关于我国农业信息化技术建设的探讨
课程名称:农业信息化导论
姓名:
学号:
所在院系:电气与电子工程学院
摘要:随着信息技术的飞速发展,使人们的生产生活方式发生了巨大变化,也为我国农业经济发展带来了机遇。

信息化建设在促进农业发展,存进农村经济增长等方面具有重要现实意义。

以下将对机器视觉技术在农业领域的应用做重点分析探讨。

关键词:农业信息化农业信息化技术机器视觉技术
农业信息化是指充分利用现代信息技术为农业的生产、供销、管理和相关服务提供高效的信息支持,从而提高农业科技含量和信息运用水平,更好的为农业生产和农业经营管理服务。

现代信息技术包括实现信息获取、传递、存储、处理、发布等方面的相关技术。

以计算机、网络通信、,信息采集存储检索和人工智能等技术为代表的现代信息技术,都可以在农业中找到相应的应用领域,或者可以与传统的农业技术和经营管理方式相结合,通过交叉渗透,实现农业技术和经营管理的创新。

信息技术广泛在农业领域的广泛应用,充分利用现代信息传输技术和计算机处理技术,是农业信息化的重要目标,也是加快串通农业向现代信息农业转变的重要途径。

一、农业信息技术的作用
农业信息技术是随着信息技术的发展而发展起来的新兴技术,它渗透到农业的各个领域当中,发挥了越来越大的作用,主要包括以下几个方面:
①实现农业自动化生产;
②实现对自然环境的实时监测,指导农业生产、管理,最大限度的避免自然灾
害对农业造成的损失;
③提高对农业和农村经济发展的政策决策水平,实现科学化管理;
④科学指导农业生产,增加农副产品产量,提高农产品质量,降低农业生产成本,提高经济效益;
⑤推动农业科学技术的研究与发展;
⑥加快农业科技信息传播和合理利用,提高农业生产水平。

目前国际上把现代信息技术与农业生产的结合称之为农业信息技术,主要研究现代信息技术在农业领域的应用,包含农业信息网络、农业数据库系统、管理信息系统、决策支持系统、农业专家系统、信息化自动控制技术、多媒体技术、精细农业、生物信息学、数字化图书馆、信息系统的管理和国家农业研究信息系统等诸多领域。

二、机器视觉技术
在农业科研与生产的许多方面,大量的工作都是通过对农作物或农产品外观的判断进行的,诸如水果和种子品质的检测、果实成熟度的判别、作物病虫害的
监测、作物生长状态的识别以及杂草辨别等等。

这些过去主要依靠人类视觉
进行辨别与判断的工作,可以利用机器视觉技术部分地替代,从而提高生产效率,实现农业生产与管理的自动化和智能化。

机器视觉就是用机器来代替人眼做测量和判断的系统,它通过光学装置和非接触传感器自动获取目标对象的图像,并由图像处理设备根据所得图像的像素分布、
亮度和颜色等信息进行各种运算处理和判别分析,以提取所需的特征信息或根据判别分析结果对某些现场设备进行运动控制。

机器视觉是指用计算机实现人的视觉功能,对客观世界三维场景的感知、识别和理解。

机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。

随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟,以及大规模集成电路的迅速发展,机器视觉技术得到了快速发展,目前已在医疗诊断、自动检测与控制、智能机器人、军事、工业、农业等方面得到了广泛应用,并取得了巨大的经济效益和社会效益。

机器视觉技术由于其非破坏性、精度高、成本效率高、信息量大、灵活等特点,在精细农业中得到了广泛的应用。

三、机器视觉技术在农业生产中的应用现状
机器视觉技术在农业生产上的研究与应用,始于20世纪70年代末期,主要研究集中于桃、香蕉西红柿、黄瓜等农产品的品质检测和分级。

