图像处理论文

数字图像处理技术及其在农业中的应用研究

随着信息产业的逐渐发展以及与其他各个学科间不断结合的普及，图像识别技术已经能够深入地应用到具体目的物识别等领域中图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方

方面面随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

1 数字图像处理的概念

1 数字图像处理的概念数字图像处理又称为计算机图像处理，它是指将图

像信号转换成数字信号并利用计算机对其进行处理的过程图像处理中，输入的

是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

2 数字图像处理的应用

2．1 数字图像处理技术在农产品收获中的应用

研制自动识别采摘机器是图像处理在农业收获中的主要应用，此课题目前备受关注。自动收获机器人的构成主要是收获系统、行走系统和视觉机构。基于数字图像处理的自动收获机器人主要在两个方面应用该技术: 一是，识别和

空间定位果实或其他目标物，为采摘系统的行为提供参数，提高收获果实的准确性；二是，识别障碍物体，为行走系统提供准确的目标以躲避障碍。苹果、梨、橘子、番茄等作物都是研究的对象，但是此类农作物生长环境比较复杂，自动识别的图像必然包含枝叶土壤等对目标物产生影响的背景噪声，所以在实

现上不易准确，且识别成功率较低。Slaughter 等在室外晴朗天气自然光照条件下获取照片的色度亮度等方面信息以指导果实采摘机械手，创建了利用彩

色照片的颜色信息在橘子树中“认出”橘子的模型，成功率75%，在速度方面

基本可以接受，可是准确率比较低；识别柑橘中心的错误率为 6%。 Zhang 等

利用描绘苹果照片图像的边缘线，通过神经网络测定、定位的方式达到自动采摘功能。

2．2 在作物颜色识别方面的应用

农作物颜色是反映其品质的一个重要因素。1994 年， Liao 等通过数字

图像技术考察分析了玉米籽颜色与质量的联系，包括玉米粒相关区域的平均

RGB 值或色调及饱和度和亮度等，为粮食质量检测系统向规模化水平发展提供

了理论和技术基础。 1995 年，Tao 等研究并实现了对苹果和马铃薯颜色进行

检查的计算机视觉系统，使用直方图等方式表示出相关的颜色特征，运用了多

变量识别技术，其准确率可达到 90%。 1996 年，Chang 等提出以RGB表现各种颜色的视觉系统，理论上任何颜色都可以通过其相应值进行标示，试验表明，误差小于5个灰度，不过这种方法加大了复杂度，降低了速度，同时误差也要

多于之前。1996 年，Tao 等在此基础上研究了另外一种 HIS 模型，其中 H

同时包括色彩、亮度、色度等信息，有效地提高了图像处理的速度和精度。

1998 年，何东健等通过机器视觉系统自动识别果实的色度，采集苹果彩色图像信息，利用 HIS 值，针对苹果表面颜色特性，研究出了用相关色相值堆积上

色百分比从而达到分级的目的，最后的完成结果与人工的相同度达到了88．1%。为了做到水果颜色可以在线检测，李庆中等编制了苹果颜色自动分级系统，

该系统可以同一时间获取苹果4 面的可见光及近红外光谱方面的信息，以7

个频度均值作为特征参数，采用了 BP －神经网络进行识别使其精度提高到90%，结果比较理想。

3 结语

数字图像处理技术在农业各方面中的广泛运用，节约了劳动力，降低了劳

动成本，提高了农业现代化水平，改善了现代农业生产条件，并且极具应用前景。在国外某些地区，图像处理技术已被广泛应用于农业生产的众多环节，我

国此项研究起步较晚，目前还在研究阶段，所以需要大批研究者共同努力，加

快赶超世界先进水平，努力提高我国数字图像处理应用水平，加大其应用范围，进而实现我国的农业现代化。