前 言
智慧农业是农业生产的发展方向，视觉检测是智慧农业的重要组成部分，在农业生产自动化和智能化中发挥着重要作用。农业生产涉及人、机器、植物、动物和复杂的自然环境，各种视觉检测对象都没有标准的形态、颜色、尺寸等外观特性，这和工业视觉检测有很大不同。
现在国内主要农业院校都已经开设了农业智能装备工程专业，越来越多的农业院校也将陆续开设该专业。视觉智能检测就像眼睛对于人类，是农业智能装备的核心技术之一。
视觉检测也称为机器视觉，由硬件和软件两部分构成。硬件主要是计算机和摄像机等，软件主要是图像处理与分析算法。本书主要介绍视觉检测的软件部分，概论之后，首先介绍了图像处理的常用方法，然后通过大量应用研究项目介绍了视觉检测在农业生产各个方向的应用情况，最后介绍专业通用图像处理系统和二维三维运动图像测量分析系统。具体章节内容安排如下。
第1章分为3节，分别介绍了数字图像处理发展概述、近年兴起的深度学习概要和农业图像智能检测概论。在第3节的农业图像智能检测概论里，对后续各章的应用研究项目分别进行了概述，读者可以通过该节的介绍，快速找到自己感兴趣的研究项目。
第2章介绍了图像处理常用方法，这些方法在后面的研究项目里都有应用，个别特殊的图像处理方法，放在了用到该方法章的第1节里介绍。这里介绍的都是基本理论，想使用算法C语言程序的读者，可以参看作者主编的另一本书《实用数字图像处理与分析》。
第3章至第8章分别将视觉检测在农业领域的应用归类为“种子籽粒图像检测”、“农作物提取与生长量图像监测”、“农作物病虫害图像监测”、“果蔬图像检测”、“动物行为二维三维检测”、“农田导航线图像检测”等6方向，每个方向都分别介绍了多个应用研究项目。
第9章至第11章，分别介绍了专业版软件：通用图像处理系统ImageSys、二维运动测量分析系统MIAS和三维运动测量分析系统MIAS3D的功能界面。在MIAS和MIAS3D的后面简单介绍了一下对应的实时系统RTTS和RTTS3D。这些专业软件是由作者主持开发，本书中的多数研究项目都是作者团队在这些专业软件平台上完成开发。
本书较全面地介绍了图像处理的基本理论和深度学习的基本概念，应用研究案例较全面地涵盖了农业领域的各个应用方向，介绍了图像处理专业软件的功能界面。本书适用于农业院校的大学本科和研究生的图像处理理论和应用实践案例教学，也可以作为农业智能装备研究开发公司技术人员的参考材料。
目 录
第1章 概论
1.1 数字图像处理发展概述
1.2 深度学习概要
1.2.1 基本概念
1.2.2 基本思想
1.2.3 深度学习常用方法
1.3农业图像智能检测概论
1.3.1 总论
1.3.2 种子籽粒图像检测概要
1.3.3 农作物提取与生长量图像监测概要
1.3.4 农作物病虫害图像监测概要
1.3.5果蔬图像检测概要
1.3.6 动物行为二维三维检测概要
1.3.7 农田导航线图像检测概要
参考文献
第2章 图像处理常用方法
2.1 图像颜色与变换
2.1.1 彩色图像
2.1.2 灰度图像
2.1.3 颜色变换
2.1.4 几何变换
2.2 目标提取
2.2.1 阈值分割
2.2.2 自动二值化处理
2.2.3 彩色图像与运动目标提取
2.3 去噪声处理
2.3.1 移动平均
2.3.2 中值滤波
2.3.3 二值图像去噪声
2.4 边缘检测与提取
2.4.1 图像边缘
2.4.2 微分处理
2.5 几何参数检测
2.5.1 图像的几何参数
2.5.2 区域标记
2.5.3 几何参数检测与提取
2.6 直线检测
2.6.1传统哈夫变换的直线检测
2.6.2过已知点哈夫变换的直线检测
2.7 单目视觉检测
2.7.1 参考坐标系
2.7.2摄像机模型分析
2.7.3 摄像机标定
2.8 双目视觉检测
2.8.1 平行式立体视觉模型
2.8.2 汇聚式立体视觉模型
2.8.3 直接线性标定法
2.8.4 棋盘标定法（张正友标定法）
2.8.5 三维重建
2.9 小波变换
参考文献
第3章 种子籽粒图像检测
3.1 水稻种子分类与检测
3.1.1相关基础知识
3.1.2系统方案与硬件构成
3.1.3硬件设备、材料及样机
3.1.4图像采集与工位标定
3.1.5种子提取及几何参数的测量
3.1.6 种子所处工位的判断
3.1.7 种子特征信息数据库的建立
3.1.8 种子精选
3.1.9 精选结果分析
3.1.10 总结
3.2 排种器试验台籽粒检测
3.2.1 系统硬件构成
3.2.2 机械结构及图像采集装置
