|本期目录/Table of Contents|

[1]赵献立,王志明.机器学习算法在农业机器视觉系统中的应用[J].江苏农业科学,2020,48(12):226-231.
　Zhao Xianli,et al.Application of machine learning algorithm in agricultural machine vision system[J].Jiangsu Agricultural Sciences,2020,48(12):226-231.
点击复制

机器学习算法在农业机器视觉系统中的应用(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第12期
页码:
226-231
栏目:
农业工程与信息技术
出版日期:
2020-06-20

文章信息/Info

Title:
Application of machine learning algorithm in agricultural machine vision system
作者:
赵献立;  王志明
南京理工大学机械工程学院，江苏南京 200094
Author(s):
Zhao Xianli; et al
关键词:
农业; 机器视觉; 机器学习算法; 监督机器学习; 无监督机器学习; 人工神经网络
Keywords:
-
分类号:
TP391；S126
DOI:
-
文献标志码:
A
摘要:
主要通过介绍机器视觉技术在农业中的发展状况，然后阐述机器视觉系统的组成和工作原理，并基于当前机器视觉研究在农业中的应用，总结近几年使用农业机器视觉研究中用到的机器学习技术，包括有监督学习、无监督学习、人工神经网络，详细讨论这些技术的原理、优劣以及在农业领域中的应用，最后讨论机器视觉技术面临的问题和挑战，以及未来应用场景与发展方向。
Abstract:
-

参考文献/References:

［1］陈兵旗，吴召恒，李红业，等. 机器视觉技术的农业应用研究进展［J］. 科技导报，2018，36(11)：54-65.
［2］周航，杜志龙，武占元，等. 机器视觉技术在现代农业装备领域的应用进展［J］. 中国农机化学报，2017，38(11)：86-92.
［3］付玉志. 基于ZigBee技术的智慧农业实时采集和远程控制系统［D］. 杭州：浙江大学，2015.
［4］刁智华，王会丹，魏伟. 机器视觉在农业生产中的应用研究［J］. 农机化研究，2014，36(03)：206-211.
［5］王福娟. 机器视觉技术在农产品分级分选中的应用［J］. 农机化研究，2011，33(5)：249-252.
［6］曹乐平. 基于机器视觉的植物病虫害实时识别方法［J］. 中国农学通报，2015，31(20)：244-249.
［7］陈军，张继耀，张欣. 基于机器视觉的草莓自动采摘机的设计［J］. 农机化研究，2020，42(2)：141-145.
［8］杨斯，黄铝文，张馨. 机器视觉在设施育苗作物生长监测中的研究与应用［J］. 江苏农业科学，2019，47(6)：179-187.
［9］曹倩，王库，杨永辉，等. 基于TMS320DM642的农业机器人视觉导航路径检测［J］. 农业机械学报，2009，40(7)：171-175.
［10］郑文钟. 国内外智能化农业机械装备发展现状［J］. 现代农机，2015(6)：4-8.
［11］姚缀，吕建秋，向诚，等. 计算机视觉在农产品外部品质检测中的应用研究［J］. 食品工业科技，2019，40(14)：363-368.
［12］许宪东，王亚东，运海红. 统计学习在图像分类中的应用研究综述［J］. 黑龙江科技信息，2012(32)：108.
［13］王永波，邝炳洽. 基于机器学习的花卉分类算法研究［J］. 现代计算机，2013(13)：21-24.
［14］周军，蔡建，郭俊先，等. 基于机器视觉的核桃仁特征提取与分级方法研究［J］. 江苏农业科学，2018，46(11)：175-179.
［15］丁月，汪学明. 基于改进特征加权的朴素贝叶斯分类算法［J］. 计算机应用研究，2019，36(12)：3597-3600，3627.
［16］Kurtulmu F，nal H. Discriminating rapeseed varieties using computer vision and machine learning［J］. Expert Systems with Applications，2015，42(4)：1880-1891.
［17］Li H，Lee W S，Wang K. Identifying blueberry fruit of different growth stages using natural outdoor color images［J］. Compute Electron Agriculture，2014，106：91-101.
［18］夏青. 基于图像处理的干香菇分级方法研究［D］. 武汉：华中农业大学，2014.
［19］徐奂. 基于支持向量机的开放式作物模型(SBOCM)研究［D］. 杭州：浙江大学，2012.
［20］Mokhtar U，Ali M A S，Hassanien A E，et al. Tomato leaves diseases detection approach based on Support Vector Machines［C］. Computer Engineering Conference，2016：246-250.
［21］罗匡男，彭琳，齐伟恒. 基于机器视觉的三七叶片病斑识别［J］. 江苏农业科学，2017，45(24)：209-212.
［22］刘永娟. 基于计算机视觉技术的玉米发育期识别研究［D］. 无锡：江南大学，2017.
［23］Zhang S W，Wu X W，You Z H，et al. Leaf image based cucumber disease recognition using sparse representation classification［J］. Compute Electron Agriculture，2017，134：135-141.
［24］欧垚江. 基于高斯混合模型的图像分割的研究［D］. 北京：北京交通大学，2015.
［25］程相康，朱宏擎. 一种基于高斯混合模型的快速水平集图像分割方法［J］. 华东理工大学学报(自然科学版)，2015，41(6)：808-814.
［26］董腾. 基于机器视觉的水果分拣系统的研究［D］. 聊城：聊城大学，2018.
［27］田杰，韩冬，胡秋霞，等. 基于PCA和高斯混合模型的小麦病害彩色图像分割［J］. 农业机械学报，2014，45(7)：267-271.
［28］郑春，张继山. 基于神经网络的机器视觉图像识别算法应用［J］. 哈尔滨师范大学自然科学学报，2018，34(4)：41-45.
［29］梁培生，孙辉，张国政，等. 基于主成分分析和BP神经网络的蚕蛹分类方法［J］. 江苏农业科学，2016，44(10)：428-430，582.
［30］黄喜梅. 基于机器视觉技术的小麦叶片含水量无损检测研究［D］. 泰安：山东农业大学，2018.
［31］谭穗妍，马旭，吴露露，等. 基于机器视觉和BP神经网络的超级杂交稻穴播量检测［J］. 农业工程学报，2014，30(21)：201-208.
［32］牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究［J］. 计算机工程与应用，2019，55(18)：201-206.
［33］赵轶，刘堂友. 基于卷积神经网络的田间杂草识别方法研究［J］. 计算机仿真，2019，36(4)：440-444.
［34］李国和，乔英汉，吴卫江，等. 深度学习及其在计算机视觉领域中的应用［J］. 计算机应用研究，2019，36(12)：3521-3529，3564.
［35］Ramcharan A，Baranowski K，Mccloskey P，et al. Deep learning for image-based cassava disease detection［J］. Frontiers in Plant Science，2017，8：1852.
［36］孙俊，谭文军，毛罕平，等. 基于改进卷积神经网络的多种植物叶片病害识别［J］. 农业工程学报，2017，33(19)：209-215.
［37］杨洋，张亚兰，苗伟，等. 基于卷积神经网络的玉米根茎精确识别与定位研究［J］. 农业机械学报，2018，49(10)：46-53.

