随着城镇化进程的加速，农业从业人员逐步实现由传统农民向职业农民的转变，走上集约化发展路径，从业人员综合素养的不断提升，进一步促进了农机装备自动化和智能化的发展。农机装备进入全程全面、高质高效发展时期，农机装备智能化实现途径包括感知、决策、控制和执行，其中智能感知系统设计是关键，机器视觉技术作为人工智能的重要分支，是实现智能感知的核心，是智慧农业发展的必然关键技术之一。
机器视觉系统最基本的特点和最大的优势是具有高度的生产灵活性、自动化程度和效率，目前广泛应用于现代农业生产的各个环节。一个完整的机器视觉系统主要由图像采集系统和图像信息处理系统两部分组成。
一．图像采集系统
机器视觉获取图像信息的主要方式是依靠视觉传感器，不同的视觉传感器获取到的图像信息各有差异，根据捕捉到图像的维数，主要分为两类: 包含形态学特征（颜色、形状、纹理）的二维图像传感器和以获取三维立体信息、空间坐标为主的三维图像传感器。针对不同的农业生产环节、作业对象和工作环境选择最合适的视觉传感器，才能在达到目的效果的同时发挥传感器的最大优势。常用的图像信息获取传感器包括单目视觉、立体双面视觉、激光主动视觉、热成像和光谱成像等。
单目、双目视觉被广泛应用在测距、导航、避障和采摘等需要良好视野的场景下。激光主动视觉由于需要外来激光光源，导致系统设备构成较为复杂，但不受自然光照影响，作业条件要求少。热成像主要利用对温度辐射差异特性来识别目标对象，集中应用于养殖业中对活体
动物体温监测。采集光谱信息需要将被采集对象放入黑箱，导致光谱成像只能够在实验室或温室环境中作业，不适于过于复杂的系统，也不适用于实地生产环境。
二．图像信息处理系统
图像处理系统是整个机器视觉系统的核心，视觉传感器采集到目标对象的图像信息后经过 “大脑”的提取、分析、判断发出最终动作指令。图像特征的提取是图像处理过程中最关键的步骤，在复杂的背景中将需要的目标对象分割出来是首要问题。图像分割是根据图像中不同元素间的特征差异 （如边缘、颜色、纹理等），它是由图像处理到图像分析的关键步骤，将图像分割成若干个特定具有相同特性的不同区域，不同区域间的像素信息存在明显差异。不同特点的图像分割技术被广泛应用在图像的前期处理中。
计算机、视觉传感器技术的飞速发展，促进了机器视觉在农业工程领域的广泛应用，传统农业生产中播种、施肥、采收等各个环节都在逐步实现 自动化、智能化，机械化作业将进一步解放生产力，提高生产效率，增加产品附加价值。此外，基于机器视觉的无损检测和品质分级必将成为现代农业中重要的一环，机器视觉在农产品后续加工、运输、包装等环节也存在巨大的应用前景。图像处理算法也随着农业生产的高质量发展提出了更高的要求，面对复杂、庞大的图像信息量，如何快速准确地提取出特征信息是后续算法优化的方向，阈值分割作为使用最多、应用最广的图像分割算法，结合去噪、腐蚀、膨胀等处理方法，努力达到在不改变分割效果的前提下提高算法的适用性。
