基于机器视觉技术的食用菌生产应用概况

卢 闯，马世宇，杨 镇

（1.辽宁省农业科学院，辽宁沈阳 110161；2.葫芦岛农函大玄宇食用菌野驯繁育有限公司/辽宁省食用菌秸秆栽培及资源利用重点实验室，辽宁葫芦岛 125100）

随着人口增长与土地资源减少间矛盾越来越深，农业改革迫在眉睫。精准农业根据土壤肥力与作物生长状况的不同，高效利用各类农业资源，进行差异化的作物投入，对实现农产品优质、高产、节本增效等方面均有积极的作用，为我国农业改革指明了方向。精准农业的核心在于精准数据的驱动，机器视觉技术能为作物生长情况提供更详细、更精准的信息，基于机器视觉技术的农业设施代替人工是大势所趋。食用菌味道可口，营养丰富，是一种重要的养生保健绿色食品。中国是食用菌生产大国，2019年全国食用菌总产量3 933.87万t，同比增长3.8%，增速位居全球首位，在农业中地位举足轻重。目前食用菌生产存在环境复杂、生长周期短、不易监控且长期依赖人工等问题，因此食用菌精准化生产对我国该产业发展具有重要的意义。目前机器视觉技术已广泛应用于食用菌生产中，在食用菌生长分析、食用菌质量分级及检测、食用菌自动采摘系统、食用菌机械导航方面均有突出表现。

1 机器视觉技术

机器视觉技术[1]是人工智能的一个分支，主要功能是利用机器模拟人的视觉认知功能，通过对物体图像的获取，运用计算机完成各类情况的分析和判断。机器视觉技术具有速度快、精度高、稳定性好等优点，通过使用机器替代人工的生产方式提高生产效率，实现农业的精准控制，适用于大部分农业生产。三维机器视觉技术是机器视觉技术的一个重要分支，利用三维传感器采集目标物体的表面信息，以点云、网格、体素和多视角图片等形式表示，最大程度地保留采集物体的特征信息，保留程度取决于传感器的分辨率。常用的传感器有雷达[2]、结构光相机[3]和声呐[4]等。以此为基础的三维机器视觉处理技术通过分析物体的三维模型，获取目标的特征信息，根据特征信息实现项目的需求。

2 机器视觉技术在食用菌生产中的应用

2.1 食用菌生长分析

目前中国食用菌品种大多从国外引进，拥有自主知识产权的品种稀缺。进行食用菌品种研发需分析食用菌的生长环境，再移植到人工环境中监测食用菌的生长，建立食用菌生长特征数据库，进而分析最优生长环境。在食用菌形成子实体前，人眼很难观测菌丝的生长，食用菌形成子实体后，子实体形态变化较快，人工测量需花费大量的人力物力且干扰食用菌的生长，而机器视觉技术可代替人工完成食用菌的生长分析。薛雨[5]利用传统阈值分割算法分割出食用菌区域，提取食用菌菌盖直径、菌柄直径、菌柄高度等，同时使用传感器对食用菌生长环境进行监测，根据食用菌的图像特征调节生长环境。林楠等[6]采用Retinex算法去除光照干扰，提出2种改进的颜色空间量化方案，在HSV颜色空间内通过形态特征参数融合进行特征提取，实现食用菌的识别工作，进而分析食用菌的生长过程。

2.2 食用菌质量检测和分级

生长环境和人工因素造成食用菌品质差异较大。人工分拣费时费力，现有产线仅根据大小来判断食用菌的等级，不能实现食用菌品质的严格划分，基于机器视觉技术的食用菌质量检测通过标定对食用菌进行非接触式测量，利用食用菌形态特征判断品质，实现食用菌的质量检测和分级。Chen HH等[7]在2004年研发的基于机器视觉技术的香菇大小自动分级系统，使用传统图像算法消除香菇图像的色差，通过计算菌盖面积与周长评判香菇等级，实现了香菇3类大小的分级及劣质香菇的筛选。

