中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：在農(nóng)業(yè)作物中，有許多需要耗時耗力的任務(wù)，那么有沒有一種方法能夠減少這些耗時且勞動密集的任務(wù)呢？機器視覺通過自動接收和處理一個真實的圖像，控制機器人進行運動，從而自動完成這類工作，減輕人力的消耗。本文對計算機視覺在農(nóng)作物的智能監(jiān)測上的應(yīng)用進行分析，一起來看看。

機器視覺是通過光學(xué)的裝置和非接觸的傳感器，自動地接收和處理一個真實物體的圖像，以獲得所需信息或用于控制機器人運動的裝置。正如在工業(yè)環(huán)境中一樣，機器視覺在農(nóng)業(yè)中最關(guān)鍵的好處之一是它能夠自動完成耗時、勞動密集型的任務(wù)。

隨著傳感器系統(tǒng)和執(zhí)行器的進一步完善，機器視覺系統(tǒng)將逐漸可以用于管理水果采摘、作物控制、收獲和一系列其他任務(wù)。農(nóng)業(yè)工作者的作用主要體現(xiàn)在監(jiān)督能力上，用以幫助進一步優(yōu)化機器視覺系統(tǒng)。廣義的計算機視覺技術(shù)不僅包括基于可見光成像，也包括基于近紅外、紫外和X光等非可見光成像的探測技術(shù)。

可見光區(qū)計算機視覺技術(shù)被廣泛的應(yīng)用到農(nóng)產(chǎn)品的品質(zhì)檢測、品種識別中，目前非可見光區(qū)的計算機視覺技術(shù)已應(yīng)用到食品安全檢測中。

一、農(nóng)產(chǎn)品關(guān)鍵特征參數(shù)提取

基于統(tǒng)計的特征參數(shù)雖然能在一定程度上對作物特征進行一定的描述，但基于專家知識和經(jīng)驗定義的部分特征往往具有更廣泛的生理學(xué)意義。比如花生的莢果多數(shù)有果腰、玉米籽粒都有一個奶黃色的胚部，這些特征往往是特定生物物料所特有的。農(nóng)產(chǎn)品生物物料的多少樣性決定著，衡量每一種作物的特征都具有自身獨特的特點。另外由于農(nóng)產(chǎn)品缺乏工業(yè)產(chǎn)品應(yīng)有的剛性，使得對農(nóng)產(chǎn)品品質(zhì)的描述異常的復(fù)雜，胡蘿卜的扭曲與馬鈴薯的異形，雖然都是對形狀的描述，但描述起來卻相差甚遠。

玉米籽粒白色部分（胚部）與黃色部分（冠部）的面積、顏色等信息可以作為識別玉米品種的特征。在線馬鈴薯品質(zhì)檢測樣機，基于邊界描述的異形馬鈴薯是一種檢測標準。

農(nóng)產(chǎn)品品種識別模型研究方面，對農(nóng)產(chǎn)品品種識別的模型的研究主要側(cè)重的是兩個方面，一個是對特征的選擇和優(yōu)化研究，另外一個是對識別模型的選擇和優(yōu)化研究。玉米、花生、水稻、小麥等主要糧食作物也廣泛的應(yīng)用計算機視覺進行品種識別。近紅外和X射線成像等非可見光區(qū)域的計算機視覺技術(shù)已開始應(yīng)用到農(nóng)產(chǎn)品的品種檢測中。

二、農(nóng)產(chǎn)品安全關(guān)鍵指標檢測

計算機視覺技術(shù)已開始逐漸引用到農(nóng)產(chǎn)品的內(nèi)部品質(zhì)的探測中，包括常規(guī)的內(nèi)部品質(zhì)如水果的酸度、糖度、可溶性顆粒物，糧油的蛋白質(zhì)含量，內(nèi)部的蟲蛀、康心等，也包括了食品安全的一些關(guān)鍵指標，比如食品添加劑、蘇丹紅、三聚氰胺、黃曲霉素等。

