摘要：近年來，在智慧農業政策的大力推行下，農業已經朝著智能化的方向不斷進步，因此，圖像處理技術也在農業中得到了應用，涉及到農業生產中的各個環節。但由于我國；資源豐富，種植環境復雜，以及當前技術的不完善，使得圖像處理技術還未大規模的推廣和應用。因此文中主要論述目前圖像處理技術在農業領域的研究進展進行，分析應用中存在的問題，并對其未來的發展方向進行展望。

　　關鍵詞：圖像處理；農業領域；生長監測；深度學習；智慧農業；農產品

　　0引言

　　計算機圖像處理技術是運用計算機對圖像進行處理，獲取圖像信息及數據的一種技術。通過圖像處理技術進行圖像分析，可以對目標物體的顏色、紋理、大小等特征進行實時監測，具有準確可靠、高精度、高效率等優點，被廣泛應用于科學研究、工農業生產、生物醫學工程、航空航天、軍事、機器人產業、政府職能機關文化文藝等多個領域[1]

　　1圖像處理技術概述

　　圖像處理是通過計算機對獲取的圖像進行加工和處理的一種技術。圖像處理的基本過程是圖像采集、圖像預處理、圖像特征提取、圖像結果輸出。圖像預處理[4]是對圖像進行優化，盡可能的去除對被提取特征造成干擾的部分，包括去噪、修復等；圖像特征提取[5]是在去噪的基礎上對圖像像素點進行分類的一個過程，將研究者感興趣的區域通過計算機提取進而輸出為人類視覺可以感知的結果圖像。近年來，隨著計算機硬件和軟件的不斷改進，深度學習已經應用到文字識別、自然語言處理、人臉識別、目標檢測等眾多領域[6]。與傳統的圖像處理方法相比較，深度學習極大的提高了圖像處理的速度和精度，卷積神經網絡模型（CNN）[7]專門應用于涉及圖像分類和對象識別的計算機視覺，為圖像處理的進一步發展提供了技術支持。

　　2圖像處理技術

　　在農業中的應用目前，圖像處理技術在農業生產中的廣泛使用，極大地提高了農業生產的效率和產量，體現在農業生產的各個環節，例如：通過圖像處理技術對農作物種子進行品質分選，對生長期的農作物進行病蟲害、生長信息的監測[8]以及成熟期的果實分級等。

　　2.1農作物種子質量檢測

　　農作物種子質量是決定農作物產量及品質的重要因素，高質量的種子一般會表現出較高的發芽率和出苗率，并且在植株生長期也會較健壯，抗病性強，更易存活。因此，為了保證農作物產量，提高農作物品質，減少農民的經濟損失，需要在播種前對種子質量進行檢測。傳統的種子質量檢測方法存在耗時耗力、主觀性強等問題，隨著計算機和圖像處理技術的不斷發展，圖像處理技術被逐漸應用到種子質量的檢測中，許多研究者通過獲取種子的圖像對種子進行品種分類和質量分級[9-12]。李冬提出了一種基于圖像處理的稻花香水稻種子鑒別的方法[13]，通過圖像處理，計算出水稻種子圖像的重心、重心、面積、周長等10個物理形態變量，利用主成分分析進行降維處理，最終通過余弦相似度的方法對優質水稻種子進行最終鑒別，實驗表明優質水稻種子鑒別的正確率為88%。ZHAOXueguan等研究了番茄內部形態、種子大小與種子萌發的關系以及番茄種子X射線圖像的預處理算法[14]，利用圖像處理算法提取番茄種子的內部結構特征。通過種子萌發試驗探索種子活力與種子大小的關系，通過幼苗評價試驗發現，X射線圖像分析提供了一種完美的觀察種子內部部分和種子形態的研究方法，胚乳和胚的面積越大，相同大小的種子長出健康幼苗的可能性越大。機械損傷對種子萌發有不利影響，組織變質容易產生周苗和異常苗。

