机器视觉在我国农业中的应用研究进展分析
|
摘要
随着图像处理、模式识别、人工智能等技术的不断发展,机器视觉技术在我国农业上的研究逐步深入,并取得了许多重要成果。本文基于中国知网全文数据库检索系统,对我国基于机器视觉的农业研究进行了博、硕士学位论文与期刊论文的统计、分析。结果显示,我国农业机器视觉研究主要涉及检测、图像处理、轨迹跟踪与车辆导航、模式识别及其应用等主题,主要集中在图像信息获取方法、图像处理与识别算法、智能导航算法以及系统集成应用等方面,以《农机化研究》、《农业工程学报》和《农业机械学报》为主要发表刊物,主要受国家自然科学基金、国家高技术研究发展计划("863"计划)、国家科技支撑计划、省科技攻关计划、省自然科学基金等项目支持,国内研究机构以中国农业大学、南京农业大学、浙江大学、华南农业大学、山西农业大学和江苏大学为主。但目前我国基于机器视觉的农业研究在作物生长信息检测、杂草识别、变量控制、机械智能导航、采摘与分选等方面离实用化、商品化仍有一定的距离,集成符合我国农业发展实际的机器视觉技术系统将是今后重要的研究方向。本研究为机器视觉在我国农业上的进一步应用研究提供了参考。
The research on machine vision technology in agriculture in China is gradually deepened with the development of image processing,pattern recognition and artificial intelligence technologies. Many achievements have been obtained. Based on the full- text database retrieval system of CNKI( China National Knowledge Infrastructure),the statistical analysis is carried out on dissertations and journal articles to study the research progress of machine version in agriculture. It was summarized that the main research topics included vision measuring,image processing,trajectory tracking and vehicle navigation,pattern recognition and their application and so on,which focused on imageinformation acquisition method,image processing and recognizing algorithm,intelligent navigation algorithm and system integration application,etc. The main academic journals about these topics were the Journal of Agricultural Mechanization Research,the Transactions of the Chinese Society of Agricultural Engineering and the Transactions of the Chinese Society for Agricultural Machinery. The researches on machine vision technology in agriculture were mainly funded by the National Natural Science Foundation,the National High- Tech Research and Development Projects( "863"Projects),the National Sci- Tech Support Plan,the Provincial Key Research Project,the Provincial Natural Science Foun-dation,etc. The research organizations mainly included China Agricultural University,Nanjing Agricultural University,Zhejiang University,South China Agricultural University,Shanxi Agricultural University and Jiangsu University. But there were still some distances between researches and practical and commercial utilizations in crop growth information measurement,weed recognition,variable control,mechanically intelligent navigation,picking and sorting,etc. To integrate the system of machine vision technology based on the practical developing of agriculture would be the important research direction in future in China. This study provided references for further study on machine vision in agriculture in China.
The research on machine vision technology in agriculture in China is gradually deepened with the development of image processing,pattern recognition and artificial intelligence technologies. Many achievements have been obtained. Based on the full- text database retrieval system of CNKI( China National Knowledge Infrastructure),the statistical analysis is carried out on dissertations and journal articles to study the research progress of machine version in agriculture. It was summarized that the main research topics included vision measuring,image processing,trajectory tracking and vehicle navigation,pattern recognition and their application and so on,which focused on imageinformation acquisition method,image processing and recognizing algorithm,intelligent navigation algorithm and system integration application,etc. The main academic journals about these topics were the Journal of Agricultural Mechanization Research,the Transactions of the Chinese Society of Agricultural Engineering and the Transactions of the Chinese Society for Agricultural Machinery. The researches on machine vision technology in agriculture were mainly funded by the National Natural Science Foundation,the National High- Tech Research and Development Projects( "863"Projects),the National Sci- Tech Support Plan,the Provincial Key Research Project,the Provincial Natural Science Foun-dation,etc. The research organizations mainly included China Agricultural University,Nanjing Agricultural University,Zhejiang University,South China Agricultural University,Shanxi Agricultural University and Jiangsu University. But there were still some distances between researches and practical and commercial utilizations in crop growth information measurement,weed recognition,variable control,mechanically intelligent navigation,picking and sorting,etc. To integrate the system of machine vision technology based on the practical developing of agriculture would be the important research direction in future in China. This study provided references for further study on machine vision in agriculture in China.
引文
[1]段至诚.农业机器人的技术和经济可行性分析[J].粮油加工与食品机械,1984(10):59-61.
[2]安秋.农业机器人视觉导航系统及其光照问题的研究[D].南京:南京农业大学,2008.
[3]刘德营.稻飞虱自动识别关键技术的研究[D].南京:南京农业大学,2011.
[4]王玲.基于图像特征选择的田间籽棉成熟度与品级判别技术研究[D].南京:南京农业大学,2009.
[5]王海青.黄瓜收获机器人视觉系统的研究[D].南京:南京农业大学,2012.
[6]邹修国.基于机器视觉的稻飞虱现场识别技术研究[D].南京:南京农业大学,2013.
