計算機視覺開發(fā)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺開發(fā)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺開發(fā)范文

關(guān)鍵詞：結(jié)算；工程量；取費

中圖分類號：F830.46 文獻(xiàn)標(biāo)識碼：A

引言

房地產(chǎn)開發(fā)項目是指建設(shè)方向開發(fā)商提供已完工程，并按照規(guī)定向開發(fā)商收取工程價款的過程，傳統(tǒng)的工程結(jié)算分為中間結(jié)算和竣工結(jié)算相結(jié)合的方法，隨著市場經(jīng)濟發(fā)展和建筑業(yè)改革的不斷深化，“標(biāo)價支付、竣工清算”的結(jié)算方式應(yīng)運而生，該種結(jié)算方式既體現(xiàn)了建設(shè)項目招投標(biāo)的形成全過程管理連挑價值鏈的延伸，同時以行業(yè)管理為主體并實施統(tǒng)一管理的內(nèi)容，由于竣工結(jié)算直接影響房產(chǎn)商開發(fā)項目所產(chǎn)生的經(jīng)濟利益大小，直接體現(xiàn)了工程造價系統(tǒng)控制的最終結(jié)果，因此對結(jié)算過程中存在的問題進行合理分析并制定相應(yīng)解決措施對合理控制房產(chǎn)項目結(jié)算價格具有重要意義。

1 房地產(chǎn)開發(fā)項目工程結(jié)算中存在的問題

1.1 高估冒算

當(dāng)前國內(nèi)對預(yù)結(jié)算編制中出現(xiàn)誤差的獎懲制度制定并不完善，房產(chǎn)商對施工單位編制結(jié)算表表中存在誤差沒有相關(guān)約束機制，同時施工隊伍素質(zhì)參差不齊，追求經(jīng)濟效益最大化的思想指使其在編制結(jié)算中出現(xiàn)對工程量高估冒算的現(xiàn)象，具體可表現(xiàn)為技術(shù)人員對造價人員交底不詳細(xì)導(dǎo)致的多報，施工方存在僥幸心理或為了逃避審計單位而無原則虛報等，同時由于當(dāng)前國內(nèi)定額變動頻繁、計算程序較為復(fù)雜以及各個區(qū)域內(nèi)計算基礎(chǔ)不同等因素也導(dǎo)致工程量高估冒算現(xiàn)象[1]。

1.2 虛增工程量

因造價人員對定額理解不透徹，或新舊定額間存在差距，編制人員按照利于其工程量的定額進行計算；在工程量計算時按照施工中材料進場量進行計算，而未按照定額規(guī)定計算規(guī)則進行計算，或?qū)⒍~中規(guī)定的材料損耗計入導(dǎo)致材料用量增加；虛列工程項目，將未施工的項目列入結(jié)算內(nèi)，或在計算工程量時采取重復(fù)計算或多計算等手段導(dǎo)致工程量增多。

1.3 錯套定額

施工方在申報結(jié)算時套用定額時往往是就高不就低，施工中的低工程套用高價定額子目，該類現(xiàn)象在土石方開挖、混凝土標(biāo)號及石子粒徑等環(huán)節(jié)中易出現(xiàn)；在套用定額時在鋼筋混凝土樓梯面層內(nèi)跨步同連接板結(jié)構(gòu)面層內(nèi)應(yīng)采用地面部分而采用樓面面層等現(xiàn)象，該類現(xiàn)象均會導(dǎo)致造價增加[2]。

1.4 材料價格混亂

現(xiàn)代建筑中材料費用約占總費用的60-70%，因此材料價格在工程造價中占有核心地位，但近年來材料市場化在一定程度上導(dǎo)致了管理混亂和材料價格漲跌失控的局面；在材料使用時以次充好，而在結(jié)算中材料價格按照質(zhì)優(yōu)價高的上報，施工中偷工減料或采用同設(shè)計型號不同的材料代替，在結(jié)算中材料價格調(diào)整時調(diào)漲不調(diào)跌，或只調(diào)整高于定額價格的材料而不調(diào)整低于定額的材料價格導(dǎo)致工程造價虛增。

1.5 未按標(biāo)準(zhǔn)取費

現(xiàn)代建筑中工民建應(yīng)符合建筑面積、高度和跨度三個指標(biāo)中的兩個指標(biāo)方可，而構(gòu)筑物中符合一個指標(biāo)則可，因工程類別不同其相應(yīng)的費率也會發(fā)生變化而引起工程造價發(fā)生變化，同時按照市場價計入的項目以補充估價的形式存在而不能計取任何費用，只能計取定額測定費和稅金；在實際施工中未使用大型機械或特種機械而在結(jié)算時卻列入該類費用，或工程施工中未因趕進度而夜間加班但在結(jié)算時卻列入夜間施工所增加的費用等[3]。

2 結(jié)算中存在問題的解決措施

2.1 工程量審核。工程量是工程資源投入的量化指標(biāo)，也是結(jié)算審查工作中的關(guān)鍵，其是根據(jù)施工圖紙按照規(guī)定的計算規(guī)則進行審查，若計算工程量增加則會導(dǎo)致工程直接費用和間接費用都相應(yīng)增加，因此在對施工方上報的結(jié)算審查中應(yīng)將工程量審查作為重中之重。

按計算規(guī)則審查。房產(chǎn)商在進行結(jié)算審核時應(yīng)根據(jù)招投標(biāo)文件、施工合同以及施工圖紙等按照既定計價模式應(yīng)采用的計算規(guī)則進行審核，應(yīng)注意工程量計算并非構(gòu)件實際體量計算，而是在編制定額時已做相應(yīng)簡化，應(yīng)主要審核工程量計算規(guī)則是否同清單設(shè)置吻合、所報單項工程內(nèi)容是否與清單內(nèi)單項工程所包含的內(nèi)容一致，計價是否按照計價規(guī)范中的規(guī)則相符等，應(yīng)注意應(yīng)該扣除的部分是否已經(jīng)扣除等。

審查是否存在重算部分。隨著工程計價軟件的更新，施工方往往巧立名目對工程量進行重復(fù)計算，或故意擴大工程量或虛報工程量，所以在審核時應(yīng)認(rèn)真體會定額內(nèi)的說明和計算規(guī)則以防止施工方重套工程量。

嚴(yán)審變更和簽證工程量。對施工過程中所發(fā)生的變更及簽證所設(shè)計的工程量應(yīng)結(jié)合實際情況進行審查，確保實事求是，應(yīng)認(rèn)真審查變更及簽證手續(xù)是否齊全，確認(rèn)所涉及的項目是否已完成并通過驗收，尤其是涉及的工程量較大且未能做合理解釋的不可單單以簽證為準(zhǔn)，并且應(yīng)注意核減變更前所涉及的工程量；應(yīng)合理區(qū)分變更及簽證所涉及的責(zé)任方，對因施工方內(nèi)部原因?qū)е碌淖兏荒苡枰源_認(rèn)，甚至應(yīng)防范施工方模仿責(zé)任人筆體簽字或私刻公章現(xiàn)象增加工程量現(xiàn)象。

2.2 套用定額單價的審查。若工程計價采用定額計費則單價應(yīng)按照定額單價進行計算，房產(chǎn)商在審查時應(yīng)重點審查定額套用是否合理，是否存在低價高套現(xiàn)象；對因選用材料不同、做法不同或材料斷面厚度不同而進行定額換算現(xiàn)象，應(yīng)主要審查其換算是否按照規(guī)定執(zhí)行；對補充定額則應(yīng)審查其是否依據(jù)編制原則進行；對執(zhí)行工程量清單的項目則因一般情況下采用綜合單價一次性包死而不做調(diào)整，若由于變更等出現(xiàn)新的子項則其單價應(yīng)按照以下依據(jù)實施，原報價中已有適用于該工程量則應(yīng)按照已有價格確定，有類似工程時則可參照類似價格確定，無類似工程則應(yīng)由施工方提出相應(yīng)的變更價格后同開發(fā)商機型協(xié)調(diào)決定；應(yīng)嚴(yán)格審查施工方是否存在將原定額內(nèi)已經(jīng)包括在單價內(nèi)的施工內(nèi)容單獨列項申報或?qū)①M率中包含部分單獨列項重復(fù)申報，或通過對定額單價的換算、混算等措施來抬高結(jié)算單價等現(xiàn)象。

2.3 費用審查。對費用審查應(yīng)結(jié)合當(dāng)?shù)夭块T規(guī)定及合同和招標(biāo)文件等確定費率的時效性，所采用的取費表是否與工程性質(zhì)相符，費率計算是否正確以及價格調(diào)整是否符合相關(guān)規(guī)定等，對于施工過程中新增加的項目則應(yīng)重點審查施工方是否依據(jù)施工方投標(biāo)文件中費率口徑等；對施工方報價時承諾的下浮率應(yīng)在結(jié)算時嚴(yán)格執(zhí)行，對合同外的部分則應(yīng)按照另行約定的下浮率進行結(jié)算；若施工方未進行下浮率承諾則應(yīng)執(zhí)行投標(biāo)報價與公示價相比的下浮率，并選擇承諾下浮率與公示價下浮率中較大的進行結(jié)算；若項目存在預(yù)備費則應(yīng)結(jié)合施工中該項費用是否實際發(fā)生來進行核減，但工程技術(shù)措施費則不應(yīng)以工程量增減而進行調(diào)整。

2.4 材料審查。在材料價格審查時應(yīng)重點審查用量大價格高或材料不透明的部分材料，房產(chǎn)商平時應(yīng)注意收集材料價格信息以及通過各種途徑了解相關(guān)材料價格，對于定額內(nèi)沒有相關(guān)價格的新型材料應(yīng)深入了解市場價格以及廠家產(chǎn)品質(zhì)量等信息便于在審查時有理有據(jù)；應(yīng)重點審查相關(guān)材料定額價及市場價調(diào)整量或調(diào)整系數(shù)等，以防施工方報價中的水分；對施工中宜發(fā)生問題的材料應(yīng)重點審查并現(xiàn)場核實，對施工方報價中價格不明確的材料應(yīng)進行必要的市場調(diào)查或各種途徑了解材料真實價格。

2.5 變更、簽證審查。對施工中發(fā)生的變更和簽證應(yīng)重點審查其合法性和合理性，堅決杜絕在簽證費用中已包含在合同價款匯總的費用施工方再次巧立名目重新計費的現(xiàn)象；應(yīng)重點審查簽證中是否存在工程量交叉而計費重復(fù)的現(xiàn)象，若由于發(fā)生較大變更而導(dǎo)致清單發(fā)生較大變化則應(yīng)重新對清單類別和數(shù)量進行審核，并依據(jù)合同規(guī)定來確定計價模式和取費費率。

參考文獻(xiàn)

[1]羅紹.論房地產(chǎn)開發(fā)施工和結(jié)算階段的造價控制[C].有科技與生活，2009（12）.