黃曲霉素是劇毒物質(zhì)，在紫外下發(fā)出黃綠色熒光，根據(jù)這一特性可進行計算機視覺無損探測，美亞光電銷售人員介紹國外做黃曲霉素檢測的生產(chǎn)廠家是比利時Best公司（Detox?），設(shè)備售價在400萬人民幣左右，公開資料報道采用的是紫外激光誘導(dǎo)熒光成像的技術(shù)，能檢測到人肉眼無法看到的黃曲霉素發(fā)出的微弱的光，可用來分選黃曲霉素污染的花生、杏仁、榛子等干果。

三、農(nóng)產(chǎn)品智能分選機的研制

農(nóng)產(chǎn)品分選方式有多種，根據(jù)外觀尺寸的機械篩選方法，基于重量的電子稱重的方法，和基于計算機視覺的智能檢測方法。在電子稱重分選機制造方面，臺灣吉農(nóng)牌水果分選機整體性能較為優(yōu)秀。
浙江大學(xué)應(yīng)義斌教授團隊是做內(nèi)水果分選領(lǐng)域的最優(yōu)秀的團隊之一，課題組在“863”的支持下國內(nèi)率先完成了基于機器視覺的水果品質(zhì)實時檢測與分級生產(chǎn)線，該生產(chǎn)線能完成水果的大小、形狀、顏色和果面缺陷等外觀品質(zhì)指標的實時檢測與分級，每小時處理3至6噸水果。

2012年開始作者帶領(lǐng)團隊開始胡蘿卜智能分選機研發(fā)，一代樣機于2014年春研發(fā)成功。

隨后團隊發(fā)現(xiàn)國外（比例時visar）已有機器（Sortop Carrot）出現(xiàn)，該生產(chǎn)線售價18萬歐元，且比我們的機器效率高，課題組隨即啟動二代的研發(fā)，至2014年底胡蘿卜分選機二代原理樣機研發(fā)成功，日處理能力達到200-300噸。

四、農(nóng)產(chǎn)品無損檢測研究

農(nóng)產(chǎn)品智能檢測包括品種檢測與品質(zhì)檢測，品質(zhì)檢測包括外部品質(zhì)檢測和內(nèi)部品質(zhì)檢測，農(nóng)產(chǎn)品安全檢測是內(nèi)部品質(zhì)檢測的一個重要內(nèi)容。農(nóng)產(chǎn)品智能分選是以計算機視覺檢測為核心，配合高精自動控制技術(shù)、柔性機械設(shè)計制造技術(shù)，是光、機、電一體的農(nóng)業(yè)智能裝備研制技術(shù)。

近年來假種子事件頻發(fā)，主要原因是農(nóng)民朋友主要是靠肉眼進行種子識別，受到人的經(jīng)驗和肉眼能力的限制。以計算機視覺技術(shù)研究為核心，面向檢測對象采集關(guān)鍵特征指標參數(shù)，來對農(nóng)產(chǎn)品品質(zhì)進行精選分級，農(nóng)作物品種進行自動識別、農(nóng)產(chǎn)品安全指標進行快速探測三個問題。

大力提高農(nóng)產(chǎn)品品質(zhì)分選的標準化和自動化程度，大力提高品種育種領(lǐng)域的自動化，大力提高食品安全快速檢測的水平。從而實現(xiàn)農(nóng)產(chǎn)品品種、品質(zhì)和安全指標的快速無損檢測與自動化分選分級，實現(xiàn)農(nóng)產(chǎn)品檢測的機械化、自動化與智能化，對推進我國農(nóng)業(yè)發(fā)展，推進現(xiàn)代農(nóng)業(yè)進步具有積極意義。

五、農(nóng)作物病蟲害檢測

以色列農(nóng)業(yè)科技公司Prospera運用計算機視覺和機器學(xué)習(xí)技術(shù)監(jiān)測農(nóng)作物生長情況，從而提出提升農(nóng)作物健康狀況、優(yōu)化農(nóng)場運營的手段， Prospera的系統(tǒng)可以安裝在溫室或田野中，利用近端RGB攝像頭和云部署的軟件來收集、分析農(nóng)民忽略的信息，隨后其根據(jù)機器學(xué)習(xí)算法來報告有什么重要的事情正在發(fā)生。提前預(yù)警、診斷各種病蟲害可以幫助農(nóng)民預(yù)測產(chǎn)量，用其他作物的增長來彌補損失，或者及時挽救農(nóng)作物的生命。

