计算机视觉与图像处理论文实用全套PPT

计算机视觉与图像处理(túxiànɡchǔlǐ)论文第一页，共14页。本论文主要(zhǔyào)讲述这几年计算机视觉在农业工程农产品的分级检测、作物营养的监测、病虫草害的防治等方面的一些典型应用，以及存在问题和未来的发展方向。关键词：农业工程；分级检测；计算机视觉主要(zhǔyào)内容第二页，共14页。论文(lùnwén)结构第一部分(bùfen)引言第二部分(bùfen)农产品的分级检测第三部分(bùfen)作物营养的监测第四部分(bùfen)病虫草害的防治第五部分(bùfen)存在的问题第六部分(bùfen)未来展望第三页，共14页。0引言(yǐnyán)计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它是一门综合性很强的学科，涵盖了包括计算机科学和工程、应用数学和统计学、信号处理、物理学以及神经生理学和认知科学等众多领域的知识。其主要任务是通过对采集(cǎijí)到的图片或视频进行处理以获得相应场景的三维信息，并存储于计算机中以供人们的研究应用。近年来，计算机视觉的研究与应用已扩展到了空间探索、地球资源勘探、工业、农业、医学和军事等诸多领域，尤其在农业工程领域更为突出。随着计算机软硬件技术、图形图像处理技术等的迅猛发展，无论在农产品的分级检测、作物营养的监测、病虫草害的防治等方面，都有较为细致(xìzhì)地研究[1]。我将就此介绍计算机视觉在农业工程领域中的一些最新的典型应用，并讨论其存在的问题和未来的发展方[1]。第四页，共14页。1农产品的分级(fēnjí)检测利用计算机视觉技术，可以对产品进行无接触检测，并获得大量的图像参数信息。它具有标准统一、识别率高、效率高并且无损害等一系列优点，特别适合于动植物等农产品质量的检测与综合评定，为农产品的分级提供有利可靠的依据。云南农业大学的宋兰霞，杨毅在“云南省农业科技创新工程项目”中以计算机视觉技术为基础，针对主观性强、准确率低、成本(chéngběn)高的大理石花纹含量测定的传统方法，运用统计学中的最大方差法去除图像黑色背景，使用二值法对大理石花纹进行提取，并对其含量进行测定。其研究结果表明，计算机视觉技术对于实现胴体图像中大理石花纹区域的分割和大理石花纹含量的测定具有很高的准确性，为肉质自动分级打下良好的基础[2]。第五页，共14页。淮阴工学院电子与电气工程学院的王亚琴在“江苏省高校自然科学研究项目”中提出了基于计算机视觉的鸭蛋重量智能检测方法，实现了计算机视觉称重。该方法首先要构造出鸭蛋图像的灰度梯度共生矩阵，以最大熵原理(yuánlǐ)为依据求出最佳灰度和梯度分割阈值，从而实现二维阈值的分割。然后采用数学形态学方法对分割后的图像进行处理，去除蛋壳表面的伪目标，并统计出鸭蛋区域的像素点。最后利用多项式拟合方法求出鸭蛋重量与面积的关系式。其检测误差在正负2g以内波动，平均误差为负，检测精度基本满足生产加工的需求[3]。赵海波，周向红在“光电子应用安徽省工程技术研究中心资助项目”中设计出了催熟番茄识别硬件组成系统，其计算机视觉装置能够有效的获取番茄透射光颜色参数（R、G、B）的值，并将其转换成HIS值，采用多层前馈神经网络自动识别催熟番茄。该系统识别正确率高达91.7%，可有效的阻止用乙烯催熟的番茄进入瓜果市场危害食用者的身体健康[4]。第六页，共14页。2作物(zuòwù)营养的监测20世纪末期，计算机视觉技术开始应用于对作物营养状况的信息监测之中。不管是人为因素，还是自然因素的影响，作物在生长过程中常会出现缺素的状况，这对于作物的健康成长是极为不利的。传统的植物营养诊断方法主要有化学分析和人眼经验目测这两种。此两种方法既耗时费力，又容易受到实验环境或气候条件的影响，不适合于农业生产的实际。计算机视觉技术的应用实现了农作物营养信息的快速(kuàisù)、准确地判断，从而可以及时精确地补充作物缺少的肥料[5]。这就大大减少了资源的浪费，提高了农业生产的效率。第七页，共14页。湖南农业大学的陈诚，廖桂平等在“国家自然科学项目”中利用计算机视觉技术，获取(huòqǔ)了水稻叶片DGCI、Hv、I2、I3、(2G-R-B)/L*和Hv*Diff的颜色指标，然后结合BP网络、多元回归模型以及遗传算法，建立了叶绿素相对含量(SPAD值)的预测模型，利用所建立的数学模型对叶绿素相对含量进行预测，相对误差率仅为3.3557%[6]。