有學者利用機器視覺技術檢測大米外觀品質檢測、觀測小麥的生長狀態(tài)、通過對棉花葉片的孔洞和葉片邊緣的缺損情況判定受棉花受蟲害程度，可以有效的控制作物生長環(huán)境、狀態(tài)，達到精準農(nóng)業(yè)。國家“十二五規(guī)劃”提出要全面推進我國農(nóng)業(yè)生產(chǎn)現(xiàn)代化進程｡隨著計算機圖形圖像處理及智能制技術的發(fā)展,機器視覺技術逐漸滲透到農(nóng)業(yè)生活的方方面面｡通過分析機器視覺技術在我國農(nóng)業(yè)生產(chǎn)中的應用實例可發(fā)現(xiàn)機器視覺技術的應用主要集中在獲取目標物圖像信息､圖像處理與算法識別､智能視覺定位導航及機器視覺系統(tǒng)集成等方面｡

  獲取目標物圖像信息機器視覺技術的基本就是獲取目標物圖像信息,獲取的圖像信息直接會影響到機器視覺技術的判斷精度,并且采集圖像的像素直接影響到機器的處理速度｡由于農(nóng)業(yè)生產(chǎn)環(huán)境復雜多變且采集的目標物差異較大,因此機器視覺技術獲取目標物圖像信息的方法需要根據(jù)目標物及所需信息的變化而有所不同｡目前對農(nóng)產(chǎn)品信息采集的方法主要為采用CCD(CMOS)智能相機或攝像機拍攝,并結合紅外光譜信息或高光譜信息進行目標物信息的采集,用來進行下一步的分析處理｡利用機器視覺技術及近紅外光譜的有效結合可實現(xiàn)對土壤含水率的快速檢測,并能對不同地區(qū)的土壤進行成分分析,從而為不同農(nóng)作物選擇更適合自身的生存環(huán)境｡

  圖像處理與算法識別機器視覺技術在農(nóng)業(yè)自然場景中進行農(nóng)作物信息提取時,由于環(huán)境光照的變化以及農(nóng)作物在顏色､位置､形狀上等差異導致機器視覺識別､特征提取帶來了不小的障礙,機器視覺技術能否于農(nóng)業(yè)生產(chǎn)中高效率､高準確率地提取到目標物的特征直接導致機器視覺系統(tǒng)的可靠性｡因此,機器視覺系統(tǒng)的準確圖像處理與算法識別是機器視覺應用于農(nóng)業(yè)生產(chǎn)的關鍵一步｡有學者提出基于加速魯棒特征(Speeded up ro- bust features,SURF)的綠色作物特征提取與圖像匹配算法,這種算法為準確獲取自然環(huán)境下農(nóng)作物的各項生長參數(shù)提供了很大的參考價值｡

  智能視覺定位導航智能視覺定位導航是系統(tǒng)可自動采集農(nóng)業(yè)生產(chǎn)自然環(huán)境特征,以此分析出機器人行走路徑所需的參數(shù),從而控制智能機器人的導航路徑｡基于機器視覺的智能視覺定位導航算法是機器視覺導航定位系統(tǒng)的核心,決定著導航定位的精準性｡在農(nóng)副產(chǎn)品、食品加工方面，機器視覺技術可對產(chǎn)品包裝、缺損、質量進行檢測，或是通過檢測水果表皮顏色和大小給水平分級自動分撿。通過機器視覺技術，讓大批量、持續(xù)生產(chǎn)成為現(xiàn)實，大大提高生產(chǎn)效率，它具有非接觸性、速度快、精度高、現(xiàn)場抗干擾能力強等突出優(yōu)點。