农业缺点将机器视觉置于测试中

在全球范围内，农业部门面临着艰难的锄头。根据世界银行的说法，该地球需要生产至少50％的食物，以便将90亿人养活2050年。这意味着在一个已经消耗了世界上可获得的淡水供应的70％的部门的地面水资产中徒步旅行。与此同时，在美国，生产种植者已经削减了生产，因为他们无法找到足够的工人倾向于他们的作物。预计的持续劳动力短缺也可以提高食品价格。

在空中和地面上使用机器视觉可以通过不断监测作物和土壤条件，评估食品质量和指导机器人和拖拉机来自动化劳动密集型任务来缓解这些障碍。虽然机器愿景已经部署了二十年的农业，但微处理器和高速数据传输的进步将使农民前所未有的洞察力。

眼睛在天空中
为了从空中获得有关他们的作物的信息，传统上依赖来自多光谱传感器的地球观测数据，卫星和驾驶飞机。可见和红外图像突出了健康和苦恼植被之间的差异，并且传感器技术的改进导致了更好的质量图像。但更多的农业生产者正在转向配备相机的无人机，因为与卫星相比，他们更接近田地，产生更高的分辨率图像，为农民运行控制，并且实惠。

占据了多光谱图像，帮助农民检测作物应激和其他异常，估计收获产量等等。然而，高光谱成像（HSI）正在农业中获得牵引力 - 特别是弃无人机 - 以其区分多光谱传感器不能进行的能力。

“红色，绿色，蓝色和红外数据点相当宽阔，并提供了有关植物健康的非常粗略的信息，”Resonon Inc.（Bozeman，Montana）的高级科学家亚当斯特恩斯说，它开发了高光谱成像系统。“但具有高光谱成像，我们有250或500个数据点。这种高精度数据允许强大的统计分析，导致更敏感和准确的分类。“

HSI可以识别不同的植物种类，是检测有害杂草的有效工具。它还可以通过比多光谱成像更精确地区分同一物种的不同健康状况，提醒农民作物胁迫的早期迹象。

根据斯特恩，HSI技术为先进的作物管理是在将实验室的尖端变为商业上可行的，但仍有几个障碍。例如，科学家正在研究HSI如何能够启用可变速率应用程序。此过程始终分配除草剂，杀虫剂或营养素，而不是整个领域。这种有针对性的作物管理意味着农民利用较少的化学品 - 一个福音到环境和底线。但对于可变速率应用成为标准化，需要更多的研究来关联光谱特征和生物物理过程，例如植物外观，缺乏特定营养素或寄生虫存在。

Stern还指出，需要在将HSI技术转换为从实验室设置的受控环境转换为户外的可变照明条件。

直到最近，计算机无法处理高光谱成像产生的大量数据集，这阻碍了该技术的采用。但由于计算能力，存储和通信带宽的改进，更多的用户可以访问超光线成像。

智力领域
当然，数据收集毫无意义，没有分析信息的能力。作为集成商，Prolucid技术(安大略省米西索加)利用机器视觉图像和其他数据点，如GPS定位，创建一个强大的数据分析平台。

“在农业中，我们在大型地理区域构建分布式连接系统，”Darcy Ceo Darcy Bachert说。除了收集数据并将其拉入云中，可以扩展开发算法以使数据智能化。“我们提供非常简单的输出决策点，使最终用户能够轻松做出更好的决定。”

作为该过程的一部分，具有在其开发的软件中的软件中具有优先机器学习的优先机器，以帮助农民适应新的或意外条件。“我们编写算法，旨在寻找新的东西或以前尚未见过的东西，并为用户销旗，”经验丰富的智能技术和嵌入式显影剂表示。“我们已经发现，在常规视觉检查系统的顶部找到有益，因为机器学习将节省大量时间并帮助确定趋势。”

同时，回到地球......
在这一领域，自20世纪90年代中期以来，视觉制导已被用于拖拉机上。如今，农业车辆正朝着完全自主的方向发展，因为它们采用了与自动驾驶汽车相同的摄像头、雷达和激光雷达技术。尽管全自动拖拉机的全面应用仍需数年时间，但视觉引导机器人已经在作物中找到了一个更直接的家。

Vision Robotics（加利福尼亚州圣地亚哥）于2004年进入农业市场，采用了收获橙子的可行性研究，但机器人采摘技术没有抓到该点的机器视觉。相反，视觉机器人的概念将概念转变为庄稼负载估算系统，这些系统使用相机来在树上计算奶奶史密斯苹果。

2011年，公司开发了视觉引导的VR生菜瘦身器。在种植生菜时，农民故意把种子紧密地种在一起，因为不是所有的种子都是可行的。Vision Robotics公司的系统安装在拖拉机的尾部，自动化地对过度种植的秧苗进行修剪——这通常是一个劳动密集型的过程。

“今年我们有利益更多，因为在加利福尼亚州的工人短缺已经成为一个更大的问题，”视觉机器人的创始人Tony Koselka说。

VR Lettuce稀释剂具有模块化设计，其中包含相机，照明和喷涂系统的封闭罩位于每排莴苣上。IDS中的USB 2.0摄像机以20 FPS拍摄图像，因为拖拉机向下移动以确定哪个幼苗以基于种植者调整的参数。喷雾器在相机后面延伸15英寸，分配不同的农用化学品以杀死不需要的植物并喂养被保存的植物。

因为种植莴苣是一项几乎全年的工作，所以也需要稀释作物。Koselka说:“理论上，种植者希望每天种植5到10英亩的土地，这意味着每天减少5到10英亩的土地。”“如果以最佳方式使用，即每天10小时，每周6天，这种生菜稀释剂将在不到6个月的时间内收回成本。它比手工劳动便宜得多，而且性能更好。”该系统还能承受125°的高温，这是加州和亚利桑那州炎热夏季的必需品，美国大部分的生菜都是在这两个地方种植的。

此外，视觉机器人公司开发了一种自主葡萄树的原型，其中自动驾驶拖拉机将修剪系统拉到其中。在每英寸处，前面的摄像机拍摄葡萄的图片，然后分析，以生成确定切片点的模型。拖拉机每18英寸停止一次以适应精密切割。

给未来
尽管机器视觉在农业方面的好处已经得到证明，但一些农民不愿采用这项技术。Vision Robotics公司的Koselka说:“由于天气和其他种植者无法控制的问题，农业是一个固有的风险问题。”“正因为如此，许多人不愿改变他们的做法，即使是为了在过去成功使用的基础上进行潜在的改进。”

下一代农民可能会弥补这一差距。“我们发现，20多岁或30岁出头的人使用电脑很舒服，并对以不同的方式耕种感到兴奋，”科塞尔卡说。“但决策者们还没到那一步。”

在机器视觉中，与机器学习，人工智能和数据分析的串联，将继续帮助农民最大化作物产量，并最大限度地减少环境影响 - 两个患有人口的世界的关键目标 - 两个危重目标。

“如果你看一下地球上的人数，资源将会更加紧张，”无济于事的Bachert说。“我们将不得不弄清楚越来越多的产量，处理害虫，让玉米生长在沙漠中。这些东西只是通过应用这些技术来实现。否则，我们将在几十年内作为一个社会产生巨大的问题。“