全球人口增长、气候变化带来的不可预测的天气模式以及对可持续实践日益增长的需求，使农业面临越来越大的压力。在这种环境下，机器视觉有机会改变这个行业。

机器视觉技术（例如深度学习、高光谱成像和实时处理）的最新进展为精准农业打开了新的大门。这些创新技术正应用于各种领域，包括作物监测、自动收割、杂草检测和牲畜管理。无论是在病株蔓延之前识别病株，还是确保作物在最佳成熟期收获，机器视觉都能提高生产力和可持续性。

然而，全面应用的道路并非一帆风顺。高昂的实施成本、对熟练操作员的需求，甚至仅仅是农业环境和产量的自然变化，都构成了巨大的障碍。尽管存在这些障碍，但持续的研究和投资正推动我们走向机器视觉成为农业不可或缺组成部分的未来。

机器视觉的功能

机器视觉集成商 Machine Vision Source 的创始人兼所有者 David Dechow 表示，大多数先进的农业经营至少熟悉机器视觉在农业行业中的熟练程度。

但专注于高光谱成像系统的 Specim 公司全球营销经理 Minna Törmälä 表示，不同地区和不同农业类型的应用差异很大。工业规模的农场和垂直农业往往引领潮流。

“我们仍有大量的教育工作要做，尤其是针对小规模和传统农场，以了解机器视觉如何提高盈利能力和可持续性，”她说道。 

Törmälä 指出，机器视觉的应用及其益处涵盖了农业领域的各个方面。在田间，机器视觉可用于监测作物，以及早发现营养缺乏、疾病或虫害，并更好地了解施肥或施用农药的适宜范围。它还可以评估植物的健康状况和成熟度，从而更准确地估算产量并相应地规划收成。利用机器视觉进行土壤和水分析，有助于优化灌溉和土壤改良。

Dechow 表示：“视觉技术在精准农业的实施中已经应用了一段时间。配备光谱或高光谱成像的无人机可以扫描农田，探测生长缓慢、疾病以及水资源供应或消耗量低的区域。”

收获后，机器视觉通过提供自动化检测来确保安全和质量标准，在分类和分级中发挥着重要作用。“除了检测污染物和缺陷外，高光谱成像还可以识别腐败、擦伤、内部缺陷，甚至可以测量新鲜水果和蔬菜的味道，”Törmälä 指出。

Dechow 指出，除了分级和缺陷检测之外，机器视觉的一些更成熟的用途还包括指导挤奶操作以及鸡蛋生产和包装中的质量评估。

可获得的益处

农业经营者转向机器视觉的最大原因之一是，他们无法获得足够的农场劳动力来完成工作。自动化可以降低劳动力成本，尤其是在规模较大的情况下。但很多情况下，经营者根本找不到合适的工人。

Nature Fresh Farms 总部位于加拿大安大略省，是北美最大的温室农场之一，种植有机浆果、辣椒、西红柿和黄瓜。据 Nature Fresh 执行副总裁 Cornelius Neufeld 介绍，该公司之所以在收割作业中采用机器人和机器视觉技术，很大程度上是因为劳动力短缺。

“我们最大的挑战是劳动力，”他在与发那科（FANUC）和系统集成商 Four Growers 合作的视频案例研究中说道。“随着这个行业的发展壮大，我们确实需要更多的自动化来完成所有工作。这个行业现在人手不够了。”

但劳动力问题当然不是农业转向机器视觉的唯一原因。成像技术可以解决作物监测、产量优化和资源效率方面的关键挑战。“农业行业越来越认识到机器视觉在提供植物健康、土壤条件、害虫检测和收获后质量控制等方面的详细洞察方面的潜力，”Törmälä说道。

她补充说，更健康的作物、更有效地利用宝贵的资源以及始终如一的质量是机器视觉在农业领域应用的主要优势。

农场上的应用

Dechow 参与了许多传统农业项目，其中一些涉及包装前对鸡蛋的分类和损坏检测，以及机器人处理水果和蔬菜（包括苹果和抱子甘蓝）以进行自动切割和修剪。

然而，他表示，并非所有应用都能取得良好的效果。“这不一定仅仅是由于机器视觉的局限性，”他说道。“在某些情况下，机械自动化的能力成为主要挑战，尤其是在流程速度、可靠性和成本方面。例如，在机器人搬运方面，抓取技术有时是一个重要的障碍。”

Dechow 认为，总体而言，田间视觉引导机器人采摘水果和蔬菜的技术尚未成熟。视觉在田间仍然面临一些限制——自动化和抓取技术也是如此。“总的来说，在大多数情况下，使用机器人进行处理的速度太慢，系统无法获得投资回报，”他补充道。

在受控环境中取得成功

到目前为止，机器视觉取得更大成功主要是在垂直农业领域，其中更受控制的环境提供了所需的一致性。

根据 Interact Analysis 的研究，在我们需要养活越来越多的人口的情况下，人们已经开始推动受控环境农业，以抵消气候变化带来的各种因素，例如水资源减少和表层土壤退化。

“受控环境农业能够更有效地利用关键资源，”Interact Analysis 研究经理 Blake Griffin 指出。“通过精心控制的水、空气和照明系统，这些生长环境可以以稳定的速率生产食物，并且更容易地消除植物上的病虫害。”

Dechow 指出，这样的环境也有助于为机器视觉应用创造合适的环境。“垂直农业的应用具有特殊的潜力，因为产品在生长过程中受到很大限制，”他说道。“机器视觉支持的种植和收获是该行业强大的增值解决方案，而垂直农业中更有序的种植结构也有利于实现更可靠的自动化。”

