机器视觉在农业产品设计中的应用研究

李帅 吴凡 刘杨

摘  要：本文阐述了机器视觉的基本概念、工作流程、发展阶段、主要应用领域及其研究现状，列举机器视觉目前在农业产品设计中的应用场景并分析其原因，根据现有应用场景分析机器视觉应用于农业产品设计的优势与缺陷，最后对现有应用机器视觉的农业产品设计进行设计分析，论证机器视觉应用于农业产品设计的意义。合理地将机器视觉运用到农业产品设计中，能发挥机器视觉的优势，有效地提高农业生产效率。

关键词：机器视觉;农业生产;农业产品设计

基金项目：本文系2019湖南省研究生优质课程“产品设计前沿研究”（湘教通〔2019〕370号）研究成果。

目前，世界上仍有数以亿计的饥饿人口。根据全球应对粮食危机网络发布的最新一期《全球粮食危机报告》，截至2019年末，全球有1.35亿人处于重度粮食不安全状态，不幸的是由于新型冠状病毒的大爆发，2020年的饥饿人口数量将会增加更多[1]。与此同时，人口增长率放缓，社会人口老龄化加剧，城市化进程加快，农村人口流失等现象的出现，使得能进行农业生产活动的劳动人口与农业用地不断减少。如何提高农业生产的效率、提高粮食产量，减少饥饿人口，如今变得尤为迫切与必要。农业农村部、中央网络安全和信息化委员会办公室近日印发的《数字农业农村发展规划（2019—2025年）》中提出，构建基础数据资源体系、加快生产经营数字化改造、推进管理服务数字化转型、强化关键技术装备创新、加强重大工程设施建设等加快推进农业农村生产经营精准化、管理服务智能化的具体措施[2]。而设计能发挥科学技术的作用，推进农业数字化、产业化，带动农业产品设计智能化、高效化，提高农业生产效率，因此，本文将以设计的角度来探讨机器视觉技术在农业产品中的应用。

一、机器视觉概述

机器视觉，也可以称作计算机视觉，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、模式识別等诸多领域[3]。机器视觉是一种主要通过相机获得被观察物的图像，再利用图像处理技术进行处理、分析得到控制参数，进而实现生产过程控制的人工智能技术[4]。简而言之，机器视觉就是机器代替人去观察并判断，或是研究机器“看”与“判断”的技术。一个机器视觉系统，通常包括光源、镜头、相机、图像采集卡、图像处理中心与执行系统六大部分，也可分为图像采集、图像处理与判断执行三大板块。机器视觉系统的工作流程可以被概括为如图1所示，摄像机拍下被观测物体，图像采集卡采集图片并转换为信号传输到图像处理中心，图像处理中心做出判断并交于执行系统执行指令。

机器视觉技术的研究发展可分为几个阶段：第一阶段，模式识别。机器视觉的研究始于20世纪50年代二维图像的统计模式识别，主要为二维图像的分析与识别。第二阶段，积木世界。20世纪的60年代机器视觉的研究热点是以理解三维场景为主。第三阶段，起步发展：20世纪70年代出现了一些视觉运动系统，并且在这段时间，David  Marr 提出的不同于“积木世界”分析方法的视觉计算理论，此理论在80年代成为十分重要的理论框架。第四阶段，从20世纪的80 年代开始，机器视觉技术发展迅速，新技术、新知识层出不穷，并且开始在各个领域得到了应用[5]。目前，最先进的机器视觉技术仍然由美国、日本等国家掌握，国内不仅处于由劳动导向型向技术导向型的转型时期，对提高生成效率、降低人工成本的机器视觉方案有着旺盛的需求，也在成为机器视觉技术研究最为旺盛的地区之一[6]。

二、机器视觉在农业产品设计中的应用场景

目前，机器视觉在农业产品领域主要是以研究与实验为主。机器视觉系统尚未成熟，智能化程度低，未能适应实时性、灵活性高的农业工作场景，所以未能应用在大规模的农业生产中。在农业产品设计中，机器视觉主要应用于单一、机械化的农业活动，超出人眼观察范围或难以观察的对象，恶劣的工作环境与数字化、规模化与产业化的农业场景中。

