機器視覺 - 數(shù)字農(nóng)業(yè)的驅(qū)動力白皮書 2023 -VTec

MVTecSoftwareGmbH構(gòu)筑商業(yè)視界pavlobaliukh/pavlobaliukh/與大多數(shù)其他行業(yè)一樣，數(shù)字化正在逐漸滲入農(nóng)業(yè)增值流程。從工業(yè)規(guī)模的農(nóng)業(yè)企業(yè)到小型農(nóng)場，都越來越依賴與智能耕機器視覺是自動化的重要組成部分。在本白皮書中，您會了解到這項技術(shù)的工作原理以及使用這項技術(shù)支持現(xiàn)代農(nóng)業(yè)流程 3 4 7 7 9 3areebarbar/areebarbar/農(nóng)業(yè)領域面臨的挑戰(zhàn)日益增長。勞動力短缺、法律標準和法規(guī)日益嚴格、成本上升、價格壓力升高加之農(nóng)田有限，迫使這一行業(yè)著手優(yōu)化流程。因此，越來越多的農(nóng)民依靠數(shù)字技術(shù)在未來保持活力，并使用基于智能耕作原則的現(xiàn)代信息和通信系統(tǒng)。這智能耕作在現(xiàn)代農(nóng)業(yè)中日益普及。機器視覺在這方面發(fā)揮著重要作用。它越來越有助于提高農(nóng)業(yè)特定流程的效率，并幫助這些流程在極大程度上實現(xiàn)自動化。這機器視覺包括兩個主要組成部分：硬件和軟件。硬件是指圖像采集設備，例如相機、掃描儀和傳感器，它們從特定場景中記錄大量的數(shù)字圖像數(shù)據(jù)。然后，這些信息由機器視覺軟件行，也越來越多地在緊湊型嵌入式設備上運行，甚至直接在圖像采集單元上運行。然后，系統(tǒng)能夠僅根據(jù)視覺特征自動識別特與其他識別方法相比，機器視覺具有許多關鍵優(yōu)勢：特別是高精確度和可靠的檢測率，讓其極具吸引力。它還非常靈活?？梢酝ㄟ^優(yōu)化圖像處理算法，在所有可能的場景檢測各種物體，甚至是從不同角度。此外，機器視覺運行速度非?？?，短短幾毫秒4機器視覺廣泛應用于各種農(nóng)業(yè)領域。憑借如此多的優(yōu)勢，機器視覺必然在現(xiàn)代農(nóng)業(yè)中得到廣泛應用。因此，這項技術(shù)與工業(yè)環(huán)境一樣，嵌入式系統(tǒng)也用于數(shù)字農(nóng)業(yè)生產(chǎn)場景。這些設備結(jié)構(gòu)緊湊，通常是移動電子設備。由于環(huán)境條件惡劣，它們必須特別堅固，能夠抵御外界影響。畢竟，這些系統(tǒng)經(jīng)常暴露在大量灰塵聚集、強烈振動和高濕度環(huán)境中，甚至會直接與水接觸。例如，農(nóng)民使用手持設備、智能手機和平板電腦進行移動數(shù)據(jù)收集。特殊的圖像采集設備（例如智能相機和視覺傳感器）也可以安裝在拖拉機或其他農(nóng)業(yè)機械上。例如，它們可以記錄收獲流程或其他場景的數(shù)字圖像信息。嵌入式設備特別適合這種情況，因為空間通常十分有限。它們體積小，結(jié)構(gòu)緊湊，效率高，產(chǎn)生的廢熱少。如果這些系統(tǒng)集成了機器視覺軟件，就可以5基于規(guī)則的機器視覺系統(tǒng)在農(nóng)業(yè)中的物體或缺陷檢測方面可以發(fā)揮關鍵作用。這項技術(shù)工業(yè)領域已應用數(shù)十年，非常成熟可靠，因此在農(nóng)業(yè)領域也很有意義。