　　2.2農作物生長信息監測

　　作物生長信息可以直接反映出作物的生長狀況，例如作物缺水、缺肥或者是否有蟲害等，計算機圖像能夠代替人眼快速、準確地對作物的生長狀況進行監測分析，并通過人工智能設備對其采取相應的措施，極大的節省了勞動力，為農作物的品質和產量提供了保證。目前，圖像處理技術在作物自動監測上得到了廣泛的應用[19-20]，主要是通過圖像自動獲取、圖像處理和分析等技術提取被監測植物的一系列特征，包括不同生育期自動識別、果實位置定位、植株營養元素分析等，以此對農作物的生長狀況作出實時的監測和反饋。鄭陽提出了一種實時性好、準確性以及魯棒性高的玉米生長自動監測算法[21]。該研究將玉米的生長監測研究分為三個部分，包括針對玉米生長初期的玉米與雜草自動識別，針對玉米穗期圖片中玉米穗的自動識別，以及針對玉米整體生長過程的生長期自動識別與預測，為實現玉米生長期預測提供了一個可能的技術途徑。REISMJCS等提出了一種在自然環境下檢測和定位彩色圖像中葡萄串的系統[22]。該系統能夠區分白葡萄和紅葡萄，同時計算出串莖的位置，實現對葡萄串的實時監測。實驗結果表明，該系統對紅、白葡萄的正確分類率分別為97%和91%。陳佳悅等利用冬小麥冠層圖像獲取顏色特征，并研究小麥氮素與冠層圖像之間的相關性，突出代表性分量的同時又綜合考慮3個單色分量[23]，并基于近似最優組合方法建立RGB空間下冬小麥冠層氮素營養顏色組合評價指標。該研究能為冬小麥冠層的氨素營養診斷基于圖像的評價指標提供參考。

　　3存在的問題及展望

　　隨機計算機技術的不斷發展，圖像處理技術已被廣泛應用到生活中的各個領域[27-30]。近年來，圖像處理技術在農業上的應用也取得了一定的進步，但由于我國農產品種類繁多，種植環境復雜，使得圖像處理技術在現實使用中仍存在一些問題。

　　（1）應用圖像處理技術對農產品進行實時監測時，需要固定的角度及環境背景，導致處理結果存在一定的片面性。環境條件復雜的情況下，圖像處理較困難，會導致錯誤分類，對實驗結果造成誤差。

　　（2）缺乏高效率、高精度的算法是目前圖像處理所面臨的重要問題之一。農作物生長監測、農產品品質檢測中，需要對多項指標進行綜合分析，目前的算法還無法對大量指標進行并發高效的處理。

　　結語

　　近年來，在智慧農業政策的大力推行下，農業已經朝著智能化的方向不斷進步，因此，圖像處理技術也在農業中得到了應用，涉及到農業生產中的各個環節。但由于我國農產品資源豐富，種植環境復雜，以及當前技術的不完善，使得圖像處理技術還未大規模的推廣和應用。相信在我們的共同研究和努力下，圖像處理技術中現存的一些問題會很快得到解決。

　　參考文獻

　　[1]張訓飛.計算機圖像處理技術及其在農業工程中的應用[J].信息與電腦（理論版），2019（13）：11-12.

　　[2]劉直芳，王運瓊，朱敏.數字圖像處理與分析[M].北京：清華大學出版社，2006.

　　[3]趙國富，張喜杰.基于光譜分析的溫室黃瓜營養狀態的研究[J].農機化研究，2013（8）：18-21.

　　[4]SEKRECKAAleksandra，KEDZIERSKIMichal，WIERZBICKIDamian.Pre-processingofpanchromaticimagestoimproveobjectdetectioninpansharpenedimages[J].Sensors（Basel，Switzerland），2019，19（23）：105-112.

　　鄭小南，楊凡，李富忠