（一）主要应用于单一、机械化的农业生产活动中

当下的机器视觉系统智能化程度较低，多针对单一生产活动或是单一场景研发，对于其他未针对研发的生产活动或场景兼容性较差，更难以同时进行多项的农业生产活动。在农业生产活动中，以往都是需要人同时掌握多项农业生产技能，目前的机器视觉往往只能胜任其中的一项农业生产活动，并且机器视觉系统部件大多需要花费较长调校与研发的时间，所以机器视觉系统多应用在单一的农业生产活动中。例如，在桑蚕业的农业产品设计中，陶丹提出了一种基于机器视觉的蚕蛹雌雄在线智能识别与分选装置设计，提高雌雄蚕蛹分离的效率，经实验，能有效地将雌雄蚕蛹分离[7]。机器视觉在进行单一、机械化的农业生产活动中才能最大程度发挥机器视觉的优势，因此在将机器视觉应用于农业产品设计中需要注意该农业生产活动是否过于复杂，或将复杂农业生产活动进行拆分，然后分别系统地设计适用的产品，来满足复杂的农业生产活动。

（二）超出人眼观察范围外或难以观察的对象

人眼相比于机器视觉系统，能观察到范围极其有限，而机器视觉可配备不同参数的镜头，观察范围较广。在识别精度上，人眼能识别的精度约为≤0.2mm，机器视觉的识别精度，理论上运用高精度设备，可达微米级别。在识别速度上，人眼由于有视觉暂留，观察速度远不及机器视觉配备高速相机的拍照速度。在农业生产活动中，有许多工作对识别的范围、精度与速度有非常高的要求。例如，农产品分级是实现农产品优质、优价的有效途径，但其对于分级的精度要求高，采用人工分级劳动强度大，不同工作人员分级标准存在主观差异，并且人工农产品分级属于劳动密集型产业，不断提高的劳动力成本将会逐渐降低农产品分级所带来的经济效益，寻找效率更高、价格更低的农产品分级方式，去取代人工进行农产品分级已是大势所趋。近年来，机器视觉技术在农产品的品质检测和分级方面有很多研究和应用，机器视觉依据图像处理技术或算法做出判断，结合农产品的多个外部品质指标进行特征融合的快速智能判别分级，分级更加客观和全面。饶秀勤[8]提出了一种水果品质检测与实时分级系统，根据水果尺寸、形状、颜色和表面缺陷等品质指标进行提取，来进行水果的实时检测和分级，经实验，能满足水果分级的需求。机器视觉应用于农产品分级中，不仅可以提高农产品分级精度，还提升了工作效率，使得农产品获得更多的附加价。

（三）恶劣的工作环境

在恶劣的工作环境下，人易受到环境的影响，无法长时间地工作，而机器视觉可实现全自动化工作，受工作环境的影响较小。将机器视觉技术应用于农业产品设计中，可以很好地代替人在特殊工作环境中进行部分的生产活动。在农业生产活动中，有许多是在恶劣的环境或者天气下进行工作的。王树才等针对家禽屠宰净膛人工作业中存在的劳动负荷大、工作效率低、作业环境恶劣等问题，设计了一种基于机器视觉定位的家禽屠宰净膛机械手系统，经实验，机器视觉的定位精度高，净膛机械手能够准确抓取内脏[9]。机器视觉系统受环境的影响比人要低，将此技术应用于在农业产品设计中，可代替人完成部分恶劣工作环境下的农业生产活动，使得人可以去进行更有价值的生产活动。

（四）数字化、规模化与产业化的农业

人口增长率的降低，社会人口老龄化严重，城市化的快速发展，农村人口的外流等社会现象，导致劳动力成本的逐年提高，都给如今的农业生产增加了不小的成本负担，农业向数字化、规模化与产业化发展是大势所趋。机器视觉技术的快速发展，在部分的农业生产活动中能很好地代替人进行工作，极大地提高农业生产的效率，降低农业生产的成本。例如，在传统的人工、畜力除草方法已经不适用于新的生产方式的情境下，李南设计了基于机器视觉的锄草机器人，经实验，基于机器视觉的锄草方式，更能满足现代化农业生产的需求[10]。因此，机器视觉应用于农业产品设计中，更能够适应大规模化的农业生产，推动农业又好又快的现代化发展。

三、机器视觉在农业产品

设计中的应用优势与缺陷分析

如何更高效地服务于农业生产活动一直是农业产品设计研究的重点。而让机器视觉在农业产品中发挥更大功效，则需要根据当下研究的主要应用场景，分析机器视觉的应用优势与缺陷，为设计实践提供参考，提高农业生产效率，推进农业和农村的生产经营精准化、管理服务智能化。机器视觉的最显著的应用优势就是可实现无接触式观察，还可以实现观察过程无损化。此外，机器视觉还拥有观察范围广、客观性、不知疲劳、可适应恶劣工作环境等优势，缺陷目前主要表现为智能化程度低，适应性差，研发周期长（如图2）。

