众所周知，被称为地球“肺”的森林对地球环境的影响举足轻重，因此森林资源的利用和再生将成为影响下一世纪人类生存和发展的重要因素。人工造林是提高地球森林覆盖率的重要方法，也是世界各国目前主要的森林再生方法，而影响造林苗木成活率的关键因素之一就是苗木的质量。苗圃每年生产数量巨大的造林苗木，而保证这些苗木的质量是迫切需要解决的艰巨任务。虽然先进的苗木育种和培育技术已经在很大程度上提高了苗木的质量，但是利用分级筛选的优等苗造林，仍然十分重要。苗木分级不但能够提高幼树初期生长量和抗病虫害能力，而且可以根据造林条件因地制宜选择满足要求的苗木，这样能够在很大程度上提高造林苗木成活率，从而加快绿化造林的速度和质量(陈帽，1984)。

造林苗木主要依靠人工进行分级，不仅劳动强度大、测量工作繁琐、工作效率低，同时由于分级筛选人员的水平差异，可能会造成不同程度的误选。根系是苗木最易失水从而降低生命活力的器官，从某种程度上讲，保护好苗木的活力，主要就是保护好苗木根系的活力，即提高苗木根系在造林后迅速恢复再生的能力。因此采用高效率的苗木分级方法，加快苗木分级过程的速度，改善苗木分级所在的环境条件，缩短根系在空气中的暴露时间，都将很大程度地提高苗木栽植后的成活率。

目前世界工业技术正处于飞速发展的新时期，把先进的工业技术(光电检测、计算机视觉、模式识别、人工智能等)应用到苗木分级筛选领域，已成为一些发达国家的重点研究对象并已取得一定的科研成果，而我国目前在这方面的研究则刚刚起步。

1 苗木分级指标

多年来，世界各国的有关学者和广大的林业工作者对苗木的质量指标和分级筛选技术进行了大量的研究和实验工作，总结了许多宝贵的经验和比较完整的苗木分级筛选技术。

苗木的质量指标可以分为苗木物质指标和性能指标两个方面。物质指标是指可直接测定的形态指标和生理指标，而性能指标则是将苗木置于特定环境下其表现状况，是苗木质量的直接体现。苗木形态特征是苗木内部生理状况的外在表现，易于测得，直观可见，便于生产应用，是评价苗木质量的传统指标。主要包括以下几个方面：(1)苗木地上部分形态特征，主要包括：苗高、地径、高径比、顶芽等；(2)苗木地下部分形态特征，如主根长、侧根数、侧根长等；(3)地上地下部分混合指标，包括茎根比，Dickson质量指数等。苗木的生理指标主要包括苗木的水分情况、碳水化合物储存量和芽休眠状态等指标；而苗木的性能指标主要有苗木活力、抗寒能力、根生长潜力等几项指标。由于苗木的生理指标和性能指标测量相对比较复杂，目前苗木的质量评价仍以评价苗木的形态特征为主。

根据苗木质量指标的要求，研究人员总结合格苗木必备的条件为：无检疫对象病虫害，色泽正常，充分木质化，萌芽力弱的针叶树种顶芽发育饱满、健壮，无机械损伤等。此外，还应具备以下条件：(1)苗干粗而直，且要有一定高度，无陡长现象；(2)根系发达，有较多的侧根和须根，主根短而直；(3)茎根比值小，重量大。

满足条件的苗木，可以通过对苗木的形态特征参数的测量划分等级，否则即为废苗。人工分级主要依靠卡尺等机械工具对苗木的形态特征参数进行测量，而对苗木的木质化程度、病虫害、萌芽能力等则需要分级人员目测判断。由于苗木质量的生理指标和性能指标测量工作比较复杂，尤其是性能指标的测量周期比较长，所以目前分级主要判断依据为苗木的形态特征参数值。但是，随着测量方法的改进，同时由于生理指标和性能指标对苗木质量的重要影响，近几年来，苗木质量的生理指标和性能指标的测量和其在苗木分级中的应用也得到越来越多的研究。