第2篇：計算機視覺開發(fā)范文

關(guān)鍵詞：計算機視覺技術(shù)；食品工業(yè)；分級；圖像處理

中圖分類號： TS207 文獻(xiàn)標(biāo)識碼：A

隨著微型個人計算機應(yīng)用的越來越廣泛，以及計算機在綜合學(xué)科中應(yīng)用的深入研究，現(xiàn)如今在工農(nóng)業(yè)、軍事國防、醫(yī)學(xué)衛(wèi)生等眾多領(lǐng)域的使用和研究方面計算機視覺技術(shù)都起到了至關(guān)重要的作用，為了節(jié)省人力、降低成本、減少誤差，該項技術(shù)在食品企業(yè)、科研院所、檢測機構(gòu)中的應(yīng)用更加普遍。如今，在農(nóng)產(chǎn)品藥物殘留檢測、水果重量分級、等級篩選、質(zhì)量監(jiān)管等方面計算機視覺技術(shù)有眾多應(yīng)用。

1 計算機視覺技術(shù)概述

計算機視覺技術(shù)是利用計算機、攝像機、圖像卡以及相關(guān)處理技術(shù)來模擬人的視覺，用以識別、感知和認(rèn)識我們生活的世界[1]。該技術(shù)是模擬識別人工智能、心理物理學(xué)、圖像處理、計算機科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計算機視覺技術(shù)用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來模擬人對事物的認(rèn)識和思考，替代人類完成程序為其設(shè)定的工作。該技術(shù)由多個相關(guān)的圖像處理系統(tǒng)組成，主要包括光源提供系統(tǒng)、圖像提取系統(tǒng)、計算機數(shù)據(jù)運算系統(tǒng)等。原理是：首先通過攝像機獲得所需要的圖像信息，然后利用信號轉(zhuǎn)換將獲得的圖像信息轉(zhuǎn)變?yōu)閿?shù)字圖像以便計算機正確識別[2]。隨著科學(xué)技術(shù)的發(fā)展，計算機技術(shù)在各個領(lǐng)域得到廣泛應(yīng)用，計算機視覺技術(shù)不僅在代替人類視覺上取得了重大成就，而且在很多具體工作方便超越了人的視覺功能。計算機視覺計算有如此快速的發(fā)展，是因為與人類的視覺相比該技術(shù)具有以下顯著優(yōu)勢[3]。

1.1 自動化程度高

計算機視覺可以實現(xiàn)對農(nóng)產(chǎn)品的多個外形和內(nèi)在品質(zhì)指標(biāo)進行同時檢測分析，可以進行整體識別、增強對目標(biāo)識別的準(zhǔn)確性。

1.2 實現(xiàn)無損檢測

由于計算機視覺技術(shù)對農(nóng)產(chǎn)品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。

1.3 穩(wěn)定的檢測精度

設(shè)計的運行程序確定后，計算機視覺技術(shù)的識別功能就會具有統(tǒng)一的識別標(biāo)準(zhǔn)，具有穩(wěn)定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。

2 計算機視覺技術(shù)在食品檢測中的應(yīng)用

20世紀(jì)70年代初，學(xué)者開始研究計算機視覺技術(shù)在食品工業(yè)中的應(yīng)用，近幾十年電子技術(shù)得到快速發(fā)展，計算機視覺技術(shù)也越來越成熟。國內(nèi)外學(xué)者在研究計算機視覺技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識別、內(nèi)部無損檢測等方面。國內(nèi)有關(guān)計算機視覺技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代，比國外發(fā)達(dá)國家晚多達(dá)20a，但是發(fā)展很快。

2.1 計算機視覺技術(shù)在果蔬分級中的應(yīng)用研究

計算機視覺技術(shù)在食品檢測中的應(yīng)用研究相當(dāng)廣泛，從外部直徑、成熟度的檢測到內(nèi)部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標(biāo)準(zhǔn)所規(guī)定的5mm分類標(biāo)準(zhǔn)差，可在工業(yè)生產(chǎn)中很好應(yīng)用。李慶中[5]也利用圖像的缺陷分割算法研究了計算機視覺技術(shù)在蘋果檢測與分級中的應(yīng)用，結(jié)果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等[6]以蘋果色澤特征比率的變化規(guī)律為理論基礎(chǔ)，結(jié)合模糊聚類知識利用計算機視覺技術(shù)來檢測蘋果缺陷域，檢測不僅快速而且結(jié)果精確。劉禾等[7]通過研究認(rèn)為蘋果的表面缺陷可以利用計算機視覺技術(shù)進行檢測，計算機視覺技術(shù)還可以將蘋果按照檢測結(jié)果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應(yīng)義斌等[8]通過計算機視覺技術(shù)、圖像處理技術(shù)、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達(dá)到90%。楊秀坤等[9]綜合運用計算機視覺技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實現(xiàn)了具有精確度高、靈活性強和速度快等優(yōu)點的蘋果成熟度自動判別。陳育彥等[10]采用半導(dǎo)體激光技術(shù)、計算機視覺技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測蘋果表面的機械損傷和果實內(nèi)部的腐爛情況，初步驗證了計算機視覺技術(shù)檢測蘋果表面的損傷和內(nèi)部腐爛是可行的。馮斌等[11]通過計算機視覺技術(shù)對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統(tǒng)的檢測方法速度快、準(zhǔn)確率高，適用于計算機視覺的實時檢測。朱偉[12]在模糊顏色的基礎(chǔ)上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進行分割，結(jié)果顯示準(zhǔn)確率高達(dá)96%。曹樂平等[13]人研究了溫州蜜柑的果皮顏色與果實可滴定酸含量以及糖分含量之間的相關(guān)性，然而根據(jù)相關(guān)性，樣品檢測的正確識別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數(shù)據(jù)，對蘋果的外徑、體積、以及圓形度等參數(shù)進行處理，與人工檢測相比，計算機視覺技術(shù)具有檢測效率高，檢測標(biāo)準(zhǔn)統(tǒng)一性好等優(yōu)點。Blasco. J [15]通過計算機視覺技術(shù)分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺識別系統(tǒng)、輸送轉(zhuǎn)換系統(tǒng)、輸送翻轉(zhuǎn)系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng)，研制出一款適于實時監(jiān)測、品質(zhì)動態(tài)的智能分級系統(tǒng)，能夠很好地實現(xiàn)蘋果分級。王江楓等[17]建立了芒果重量與攝影圖像的相互關(guān)系，應(yīng)用計算機視覺技術(shù)檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準(zhǔn)確率均為92%，按果面損傷分級的準(zhǔn)確率分別為76%和80%。

2.2 計算機視覺技術(shù)在禽蛋檢測中的應(yīng)用研究

禽蛋企業(yè)在生產(chǎn)過程中，產(chǎn)品的分級、品質(zhì)檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術(shù)可以很好的解決這類產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽靜怡等[18]利用計算機視覺技術(shù)來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術(shù)，獲得裂紋形狀并判斷，試驗結(jié)果表明，計算機視覺技術(shù)對雞蛋蛋殼裂紋的檢測準(zhǔn)確率高達(dá)98%。汪俊德等[19]以計算機視覺技術(shù)為基礎(chǔ)，設(shè)計出一套雙黃雞蛋檢測系統(tǒng)。該系統(tǒng)獲取蛋黃指數(shù)、蛋黃特征和蛋形尺寸等特征，和設(shè)計的數(shù)學(xué)模型對比來實現(xiàn)雙黃雞蛋的檢測和識別，檢測準(zhǔn)確率高達(dá)95%。鄭麗敏等[20]人通過高分辨率的數(shù)字?jǐn)z像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學(xué)模型來預(yù)測雞蛋的新鮮度和貯藏期，結(jié)果表明，計算機視覺技術(shù)對雞蛋的新鮮度、貯藏期進行預(yù)測的結(jié)果準(zhǔn)確率為94%。潘磊慶等[21]通過計算機視覺技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測裂紋雞蛋，其檢測準(zhǔn)確率達(dá)到98%。Mertens K等[22]人基于計算機視覺技術(shù)研發(fā)了雞蛋的分級檢測系統(tǒng)，該系統(tǒng)識別帶污漬雞蛋的正確率高達(dá)99%。