3.2.3 图像采集系统
3.2.4 图像标定
3.2.5 图像采集与拼接
3.2.6 籽粒的二值化提取
3.2.7 籽粒计数
3.2.8 种子分布区间检测
3.2.9 条播参数计算
3.2.10 穴播与精播参数计算
3.3 棉花种子高速图像精选
3.3.1 系统方案及构成
3.3.2 图像采集及工位设定
3.3.3 种子提取与判断
3.3.4 红色种子判断
3.3.5 破损棉种的判定
3.3.6总结
3.4玉米粒在穗计数
3.4.1 设备及软件环境
3.4.2 确定玉米穗区域
3.4.3 提取玉米穗行
3.4.4 测量穗行粒数
3.4.5 穗行的连续提取
3.4.6 穗行提取结束的判断及整穗粒数统计
3.4.7 籽粒数测量结果分析
3.5 玉米种粒图像精选及定向定位装置
3.5.1 项目目标
3.5.2种粒动态图像精选装置结构与工作原理
3.5.3 吹除装置设计
3.5.4 种粒合格性动态检测方法
3.5.5 图像检测算法
3.5.6 试验结果分析
3.6 基于倾斜摄影的玉米种粒三维参数测量
3.6.1 试验装置
3.6.2 测量图像的预处理
3.6.3 种粒尺寸的计算
3.6.4 试验结果与分析
参考文献
4.1 插秧环境的水稻秧苗提取
4.1.1 插秧环境图像采集
4.1.2 亮度分割法提取秧苗
4.1.3 微分処理法提取秧苗
4.1.4 线亮度解析法提取秧苗
4.1.5 线颜色解析法提取秧苗
4.2 旱田绿色农作物提取
4.2.1 实验设备及图像采集
4.2.2 绿色农作物的颜色特征
4.3.3 绿色农作物的提取
4.3.1 系统硬件构成
4.3.2覆盖面积测量
4.3.3株高测量
4.3.4 玉米植株的三维建模
4.3.5 系统软件界面
4.4.1 材料与方法
4.4.2 结果与讨论
参考文献
第5章 农作物病虫害图像监测
5.1图像纹理分析基础知识
5.1.1灰度直方图纹理特征
5.1.2共生矩阵纹理特征
5.1.3差分统计量纹理特征
5.1.4拉格朗日矩阵纹理特征
5.1.5幂光谱纹理特征
5.2.1 病害图像收集与数据库建立
5.2.2 病害图像纹理特征增强
5.2.3 病害部位分割
5.2.4 病害特征数据计算
5.2.5 病害诊断
5.3.1 数据采集
5.3.2 数据预处理
5.3.3 双模态疾病识别模型的构建
5.3.4 处理结果
5.3.5 结论
5.4 植物病害检测与诊断的深度学习模型
5.4.1 材料和方法
5.4.2 试验结果
5.4.3 总结
参考文献
6.1 果园图像去雾处理
6.1.1 试验设备及材料
6.1.2 图像去雾原理
6.1.3 算法调参和改进
6.1.4 去雾算法效果对比试验
6.2 果树上红色桃子的提取与检测
6.2.1 试验设备与材料
6.2.2 桃子提取
6.2.3 边界追踪处理
6.2.4 匹配膨胀处理
6.2.5 可能圆心点群计算
6.2.6 可能圆心点群分组
6.2.7 圆心与半径计算
6.3 茯苓自动去皮作业的表皮视觉定位
6.3.1 茯苓自动去皮机
6.3.2 茯苓的视频图像采集
6.3.3 表皮位置检测
6.3.4 试验结果与分析
6.4 基于Mask R-CNN的番茄植株整枝操作点检测方法
6.4.1 番茄植株整枝原理
6.4.2 基于Mask R-CNN的番茄茎秆图像分割
6.4.3 主茎和侧枝目标识别精度评估
6.5 一种基于深度分类模型的茭白品质自动分级方法
6.5.1 数据采集
6.5.2 准备数据集
6.5.3 深度分类模型搭建与训练
6.5.4 对比试验
6.5.5深度分类模型泛化能力测试
6.5.6总结与展望
参考文献
7.2.1试验装置及视频图像采集
7.2.2蜜蜂运行轨迹跟踪
7.2.3蜜蜂舞蹈判断
7.2.4总结
7.3.1 试验装置及处理流程
7.3.2基于目标权重衰减的背景建模和目标提取
7.3.3 害鼠身体部分和尾巴部分的特征提取
7.3.4 试验结果与分析
7.3.5 总结
7.4.1 试验硬件和软件设备配置
7.4.2 双目相机三维标定
7.4.3 奶牛乳头图像采集
7.4.4 奶牛乳头提取
7.4.5 模拟乳头目标的判断
7.4.6 模拟乳头目标挤奶位置的判断
7.4.7 目标点实时三维重建
7.4.8 试验结果与分析
7.5.1 材料与方法
7.5.2 黏连猪体分割
7.5.3 结论
7.6.1 准备工作
7.6.2 深度学习方法
7.6.3 实验结果
7.6.4 总结
7.7 基于特征空间方法的猪脸识别
7.7.1 研究方案
