云计算驱动大数据处理技术在农业自动化中的应用

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，检测速度达不到实时的要求，处于实验研究阶段。随着电子技术、计算机软硬件技术、图像处理技术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。在农业机械上的研究与应用也有了较大的进展，除农产品分选机械外，目前已渗透到收获、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。

农作物收获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。其基本原理是在收获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，如水果、蔬菜等，发现目标后，引导机械手完成采摘。研究涉及西红柿、卷心菜、西瓜、苹果等农产品，但是，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干扰，例如植物或蔬菜的果实常常被茎叶遮挡，田间光照也时常变化，因此，造成目标信息判别速度较慢，识别的准确率不高。

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。(www.xing528.com)

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已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。