2.3 計算機視覺技術(shù)在檢測食品中微生物含量中的應(yīng)用研究

計算機技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應(yīng)用得到快速發(fā)展，在微生物快速檢測中的應(yīng)用也越來越多，主要是針對微生物微菌落的處理。食品工業(yè)中計算機視覺技術(shù)在微生物檢測方面的研究和應(yīng)用以研究單個細(xì)胞為主，并在個體細(xì)胞的研究上取得了一定的進展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計了一套應(yīng)用計算機視覺技術(shù)快速定量檢測食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測結(jié)果與傳統(tǒng)方法的檢測結(jié)果具有很好的相關(guān)性，但與傳統(tǒng)方法相比，可以節(jié)省5d時間，檢測時間在18h以內(nèi)，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等[24]人等時間段測定培養(yǎng)基上的細(xì)胞密度，然后通過計算機技術(shù)建立時間和細(xì)胞密度之間的動態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態(tài)，根據(jù)菌落的邊緣形態(tài)計算機可以顯示被檢測菌落的具置，并且根據(jù)動態(tài)關(guān)聯(lián)計算機視覺系統(tǒng)可以同時處理多個不同的樣品。郭培源等[25]人對計算機視覺技術(shù)用于豬肉的分級進行了研究，結(jié)果顯示計算機視覺技術(shù)在識別豬肉表面微生物數(shù)量上與國標(biāo)方法檢測的結(jié)果顯著相關(guān)，該技術(shù)可以有效地計算微生物的數(shù)量。Bayraktar. B等[26]人采用計算機視覺技術(shù)、光散射技術(shù)（BARDOT）和模式識別技術(shù)相結(jié)合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態(tài)特征有對圖像進行分析處理達(dá)到對該菌的分類識別。殷涌光等[27]人綜合利用計算機視覺、活體染色、人工神經(jīng)網(wǎng)絡(luò)、圖像處理等技術(shù)，用分辨率為520萬像素的數(shù)字?jǐn)z像機拍攝細(xì)菌內(nèi)部的染色效果，并結(jié)合新的圖像處理算法，對細(xì)菌形態(tài)學(xué)的8個特征參數(shù)進行檢測，檢測結(jié)果與傳統(tǒng)檢測結(jié)果顯著相關(guān)（相關(guān)系數(shù)R=0.9987），和傳統(tǒng)檢測方法相比該方法具有操作簡單、快速、結(jié)果準(zhǔn)確、適合現(xiàn)場快速檢測等特點。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識別出微生物數(shù)量，并以此作為衡量乳制品質(zhì)量是否達(dá)標(biāo)的依據(jù)，并對產(chǎn)品進行分級。

2.4計算機視覺技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究

里紅杰等[30]通過提取貝類和蝦類等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計算機識別技術(shù)實現(xiàn)了對貝類和蝦類等海產(chǎn)品的無損檢測和自動化分類、分級和質(zhì)量評估，并通過實例詳細(xì)闡述了該技術(shù)的實現(xiàn)方法，證實了此項技術(shù)的有效性。計算機視覺技術(shù)還可以檢驗玉米粒形和玉米種子質(zhì)量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術(shù)對圖像進行分析評估，毛葉棗可食率的評估結(jié)果與運用物理方法測得的結(jié)果平均誤差僅為1.47%，因此得出結(jié)論：計算機視覺技術(shù)可以應(yīng)用于毛葉棗的自動分級。Gokmen，V等通用對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數(shù)來研究薯片中丙烯酰胺的含量和褐變率也關(guān)系，結(jié)果顯示兩項參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計算機視覺技術(shù)來預(yù)測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應(yīng)用。韓仲志等人拍攝和掃描11類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術(shù)對花生內(nèi)部和外部采集圖像，并通過圖像對其外在品質(zhì)和內(nèi)在品質(zhì)進行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對待檢樣品進行分級檢測時的正確率高達(dá)92%。另外，郭培源等人以國家標(biāo)準(zhǔn)為依據(jù)，通過數(shù)字?jǐn)z像技術(shù)獲取豬肉的細(xì)菌菌斑面積、脂肪細(xì)胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標(biāo)來實現(xiàn)豬肉新鮮程度的分級辨認(rèn)。

3 展望

新技術(shù)的研究與應(yīng)用必然伴隨著坎坷，從70年代初計算機視覺技術(shù)在食品工業(yè)中進行應(yīng)用開始，就遇到了很多問題。計算機視覺技術(shù)在食品工業(yè)中的研究及應(yīng)用主要存在以下幾方面的問題。

3.1 檢測指標(biāo)有限

計算機視覺技術(shù)在檢測食品單一指標(biāo)或者以一個指標(biāo)作為分級標(biāo)準(zhǔn)進行分級時具有理想效果，但以同一食品的多個指標(biāo)共同作為分級標(biāo)準(zhǔn)進行檢測分級，則分級結(jié)果誤差較大。例如，Davenel等通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結(jié)果顯示，系統(tǒng)會把花粵和果梗標(biāo)記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復(fù)雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺為主要技術(shù)手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。

3.2 兼容性差

計算機視覺技術(shù)針對單一種類的果蔬分級檢測效果顯著，但是同一套系統(tǒng)和設(shè)備很難用于其他種類的果蔬，甚至同一種類不同品種的農(nóng)產(chǎn)品也很難公用一套計算機視覺設(shè)備。Reyerzwiggelaar等利用計算機視覺檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測桃子的準(zhǔn)確率顯著高于杏的。Majumdar.S等利用計算機視覺技術(shù)區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。

3.3 檢測性能受環(huán)境制約

現(xiàn)階段的計算機視覺技術(shù)和配套的數(shù)學(xué)模型適用于簡單的環(huán)境，在復(fù)雜環(huán)境下工作時會產(chǎn)生較大的誤差。Plebe等利用計算機視覺技術(shù)對果樹上的水果進行識別定位，但研究發(fā)現(xiàn)由于光照條件以及周邊環(huán)境的影響，水果的識別和定位精度不高，不能滿足實際生產(chǎn)的需要。

綜上所述，可看出國內(nèi)外學(xué)者對計算機視覺技術(shù)在食品工業(yè)中的應(yīng)用進行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個學(xué)科，在研究和應(yīng)用的過程中，取得了較大的經(jīng)濟效益，也遇到了很多問題，在新的形勢下，計算機視覺技術(shù)和數(shù)碼拍攝、圖像處理、人工神經(jīng)網(wǎng)絡(luò)，數(shù)學(xué)模型建設(shè)、微生物快速計量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個領(lǐng)域?qū)W者的研究熱點，以計算機視覺為基礎(chǔ)的綜合技術(shù)也將在食品工業(yè)中發(fā)揮更加重要的作用。

參考文獻(xiàn)

[1] 寧紀(jì)鋒，龍滿生，何東健.農(nóng)業(yè)領(lǐng)域中的計算機視覺研究[J].計算機與農(nóng)業(yè)，2001（01）：1-3.

[2] 李崢.基于計算機視覺的蔬菜顏色檢測系統(tǒng)研究[D].吉林：吉林大學(xué)，2004.

[3] 曾愛群.基于計算機視覺與神經(jīng)網(wǎng)絡(luò)的芒果等級分類研究[D].桂林：桂林工學(xué)院，2008.

[4] 韓偉，曾慶山.基于計算機視覺的水果直徑檢測方法的研究[J].中國農(nóng)機化，2011（05）：25-29.

[5] 李慶中.蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D].北京：中國農(nóng)業(yè)大學(xué)，2000.

[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺的蘋果在線高效檢測與分級系統(tǒng)[J].儀表技術(shù)與傳感器，2011（06）：62-65.

[7] 劉禾，汀慰華.水果果形判別人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報，1996，12（0l）：171-176.

[8] 應(yīng)義斌，景寒松，馬俊福.用計算機視覺進行黃花梨果梗識別的新方法[J].農(nóng)業(yè)工程學(xué)報，1998，14（02）：221-225.

[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經(jīng)網(wǎng)絡(luò)方法進行蘋果顏色白動檢測的研究[J].農(nóng)業(yè)工程學(xué)報，1997，13（02）：193-176.

[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋果表面損傷和內(nèi)部腐爛檢測[J].農(nóng)業(yè)機械學(xué)報，2009，40（07）：133-137.

[11] 馮斌，汪憋華.基于計算機視覺的水果大小檢測方法[J].農(nóng)業(yè)機械學(xué)報，2003，34（01）：73-75.

[12] 朱偉，曹其新.基于模糊彩色聚類方法的西紅柿缺陷分割[J].農(nóng)業(yè)工程學(xué)報，2003，19（03）：133-136.

[13] 曹樂平，溫芝元，沈陸明.基于色調(diào)分形維數(shù)的柑橘糖度和有效酸度檢測[J].農(nóng)業(yè)機械學(xué)報，2009，41（03）：143-148.

[14] 劉剛，王立香，柳兆君.基于計算機視覺的蘋果質(zhì)量檢測[J].安徽農(nóng)業(yè)科學(xué)，2012，40（08）：5014-5016.

[15] Blasco J，Aleixos N，Molto puter vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81（03）：535-543.

[16] 趙廣華，飛，陸奎榮，等.智能化蘋果品質(zhì)實時分選系統(tǒng)[J].中國科技信息.

[17] 王江楓，羅錫文，洪添勝，等.計算機視覺技術(shù)在芒果重量及果面壞損檢測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報，1998（12）：186-189.

[18] 歐陽靜怡，劉木華.基于計算機視覺的雞蛋裂紋檢測方法研究[J].農(nóng)機化研究，2012（03）：91-93.

[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺技術(shù)的雙黃雞蛋檢測系統(tǒng)研究[J].農(nóng)機化研究，2012（09）：195-199.

[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺的雞蛋新鮮度無損檢測[J].農(nóng)業(yè)工程學(xué)報，2009，25（03）：335-339.

[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測[J].農(nóng)業(yè)工程學(xué)報，2010，26（11）：332-337.

[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84（10）：1653-1659.

[23] 殷涌光，丁筠.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學(xué)學(xué)報（工學(xué)版），2009，39（02）：344-348.

[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010（08）：38-44.

[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統(tǒng)研究[J].食品科學(xué)，2010，31（15）：68-72.

[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11（03）：34- 36.