相似文献/References:

[1]宋雯雯,陆学文,周华.国库集中支付制度下农业科研经费管理存在的问题及对策[J].江苏农业科学,2014,42(11):485.
　Song Wenwen,et al(8).Problems and countermeasures for management of agricultural scientific research fund under treasury centralization payment system[J].Jiangsu Agricultural Sciences,2014,42(12):485.
[2]汤爱萍,万金保,李爽,等.环境系统工程在农业非点源污染控制中的应用[J].江苏农业科学,2013,41(06):353.
　Tang Aiping,et al.Application of environment system engineering in controlling agricultural non-point source pollution[J].Jiangsu Agricultural Sciences,2013,41(12):353.
[3]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(12):380.
[4]李万青.中国农业国际竞争力的优势、劣势及提升路径——基于金砖国家农业基本状况的比较[J].江苏农业科学,2014,42(09):437.
　Li Wanqing.Strength， weakness and enhance path of Chinas agricultural international competitiveness—Based on comparative study on basic situation of agriculture in BRIC countries[J].Jiangsu Agricultural Sciences,2014,42(12):437.
[5]鄢姣,赵军.中国农业风险评估——基于H-P滤波分析与非平衡面板数据的实证研究[J].江苏农业科学,2014,42(09):409.
　Yan Jiao,et al.Risk assessment of Chinas agriculture-Based on empirical study of H-P filter and the unbalanced panel data[J].Jiangsu Agricultural Sciences,2014,42(12):409.
[6]张晓莉,逄春蕾,尹作华.基于修正钻石模型的新疆生产建设兵团农业竞争力研究——与黑龙江农垦的比较[J].江苏农业科学,2014,42(09):413.
　Zhang Xiaoli,et al.Study on agricultural competitiveness of Xinjiang Production and Construction Corps based on modified diamond model—Comparative analysis with Heilongjiang land reclamation[J].Jiangsu Agricultural Sciences,2014,42(12):413.
[7]鲍荣龙.设施草莓的安全高效栽培集成技术及产业化趋势[J].江苏农业科学,2013,41(08):166.
　Bao Ronglong.Safe and efficient cultivation integrated technology and industrialization trends for strawberry in greenhouse[J].Jiangsu Agricultural Sciences,2013,41(12):166.
[8]何榕,盖玉芳,焦隽,等.江苏省扬州市发展农业适度规模经营的探索[J].江苏农业科学,2016,44(05):550.
　He Rong,et al.Exploration of appropriate agriculture scale management development in Yangzhou，Jiangsu Province[J].Jiangsu Agricultural Sciences,2016,44(12):550.
[9]潘薇,练霞.面向农业领域的可重用学习对象模型[J].江苏农业科学,2014,42(03):357.
　Pan Wei,et al.A reusable learning object model for agriculture domain[J].Jiangsu Agricultural Sciences,2014,42(12):357.
[10]李国锋,张振华,邹轶.农业生产标准化存在的问题及对策建议[J].江苏农业科学,2016,44(02):468.
　Li Guofeng,et al.Problems and countermeasures for standardization of agricultural production[J].Jiangsu Agricultural Sciences,2016,44(12):468.
[11]杨斯,黄铝文,张馨.机器视觉在设施育苗作物生长监测中的研究与应用[J].江苏农业科学,2019,47(06):179.
　Yang Si,et al.Research and application of machine vision in plant seedling growth monitoring[J].Jiangsu Agricultural Sciences,2019,47(12):179.

备注/Memo

备注/Memo:
收稿日期：2019-05-29
基金项目：国家重点研发计划(编号：2017YFD0701500、2017YFB0304700、2018YFD0700800)。
作者简介：赵献立(1992—)，男，河南周口人，硕士研究生，主要从事机器视觉的研究。E-mail：1121847604@qq.com。
通信作者：王志明，博士，副教授，主要从事机械电子工程研究。E-mail：zhimingwang@mail.njust.edu.cn。
更新日期/Last Update: 2020-06-20