與人工智能(AI)不同，機器視覺基于規(guī)則，需要征，從圖像數(shù)據(jù)中提取檢測流程所需的關鍵信息。與基于人工智能的方法相比，這項技術(shù)對系統(tǒng)要求沒有那么嚴格，這在農(nóng)業(yè)如上所述，盡管基于規(guī)則的系統(tǒng)憑借眾多優(yōu)勢而很有吸引力，但在某些情況下，人工智能技術(shù)可以在檢測精準度方面提供更多的可能性。其中主要包括機器學習，尤其是基于卷積神經(jīng)網(wǎng)絡(CNN)架構(gòu)的深度學習流程。這些方法的特別之處在于能在綜深度學習使用無缺陷和有缺陷物體的圖像進行缺陷檢測。訓練之前，要用數(shù)字標簽標記圖像，以將其分配給特定物體或錯誤類別。然而，這種標記工作需要極其大量的人工操作，與此相關的海量圖像數(shù)據(jù)管理也是如此。因此，需要一個合適的標簽工具來映射這些流程，由此對其進行控制。訓練過程中，深度學習算法會學習能夠幫助其將需要檢測的物體分配到某些類別的典型特征，例如“蘋果”或“梨”的特征。深度學習也適用于精確識別和定位各種缺陷。此技術(shù)主要用于待檢測物體相似度極低，因此使用基于規(guī)則的方法無法執(zhí)行任務或執(zhí)行任務難度極基于規(guī)則的系統(tǒng)與人工智能系統(tǒng)（例如深度學習）可以合理結(jié)合到同一解決方案中，始終為特定應用取得最佳結(jié)果。這樣可以同時顯現(xiàn)兩個技術(shù)領域的特殊優(yōu)勢。通過相互作用，可以實現(xiàn)比單獨使用單個技術(shù)更好的結(jié)果。如此一來，農(nóng)業(yè)用戶便可以享受穩(wěn)定一致的端到端解決方案、更高的檢測率以及更快的機器視覺流程。所有對于物體分類至關重要的決策標準都可以清楚地63D3D視覺技術(shù)增強了機器人輔助收割流程。創(chuàng)新型農(nóng)業(yè)企業(yè)經(jīng)常依靠云來使用數(shù)字應用。現(xiàn)代機器視覺提供商現(xiàn)在也在云端提供某些服務。與本地解決方案相比，這些服務具有諸多優(yōu)勢?？梢造`活擴展必需資源，還可以根據(jù)需要隨時添加額外能力。云采購模式也極具成本效益，因為只需根據(jù)合同模式，為實際使用的服務（例如服務器服務）付費。農(nóng)民可以將系統(tǒng)托管外包給經(jīng)驗豐富的云服務提供商，他們運營的基礎不僅要考慮可見光譜范圍，還要考慮人眼無法感知的其他顏色光譜，特別是對于作物。使用能夠檢測這些多光譜顏色通道類型的特殊機器視覺方法，可以利用合適的硬件檢測這些光譜并對其進行評估。例如，能夠在后果肉眼可察之前及早發(fā)現(xiàn)作物疾病基于3D的機器視覺技術(shù)（3D視覺）在高科技農(nóng)業(yè)中同樣極為重要。檢測、評估和處理傳感器支持的3D信息可以更好地控制機械系統(tǒng)或流程，從而實現(xiàn)超出2D方法能力的農(nóng)業(yè)應用。例如，不僅可以精確定位靜止物體，還可以精確跟蹤和抓取三維空間中移動的物體。為此，需要使用多個相機從不同角度記錄圖像信息。在特殊的農(nóng)業(yè)應用場景中，可靠、精確、支持3D的機器視覺有利于對農(nóng)田進行有針對性的監(jiān)測、施肥和灌溉，使土地耕作更有效率、更可持續(xù)。此外，還可以根據(jù)需要使用寶貴的資源，包括殺蟲劑、水和化肥。這有助于農(nóng)民節(jié)省資金、減少工作量，同時也更容易滿足關于使裝有高分辨率相機的無人機飛過田野。