[27] 殷涌光，丁筠.基于計算機視覺的蔬菜中活菌總數(shù)的快速檢測[J].農(nóng)業(yè)工程學(xué)報，2009，25（07）：249-254.

[28] 魯靜.乳品微生物自動檢測系統(tǒng)的設(shè)計[J].湖北第二師范學(xué)院學(xué)報，2010，27（08）：115-117.

[29] 劉侃.鮮奶含菌量快速檢測系統(tǒng)[D].華中科技大學(xué)，2008.

[30] 里紅杰，陶學(xué)恒，于曉強.計算機視覺技術(shù)在海產(chǎn)品質(zhì)量評估中的應(yīng)用[J].食品與機械，2012，28（04）：154-156.

第3篇：計算機視覺開發(fā)范文

【關(guān)鍵詞】計算機視覺；構(gòu)件；表面特征；檢測

表面缺陷檢測以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強對產(chǎn)品的表面缺陷提取以及質(zhì)量檢測顯得尤為重要，目前基于計算機視覺的構(gòu)件缺陷檢測系統(tǒng)已經(jīng)受到國內(nèi)外研究人員的重視，如何更好地將計算機視覺技術(shù)引入到產(chǎn)品表面質(zhì)量缺陷檢測中去是未來發(fā)展的重點。筆者將在下文中就此展開詳細(xì)的闡述。

1.計算機視覺的基本工作原理

1.1系統(tǒng)結(jié)構(gòu)

計算機視覺是一項涉及范圍廣泛的技術(shù)，他通過圖像采集裝置將檢測目標(biāo)轉(zhuǎn)化為圖像信號，再經(jīng)過專門性的額圖像處理系統(tǒng)最終生成具體的表面特征。具體來講在圖像處理環(huán)節(jié)米旭濤根據(jù)圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進行目標(biāo)提取，再比照系統(tǒng)預(yù)設(shè)的參照值得出最終的檢測結(jié)果，例如尺寸大小、顏色等師傅偶合格。計算機視覺處理系統(tǒng)包括了光源、鏡頭、計算機以及圖像采集裝置和處理系統(tǒng)等，這些系統(tǒng)綜合組成共同推動了計算機視覺系統(tǒng)的正常穩(wěn)定運行。

1.2計算機視覺硬件設(shè)計

計算機視覺系統(tǒng)的硬件平臺包括了照明系統(tǒng)、鏡頭相機以及圖像采集裝置和工控機四個部分，這四個部分缺一不可，共同組成了整個計算機視覺系統(tǒng)。

1.2.1照明系統(tǒng)

照明系統(tǒng)是整個計算機視覺系統(tǒng)的關(guān)鍵，尤其是在光源和照明方案的配合上更是直接影響了整個系統(tǒng)運行的成敗。因此在照明方案的制定以及光源的選擇上應(yīng)該盡可能的突出物體特征參量，綜合考慮對比度以及亮度等因素，將計算機視覺系統(tǒng)的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時還需要結(jié)合被檢測物體的表面特征幾何形狀。針對構(gòu)件表面缺陷的照明方案，筆者認(rèn)為應(yīng)該選擇功率相對較大的LED光源，用低角度的方式進行照明。

1.2.2相機鏡頭

相機系統(tǒng)是成像的關(guān)鍵，因此在相機鏡頭的選擇上應(yīng)該適用于具體的構(gòu)件。一般來說相機鏡頭包括了兩方面內(nèi)容，一是線掃，二是面掃。通過二者的綜合運用實現(xiàn)更好地成像效果。

1.2.3圖像采集卡

圖像采集卡主要是指在計算機視覺系統(tǒng)中位于圖像裁剪機設(shè)備和圖像處理設(shè)備之間的重要接口。是成像的中間環(huán)節(jié)，發(fā)揮著不可或缺的作用。

2.基于計算機視覺的構(gòu)件表面缺陷特征提取

基于計算機視覺的構(gòu)件表面缺陷特征提取可以分為為三個重要部分，分別是圖像預(yù)處理部分：主要是指針對構(gòu)件進行區(qū)域的定位，將非構(gòu)件的部分移出計算機視覺的缺陷提取技術(shù)中去，從而降低了后續(xù)工作的工作難度；其次是進行缺陷定位，主要是指通過特定的技術(shù)和算法將缺陷從結(jié)果當(dāng)中直接分離出來。第三部分是缺陷特征的提取，也是系統(tǒng)處理的結(jié)果部分，是通過計算缺陷的程度以及缺陷大小，從而為后期的構(gòu)件維護提供參考依據(jù)。具體來說，這三個部分的操作主要體現(xiàn)在以下幾個方面：

2.1區(qū)域定位

區(qū)域定位是減少構(gòu)件處理和選擇時間的關(guān)鍵，能夠大大提高構(gòu)件缺陷提取的效率。構(gòu)件的表面的基本特征和大致集合框架提取是區(qū)域定位和的第一步，要將計算機區(qū)域定位和缺陷提取結(jié)合起來，更好地實現(xiàn)缺陷分析。要做好構(gòu)件的區(qū)域定位首先需要明確構(gòu)件的基本種類和特征：一是根據(jù)構(gòu)件的重用方式來說，可以分為白匣子、灰匣子、黑匣子從構(gòu)件的使用范圍來看又可以分為通用構(gòu)件和專用構(gòu)件；根據(jù)構(gòu)件的粒度的大小可以分為小。中大三種不同粒度的構(gòu)件；再次是從構(gòu)件的功能上來看可以分為系統(tǒng)構(gòu)件、支撐構(gòu)件以及領(lǐng)域構(gòu)件三個部分。四是從構(gòu)件的基本結(jié)構(gòu)特征來看可以分為原子構(gòu)件以及組合構(gòu)件。最后從構(gòu)件的狀態(tài)來說，又可以分為動態(tài)和靜態(tài)構(gòu)件。因此從不同種類的構(gòu)件進行區(qū)域定位為視覺系統(tǒng)正常運行創(chuàng)造了優(yōu)良的條件。

2.2缺陷提取

在進行缺陷提取的過程中，難免會受到客觀的環(huán)境影響，比如噪聲、溫度以及濕度等對圖像處理的結(jié)果產(chǎn)生影響，因此需要對區(qū)域定位中產(chǎn)生的區(qū)域進行濾波處理，然后再采用閾值分割的辦法進行缺陷提取。具體操作步驟如下所示：

（1）計算出成像中的最小最大灰度值，并且設(shè)置初始閾值。

（2）根據(jù)閾值，結(jié)合圖像的分割目標(biāo)，將圖像分割成為目標(biāo)和背景兩個部分，求導(dǎo)出平均灰度值。

（3）再根據(jù)新的平均灰度值計算出新的閾值。

（4）觀察閾值的初始值與新閾值之間的關(guān)系，如歌二者相等則整個計算過程就結(jié)束，如果不相等，則就需要進一步計算。

通過閾值計算得出啊的最佳閾值分割效果圖，能夠進行初步的缺陷預(yù)判，但是初步預(yù)判當(dāng)中還存在較多的不確定因素，主要包括兩類，一是在邊緣部分出現(xiàn)的細(xì)小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構(gòu)件表面有一些非常細(xì)小的缺陷，這些缺陷的影響較小，不會對構(gòu)件的性能造成影響，因此在進行缺陷提取的過程中需要將這兩個因素排除在外，具體主要是指采用圖像形態(tài)學(xué)中開運算和閉運算，從而達(dá)到對構(gòu)件中的明了細(xì)節(jié)和暗色細(xì)節(jié)的過濾。具體來說缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點的上下左右灰度加權(quán)算法，對構(gòu)件表面的缺陷進行檢測。再采用二值圖像邊界跟蹤法，將缺陷從構(gòu)件圖像中分離出來。

2.3缺陷特征提取

缺陷特征提取，又可以稱之為缺陷的定量計算和定性過程，是將前期所得的數(shù)據(jù)結(jié)果以更加直觀的形式展現(xiàn)出來，通過對比指標(biāo)參數(shù)判斷構(gòu)件的表面質(zhì)量是否合格，符合基本的生產(chǎn)標(biāo)準(zhǔn)。一般來說常用的表示缺陷特征的標(biāo)準(zhǔn)有以下幾種：

（1）周長：周長是對缺陷的邊界長度的描述，在圖像特征上顯示則是指構(gòu)件成像上的缺陷區(qū)域的邊界像素數(shù)量。

（2）面積：面積相對于周長能夠更加直觀地反映整體缺陷的大小，它是缺陷區(qū)域中的像素的總數(shù)，因此更高體現(xiàn)缺陷的影響規(guī)模。

（3）致密性：這是一個相對專業(yè)的缺陷指標(biāo)概念主要是指每平方面積上的平方周倉，是一個雙單位描述指標(biāo)。

（4）區(qū)域的質(zhì)心：區(qū)域質(zhì)心是描述缺陷的影響關(guān)鍵也就是缺陷區(qū)域內(nèi)的核心區(qū)域，是對整個區(qū)域的核心描述。

（5）最小外接矩形。

3.結(jié)語

綜上所述，構(gòu)件表面缺陷直接影響構(gòu)件的最終使用效果，構(gòu)件表面缺陷的檢測應(yīng)用領(lǐng)域也逐漸廣泛，而計算機視覺技術(shù)在檢測缺陷中的優(yōu)越性更體現(xiàn)了基于計算機視覺的構(gòu)件表面缺陷特征提取的研究價值。本文主要針對構(gòu)件表面缺陷的檢測，綜合計算機視覺技術(shù)提出了具體的檢測方法和檢測工作原理，通過對表面缺陷的檢測，力圖提高構(gòu)件的整體質(zhì)量。

【參考文獻(xiàn)】

[1]陳黎，黃心漢，王敏，何永輝，龔世強.帶鋼缺陷圖像的自動閾值分割研究[J].計算機工程與應(yīng)用，2002，（07）.