由于受到当时计算机发展水平的影响,检测速度打不到实时的要求,处于试验阶段。

随着电子技术、计算机软硬件技术、图像处理技术以及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破。

早农业机械上的研究与应用也有了较大的进展,除农展品分选机械外,目前已渗透到收货、农田作业、农产品品质识别以及植物生长检测等领域,有些已取得了实用性成果。

农作物收货自动化是机器视觉技术在收获机械中的应用,是近年来最热门的研究课题之一。

其基本原理是在收货机械上配备摄像系统,采集田间或果树上作业区域图像,运用图像处理与分析的方法判别图像中是否有目标,入水果蔬菜等,发现目标后,引导机械手完成采摘。

但由于田间或果园作业环境较为复杂,使得采集的图像含有大量噪声或者干扰,例如植物的果实常常被茎叶遮挡,田间光照也时常变化,因此,照成目标信息判别速度较慢,识别的准确率也不高。

由于受计算机、图像处理等相关技术发展的影响,机器视觉技术在播种、施肥、植保等农田作业机械中的应用研究起步较晚。

农药的粗放式喷洒是农业生产中效率最低、污染最严重的环节,因此需要针对杂草精确喷洒除草剂,针对大田植株喷洒杀虫剂进行病虫害防治。

采用机器视觉技术进行农田作业时,需要解决植株秧苗行列的识别、作物行与机器相对位置的确定导向和杂草与植株的识别等主要问题。

农产品品质自动识别是机器视觉技术在农业机械中应用最早、最多的一个方面,主要是利用该项技术进行无损检测。

一是利用农产品表面所反映出的一些基本物理特性对产品按一定的标准进行质量评估和分级。

需要进行检测的物理参数
有尺寸、质量形状、色彩及表面缺损状态等。

二是对农产品内部品质的机器视觉的无损检测。

如对玉米籽粒应力裂纹机器视觉无损检测技术研究,采用高速滤波法将其识别出来,检测精度为90%,烟叶等级判断的研究在实验室己达到较高的识别效果,与专家分级结果的吻合率约为83 % 。

三是对果梗等情况的准确判别对水果分级具有非常重要的意义,国外学者对果梗识别已进行了不少研究。

到目前为止,所提出的识别果梗的有关算法均还存在计算复杂、速度较慢、判别精度低等问题,还有待于进一步深入研究。

由于农产品在生产过程中受到人为和自然生长条件等因素的影响,其形状、大小及色泽等差异很大,很难做到整齐划分,及根据质量、大小、色泽等特征进行的质量分级、大小分级,通常只能进行单一指标的检测,不能满足分级中对综合指标的要求,还需配合人工分选,分选的效率不高,准确性较差,也不利于实现自动化。

长期以来,品质自动化检测和反馈控制一直是难以实现农产品品质自动识别的关键问题。

设施农业生产中,为了使作物在最经济的生长空间内,获得最高产量、品质和经济效益,达到优质高产的目的,必须提高环境调控技术。

利用计算机视觉技术对植物生长进行监测具有无损、快速、实时等特点,它不仅可以检测设施内植物的叶片面积、叶片周长、茎秆直径、叶柄夹角等外部生长参数,还可以根据果实表面颜色及果实大小判别其成熟度以及作物缺水缺肥等情况。

四、机器视觉技术的前景
随着机器视觉技术的不断成熟,在精细农业中的应用有着广泛前景。

机器视觉技术在精细农业中的研究和应用会集中在如下方面:
1) 与3S 技术的紧密结合,优势互补。

3S 技术是精细农业发展的重要技术基础,而3S 技术和机器视觉技术在很多方面存在着不同,两者如结合在一起,能够实现优势互补。

2) 对图像处理、识别算法的研究。

有效地进行图像处理识别,是实施机器视觉的重要基础。

由于农业对象的复杂性,使得农业对象较工业对象的处理和识别更困难。

因此,如何有效、准确地识别农业对象将成为限制机器视觉技术在精细农业应用的瓶颈问题。

3) 对其他一些关键问题的研究。

由于农业生产环境的恶劣,在机器视觉系统一些较为关键的问题,如光源问题、实时性等,在农业中都较难处理。

机器视觉技术在农业生产上的应用可提高生产的自动化水平,解放劳动力,具有良好的应用前景。

同时还应看到,由于农业对象的特点,机器视觉理论和技术的局限性以及硬件条件的限制,机器视觉技术在农业生产的应用距离实用和普及还有相当长的距离。

相信随着相关技术的发展,很多问题会得到好的解决,机器视觉技术在农业生产中的应用会极大地加快农业现代化的进程。