2 苗木自动分级方法

苗木分级是根据国家标准，通过对苗木的形态特征参数进行测量，给出苗木质量评价，通常以根系、地径和苗高为质量评价的主要参数。随着科学技术的发展，苗木分级技术越来越成熟，对苗木特征参数测量的方法也得到很大的改进。从20世纪60年代起，国外的一些学者便开始了苗木自动分级方法的研究。发展至今，苗木自动分级方法总体可以分为两个阶段：光电测量分级方法和计算机视觉测量分级方法。

2.1 光电测量方法

由于用机械量具对苗木进行测量耗费大量的人力、物力和财力，因而研究人员开始寻求一种高效的测量方法。这就是采用先进的光电仪表、电磁仪表等对苗木的特征参数进行测量，测量参数也增加为测量地径、苗高、根系面积等参数。虽然这些测量方法还不是很完善，但测量精度、测量速度都有了明显提高，而且测量参数越来越多，因此苗木分级的精度也就越来越高。但由于光电和电测仪表测量的苗木形态特征参数有限，还需要同人工测量结合使用，因此，这只是造林苗木自动分级发展的初始阶段，还不属于完全的自动分级。

最早应用于苗木特征参数测量的光电仪表出现在1968年，Morrison等(1968)研制了名为“Rhizometer”的光电仪表测量苗木的根面积，用来反映苗木的根系情况。结合应用机械量规测量了苗高和直径，首次实现了对苗木分级参数的非破坏性测量。虽然只是对苗木的一个特征参数进行测量，但为后来的研究人员提供了一个发展方向，证明了苗木特征参数自动测量的可行性。Bukley等(1978)应用电磁传感器和扫描仪等装置按照育苗苗圃的某些标准，构成了测量和记录苗木直径、苗高、根面积指数(轮廓面积)和样本数量的数字系统，从而实现了对苗木主要形态特征参数的测量。该系统用了电压传感器和一个线性的1 024像素的摄像机，虽然测量比较精确，但装置的测量速度太慢，不能满足生产上进行大量苗木分级的要求。Ardalan和Hasson(1982)设计了两种苗木分级装置，一种采用测光器件，另一种采用线性位移电势表，这两种设备均只能测量苗木的直径指标，测量结果更精确。

上述是光电测量方法中具有代表性的研究，它们都完成了对苗木某些形态特征参数的自动测量，但在测量速度、测量精度、测量参数及分级准确度等方面，均存在局限性和不完善性，需要与人工测量结合才能对苗木进行分级，因此不能完全取代传统的人工分级方法，属于不完善的苗木自动分级方法，但这些研究为苗木的自动分级提供了一些理论基础。

2.2 计算机视觉方法

随着现代工业技术和微电子及计算机技术的发展，特别是计算机视觉理论的发展和完善，苗木分级的理论和方法都取得了一些重要的研究成果。数字图像处理技术在工、农业检测工作中的应用，证实了计算机视觉的高精度和高效率(Chang et al., 1997)。计算机视觉检测成为解决树苗分级问题的一个理想工具。随着计算机视觉技术在各个领域内的应用，世界上许多国家的学者开始致力于造林苗木的计算机视觉分级理论的研究，应用计算机视觉技术来描述苗木形态学特征，实现苗木的非接触测量(Woebbecke et al., 1992)。苗木自动分级技术进入了第二阶段的研究，即应用计算机视觉的分级方法。在第二阶段的研究中，研究人员利用计算机的图像处理分析和智能化，构造了取代人工分级的计算机视觉系统，真正实现了对苗木的自动分级。通过摄像机将苗木图像采集到计算机中，利用图像处理、模式识别和神经网络技术等对苗木图像进行处理、分析，识别苗木的形态特征，同时测量苗木的形态特征参数，经由计算机的数据处理和分析得到苗木的质量评价，从而对苗木进行分级。