[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷邊緣提取[J].機械設(shè)計與制造，2012，（06）.

第4篇：計算機視覺開發(fā)范文

關(guān)鍵詞： 木材表面缺陷； 計算機視覺； 檢測系統(tǒng)； 木材加工

中圖分類號： TN911?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）12?0148?04

Abstract： Since the manual detection for wood surface defect in the process of wood processing exists the problems of low efficiency and large quality difference， a real?time on?line automatic detection system of wood surface defect was designed by means of computer vision technology. The system can find out whether the wood surface has defect， detect the size and location of the wood surface defect accurately， and store the information to guide the wood processing equipment for wood processing. The system has the characteristic of accurate and fast detection speed. The conclusion from various experiments indicates that the system′s recognition accuracy rate can reach up to 92.33%， and the average detection time is 2 ms， which shows that the system is feasible.

Keywords： wood surface defect； computer vision； detection system； wood processing

0 引 言

木材表面缺陷是指降低木材商品價值和使用價值的各種特征的總稱，這些缺陷不但會影響木材強度，還嚴(yán)重影響木材加工和木制裝飾的質(zhì)量及外觀[1?3]。常用的木材表面缺陷檢測的方法有：人工檢測、超聲波檢測、X射線檢測、激光掃描、計算機視覺技術(shù)檢測[4]。

目前，計算機視覺技術(shù)已在許多領(lǐng)域得到了廣泛的應(yīng)用，在木材表面缺陷的檢測中也取得了顯著的成果[5?10]。文獻(xiàn)[11]中，提出一種改進Sobel算子提取木材表面缺陷邊緣的算法，并使用神經(jīng)網(wǎng)絡(luò)模式識別檢測木材表面缺陷，該文獻(xiàn)介紹的方法能夠提高木材表面缺陷邊緣的檢測精度，識別的準(zhǔn)確率較高，但需要大量具有代表性的木材圖像作為訓(xùn)練樣本，算法的復(fù)雜性也導(dǎo)致檢測效率不高。文獻(xiàn)[12]提出一種基于數(shù)學(xué)形態(tài)學(xué)分割木材表面缺陷的方法，并使用最小二乘支持向量機分類器檢測木材表面缺陷，缺陷分割算法能夠有效避免木材紋理對分割結(jié)果的影響，但在實際處理分割時，需要根據(jù)應(yīng)用背景選擇不同的參數(shù)值來得到分割的種子點，通用性有待提高。文獻(xiàn)[13]介紹了一種基于HIS空間二維最大信息熵的分割方法，它對木材表面缺陷圖像的分割結(jié)果較好，但是分割的處理時間較長，實時性不強。雖然對木材表面缺陷檢測的研究有很多，然而，應(yīng)用計算機視覺技術(shù)，實時在線檢測并定位木材表面缺陷卻未見報道。

木材加工過程中木材表面缺陷的檢測大多仍依賴人工完成，檢測的效率會隨著檢測人員的疲勞加重而有所下降，并且不同操作員的經(jīng)驗差異導(dǎo)致同一塊木材的檢測結(jié)果也會有所不同[13]。因此，研究一種能夠代替人工進行木材表面缺陷檢測的方法對木材加工行業(yè)非常重要。

本文利用計算機視覺技術(shù)，開發(fā)了一套木材表面缺陷在線實時檢測系統(tǒng)，為木材加工行業(yè)提供了一個有效的方案。該系統(tǒng)可以檢測出木材表面缺陷的大小以及位置信息，通過串口通信模塊與下位機進行雙向數(shù)據(jù)傳遞，進而指導(dǎo)木材加工設(shè)備對已檢測木材進行作業(yè)。

1 系統(tǒng)設(shè)計方案

系統(tǒng)結(jié)構(gòu)如圖1所示，主要包括木材表面缺陷檢測平臺和木材表面缺陷軟件檢測系統(tǒng)。檢測平臺主要包括傳送機構(gòu)、結(jié)構(gòu)光源、CCD工業(yè)相機、接近開關(guān)等。CCD工業(yè)相機為維視MV?VD120SC，分辨率為1 280× 960，焦距為8 mm，幀率為15 f/s，像素尺寸為4.65 μm ×4.65 μm，傳感器光學(xué)尺寸為，信噪比大于54 dB，數(shù)據(jù)位數(shù)輸出 8 b，輸出方式為USB 2.0，供電要求為5 V（USB接口或外接電源供電），外形尺寸為56 mm×50.6 mm×50.6 mm。機架使用歐標(biāo)型3030鋁型材，由3030角碼、M5不銹鋼內(nèi)六角圓柱頭螺釘、M5配3030鋁型材的T型螺母、M8尼龍腳墊、12W?T8?LED燈管、UCP208立式軸承座、寬450 mm PVC輸送帶和滬工DC 5 V接近開關(guān)等構(gòu)成。

軟件檢測系統(tǒng)通過數(shù)據(jù)線與相機相連，實時獲取傳送帶送來的木材圖像，并快速地進行缺陷檢測，最后將相關(guān)木材表面缺陷的信息傳遞給木材加工設(shè)備。木材經(jīng)傳送帶進入相機拍攝區(qū)域時，安裝在機架一側(cè)的接近開關(guān)檢測到木材的接近并將信號傳給檢測系統(tǒng)，檢測系統(tǒng)控制下位機使得傳送帶電機失電，傳送帶停止。下位機的計時器開始計時，隨之檢測系統(tǒng)控制相機獲取木材圖像，并檢測木材表面缺陷，并向下位機傳遞檢測結(jié)果，下位機再控制木材加工設(shè)備對木材進行后續(xù)的加工。當(dāng)計時器計時到達(dá)設(shè)定的時間后，下位機使傳送帶電機得電，傳送帶移動一個單位距離（確保與上一張檢測圖像無過多重復(fù)，并無檢測區(qū)域丟失），然后電機失電，傳送帶停止，重復(fù)前面的步驟。當(dāng)木材完全離開相機拍攝區(qū)域，接近開關(guān)將信號傳給檢測系統(tǒng)，檢測系統(tǒng)進入待機狀態(tài)。整個系統(tǒng)的工作流程如圖2所示。

2 系統(tǒng)軟件設(shè)計

本軟件使用Microsoft Visual Studio 2013 作為開發(fā)平臺，采用C++作為主要開發(fā)語言，操作界面使用MFC/C++開發(fā)。通過調(diào)用OpenCV和CameraDS相關(guān)函數(shù)來實現(xiàn)實驗圖像的獲取，具有獲取速度快，兼容大部分?jǐn)?shù)字?jǐn)z像機等優(yōu)點。

2.1 系統(tǒng)安全設(shè)計

如圖3所示，本軟件根據(jù)用戶不同的實際需求提供了自動檢測和手動檢測兩種模式。手動模式下，用戶才可以對檢測系統(tǒng)的參數(shù)進行設(shè)置，設(shè)置好參數(shù)后，按下“獲取圖片”按鈕，然后再按下“缺陷檢測”按鈕，信息提示窗口將顯示木材表面缺陷的中心坐標(biāo)、缺陷大小、缺陷檢測所用的時間等。按下“繼續(xù)”按鈕，傳送帶帶動木材運動一個單位距離，傳送帶停止運動，重復(fù)上述操作便可實現(xiàn)再一次的缺陷檢測。自動模式下，系統(tǒng)會根據(jù)手動模式下設(shè)置的參數(shù)進行自動檢測。

為了提高本系統(tǒng)的穩(wěn)定性與安全性，在安全操作方面做了一些設(shè)置。自動模式和手動模式兩種模式只能在一個檢測循環(huán)結(jié)束后進行切換。例如，當(dāng)要從手動模式切換到自動模式，自動模式的選擇只能在缺陷檢測完成后，“繼續(xù)”按鈕彈起后才起作用。而從自動模式切換到手動模式需要在缺陷檢測完成后，即信息提示框中顯示缺陷信息后方可實現(xiàn)。這樣的設(shè)置可防止傳送帶傳送時間出現(xiàn)差異，導(dǎo)致部分木材表面缺陷部位未能被檢測到，也可防止缺陷檢測中途遭到中斷。

2.2 參數(shù)設(shè)定

為了得到準(zhǔn)確的檢測結(jié)果，用戶首次使用本系統(tǒng)需要手動設(shè)置與檢測有關(guān)的參數(shù)，點擊“參數(shù)設(shè)定”按鈕，彈出對話框如圖4所示。

2.2.1 分割閾值設(shè)定

本軟件使用二值化函數(shù)對木材表面缺陷圖像進行閾值分割，閾值的設(shè)定將直接影響檢測的結(jié)果。二值化函數(shù)的作用是將圖像中灰度值大于設(shè)定閾值（圖4中設(shè)為90）的像素點的灰度值修改為255（白色），小于或等于設(shè)定閾值的則被修改為0（黑色）。使得木材表面缺陷的部分變?yōu)楹谏静恼５牟糠肿優(yōu)榘咨?/p>

2.2.2 時間間隔設(shè)定

“時間間隔”測試前先打開相機，在木材表面位于拍攝區(qū)域的下邊緣處作個小標(biāo)記，準(zhǔn)備好秒表，按下“測試”按鈕的同時按下秒表計時，眼睛觀察拍攝區(qū)域，當(dāng)小標(biāo)記到達(dá)拍攝區(qū)域的上邊緣時停止計時，將秒表上顯示的時間輸入到相應(yīng)的編輯框中。

2.2.3 最大舍棄面積設(shè)定

“最大舍棄面積”表示面積小于該值的區(qū)域?qū)⒉槐欢槿毕荻釛?，因為木材表面可能存在灰塵、污點、木屑等，它們的面積相對于缺陷的面積小的多，應(yīng)該被舍棄。