[7]周俊.农用轮式移动机器人视觉导航系统的研究[D].南京:南京农业大学,2003.
[8]饶洪辉.基于机器视觉的作物对行喷药控制系统研究[D].南京:南京农业大学,2006.
[9]王勇.棉花收获机器人视觉系统的研究[D].南京:南京农业大学,2007.
[10]王建仑.田间叶片图像分割与单幅三维重建的机器视觉算法研究[D].北京:中国农业大学,2013.
[11]杨振宇.基于机器视觉的钵苗分选移栽信息获取关键技术研究[D].北京:中国农业大学,2014.
[12]黄小龙.蔬菜株间锄草机器人末端执行器优化设计研究[D].北京:中国农业大学,2014.
[13]张春龙.自然环境下农业机器人作业目标信息获取与视觉伺服策略研究[D].北京:中国农业大学,2014.
[14]李寒.基于机器视觉的目标检测在精细农业中的关键技术研究[D].北京:中国农业大学,2014.
[15]张东波.植物三维信息检测及视觉伺服控制技术研究[D].北京:中国农业大学,2014.
[16]马锃宏.田间作物对靶喷施机器人关键技术研究[D].北京:中国农业大学,2015.
[17]成芳.稻种质量的机器视觉无损检测研究[D].杭州:浙江大学,2004.
[18]冯雷.基于GPS和传感技术的农用车辆自动导航系统的研究[D].杭州:浙江大学,2004.
[19]张方明.田间路径识别算法和基于立体视觉的车辆自动导航方法研究[D].杭州:浙江大学,2006.
[20]潘家志.基于光谱和多光谱数字图像的作物与杂草识别方法研究[D].杭州:浙江大学,2007.
[21]陈利苏.基于机器视觉技术的水稻氮磷钾营养识别和诊断[D].杭州:浙江大学,2014.
[22]钱丹.作物与杂草识别中图像分割影响因素的研究[D].镇江:江苏大学,2006.
[23]肖超云.基于机器视觉的杂草识别研究[D].镇江:江苏大学,2007.
[24]金飞剑.基于机器视觉的杂草图像特征提取及识别研究[D].镇江:江苏大学,2007.
[25]熊锋.基于双目立体视觉的杂草定位技术研究[D].镇江:江苏大学,2008.
[26]潘颖.基于机器视觉的茄科类作物与杂草的识别研究[D].镇江:江苏大学,2005.
[27]仲琴.基于机器视觉的番茄收获机器人目标定位技术研究[D].镇江:江苏大学,2005.
[28]朱晓芳.基于支持向量机的田间杂草识别方法研究[D].镇江:江苏大学,2010.
[29]谈蓉蓉.利用颜色和形状特征的杂草识别方法研究[D].镇江:江苏大学,2009.
[30]夏利兵.基于角点特征的双目视觉杂草定位系统研究[D].镇江:江苏大学,2009.
[31]翟鹏.基于机器视觉的葡萄表型特征测量[D].上海:上海交通大学,2014.
[32]肖武.基于近红外光谱和机器视觉的土壤含水率快速检测方法研究[D].武汉:华中农业大学,2009.
[33]刘哲.基于机器视觉的苹果自动套袋关键技术研究[D].沈阳:沈阳理工大学,2014.
[34]张志斌,赵帅领,罗锡文,等.基于SURF算法的绿色作物特征提取与图像匹配方法[J].农业工程学报,2015,31(14):172-178.
[35]吕强,蔡健荣,赵杰文,等.自然场景下树上柑橘实时识别技术[J].农业机械学报,2010,41(2):185-188,170.
[36]王津京,赵德安,姬伟,等.采摘机器人基于支持向量机苹果识别方法[J].农业机械学报,2009,40(1):148-151,147.
[37]田有文,李天来,李成华,等.基于支持向量机的葡萄病害图像识别方法[J].农业工程学报,2007,23(6):175-180.
[38]张志斌,罗锡文,周学成,等.基于Hough变换和Fisher准则的垄线识别算法[J].中国图象图形学报,2007,12(12):2164-2168.
[39]周俊,刘成良,姬长英.农业机器人视觉导航的预测跟踪控制方法研究[J].农业工程学报,2004,20(6):106-110.
[40]安秋,李志臣,姬长英,等.基于光照无关图的农业机器人视觉导航算法[J].农业工程学报,2009,25(11):208-212.
[41]李志臣.基于机器视觉的杂草对准喷药控制系统研究[D].南京:南京农业大学,2007.
[42]郭海针,马俊龙,徐海刚.基于机器视觉的农业机械无人驾驶系统[J].农机化研究,2009,31(6):189-191.
[43]李谦.机器视觉在除草机器人中的应用[D].哈尔滨:黑龙江八一农垦大学,2014.
[2]安秋.农业机器人视觉导航系统及其光照问题的研究[D].南京:南京农业大学,2008.
[3]刘德营.稻飞虱自动识别关键技术的研究[D].南京:南京农业大学,2011.
[4]王玲.基于图像特征选择的田间籽棉成熟度与品级判别技术研究[D].南京:南京农业大学,2009.