（一）应用优势

1.在工作方式上，现有基于机器视觉的农业产品设计均可自动化工作，无须人员操作与监管，可实现与被观察对象无接触观察，这是机器视觉系统的最大优势。由于不需要人员操作与监管，机器视觉系统也可以在人难以适应的工作环境下作业，并且能实现观察者与被观察对象的观察过程无损化，因此，机器视觉系统可以在恶劣工作环境进行农业生产活动。例如，在家禽屠宰工作环境下，人需要忍受难闻血腥味，还有可能染上传染病，工作完还需清洗宰杀家禽的血迹，而将机器视觉应用于农业产品设计中便能避免此类问题发生。

2.在工作能力上，机器视觉系统能装配的配件灵活度高，可以配备多种镜头与相机，能观察的范围非常广，精度也十分高，理论上，人眼无法观察或难以观察的对象机器视觉也能观察，比如，红外线、细菌、精密零部件等。在实际农业生产活动中，农产品分级、种子质量检测等这些对检测精度要求非常高的工作中，机器视觉系统也比人眼观察的准确率要高，速度也更快。机器视觉系统是根据预设算法做出判断，结果较为客观，而人眼观察则会因为观察人员的不同，观察结果往往有主观差异性，这是因为人所受的培训时间，熟练程度，精神状态与其他因素导致的结果。

3.在工作效率上，机器视觉系统得益于高速相机、图片采集卡与处理算法等技术的快速发展，系统的工作效率也获得了极大的提高，并且机器视觉系统不知疲劳，只需要系统所有部件正常运作，可以保证不间断地高效率工作，而人则会有身体疲劳、精神疲劳与神经疲劳，随着工作时间的增加人的工作效率会降低，人还易受工作环境与条件的影响。农业生产活动多为单一、机械的体力劳动，人若长时间在恶劣环境下工作容易受伤、产生劳损等，机器视觉系统则受影响较小，有部件损坏，通过维修或者更换，可继续工作。

4.在农业向数字化、规模化、产业化发展的大背景下，机器视觉系统拥有集成度高、数字化程度高的优点，可自动获取大量数据，方便信息集成。机器视觉更能适应当下农业的发展方向。在这个科学技术高速发展的时代，机器视觉拥有可嵌入性，可以与其他科技相结合，实现更多农业生产的可能性。例如，当下蓬勃发展的互联网技术可与机器视觉相结合，一起运用于农业产品设计中，可实现人在千里之外进行农业生产活动，极大地方便了农业生产活动。

（二）应用缺陷

1.现有的机器视觉系统大部分是根据图像处理技术或者深度学习算法等来对采集的图像做出判断，智能化程度较低，在应对突发情况时，机器视觉系统中的处理中心通常不知道该如何判断，更难以满足某些实时性要求较高的工作情境。而人相比较于机器视觉拥有更高的智慧，拥有逻辑推理、思考、分析等能力，能更好地处理突发情况。

2.机器视觉系统一般是应于单一场景或者单一工作，对不同工作或场景兼容性较差，而人相比较于机器视觉拥有较强的学习能力与适应能力，可以同时掌握在不同场景下的多种工作。在农业生产活动中，场景相对来说会较为固定，但会有季节与天气导致工作场景的变化，并且农业生产活动工作种类繁多，针对所有工作单独开发设备需要耗费大量的人力与资金。

3.机器视觉系统所含部件繁杂，研发与调试的周期较长，尤其是机器视觉系统中的核心板块处理中心所需的算法或图像处理技术需要消耗大量的人力、物力与时间，成本高。而人拥有较强的学习能力，经过简单的培训就能胜任大部分农业生产活动，例如，采摘水果、喷洒农药、种子播种与水利灌溉等。

四、机器视觉在农业产品中的设计实践与分析

机器视觉拥有无接触观察、观察范围广、效率高、速度快、精度高、可长时间工作、信息易集成、能适应恶劣工作环境等优势，发挥机器视觉在农业产品设计中的作用，从而节约劳动力、带动产业升级、推动农业现代化的发展进程，對未来农业的数字化、产业化与智能化发展有着重要的意义。目前，在农业产品设计领域，国内外已有不少学者进行研究与设计实践，涉及农业生产的各个环节，但由于农业生产的多样性与复杂性与机器视觉自身的劣势，目前机器视觉在农业产品中停留在实验阶段，未能大规模的实际应用与生产。