2.2.4 像素標(biāo)定設(shè)定

“像素標(biāo)定”的含義為尋找圖像中像素點的距離與實際物理距離的轉(zhuǎn)換關(guān)系。例如：假設(shè)長度為1 mm的小線段，在圖像中的像素距離為10，那么在圖像中像素距離為100的線段，實際長度則為10 mm。根據(jù)這個轉(zhuǎn)換關(guān)系，只需統(tǒng)計缺陷部分區(qū)域的像素面積和中心位置即可知道木材表面缺陷的實際大小與位置。按下“測量”按鈕，在彈出對話框，按下“打_相機”，如圖5所示。按照右側(cè)的標(biāo)定操作說明示意圖，在待測的木材上面放一把尺子，將尺子與參考線對齊，讀出參考線在尺子上的長度。點擊“確定”退出當(dāng)前對話框，然后把參考線的長度輸入到編輯框中。最后點擊“保存”退出“參數(shù)設(shè)定”對話框。

2.3 缺陷檢測

“參數(shù)設(shè)定”完成后，按下“打開相機”按鈕，左側(cè)的框中將會動態(tài)顯示圖像，再按下“獲取圖片”按鈕，框中顯示按下按鈕時獲取的那幀圖像。調(diào)節(jié)顯示框下的滑動條可調(diào)節(jié)圖片的對比度，再按下后面的“保存”按鈕，可作為下次操作的參考數(shù)值。按下“缺陷檢測”按鈕，圖中的木材表面缺陷將會被框出來，而且框中左上角顯示的編號與右側(cè)的提示框的序號對應(yīng)，可方便查看檢測是否準(zhǔn)確。檢測的結(jié)果如圖6所示。缺陷大小的計算是通過統(tǒng)計缺陷輪廓的像素點的個數(shù)，再根據(jù)像素標(biāo)定得到的轉(zhuǎn)換關(guān)系來轉(zhuǎn)換為實際面積的大小。而缺陷的中心默認(rèn)為矩形框的中心。

2.4 檢測結(jié)果的修改與保存

軟件界面的右上角的兩個按鈕可查看檢測結(jié)果的歷史記錄。本軟件還能夠?qū)z測的結(jié)果進行修改和保存。點擊“保存結(jié)果”按鈕，軟件會將右側(cè)的信息提示框中的信息保存到Excel文檔中，點擊“修改結(jié)果”，將打開Excel文檔，用戶可根據(jù)歷史記錄來修改或刪除軟件誤檢測的結(jié)果。

3 系統(tǒng)測試

3.1 系統(tǒng)測試環(huán)境

PC主機為CPU Intel Xeon E3?1230 v5 340 GHz；內(nèi)存為8 GB；操作系統(tǒng)為Window 10 專業(yè)版；主板為Gigabyte X150M?PLUS WS?CF；開發(fā)平臺為Microsoft Visual Studio 2013；版本為12.0.21005.1；應(yīng)用程序框架為MFC；本地編譯工具為VC++；開發(fā)語言為C++。

3.2 系統(tǒng)整體測試

測試方法：使用相機拍攝木材圖片，其中包含無缺陷、有污點、有缺陷、有劃痕、有灰塵的各種不一樣的木材圖片。分別統(tǒng)計每個樣本的準(zhǔn)確率Ai和檢測木材表面缺陷的準(zhǔn)確率A如下：

式中：Si為每個樣本檢測結(jié)果的總數(shù)；Ei為每個樣本中誤檢測和漏檢測的數(shù)量總和；n為樣本總數(shù)。

部分木材表面缺陷檢測結(jié)果如圖7所示。假設(shè)下面9張木材照片為測試的總樣本，第1張照片有一個缺陷，且被正確檢測出來，則S1=1，E1=0，A1=1，第2張照片有一個缺陷，且被檢測出來，但有兩個誤檢測結(jié)果，則S2=3，E2=2，A2=0.33，同理，A3=1，A4=1，A5=1，A6=0.5，A7=1，A8=1，A9=1。最后算出檢測的準(zhǔn)確率：A=（A1+A2+…+ A9×100%=87%。

使用前面講述的測試方法對300張木材圖片進行檢測，統(tǒng)計出本軟件檢測木材表面缺陷的準(zhǔn)確率為92.33%，平均檢測時間為2 ms，能夠基本滿足木材加工企業(yè)的加工要求。

4 結(jié) 論

本文提出了一種基于OpenCV的木材表面缺陷檢測系統(tǒng)，經(jīng)實驗有如下結(jié)論：本系統(tǒng)能夠快速準(zhǔn)確地檢測定位木材表面的缺陷，檢測的準(zhǔn)確率達(dá)到92.33%，平均檢測的時間為2 ms；系統(tǒng)軟件操作界面簡單易用，穩(wěn)定可靠，具有一定的實用性；該系統(tǒng)能夠靈活應(yīng)用到多種木材加工生產(chǎn)線上，具有較好的通用性。它為木材加工流水線實時自動檢測木材表面缺陷提供了一種可實現(xiàn)的方法。

注：本文通訊作者為鄒湘軍。

參考文獻(xiàn)

[1] 王林，白雪冰.基于Gabor變換的木材表面缺陷圖像分割方法[J].計算機工程與設(shè)計，2010（5）：1066?1069.

[2] 金仁蓮.關(guān)于木材缺陷及木材檢驗技術(shù)要點探討[J].農(nóng)民致富之友，2016（2）：140.

[3] 戴天虹，吳以.基于OTSU算法與數(shù)學(xué)形態(tài)學(xué)的木材缺陷圖像分割[J].森林工程，2014（2）：52?55.

[4] 牟洪波.基于人工神經(jīng)網(wǎng)絡(luò)的木材缺陷檢測研究[D].哈爾濱：東北林業(yè)大學(xué)，2006.

[5] TSAI D M， HUANG T Y. Automated surface inspection for statistical textures [J]. Image and vision computing， 2003， 21（4）： 307?323.

[6] 王海濤，甄理，楊春霞，等.基于計算機視覺的鐵軌表面缺陷檢測系統(tǒng)[J].無損檢測，2011（11）：38?41.

[7] 趙紅穎，于微波.計算機視覺技術(shù)在發(fā)動機缺陷檢測系統(tǒng)中的應(yīng)用[J].光學(xué)精密工程，2000，8（3）：283?286.

[8] 胡亮，段發(fā)階，丁克勤，等.帶鋼表面缺陷計算機視覺在線檢測系統(tǒng)的設(shè)計[J].無損檢測，2003（6）：287?290.

[9] 熊建平.基于計算機視覺的墻地磚表面缺陷檢測[J].電子測量技術(shù)，2015（5）：53?55.

[10] FUNCK J W， ZHONG Y， BUTLER D A， et al. Image segmentation algorithms applied to wood defect detection [J]. Computers and electronics in agriculture， 2003， 41（1/3）： 157?179.

[11] 尹建新.基于算機視覺木材表面缺陷檢測方法研究[D].杭州：浙江工業(yè)大學(xué)，2007.

第5篇：計算機視覺開發(fā)范文

關(guān)鍵詞：OpenCV；人臉檢測；實時

中圖分類號：TP391.41

人臉檢測（Face Detection）是指對于給定的圖像或視頻，采用一定的策略對其進行搜索以確定其中是否含有人臉，如果是則返回一臉的位置、大小和姿態(tài)。人臉檢測是人臉識別的重要環(huán)節(jié)，運用攝像機或攝像頭采集含有人臉的視頻流，并進行實時的人臉檢測是目前主流的應(yīng)用。

OpenCV（Open Source Computer Vision Library）是開源的計算機視覺代碼庫，它輕量級而且高效，由一系列C函數(shù)和少量C++類構(gòu)成，實現(xiàn)了圖像處理和計算機視覺的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法[1]。

1 系統(tǒng)設(shè)計

本系統(tǒng)采用了OpenCV的基于boost篩選式級聯(lián)Haar分類器，該分類器是通過成千上萬的物體各個角度的訓(xùn)練圖像訓(xùn)練出來的，它先對圖像進行直方圖均衡化處理，并將圖像歸一化到同樣大小，然后標(biāo)記是否包含要檢測的物體，在人臉檢測方面比較擅長。系統(tǒng)加載分類器后，利用OpenCV的視頻捕獲函數(shù)實時捕獲連接在電腦上的攝像頭讀入的視頻流，并將抓取的視頻幀轉(zhuǎn)換為圖像，然后對圖像進行人臉檢測和標(biāo)定，具體流程圖如圖1所示：

圖1 系統(tǒng)流程圖

2 系統(tǒng)實現(xiàn)

本系統(tǒng)在WindowsXP操作系統(tǒng)下使用VC++6.0基于OpenCV1.0進行開發(fā)。系統(tǒng)具體實現(xiàn)如下：

（1）初始化聲明。通過CvMemStorage*captureFaceStorage=cvCreateMemStorage（0）；語句創(chuàng)建一個內(nèi)存存儲器，來統(tǒng)一管理各種動態(tài)對象的內(nèi)存，參數(shù)為0時創(chuàng)建的內(nèi)存塊默認(rèn)大小為64k。然后分別聲明分類器對象、圖像對象級聯(lián)名稱及識別函數(shù)等成員：

Static CvHaar Classifier Cascade* cascade=0；

Ipl Image *frame，*frame_copy=0；

Char* capture Face Cascade_name=haarcascade_frontalface_alt2.xml；

（2）加載分類器。通過cvLoad函數(shù)，加載調(diào)用CvHaarClassifierCascade類的分類器文件“haarcascade_frontalface_alt2.xml”：

cascade=（CvHaarClassifierCascade*）cvLoad（captureFaceCascade_name，0，0，0）；

（3）捕獲視頻。通過cvCreateCameraCapture函數(shù)捕獲攝像頭，捕獲視頻后循環(huán)執(zhí)行抓取幀操作cvGrabFrame（cap）和獲取圖像操作cvRetrieveFrame（cap）操作，從而將幀轉(zhuǎn)換成圖像，以便于處理。