2.3 食用菌自动采摘系统

现有自动采摘系统采用双目或多目视觉，即根据2个或多个摄像头获取的图像计算目标物体空间信息，将信息传递至机械手或其他机械设备进行采摘，中国于2009年拥有了第一台双目视觉黄瓜采摘机器人[8]，该机器人利用红外图像从图像中分割出黄瓜的特征信息，通过双目图像信息差异计算分析黄瓜的空间信息，实现自动采摘。王晓丽等[9]研发的食用菌自动采摘系统同样采用了视觉定位，利用柔索传动降低食用菌受损的概率，在保证食用菌果实完整的前提下可实现精准采摘[10]，采收时不能留茬过高，避免喷水后腐烂，柔索传动并不能从本质上解决问题。

2.4 食用菌机械导航

机械导航是实现机器人定位功能的基础，为机器人提供复杂工作空间的位置信息。机械导航技术依赖SLAM（同步定位与地图构建）技术，场景识别与定位是SLAM的基础。近些年，基于三维机器视觉的大场景语义分割和实例分割技术逐渐兴起，2019年牛津大学的杨波等[11]提出的新型3D点云实例分割网络，分析食用菌状态的同时与机器人进行交互，告知机器人工作空间的位置信息，自主完成施肥、浇水、喷洒农药、祛除感染菌[12]和采摘等工作。

3 目前存在的问题

3.1 检测的稳定性

目前基于机器视觉技术的食用菌生产采样大多使用二维图像，二维图像存在一些局限性，使得采集的食用菌图像中包含的信息与特征并不稳定：食用菌生长环境通常较为昏暗，采集图像时进行补光易对食用菌生长造成干扰，昏暗条件下很难采集到清晰、特征分明的图像；食用菌生长姿态多变，菌盖的朝向会随菌柄生长而改变，无法保证能够时刻正面采集菌盖图像，采集菌盖侧面图像会对计算结果造成一定影响；食用菌存在密集生长特性，菌盖间存在遮挡、阴影等特征，无论从何方向采集食用菌二维图像均无法完整采集到所有菌盖的分界面，这使得菌盖的分割与识别工作存在不确定性。

3.2 检测的准确性

目前基于机器视觉技术的食用菌生产算法多采用传统视觉算法，传统算法由于应对复杂情况时鲁棒性较差易导致试验结果存在波动：食用菌姿态多变，传统算法通过计算图像梯度、分割连通域等方式提取食用菌菌盖。在食用菌存在堆叠或重叠程度较高时容易错误分割菌盖：传统算法通过双目标定计算获取食用菌的空间信息，标定精度不高导致食用菌形态信息精度低，在食用菌定位及分析工作中易出现偏差；食用菌生长速度快且生长密集，传统算法通过提取菌盖后使用菌盖质心或通过轮廓匹配追踪菌盖生长信息，但食用菌不同菌盖相似度较高，密集情况下容易追踪失败，错误计算生长信息。

4 今后的发展趋势

随着硬件和算法的进步，三维机器视觉技术的计算速度在不断加快，今后基于机器视觉技术的食用菌生产技术应在以下几个方面进一步进行研究：

4.1 提高视觉识别的稳定性

主动三维机器视觉直接采集食用菌点云模型，与二维图像不同，点云模型包含采集物体的所有空间信息，通过对食用菌点云模型进行三维重建可以有效解决食用菌存在阴影、遮挡、二维视觉中对比度低、食用菌姿态复杂等问题。

4.2 提高视觉识别的准确性

深度学习算法是机器学习领域中一个新的研究方向，作为深层人工神经网络，其鲁棒性远超相关技术。三维机器视觉利用深度学习算法准确识别分割整株食用菌，提高测量准确率的同时与机械臂等机器直接交互，在自动采摘或其他任务中精准完成目标。

4.3 实现食用菌产业自动化

利用机器视觉技术识别结果开发食用菌工厂自动化生产技术，包括驯化、大规模繁育、自动采摘、自动分级和运输出厂，可提高食用菌产量，降低种植和采摘损耗比，科学分销食用菌，实现收益最大化。

5 结语

机器视觉技术在农业中的应用为精细农业和农业生产自动化奠定了基础，有助于解放劳动力、提高农产品的品质。机器视觉作为精准农业的重要支撑，已应用于食用菌生产中，三维机器视觉技术的出现更是推进了食用菌生产技术的发展。中国作为食用菌大国，精准农业在降低成本、农产品可控化等方面均有积极的意义和作用，机器视觉是精准农业的“眼睛”，大力推广机器视觉在农业中的应用，有助于我国精准农业水平的提高，实现科技强农、科技富农的宏伟目标。