（一）机器视觉在农业产品设计中的鉴定应用

玉米种子精选与播种方式是决定玉米产量高低和产品品质优劣的关键环节，目前的筛选玉米种子的主要方法是人工识别，不仅识别精度低、效率低，长时间工作还容易造成视觉损伤与精神疲劳，人工筛选的效率和准确率还会受培训程度与熟练度影响，易存在主观差异。为了提升玉米种子质量与改善播种方式，王侨设计了基于机器视觉的玉米种穗图像精选与定向定位装置，来提高玉米的单位面积产量，经过试验，该装置设计能有效筛选玉米种子和实现定向播种[11]。

该研究的问题求解过程如图3所示。首先发现了国内玉米单位产量低的问题，然后分析得出是玉米种子质量与播种技术的问题，提出理想解即提升种子质量与优化播种方式，最后利用机器视觉的识别能力强、速度快、无疲劳等优势来筛选玉米种子和定向播种改善现有播种方式。将机器视觉技术应用到玉米种穗图像精选与定向定位装置设计上，既能保证超高的准确率，还能保证长时间的高效率工作，机器视觉是根据算法或图像处理技术做出判断，筛选种子的效率与准确率较为统一，此设计改变了玉米种子筛选方式，优化了播种方法，可以节省大量的人工成本，提升玉米种植前期准备工作的质量与效率。

（二）机器视觉在农业产品设计中的监测应用

森林火灾是一种突发性强、破坏性强、处置与救助较为困难的自然灾害，现有监测预防方式，难以满足森林防火的监测范围广、样本数量多，地形复杂的需求，导致监测误报的情况时有发生。针此问题，刘凯等人将机器视觉运用于多功能森林防火机动巡查灭火装备中，来监测森林火灾，经实验，可以识别火灾初期的烟雾与大面积燃烧的火焰[12]。

该设计的过程分析如图4所示。首先提出监测误报时有发生的问题，随后分析得出监测难度大的原因是监测范围广、样本数量多、地形复杂等，最后利用机器视觉的精度高、速度快的优势来提升监测准确率，替代现有森林防火的监测方式。将机器视觉技术应用于森林防火监测上，既能保证监测的准确率，还能保证全天候地工作。同时，机器视觉系统具有可嵌入性，能与现有的灭火装备相结合，可降低研发成本，丰富森林防火监测方式的多样性。

五、结语

机器视觉技术相比于人，拥有无接触观察、可观察范围广、效率高、速度快、高精度、可长时间工作、信息易集成、能适应恶劣工作环境等优势，但也存在智能化程度较低、适应性差与研发周期较长等缺陷。在农业生产活动中，有许多为单一、简单、劳动强度高、作业环境恶劣的工作，通过设计合理地应用机器视觉，发挥技术自身的优势，能提高农业生产效率一定程度上解决人口增长率放缓，农村人口流失，劳动力成本上升等问题。最后，机器视觉技术可以促进提高农业产品设计的智能化水平，加快农业的数字化、产业化与现代化进程。

参考文献：

[1]联合国.2020《全球粮食危机报告》[EB/OL].[2020-04-21].https：//www.fsinplatform.org/sites/default/files/resources/files/GRFC_2020_ONLINE_200420_FINAL.pdf.

[2]农业农村部.数字农业农村发展规划（2019-2025年）[EB/OL].[2019-12-25].http：//www.moa.gov.cn/nybgb/2020/202002/202004/t20200414_6341532.htm，.

[3]章炜.机器视觉技术发展及其工业应用[J].红外，2006（2）：11-17.

[4]王晓初，等.基于机器视觉的轴承盖外形轮廓分类方法[J].包装工程，2020（23）：217-222.

[5]余文勇，石绘.机器视觉自动检测技术[M].北京：化学工业出版社，2013：6-7.

[6]胥磊.机器视觉技术的发展现状与展望[J].设备管理与维修，2016（9）：7-9.

[7]陶丹.基于机器视觉的家蚕蛹雌雄识别研究[D].重庆：西南大学，2019.

[8]饶秀勤.基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D].杭州：浙江大学，2007.

[9]王树才，陶凯，李航.基于机器视觉定位的家禽屠宰净膛系统设计与试验[J].农业机械学报，2018（1）：335-343.

[10]李南.基于机器视觉的锄草机器人快速作物识别方法研究[D].北京：中国农业大学，2017.

[11]王侨.玉米种子的图像精选定向定位方法及装置研究[D].北京：中国农业大学，2017.

[12]刘凯，等.基于计算机视觉的森林火灾识别算法设计[J].森林工程，2018（4）：89-95.

作者简介：

李帥，湖南工业大学硕士研究生。研究方向：MFA艺术设计。

吴凡，湖南工业大学硕士研究生。研究方向：MFA艺术设计。

刘杨，湖南工业大学硕士研究生。研究方向：MFA艺术设计。