（4）圖像格式轉(zhuǎn)換。一般從硬盤讀入的圖片或者通過cvCreateImage方法創(chuàng)建的IplImage圖片默認(rèn)的origin屬性為0，即顯示的時候都是正的。而由攝像頭或者視頻文件獲取的幀圖像origin屬性為1，此時顯示的圖像掃描順序是從下到上，它會將幀圖像的第i行賦值給圖像的第height-i行，因此采集的圖像會出現(xiàn)倒立現(xiàn)象，為此，應(yīng)將復(fù)制的圖像的origin屬性調(diào)整為與幀圖像的origin屬性一致。此時需要使用cvFlip（frame，frame_copy，0）函數(shù)，實現(xiàn)對幀圖像沿X軸的翻轉(zhuǎn)。

（5）識別與檢測人臉。本部分主要實現(xiàn)人臉檢測功能，首先將從實時視頻中提取的圖像進行灰度化處理：

然后調(diào)整新圖像gray，使它精確匹配目標(biāo)small_img的大小，并利用cvEqualizeHist函數(shù)進行灰度圖像直方圖均衡化處理，最終通過cvHaarDetectObjects函數(shù)檢測出人臉：

（6）標(biāo)定檢出的的人臉。繪制目標(biāo)圓形區(qū)域，標(biāo)定出檢測出的人臉：

最后通過cvShowImage（"result"，img）顯示出檢測后的圖像，如果檢測到人臉，顯示效果圖。

3 結(jié)束語

基于的攝像頭實時人臉檢測系統(tǒng)的實現(xiàn)充分說明了OpenCV技術(shù)在實現(xiàn)人臉檢測方面的效率高、功能強的特點，OpenCV必將在計算機視覺、圖形圖像處理領(lǐng)域有著廣泛地應(yīng)用前景。

參考文獻(xiàn)：

[1]Gray Bradski，Adrian Kaebler.Learning OpenCV：Computer Vision with the OpenCV Library[M].USA：O Reilly media，2008.

[2]梁路宏.人臉檢測研究綜述[J].計算機學(xué)報，2002（05）：449-458.

作者簡介：徐占鵬（1979.01-），男，山東棲霞人，講師，碩士，研究方向：計算機應(yīng)用、計算機圖形圖像處理和計算機視覺。

第6篇：計算機視覺開發(fā)范文

【關(guān)鍵詞】電力系統(tǒng)；發(fā)展趨勢；新技術(shù)發(fā)展

0 前言

電力系統(tǒng)是我國國名經(jīng)濟的基石。電力系統(tǒng)是由發(fā)電、變電、輸電、配電和用電等環(huán)節(jié)組成的電能生產(chǎn)與消費系統(tǒng)。現(xiàn)代社會需要的是安全可靠經(jīng)濟的電能。電力系統(tǒng)主要由發(fā)電輸電變電配電及用電等5部分組成。電力系統(tǒng)是一個具有復(fù)雜的大系統(tǒng)由于用戶的不斷增加的需求，電網(wǎng)對于技術(shù)的要求水平也提出了越來越高的要求。

1 電力系統(tǒng)自動化的發(fā)展趨勢總的發(fā)展趨勢的特點研究

1.1 電力系統(tǒng)自動化的圖形化特點

因為電力系統(tǒng)聯(lián)網(wǎng)工程的正式啟動，電力系統(tǒng)的調(diào)度管理、數(shù)據(jù)計算分析呈現(xiàn)出傳輸路徑的交叉性，信息更新越來越高速這樣的幾種特點。在計算機技術(shù)和通信技術(shù)的快速發(fā)展下，電力系統(tǒng)技術(shù)整合也在蓬勃發(fā)展著。電力系統(tǒng)信息數(shù)據(jù)處理上已經(jīng)不再使用傳統(tǒng)的處理方式，而是使用圖形化處理這樣的新技術(shù)，這樣看到圖形，電力系統(tǒng)管理者就能了解電力系統(tǒng)的變化發(fā)展趨勢，也就能對未來電力系統(tǒng)軟件開發(fā)帶來絲絲先機。

1.2 電力系統(tǒng)自動化的遠(yuǎn)程化特點

過去電力系統(tǒng)的硬件平臺大部分是計算機，外加使用擴展測控法對接口電路工作開展監(jiān)測。此類的設(shè)計有很多的優(yōu)勢，這種類型的設(shè)計的周期很長，擴展性也很好。但是這樣的設(shè)計方式也具有著高成本、大體積、大功耗以及靈動性差的多種缺點。現(xiàn)在，正是有著網(wǎng)絡(luò)技術(shù)的不斷更新和電子技術(shù)的不斷進步，遠(yuǎn)動終端設(shè)備已經(jīng)變?yōu)樵絹碓浇咏顑?yōu)化、智能化和小型化、協(xié)調(diào)化。因此，建立在此基礎(chǔ)之上的電力系統(tǒng)也具備了遠(yuǎn)程化的特點，使電力系統(tǒng)自動化在控制系統(tǒng)方面的發(fā)展更加貼近智能化。

1.3 電力系統(tǒng)自動化的分布化特點

發(fā)電率范圍在幾十兆瓦至幾千瓦之間并且模型較小的發(fā)電單元，它的地點處于用戶周圍還有有高效和可靠特點的稱為電力系統(tǒng)自動化技術(shù)分布化。分布式發(fā)電主要包括以液體或氣體為燃料的內(nèi)燃機、太陽能發(fā)電、微型燃?xì)廨啓C和風(fēng)力發(fā)電等等的其他一些發(fā)電方式。這種發(fā)電技術(shù)具有很好的靈活性，能夠給與用戶各不相同的感受。還能為邊遠(yuǎn)商業(yè)區(qū)域提供可靠的電力資源，讓他們使用具有再生特點的資源進行多次發(fā)電，這樣的電能還具有穩(wěn)定度高的特點，是具有分度化的特色。極端及技術(shù)、新材料技術(shù)和電力電子技術(shù)都要作為支柱技術(shù)被在其中使用。

2 電力系統(tǒng)與新技術(shù)的結(jié)合

2.1 與智能計算機的結(jié)合

計算機視覺技術(shù)就是與智能計算機的結(jié)合之一。使用計算機視覺技術(shù)能夠方便的獲得多種圖像信息。在電力系統(tǒng)中應(yīng)用計算機視覺技術(shù)。目前，計算機視覺技術(shù)使用在電力系統(tǒng)中的作用是修改遙控系統(tǒng)在此同時提高它的性能。這主要表現(xiàn)在使用在線監(jiān)測和開展無人操作或者環(huán)境監(jiān)視，紅外圖像監(jiān)測是電力設(shè)備在線監(jiān)測常用方法中效果最好的。它既有這使用方便，又有著精準(zhǔn)度較高的特點。紅外圖像識別方面主要就是使用計算機視覺技術(shù)，這樣能取得較好的效果。計算機視覺技術(shù)的工作原理是在科學(xué)獲取電力設(shè)備實時紅外圖像和電力設(shè)備正常工作時圖像后，將兩者開展對比。如果出現(xiàn)不正常。也就因此能夠證明電力設(shè)備出現(xiàn)問題。第開展無人操作或者環(huán)境監(jiān)視是使用微波雙鑒探測器進行協(xié)助，將差分圖像以及流光法一起使用對移動物體開展監(jiān)測。如果出現(xiàn)不正?，F(xiàn)象，那么系統(tǒng)就可以識別出來，并且警告我們。因為計算機視覺技術(shù)還處于起步階段，其存在一定的不足之處。雖然計算機視覺技術(shù)發(fā)展迅速，但計算機視覺技術(shù)發(fā)展的并不完善，因為圖像識別自身的復(fù)雜性的原因，所以現(xiàn)階段還不能實現(xiàn)完全的無人操作。正是因為有著這些原因，在大多數(shù)情況下，計算機視覺技術(shù)只能夠作為一種輔助技術(shù)。

2.2 與微機保護系統(tǒng)的結(jié)合

在電力系統(tǒng)自動化技術(shù)發(fā)展速度過快并且伴隨著相關(guān)微機設(shè)備應(yīng)用范圍越來越普遍的情況下。人們越來越嚴(yán)格的要求微機保護系統(tǒng)。更簡單的說，也就是原有的電力系統(tǒng)自動化技術(shù)當(dāng)中的微機保護系統(tǒng)已經(jīng)無法滿足社會發(fā)展的需要。人們需要的微機保護系統(tǒng)應(yīng)該具備更加牢靠與穩(wěn)定的可以對通信進行保護的能力。這樣才能夠達(dá)到人們希望人機互動的效果。這樣的系統(tǒng)在對硬件提高出高要求的同時也對軟件業(yè)產(chǎn)生了更加具體的要求。例如，我國在上世紀(jì)末將第一套微機線路保護設(shè)備投入使用，并且該設(shè)備因為性能占據(jù)極大的優(yōu)勢從而獲得世界各國用戶的普遍認(rèn)可。

在繼電保護設(shè)備中，我們更加需要完善的問題就是設(shè)備的實時性。設(shè)備的實時性直接關(guān)乎電網(wǎng)的安全穩(wěn)定，它直接受到其影響。假如設(shè)備實時性出現(xiàn)缺陷，會給電力系統(tǒng)帶來難以補救損失的可能性。現(xiàn)階段在我國電力系統(tǒng)中應(yīng)用的嵌入式系統(tǒng)通常來說主要為C/C++語言。這是因為該系統(tǒng)不僅靈活性高并且可移植性也很強。同時該系統(tǒng)還使用了能夠隨時改變的模塊化，目的在于處理好各種存在可能性會產(chǎn)生的問題但是卻又不能夠進行更換的難題。在提供便利的同時也能夠盡最大的努力滿足用戶各種要求。