石河子大学的董鹏，危常州等在“农业部行业公益性专项”中通过棉花需氮量吸收模型、棉花吸氮量计算机视觉识别模型和土壤无机氮供应估算模型建立了FertiEXP软件系统。这是一款基于计算机视觉和土壤(Nmin)软件系统，可对棉花氮素营养进行诊断并推荐氮肥施肥方案[7]。从小区实验和大田示范结果我们可以看出，采用FertiEXP软件推荐施肥，可以优化肥料在作物全生育期的分配比例，经济效益十分显著。第八页，共14页。而在实际生产应用中，由于田间天气、风速、光照、土壤、昆虫等复杂环境因素处于不断变化之中，加之各农作物及产品的形态差异较大，生长背景复杂，而且同一作物在不同的环境所表现出来的特征也不同，这就给数字图像的分割以及特征的提取，带来不少的困难。5未来(wèilái)展望这就要求我们要加大经费的投入，培养更多更优秀的人才。3病虫草害得防治(fángzhì)目前计算机视觉在农业工程中的应用大部分都是静态的，即先采集静态图像，再用计算机对图像进行处理。第一部分(bùfen)引言云南农业大学的宋兰霞，杨毅在“云南省农业科技创新工程项目”中以计算机视觉技术为基础，针对主观性强、准确率低、成本(chéngběn)高的大理石花纹含量测定的传统方法，运用统计学中的最大方差法去除图像黑色背景，使用二值法对大理石花纹进行提取，并对其含量进行测定。论文(lùnwén)结构最后利用多项式拟合方法求出鸭蛋重量与面积的关系式。所以通常情况下我们需要进行动态图像的采集及实时处理，这就要有图像获取与处理设备良好配合，即快速获取图像后立即(lìjí)进行处理并得出精确的结果加以控制。1农产品的分级(fēnjí)检测论文(lùnwén)结构其主要任务是通过对采集(cǎijí)到的图片或视频进行处理以获得相应场景的三维信息，并存储于计算机中以供人们的研究应用。目前计算机视觉在农业工程中的应用大部分都是静态的，即先采集静态图像，再用计算机对图像进行处理。然后采用数学形态学方法对分割后的图像进行处理，去除蛋壳表面的伪目标，并统计出鸭蛋区域的像素点。3病虫草害得防治(fángzhì)作物在整个生长期过程中病虫害时有发生，每年带来的损失也是相当的惊人[8]。化学农药的施用一方面可以大大减轻农业经济损失，另一方面也引起了化学药剂除治植物病虫害的致突变（诱变）、致畸、致癌这“三致”问题以及残留量、抗药性、再增猖獗这“三R”问题。随着(suízhe)信息科学技术的迅猛发展，计算机视觉技术已涉及到植物病虫草害防治方面，并取得了一系列的成果。第九页，共14页。竺乐庆，张真等在“国家高技术研究发展计划(‘863’计划)项目”中提出了一种(yīzhǒnɡ)新颖的基于图像颜色及纹理特征的昆虫图像识别方法[9]。鳞翅目昆虫翅面识别算法在包含了100类鳞翅目昆虫的图像库中进行试验验证，其识别率为76%，其中前翅识别率则高达92%，在时间性能上也十分理想，为生产单位害虫管理的普通技术人员提供了简便易操作的昆虫鉴别方法。陈丽君，李永奎在“沈阳市科学技术计划资助项目”中以穴播玉米为研究对象提出了一种(yīzhǒnɡ)可以实现穴间杂草的识别的方法[10]。该方法以作物位置特征的过分割区块投影来定位作物株心，并据此统计判别穴间喷雾操作区块像素。其杂草识别率在87.7%以上，具有较好的实时性，且可适用于作物苗期各阶段的杂草识别。第十页，共14页。4存在(cúnzài)的问题目前计算机视觉在农业工程中的应用大部分都是静态的，即先采集静态图像，再用计算机对图像进行处理。而在实际生产应用中，由于田间天气、风速、光照、土壤、昆虫等复杂环境因素处于不断变化之中，加之各农作物及产品的形态差异较大，生长背景复杂，而且同一作物在不同的环境所表现出来的特征也不同，这就给数字图像的分割以及特征的提取，带来不少的困难。所以通常情况下我们需要进行动态图像的采集及实时处理，这就要有图像获取与处理设备良好配合，即快速获取图像后立即(lìjí)进行处理并得出精确的结果加以控制。要做到这一点，有待我们作出更加深入的探索和研究。还有就是现在的大多数算法缺乏可扩展性，通用性不够强，容易受研究对象复杂性及环境多变性的影响。第十一页，共14页。5未来(wèilái)展望计算机视觉技术应用到农业工程中可实现农业