美国Oklahoma州立大学的Ringey等(1988)利用CCD线阵摄像机和一台IBM-XT计算机，完成了苗高和地径等有限几个参数的测量，虽然在许多方面存在着局限性，但他们的研究首次证明了应用计算机视觉技术实现苗木自动分级的可行性，同时为这一技术的发展奠定了理论基础，他们还总结了苗木的计算机视觉特征(Ringey et al., 1989)。Ringey等(1992)通过应用线扫描摄像机摄取苗木图像，直接测取地径、苗高、冠面积和根面积4个参数，并计算出强壮比和苗根比两个参数。该文指出可将苗木划分为任意几个等级，预先设定各级中分级参数值的上下限。通过分级参数的测量值与各级的预定义值相比较，实现对苗木的自动分级，这一研究成果在商业育苗中得到了推广和应用。Ringey等(1995)阐述了基于PC机的视觉苗木自动分级系统。该系统应用底部光照技术和2 048像素的线扫描摄像机来取得苗木图像，直径参数的测量分辨率为0.05 mm，测量的时间少于0.25 s·tree^-1。系统的主要特点为能够自动定位地径的位置，同时能测量地径、苗高、根系长度、高径比、冠面积、根面积、茎根比、须根百分比等8个参数，并应用统计学原理和构造的多分类准则实现苗木自动分级。Ringey等(1997)采用新的方法完成了苗木自动分级中一项重要任务——苗木地径的定位。他们总结了其在苗木自动分级技术领域的最新研究成果，并基于先前几年的研究，在图像处理及识别算法方面有所改进和突破，把人工神经网络技术应用到针叶苗木地径的定位上。同时，进一步的研究表明，地径定位是苗木自动分级系统中最重要的环节，提高定位精度将改善苗木分级准确率。在研究中，他们采用几种不同结构的前向反馈神经网络模型。实验对比表明，应用神经网络对苗木地径定位明显优于先前研究中采用的启发式算法。

在Ringey等人进行苗木计算机视觉自动分级技术研究的同时，国际上其他的学者也对这方面进行了研究，并取得了一定的研究成果。Suh等(1998)采用视觉系统对地径、苗高几个参数进行了测量。他们将视觉系统同微型计算机网络联接起来，最后利用小型计算机来完成计算，不仅计算了苗木的外型尺寸，得到了评价苗木各部位的相应比例等8个参数，并进行了各参数间的比较，而且致力于将研究成果移植到微型计算机上，以便具有实际的应用价值。Hassan等(1992)应用一个空间分辨率为0.5 mm的摄像机对苗木进行图像采集，并用计算机处理苗木图像，有效地测量了地径、苗高、根系的投影面积等苗木形态学指标。提出了确定地径位置的理论算法，并在实践应用中取得了成功。该研究成果利用地径这一苗木形态学参数对针叶苗木进行自动分级已接近人工分级的正确率。Aubum大学的Wilhot等(1994a；1994b)、Kutz等(1993)研究了应用2个或3个摄像机得到多幅苗木图像并进行苗木分级的算法和技术，它们开发设计的人机交互式自动分级系统对松树苗木实现了地径、根系长度、苗高等参数的测量，该系统具有0.1 mm的空间分辨率。另外，Lebowitz(1988)、Ruzhitsky等(1992)、Howarth等(1993)也都在不同的方向对苗木自动分级领域的理论、算法、系统构成及实际应用等问题进行了研究。

国内在这方面研究较少，只有吴羡等(1998)、白景峰等(2000a;2000b;2001)陆续发表了关于苗木自动分级实验系统、苗木的形态特征参数提取和图像处理算法的文章。建立了基于计算机视觉的针叶造林苗木自动分级系统，并采用了地径、苗高、根系长度和高径比等8个形态特征参数作为苗木分级的模式特征，设计并完善了苗木灰度图像处理算法，实现了对形态特征参数的测量，并根据形态特征参数建立了一个模糊神经网络，将8个特征量作为网络的输入，通过样本训练，实现对苗木的自动分级。

这些研究成果表明了应用计算机视觉对苗木分级的理论、算法的可行性，并展现了其优越性。随着计算机技术、视觉理论、图像处理和人工智能技术的成熟和发展，这些理论和算法也越来越成熟。而且从这些理论和算法的应用实例来看，它们具有广阔的应用前景和实际意义。