7.7.2 数据样本
7.7.3 特征脸
7.7.4 识别实验
7.7.5 结论
参考文献
第8章 农田导航线图像检测
8.1 水田插秧导航线检测
8.1.1 研究图像采集
8.1.2 目标苗列线检测
8.1.3 目标田埂线检测
8.1.4 田端田埂线检测
8.1.5 侧面田埂线检测
8.1.6 系统整合与试验
8.2 水田管理导航线检测
8.2.1 研究图像采集
8.2.2 目标苗列间定位
8.2.3 水平扫描线上方向候补点检测
8.2.4 田端检测
8.2.5 已知点的确定及方向线检测
8.2.6目标线检测结果与分析
8.3 水田微型除草机器人导航路线检测
8.3.1 试验设备
8.3.2图像采集
8.3.4检测结果与分析
8.3.5结论
8.4 小麦播种导航线检测
8.4.1实验设备
8.4.2 目标直线检测
8.4.3 目标直线检测结果分析
8.4.4田端检测
8.4.5试验验证
8.5玉米收割导航路线检测
8.5.1 硬件及图像采集
8.5.2玉米列边界线图像检测
8.5.3田端图像检测
8.5.4试验结果与分析
8.5.5 总结
8.6 麦田多列目标线图像检测
8.6.1 目标点的检测
8.6.2 目标点的归类
8.6.3 已知点的确定
8.6.4 多列目标中心线的检测
8.6.5适应性分析
8.7 其他农田作业的导航线及田端检测
8.8 红枣收获机导航路线检测
8.8.1 作业图像采集
8.8.2 枣园作业模式的自动判别
8.8.3 灰枣枣园导航路径检测
8.8.4 骏枣枣园导航路径检测
8.8.5 总结
8.9 视觉导航样机试验及性能测试
8.9.1 视觉导航系统的硬件
8.9.2 视觉导航系统的软件
8.9.3 导航试验及性能测试
参考文献
第9章 通用图像处理系统ImageSys
9.1 系统简介
9.2 状态窗
9.3 图像采集
9.4 直方图处理
9.4.1直方图
9.4.2 线剖面
9.4.3 3D剖面
9.4.4累计分布图
9.5 颜色测量
9.6颜色变换
9.6.1颜色亮度变换
9.6.2 HSI表示变换
9.6.3 自由变换
9.6.4 RGB颜色变换
9.7几何变换
9.7.1 仿射变换
9.7.2 透视变换
9.8 频率域变换
9.8.1 小波变换
9.8.2 傅立叶变换
9.9 图像间变换
9.9.1 图像间演算
9.9.2运动图像校正
9.10 滤波增强
9.10.1 单模板滤波增强
9.10.2 多模板滤波增强
9.10.3 Canny边缘检测
9.11 图像分割
9.12 二值运算
9.12.1 基本运算
9.12.2 特殊提取
9.13 二值图像测量
9.13.1 几何参数测量
9.13.2 直线参数测量
9.13.3 圆形分离
9.13.4 轮廓测量
9.14 帧编辑
9.15 画图
9.16 查看
9.17 文件
9.17.1图像文件
9.17.2 多媒体文件
9.17.3 多媒体文件编辑
9.17.4 添加水印
9.17.5 屏幕捕捉
9.17.6 图像/视频旋转
9.18 系统设置
9.18.1 系统帧设置
9.18.2 系统语言设置
9.19系统开发平台Sample
参考文献
第10章 二维运动测量分析系统MIAS
10.1 系统概述
10.2 文件
10.3 运动图像及2D标定
10.4 运动测量
10.4.1自动测量
10.4. 2 手动测量
10.4. 3标识测量
10.5 结果浏览
10.5.1结果视频表示
10.5.2 位置速率
10.5.3偏移量
10.5.4 2点间距离
10.5.5 2线间夹角
10.5.6 连接线图一览
10.6 结果修正
10.6.1手动修正
10.6.2 平滑化
10.6.3 内插补间
10.6.4 帧坐标变换
10.6.5 人体重心测量
10.6.6 设置事项
10.7查看
10.8 图像采集
10.9 实时测量
10.9.1实时目标测量
10.9.2实时标识测量
10.10开发平台MSSample
参考文献
第11章 三维运动测量分析系统MIAS 3D
11.1系统简介
11.2文件
11.3测量设置
11.3.1打开2D跟踪文件
11.3.2 3D标定
11.3.3 3D棋盘标定
11.4显示结果
11.4.1 视频表示
11.4.2 点位速率
11.4.3 位移量
11.4.4 2点间距离
11.4.5 2线间夹角
11.4.6 连接线一览图
11.5 结果修正
11.6其他功能
10.7 实时3D测量系统
参考文献