集成的機器視覺軟件對記錄的圖像進行評估，并在空中自動檢測某些特征。例如，植物葉綠素含量異常表明存在壓力情況，例如真菌病害或蟲害。根據(jù)這些發(fā)現(xiàn)，農(nóng)民可以采取針對性極強的措施。例如，他們可以只在受影響的區(qū)域精確噴灑殺蟲劑或殺菌劑。將前文介紹的多光譜流程集成到機器視覺系統(tǒng)中，有助于確定植物的狀況。特殊的多光譜相機可用于檢測和處理肉眼不可見的其他顏色通道，從而在早期階集成機器視覺軟件的無人機可以檢測植物的各種特性。78Countrypixel/stockCountrypixel/機器視覺軟件有助于針對性地控制雜草。另一個應用場景是針對性施肥。機器視覺軟件會根據(jù)數(shù)字圖像數(shù)據(jù)精確測量作物高度，這樣就可以根據(jù)需要只對作物長勢不佳的區(qū)域進行施肥。根據(jù)同樣的原則，也可以根據(jù)地點對農(nóng)田進行灌溉。例如，在這種情況下，紅外相機會測量溫度，并繪制相關區(qū)域的熱圖。根據(jù)測得的蒸發(fā)冷卻，可以精確了解各個區(qū)域的實際濕度水平，從而有意識地根據(jù)需要調(diào)整灌溉。圖像數(shù)據(jù)不植物保護是現(xiàn)代農(nóng)業(yè)的重要課題。針對傳統(tǒng)保護方法的反對意見越來越多，法規(guī)也日趨嚴格，這些都是必須面對的挑戰(zhàn)。機器視覺可以實時區(qū)分作物和雜草，確保極為有效地施用除草劑。為了區(qū)分不同植物，將工業(yè)相機（多光譜圖像數(shù)據(jù)）安裝在噴霧器上，拍攝植物照片。相機會將數(shù)據(jù)發(fā)送到嵌入式設備，設備上運行集成的機器視覺軟件，可對應用進行控制。軟件利用基于深度學習的物體檢測發(fā)現(xiàn)作物中的雜草，然后向系統(tǒng)發(fā)出信號，將除草劑精確噴灑到已識別的雜草上。針對性施用減少了環(huán)境歡迎觀看我們的農(nóng)業(yè)機械視頻9現(xiàn)代農(nóng)業(yè)機械也在越來越多地使用機器視覺方法。例如，拖拉機、聯(lián)合收割機和機器人收割機都配備了智能相機等嵌入式設備。這些設備會生成大量數(shù)字圖像數(shù)據(jù)，并通過集成的機器視覺軟件對這些數(shù)據(jù)進行詳細評估。隨后，這些結(jié)果就可用于各種傳感器會感應到每個區(qū)域的蘋果，這樣就可以使用抓取器逐個采摘。集成的機器視覺軟件可精確確定蘋果在圖像中的位置，并且只選擇大小足夠的成熟果實。在機械臂接近蘋果時，軟件會同時處理多個圖像，以確定與目標物體的剩余距離。與此同時，會通過抓取器吹出空氣，以吹開樹葉。然后，抓取器小心地靠近水果，將其包住并吸入。通過旋轉(zhuǎn)和傾斜動作摘下蘋果，然后使用機器人可為農(nóng)民帶來明顯效益。它們可以自動執(zhí)行德國伊爾梅瑙科技大學開發(fā)了一套精確測定小麥質(zhì)量的系統(tǒng)。為了快速分析小麥樣品，首先將麥粒放入料斗中。麥粒會從料斗落到傳送帶上，再通過一個分離裝置，由裝置進行分離，然后逐一移動經(jīng)過相機接受掃描。機器視覺算法根據(jù)不同顏色、紋理和形狀標準分析記錄的圖像。使用特殊相機在明亮背景下對小麥成像，可以看到麥粒圖案大小、形狀和使用氣動分揀裝置，將麥粒分為特定等級以便稱重和儲存。這套分類系統(tǒng)的吞吐率非常高。借助自動分析，種植者在很短的時間內(nèi)就能收到有關谷物質(zhì)量的詳細信息。