3 苗木自动分级发展展望

苗木自动分级技术从最初的一两个参数的测量到多参数的综合，发展至今已日臻成熟，但仍有许多尚待解决的问题。

3.1 苗木分级标准

苗木质量是由各种特征参数决定的，现有的研究都是根据苗木的形态学特征对苗木进行质量评价，因为形态学特征参数相对易测量。但这并不意味着其它参数不重要，同时，苗木自动分级的发展趋势正使测量的苗木特征参数越来越多，因此，在对苗木形态学特征研究的基础上，适当增加其他的分级特征，可以更全面的评价苗木的质量，例如：苗木的水势、木质化程度等。而且现有的形态学特征参数测量方法都是对二维图像进行处理，所得参数都是苗木的二维投影。由于苗木的形态特征比较复杂，单纯的二维投影并不能完全反映苗木的形态特征，例如冠投影面积、根投影面积等由于苗木图像采集角度不同得到的测量结果也有很大差别。因此可对苗木的三维图像进行测量，得到苗冠、根系等的体积，而不是单方向的投影面积，则能更客观的反映苗木的质量。

3.2 苗木特征参数的测量方法

考虑更多的苗木特征，需要对原有的特征参数测量方法作进一步改进。彩色图像在苗木的计算机视觉自动分级系统中的应用，能够反映苗木更多的自然信息，可以根据苗木的颜色特征测量苗木木质化程度等特征参数等，结合苗木的形态学特征参数，更准确的对苗木进行质量评价。而苗木的三维特征参数，如苗冠体积和根系体积等，则可以通过苗木图像的三维重构来测量。

彩色图像反映了更多的事物信息，基于彩色图像处理的计算机视觉更接近于人类的视觉，彩色计算机视觉在许多领域内已经得到广泛应用。李庆忠等(2000)利用彩色图象处理技术对苹果进行自动分级，通过图像处理确定苹果的颜色特征，利用遗传算法实现了多级前向神经网络识别器的学习设计，实现了对苹果颜色特征的提取，据此对苹果进行分级，并通过实验验证了方法的有效性；Neuman等(1989)利用R、G、B分量的均值实现了小麦的自动分组；Miller等(1989)利用颜色的差异进行了桃子表面缺陷的自动检测研究；Tao等(1995)利用基于色度特征的统计识别算法完成了苹果、土豆的分级；张建平等(1993)对基于计算机视觉的黄烟颜色分选进行了研究；徐献成等(1994)利用颜色特征研究了落花生仁的自动分选等。在机器人视觉方面，应用彩色视觉对目标定位的研究也很多(吴卫国，1999；王卫华，2000)。这些研究为彩色视觉在苗木自动分级领域内的应用提供了良好的理论基础。

3.3 生产中的应用

虽然苗木自动分级技术研究很多，但在实践中却没有得到广泛的应用，尤其是计算机视觉方法，目前距实际应用尚有一定差距。主要原因一是分级的结果还不完全令人满意，二是分级的效率还有待于提高。所以在理论可行的基础上，如何建立高质高效的分级系统也是苗木自动分级技术研究的一个重要课题。

综上所述，随着苗木自动分级技术的发展，考虑更多更合理的苗木特征参数是其必然趋势，在对苗木形态学特征研究的基础上，将木质化程度等非形态特征引入苗木自动分级技术中，将得到更全面的苗木质量评价。而在苗木形态学特征研究中，从二维特征到三维特征演变也是亟待解决的问题。苗木质量特征的变化，必然导致测量方法的改进，所以在进一步的研究中，对苗木彩色图像和三维图像的处理将成为苗木自动分级技术的关键。

4 结论

根据本文所述可见，苗木分级可在极大程度上提高造林苗木的成活率。同时，由于自动化技术、计算机视觉技术等的迅速发展，苗木自动分级理论和技术也得到广泛的研究，从最初的一两个苗木特征参数的自动测量到基于计算机视觉的苗木自动分级，苗木自动分级技术已日臻成熟。在研究中，自动分级的准则越来越完善，更多合理的苗木质量评价特征应用到苗木自动分级系统。因而，随着计算机视觉技术的发展，采用彩色计算机视觉可以得到更完善的苗木质量评价体系，而且合理提取苗木三维形态学特征也成为苗木自动分级理论的一个重要课题。将彩色图像和三维图像处理应用到苗木自动分级领域，建立完善的苗木自动分级系统，并将其在生产实际中推广应用，将成为苗木自动分级领域最具前景的课题。