的水稻種子質(zhì)量在線檢測(cè)機(jī)J農(nóng)機(jī)化研究，2009，10：79-8222.尚艷芬，侯彩云，常國華基于圖像識(shí)別的黃粒米自動(dòng)檢測(cè)研究J農(nóng)業(yè)工程學(xué)報(bào)，2004，20(4)：146-14823司永勝，喬軍，劉剛等基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取J農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(8)：161-16624.唐向陽，張勇，李江有等機(jī)器視覺關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望J昆明理工大學(xué)學(xué)報(bào)(理工版)，2004，29(2)：36-3925.王方永，李少昆，王克如等.基于機(jī)器視覺的棉花群體葉綠素監(jiān)測(cè).作物學(xué)報(bào)ACTA AGRONOMICA SINI

42、CA 2007 ,33 (12) :2041 - 204626. 熊利榮，丁幼春，劉儉英機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用J湖北農(nóng)機(jī)化，2004，(4)：2327.薛 忠, 鄧干然, 崔振德. 基于機(jī)器視覺的澳洲堅(jiān)果分級(jí)研究.農(nóng)業(yè)化研究，2010.5,5:26-2828.熊利榮，任奕林，肖任勤基于機(jī)器視覺的花生大小檢驗(yàn)J湖北農(nóng)業(yè)科學(xué)，2007，46(3)：464-46529楊飛基于機(jī)器視覺的花椒外觀品質(zhì)檢測(cè)技術(shù)研究D重慶：西南大學(xué)，200830楊艷，滕光輝，李保明等基于計(jì)算機(jī)視覺技術(shù)估算種豬體重的應(yīng)用研究初探中國數(shù)字農(nóng)業(yè)與農(nóng)村信息化學(xué)術(shù)研究研討會(huì)論文集2005年中國數(shù)字農(nóng)業(yè)與農(nóng)村信息化學(xué)術(shù)研究研討

43、會(huì)，北京，2005年，北京：中國農(nóng)業(yè)出版社，2005年31.楊會(huì)清，孫麗燕，劉紅等.田間雜草識(shí)別的機(jī)器視覺系統(tǒng)及機(jī)械除草研究.技術(shù)設(shè)計(jì)制造，2011.10:126-12932.應(yīng)義斌，饒秀琴，趙云.機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的應(yīng)用（I），2000，16（1）:103-10833應(yīng)義斌，景寒松，馬俊福黃花梨果形的機(jī)器視覺識(shí)別方法研究J農(nóng)業(yè)工程學(xué)報(bào)，1999，15(1)：192-19634虞曉娟，廖桂平，李錦衛(wèi)基于色度域劃分的馬鈴薯綠皮檢測(cè)方法J農(nóng)業(yè)工程學(xué)報(bào)，2009，25(增刊2)：31431935.楊鎮(zhèn)宇，祝詩平.基于機(jī)器視覺和的花椒外觀品質(zhì)檢測(cè).儀器儀表學(xué)報(bào).2009.10,10（30）

44、:73-7636袁挺，張俊雄，李偉基于機(jī)器視覺的非結(jié)構(gòu)環(huán)境下黃瓜目標(biāo)特征識(shí)別J農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(8)：170-17537.顏發(fā)根，劉建群，陳新機(jī)器視覺及其在制造業(yè)中的應(yīng)用J機(jī)械制造，2004，42(11)：28-3038.張萍，朱政紅機(jī)器視覺技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用J合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，30(10)：1292-129539曾慶兵，劉成良，苗玉彬基于形態(tài)學(xué)圖像處理的重疊葡萄果徑無損測(cè)量J農(nóng)業(yè)工程學(xué)報(bào)，2009，25(9)：356-36040祝連海，劉木華基于機(jī)器視覺的臍橙尺寸檢測(cè)分級(jí)研究見陳志主編，中國農(nóng)業(yè)機(jī)械學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集中國農(nóng)業(yè)機(jī)械學(xué)會(huì)

45、2008年學(xué)術(shù)年會(huì)，濟(jì)南，2008，北京：中國農(nóng)業(yè)出版社，2008，907-91141張俊雄，陳濤，于振東基于計(jì)算機(jī)視覺的新疆棉種顏色分選系統(tǒng)設(shè)計(jì)J農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(10)：161-16442.張?jiān)弃Q，喬小軍，王成.基于機(jī)器視覺的作物莖桿直徑變化測(cè)量?jī)x研發(fā).農(nóng)業(yè)化研究，2011，1243.周增產(chǎn)，張曉文，吳建紅黃瓜自動(dòng)分級(jí)系統(tǒng)的研制(英文)J農(nóng)業(yè)工程學(xué)報(bào)，2003，19(5)：118-12144易克傳，岳鵬翔，陳全勝基于聚類分析的計(jì)算機(jī)視覺對(duì)茶葉色澤的識(shí)別J中國茶葉加工，2006，2： 39-4145.王康.機(jī)器視覺在水稻空殼率統(tǒng)計(jì)中的應(yīng)用研究.現(xiàn)代計(jì)算機(jī)，2011.11：10-1

46、346. 王 玲，姬長(zhǎng)英，陳兵林. 基于機(jī)器視覺技術(shù)的田間籽棉品級(jí)抽樣分級(jí)模型研究. 中國農(nóng)業(yè)科學(xué) 2007,40(4):704-71147王栓巧基于機(jī)器視覺的種蛋品質(zhì)檢測(cè)系統(tǒng)研究D內(nèi)蒙古：內(nèi)蒙古農(nóng)業(yè)大學(xué)，200948張甫生，龐杰，王雅立計(jì)算機(jī)視覺技術(shù)在辣椒紅色素測(cè)定中的應(yīng)用J辣椒雜志，2005，4：41-4249.馬學(xué)武，何建國基于機(jī)器視覺紅棗無損自動(dòng)分級(jí)設(shè)備的研制J寧夏工程技術(shù)，2008，7(3)：213-22050.熊利榮，丁幼春，劉儉英機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用J湖北農(nóng)機(jī)化，2004，(4)：2351.張萍，朱政紅機(jī)器視覺技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用J合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)

47、版），2007，30(10)：1292-129552. 朱偉興, 蘇 威, 張懷德. 基于支持向量機(jī)的重疊大豆顆粒計(jì)數(shù).大豆科學(xué) 2009.2,28（1）：152-155,15953.展慧，李小昱，王為. 基于機(jī)器視覺的板栗分級(jí)檢測(cè)方法.農(nóng)業(yè)工程學(xué)報(bào).2010.4,26（4）：327-33154.J. Rodrguez-Pulido,Luis Gmez-Robledo,Manuel Melgosa. Ripeness estimation of grape berries and seeds by image analysis. Computers and Electronics in Agr

48、iculture 82 (2012) 12813355.A. Al-Mallahi, T. Kataokab, H. Okamoto. An image processing algorithm for detecting in-line potato tubers without singulation. Computers and Electronics in Agriculture 70 (2010) 23924456Blasco, Cubero S, Gmez-Sanchs J et al. Development of a machine for the automatic sorting of pomegranate (Punic granatum) arils based on computer vision J. Journal of Food Engineering, 2009, 90(1): 27-3457.BlackShow R