還可以通過圖形方米粒質(zhì)量檢測也能達到類似的速度和性能。針對這一目的，日作開發(fā)了一套自動檢測系統(tǒng)。該系統(tǒng)中的機器視覺軟件必須執(zhí)行復雜的圖像處理任務并以極快速度進行處理。軟件直接在功能強大的嵌入式平臺上運行。通過眾多算子，優(yōu)化校準相機、分割米粒、提取特征和測量尺寸以便進行質(zhì)量分類的流程。整套解決方案實現(xiàn)了整個檢測流程的自動化和加速。改進后的結(jié)在另一個應用場景中，機器視覺系統(tǒng)可以自動對番茄秧苗進行分揀。農(nóng)產(chǎn)品種植者必須確保他們從供應商那里收到的種子能米粒檢測可以完全實現(xiàn)自動化。在這套系統(tǒng)中，秧苗自動種植在生長托盤中，經(jīng)過12天的發(fā)芽期后，通過傳送帶運送到機器視覺系統(tǒng)。植物到達后，十臺相機同時記錄圖像，建立秧苗的三維模型。軟件可以在幾毫秒內(nèi)生成3D模型，然后計算植物的生物量。接下來，根據(jù)這些數(shù)據(jù)），質(zhì)量控制流程自動化可以顯著提高農(nóng)業(yè)企業(yè)的生產(chǎn)力。檢測結(jié)果完全客觀、可再現(xiàn)，不受人為波動和錯誤的影響。還可以定義采摘機器人獨立檢測成熟甜椒。機器視覺技術(shù)同樣應用于溫室栽培實踐。與野外一歡迎觀看我們的溫室自動化視頻人”(CROPS)的一部分，使用荷蘭瓦赫寧根大學及研究中心開發(fā)的SWEEPER機器人采摘機采摘成熟甜椒，就清晰展示了這一理念。采摘機通過電池供電平臺在溫室內(nèi)自主移動。機器人集成的標準機器視覺軟件包含基于形狀和顏色的檢測算法，可檢測每個記錄圖像中符合目標顏色閾值的區(qū)域。為了可靠檢測成熟甜椒，必須高度準確地確定每個物品椒，機械臂就會將采摘工具定位到作物的莖桿上。然后，機械臂用振動刀向下移動幾厘米，在靠近植采摘流程自動化可以更好地滿足質(zhì)量、衛(wèi)生、食品安全和產(chǎn)品可追溯性方面不斷提高的要求。自動化還可以彌補缺乏合格工人的問題，這些工人通常要在植物生長所需的溫室環(huán)境中從事極其單調(diào)并且耗費體力的任務。因此，機器人采摘機的使用可以促SGr/SGr/例如，機器視覺軟件可用于跟蹤奶牛等動物的生長情況。首先使用3D傳感器對牛進行單獨掃描。在喂食期間，用飛行時間傳感器測量動物背部，再結(jié)合3D圖像處理。通過這種方式，可以精準確定典型體形特征。其中包括動物的體長和體寬，以及特殊身體部位的尺寸，包括腰部、臀部或肩膀。農(nóng)民可以從這些信息中得出有價值的結(jié)論，如牛的潛在產(chǎn)量。隨時間推移進行多另一項應用可支持自動擠奶流程。在此同樣使用飛行時間傳感器來精確定位奶牛乳頭。根據(jù)3D坐標，使用機器人有針對性地將擠奶機引導至乳房。由于乳頭非常敏感，必須盡可能精準確定設備位置和方向。這樣，擠奶機可以輕松而輕柔地附著到乳?1996-2021MVTecSoftwareGmbH.?1996-2021MVTecSoftwareGmbH.保留所有權(quán)利。所有規(guī)格如有變更，恕不另行通知。HALCON是MVTecSoftwar為了持續(xù)推進生產(chǎn)流程的數(shù)字化轉(zhuǎn)型，您需要行業(yè)內(nèi)的專家合作伙伴，他們將為您提供專業(yè)的支持。我們也很樂意根據(jù)您的特定要求推薦合適的合作伙伴。請聯(lián)系我們，讓