[5]王海青.黄瓜收获机器人视觉系统的研究[D].南京:南京农业大学,2012.
[6]邹修国.基于机器视觉的稻飞虱现场识别技术研究[D].南京:南京农业大学,2013.
[7]周俊.农用轮式移动机器人视觉导航系统的研究[D].南京:南京农业大学,2003.
[8]饶洪辉.基于机器视觉的作物对行喷药控制系统研究[D].南京:南京农业大学,2006.
[9]王勇.棉花收获机器人视觉系统的研究[D].南京:南京农业大学,2007.
[10]王建仑.田间叶片图像分割与单幅三维重建的机器视觉算法研究[D].北京:中国农业大学,2013.
[11]杨振宇.基于机器视觉的钵苗分选移栽信息获取关键技术研究[D].北京:中国农业大学,2014.
[12]黄小龙.蔬菜株间锄草机器人末端执行器优化设计研究[D].北京:中国农业大学,2014.
[13]张春龙.自然环境下农业机器人作业目标信息获取与视觉伺服策略研究[D].北京:中国农业大学,2014.
[14]李寒.基于机器视觉的目标检测在精细农业中的关键技术研究[D].北京:中国农业大学,2014.
[15]张东波.植物三维信息检测及视觉伺服控制技术研究[D].北京:中国农业大学,2014.
[16]马锃宏.田间作物对靶喷施机器人关键技术研究[D].北京:中国农业大学,2015.
[17]成芳.稻种质量的机器视觉无损检测研究[D].杭州:浙江大学,2004.
[18]冯雷.基于GPS和传感技术的农用车辆自动导航系统的研究[D].杭州:浙江大学,2004.
[19]张方明.田间路径识别算法和基于立体视觉的车辆自动导航方法研究[D].杭州:浙江大学,2006.
[20]潘家志.基于光谱和多光谱数字图像的作物与杂草识别方法研究[D].杭州:浙江大学,2007.
[21]陈利苏.基于机器视觉技术的水稻氮磷钾营养识别和诊断[D].杭州:浙江大学,2014.
[22]钱丹.作物与杂草识别中图像分割影响因素的研究[D].镇江:江苏大学,2006.
[23]肖超云.基于机器视觉的杂草识别研究[D].镇江:江苏大学,2007.
[24]金飞剑.基于机器视觉的杂草图像特征提取及识别研究[D].镇江:江苏大学,2007.
[25]熊锋.基于双目立体视觉的杂草定位技术研究[D].镇江:江苏大学,2008.
[26]潘颖.基于机器视觉的茄科类作物与杂草的识别研究[D].镇江:江苏大学,2005.
[27]仲琴.基于机器视觉的番茄收获机器人目标定位技术研究[D].镇江:江苏大学,2005.
[28]朱晓芳.基于支持向量机的田间杂草识别方法研究[D].镇江:江苏大学,2010.
[29]谈蓉蓉.利用颜色和形状特征的杂草识别方法研究[D].镇江:江苏大学,2009.
[30]夏利兵.基于角点特征的双目视觉杂草定位系统研究[D].镇江:江苏大学,2009.
[31]翟鹏.基于机器视觉的葡萄表型特征测量[D].上海:上海交通大学,2014.
[32]肖武.基于近红外光谱和机器视觉的土壤含水率快速检测方法研究[D].武汉:华中农业大学,2009.
[33]刘哲.基于机器视觉的苹果自动套袋关键技术研究[D].沈阳:沈阳理工大学,2014.
[34]张志斌,赵帅领,罗锡文,等.基于SURF算法的绿色作物特征提取与图像匹配方法[J].农业工程学报,2015,31(14):172-178.
[35]吕强,蔡健荣,赵杰文,等.自然场景下树上柑橘实时识别技术[J].农业机械学报,2010,41(2):185-188,170.
[36]王津京,赵德安,姬伟,等.采摘机器人基于支持向量机苹果识别方法[J].农业机械学报,2009,40(1):148-151,147.
[37]田有文,李天来,李成华,等.基于支持向量机的葡萄病害图像识别方法[J].农业工程学报,2007,23(6):175-180.
[38]张志斌,罗锡文,周学成,等.基于Hough变换和Fisher准则的垄线识别算法[J].中国图象图形学报,2007,12(12):2164-2168.
[39]周俊,刘成良,姬长英.农业机器人视觉导航的预测跟踪控制方法研究[J].农业工程学报,2004,20(6):106-110.
[40]安秋,李志臣,姬长英,等.基于光照无关图的农业机器人视觉导航算法[J].农业工程学报,2009,25(11):208-212.
[41]李志臣.基于机器视觉的杂草对准喷药控制系统研究[D].南京:南京农业大学,2007.
[42]郭海针,马俊龙,徐海刚.基于机器视觉的农业机械无人驾驶系统[J].农机化研究,2009,31(6):189-191.
[43]李谦.机器视觉在除草机器人中的应用[D].哈尔滨:黑龙江八一农垦大学,2014.