六、農(nóng)作物估產(chǎn)

遙感技術(shù)估測產(chǎn)量需要產(chǎn)量估測區(qū)域的高光譜圖像，通過分析反演農(nóng)作物的生物物理參數(shù)，較多地應(yīng)用于大面積連片的農(nóng)作物種植區(qū)域，且圖像價格昂貴，適用于政府管理部門的宏觀決策；而預(yù)測模型方法依賴于農(nóng)作物生理指標、環(huán)境因子等一系列生化參數(shù)，參數(shù)獲取需要專業(yè)測量設(shè)備，且不同區(qū)域具有不同的參數(shù)值，每次預(yù)測都需要重新采樣化驗，獲取模型輸入值。

因此，已有主流方法都需要專業(yè)性技術(shù)人員的指導(dǎo)和專業(yè)設(shè)備的支持，產(chǎn)量估測所需材料需要重復(fù)投入，成本也相對較高，且操作步驟繁瑣，預(yù)測周期相對較長，不利于在普通種植戶中推廣應(yīng)用。建立果實尺寸識別系統(tǒng)，錄入大量拍攝的果實照片，利用深度學(xué)習(xí)算法結(jié)合果實照片和照片像素點進行訓(xùn)練學(xué)習(xí)，根據(jù)不同尺寸的果實匹配其對應(yīng)的像素點，實現(xiàn)果實尺寸的智能判定，利用機器視覺處理平臺對采集到的實際果實照片進行識別，判斷果實尺寸，分析果樹作物產(chǎn)量情況。

所述果實尺寸識別系統(tǒng)包括：深度學(xué)習(xí)訓(xùn)練用數(shù)據(jù)集和深度學(xué)習(xí)算法訓(xùn)練模塊，所述深度學(xué)習(xí)訓(xùn)練用數(shù)據(jù)集導(dǎo)入用于深度學(xué)習(xí)訓(xùn)練的果實照片，并生成算法模塊訓(xùn)練所需的格式化數(shù)據(jù)集，所述深度學(xué)習(xí)算法訓(xùn)練模塊將果實照片中果實面積的像素點與實際測量的果實尺寸值進行匹配訓(xùn)練，針對不同果實照片的像素點判斷果實的尺寸。

所述機器視覺處理平臺全方位采集視覺傳感器中果實的RGB圖像，對采集的圖像進行圖像分割，然后劃分出果實感興趣區(qū)域，提取果實輪廓，根據(jù)所提取的果實輪廓，使用形狀不變特征提取形狀特征向量，克服果實大小、位置和朝向各異的問題。從而實現(xiàn)產(chǎn)量預(yù)估。

七、總結(jié)

人工智能可以通過物聯(lián)網(wǎng)連接土地、作物，知道作物生長的狀態(tài)，上傳數(shù)據(jù)后得到反饋的結(jié)果，然后依靠算法、深度學(xué)習(xí)尋找規(guī)律、整合規(guī)律、指導(dǎo)規(guī)律?！稗r(nóng)業(yè)、土壤、氣象、地塊的一些指標都可以量化成全新的大數(shù)據(jù)，指導(dǎo)相關(guān)的耕作，這在未來是很清晰的道路，人工智能將會在智慧農(nóng)業(yè)里面扮演越來越厚重的角色。其實，數(shù)據(jù)本身就是一種肥料，可以幫助農(nóng)民更精準地耕作，提高產(chǎn)量。

#專欄作家#

老張，人人都是產(chǎn)品經(jīng)理專欄作家?！度斯ぶ悄墚a(chǎn)品經(jīng)理技能圖譜：AI技術(shù)與能力升級》作者，AI產(chǎn)品經(jīng)理，專注于自然語言處理和圖像識別領(lǐng)域。現(xiàn)智能保險創(chuàng)業(yè)公司合伙人，希望與人工智能領(lǐng)域創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 pexels，基于 CC0 協(xié)議