作为系统集成商，Dechow 已将标准农业和垂直农业系统整合在一起。在垂直农业领域，一位客户显著缩短了将幼苗种植到种植塔的时间。“这是通过使用视觉引导机器人定位幼苗和种植塔容器来实现的，”他说道。

该应用采用 FANUC 机器人和定制的机器视觉解决方案实现。“关键的抓取机制由客户设计，并针对所加工的植物进行定制，”Dechow 说道。

本案例的投资回报率不仅体现在种植时间的缩短，还体现在种植的可重复性和在广泛种植过程中的可扩展性。Dechow 指出，由于垂直农业的植物生长空间有限，因此补种速度是影响产量的一个重要因素。

Törmälä 表示赞同，垂直农业和受控环境农业往往处于机器视觉应用的前沿，严重依赖精准技术来最大限度地提高每平方米的产量。

“然而，露天农业也在取得进展，尤其是在精准农业日益受到重视的地区，”她说道。“关键领域包括水果、蔬菜和葡萄园等高价值作物，在这些作物中，即使是微小的质量改进也会对收入产生重大影响。”

采后分类和分级

这些高价值作物的例子包括牛油果、蓝莓、草莓和西红柿。荷兰公司Condi Food就利用高光谱成像技术开发了一套创新的检测系统，用于实时评估樱桃番茄的口感。

传统技术根据大小和颜色对番茄进行分类，但这种方法并不完美。Condi Food 使用 Specim FX17 近红外高光谱相机，高效且无损地扫描樱桃番茄，分析其光谱特征。这提供了关于关键口味属性的重要信息，包括成熟度、白利糖度和酸度。

Condi Food 开发了一种味觉模型，利用高光谱数据分析与味觉相关的元素和特征。这种模型可以用于番茄以外的各种水果和蔬菜。在此应用中，Specim 相机能够以高达每秒 60 个樱桃番茄的生产速度进行检测。 

新应用中前景光明

尽管新兴用例已广为人知，但 Dechow 表示，真正被广泛采用的却寥寥无几。“很多情况下，这是因为系统未能完全实现其既定目标和可靠性，”他说道。

Dechow 举例说明了使用 3D 视觉引导机器人进行离散水果采摘的情况。例如，苹果和西红柿就可能仅仅因为其品种多变而引发问题。“技术障碍一直是，并且仍然是天然产品及其生长的不一致性，”他说道。“一个相关的考虑因素是运行速度，尤其是在采摘方面，自动化系统可能无法达到所需的生产率。”

机器视觉技术的进步应会继续促进其在农业领域的应用。“更小、更高分辨率、更低成本的二维、彩色和三维成像系统，以及多光谱和高光谱成像技术的改进，或许有助于农业解决方案的开发，”Dechow说道。“成本是一个重要因素，3D相机组件成本的持续降低将对农业系统大有裨益。”

随着机器视觉逐渐应用于难以预测的农业领域，人工智能 (AI) 可以发挥重要作用。“尤其是深度学习的分割能力，它能够很好地克服天然产品固有的差异性，并有助于在农业应用中实现更可靠的物体定位，”Dechow 说道。

在 Nature Fresh Farms 的案例中，Four Growers 开发了一个人工智能系统，使视觉能够对收获环境进行更深入的分析。

该系统从多个立体摄像头捕捉图像，并将它们在3D空间中拼接起来，从而创建一个完整的场景。“由此，我们的人工智能不仅能够理解西红柿和茎，还能理解场景中的不同概念，”Four Growers 首席执行官 Brandon Contino 说道。“它会利用这些信息，找出接近每个西红柿的最佳方式，从而成功采摘，以及最高效的路径。”

Törmälä 指出，数据分析也将是人工智能提升高光谱成像能力的关键因素。“人工智能将使现场数据分析和实时决策更加高效——例如，能够直接在机上处理光谱数据的相机，”她说道。

机器视觉成功的商业考虑因素

Dechow 表示，一些商业考虑因素会严重影响农业视觉系统的采用，包括系统的成本和复杂性以及处理环境。

Törmälä 表示，高光谱成像的主要挑战之一是光谱数据解读的复杂性，尤其对于缺乏经验的用户而言。Specim 正尝试通过提供更便捷、更便携且支持现场分析的解决方案来解决这个问题。

“目前，高光谱技术在农业领域的应用对于拥有必要资源和专业知识的大型公司来说更为可行，因为其复杂性需要个体农民通常无法掌握的知识水平，”Törmälä 说道。“为了扩大其覆盖范围，人们越来越需要便捷的服务和交钥匙解决方案，以简化其实施和使用。”

高光谱成像以其能够探测人眼不可见信息的能力而闻名，例如康迪食品公司（Condi Food）的味觉案例。然而，数据采集和分析的复杂性阻碍了它的广泛应用。

荷兰瓦赫宁根大学及研究中心 (WUR)利用 Specim 的高光谱相机，开发了一套智能易用的实验室系统，用于对新鲜农产品进行可靠的分析。该系统使用户即使不具备高光谱成像方面的深入知识，也能精确分析各种新鲜水果中的水分和可溶性固形物含量。

Törmälä 补充说，大学和研究机构将继续通过推进知识和开发应用程序，在弥合技术提供商和最终用户之间的差距方面发挥重要作用。

Dechow 表示：“如果自动化可靠且可支持，并且投资回报率能够证明设备成本的合理性，那么自动化显然可以提高产量。”

（文章来源于Specim高光谱成像，如有侵权请联系删除）