2.3 與GPS安全監(jiān)控系統(tǒng)的結(jié)合

GPS的全稱是全球定位系統(tǒng)。這是一個衛(wèi)星系統(tǒng)。它能具有導(dǎo)航、定位、授時等功能的原因是它可以保證在地球上任意一點都可以同時被觀測到。高精度、高效率和低成本都是GPS定位技術(shù)具有的優(yōu)點。正是在這些優(yōu)點的幫助下，它才能在各類大地測量控制網(wǎng)獲得加強改造，也因此具有了較為普及的應(yīng)用。目前，GPS技術(shù)出現(xiàn)了一個不斷進步的境地，而將GPS技術(shù)使用到電力系統(tǒng)當(dāng)中的條件也越來越松。電力系統(tǒng)使用GPS動態(tài)安全監(jiān)控系統(tǒng)后取得效果很好。不僅能夠?qū)ο到y(tǒng)開展實時且有效的監(jiān)控，同時還能夠?qū)PS定位技術(shù)的精準(zhǔn)度高并且效率快以及成本低的優(yōu)勢完全體現(xiàn)出來。可以對管轄區(qū)內(nèi)的大地測量控制電網(wǎng)進行合理的監(jiān)測。電力系統(tǒng)使用GPS動態(tài)安全監(jiān)控技術(shù)后。基于GPS的動態(tài)安全監(jiān)控系統(tǒng)指的是電力系統(tǒng)采用GPS所實現(xiàn)的光纖通信技術(shù)和同步測量技術(shù)。電力系統(tǒng)的動態(tài)安全監(jiān)測管理主要包括動態(tài)相量測量系統(tǒng)、定時系統(tǒng)、中央信號處理系統(tǒng)和通信系統(tǒng)四個部分的內(nèi)容。使用GPS和EMS監(jiān)控系統(tǒng)能夠做到對數(shù)據(jù)的動態(tài)、集中處理、定時等，為相量的控制提供條件。實現(xiàn)動態(tài)檢測是我們必須做的，同時也是是電力系統(tǒng)發(fā)展的要求。

動態(tài)安全監(jiān)控系統(tǒng)是基于GPS統(tǒng)一時鐘的新一代EMS。各種各樣的電磁暫態(tài)故障記錄器和集中在穩(wěn)態(tài)運行監(jiān)控和數(shù)據(jù)采集（SCADA）系統(tǒng)是電力系統(tǒng)目前主是在錄音的過程中使用的監(jiān)控工具。前面具有記錄數(shù)據(jù)冗余，記錄時間短，缺乏溝通不同的錄音機，讓困難分析系統(tǒng)作為一個整體的動態(tài)特性：后者記錄數(shù)據(jù)刷新間隔時間，但是用于系統(tǒng)的穩(wěn)態(tài)特性。很難分析整個系統(tǒng)的動態(tài)行為的原因是都有一個共同的、缺乏精確的時間戳之間的聯(lián)合不同位置即記錄數(shù)據(jù)只是部分有效。新一代的基于GPS動態(tài)安全監(jiān)控系統(tǒng)，是一個相結(jié)合的新的和現(xiàn)有的SCADA的動態(tài)安全監(jiān)控系統(tǒng)。在這樣的新技術(shù)下，GPS同步相量測量技術(shù)和光纖通訊技術(shù)和實施總量控制提供了條件。

在大型電力系統(tǒng)的穩(wěn)定性和振動監(jiān)測中常用的GPS系統(tǒng)的研究獲得了一定的成果。在現(xiàn)實生活中已投入運行，例如GPS同步相量測量裝置監(jiān)控系統(tǒng)在南方電網(wǎng)投運。中國南方電網(wǎng)功率角振蕩天骨干接觸線己廣泛應(yīng)用在網(wǎng)格中的500千伏線路可以在實時調(diào)度中心觀察。

3 結(jié)語

電力系統(tǒng)自動化技術(shù)無疑具有著很大的潛力在計算機技術(shù)、信息技術(shù)、控制技術(shù)的發(fā)展下，也將有更多的技術(shù)出現(xiàn)。隨著它們的出現(xiàn)，電力系統(tǒng)將更加自動化，為人們提供更好的電能。

【參考文獻(xiàn)】

第7篇：計算機視覺開發(fā)范文

關(guān)鍵詞：EMGU；智能監(jiān)控；目標(biāo)跟蹤

隨著視頻監(jiān)控技術(shù)的發(fā)展，其架構(gòu)從模擬化轉(zhuǎn)向了數(shù)字化，利用計算機視覺技術(shù)對視頻信號進行分析理解，并以此為基礎(chǔ)對視頻監(jiān)控系統(tǒng)進行控制，不斷提高系統(tǒng)的智能化和自動化。本文將EMGU應(yīng)用到智能監(jiān)控系統(tǒng)的開發(fā)過程，并實現(xiàn)了運動目標(biāo)的自動跟蹤。

1 EMGU簡介

OpenCV（Open Source Computer Vision Library）是一個跨平臺計算機視覺庫，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。Emgu CV是.NET平臺下對OpenCV圖像處理庫的封裝[1]，也就是.NET版的OpenCV。EMGU具有跨平臺的特點，兼容C#、、C++等編程語言，并且可以實現(xiàn)特征檢測與跟蹤、運動分析、目標(biāo)分割與識別等圖像高級處理功能[2]。

1.1 EMGU在VS2010中的配置

⑴下載EMGU安裝包（以libemgucv-windows-x86-2.4.0.1717版本為例）并進行安裝，安裝完成后將emgucv-windows-x86 2.4.0.1717＼bin目錄添加到系統(tǒng)環(huán)境變量中；

⑵導(dǎo)入UI插件，單擊VS2010中的工具->選擇工具箱項->.NET Framework組件菜單，單擊瀏覽按鈕進入EMGU安裝目錄bin下選擇Emgu.CV.UI.dll，將ImageBox 和HistogramCtrl組件添加到工具箱中；

⑶在解決方案中加入 EmguCV 的引用[3]：包括Emgu.CV.dll、Emgu.CV.ML.dll、Emgu.CV.UI.dll、Emgu.Util.dll以及ZedGraph.dll等。

1.2 系統(tǒng)設(shè)計目的及拓?fù)浣Y(jié)構(gòu)

開發(fā)的智能監(jiān)控系統(tǒng)通過IMOS平臺來獲取告警信息和視頻源，當(dāng)系統(tǒng)接收到IMOS平臺通知的告警信息后，開始對IMOS平臺的監(jiān)控視頻流進行分析，主要完成圖像預(yù)處理、運動目標(biāo)的檢測、人體目標(biāo)的識別和自動跟蹤等操作，進而通過IMOS平臺控制攝像機云臺跟蹤運動目標(biāo)，將目標(biāo)始終鎖定在被監(jiān)控視野內(nèi)。系統(tǒng)的拓?fù)浞桨溉鐖D1所示。

1.3 目標(biāo)跟蹤分析與實現(xiàn)

目標(biāo)跟蹤是利用監(jiān)控視頻的圖像信號，對運動目標(biāo)進行檢測、識別和定位，并自動控制云臺和攝像機的運動，跟蹤和鎖定目標(biāo)。在目標(biāo)檢測階段若有多個目標(biāo)同時出現(xiàn)時，則由系統(tǒng)自動選取一個最有利（運動物體區(qū)域范圍最大）的目標(biāo)進行跟蹤，達(dá)到目標(biāo)跟蹤監(jiān)控自動化。部分關(guān)鍵代碼如下：

//YUV格式轉(zhuǎn)換

Bitmap frameBGR = ConvertYUV2Bitmap（srcY， srcU， srcV， （int）w， （int）h）；

mage frame = new Image（frameBGR）；

frame._SmoothGaussian（3）；

//更新圖像幀和背景模型，以自適應(yīng)環(huán)境變化[4]

#region use the BG/FG detector to find the forground mask

currentForm._detector.Update（frame）；

Image forgroundMask = currentForm._detector.ForgroundMask；

#endregion

currentForm._tracker.Process（frame， forgroundMask）；

//選擇運動物體區(qū)域范圍最大目標(biāo)并繪制跟蹤框

Maxblob.Size = sizeF；

foreach （MCvBlob blob in currentForm._tracker）

{

if （（blob.Size.Height * blob.Size.Width） > （Maxblob.Size.Height * Maxblob.Size.Width））

Maxblob = blob；

}

frame.Draw（（Rectangle）Maxblob， new Bgr（0.0， 0.0， 255.0）， 1）；

// 當(dāng)跟蹤框面積大于預(yù)設(shè)面積時，跟蹤目標(biāo)開啟

if （（Maxblob.Size.Height * Maxblob.Size.Width >= 50））

{

//當(dāng)跟蹤框的坐標(biāo)與前置坐標(biāo)偏差超過閥值時，開始轉(zhuǎn)動云臺

if （（（Maxblob.Center.X - currentForm.pointCenter.X） >= 10） ）

{

currentForm.SendMessage（MW_PTZ_CMD_E.MW_PTZ_PANRIGHT）；

... ...

}

}

2 總結(jié)

本文探討了EMGU在智能監(jiān)控系統(tǒng)開發(fā)過程中的應(yīng)用，并給出了EMGU在VS2010中的配置過程。結(jié)合IMOS平臺，對運動目標(biāo)的自動跟蹤過程進行了分析，對于智能監(jiān)控系統(tǒng)的開發(fā)具有一定的參考價值。

[參考文獻(xiàn)]

[1]王燕，曹銀杰，郎豐法，等.基于Emgu CV的數(shù)字相機圖像采集[J].電子科技.2012，25（4）：31-32.

[2]趙霞，陸小龍，廖明.基于OpenCV的角鐵中線檢測方法[J].中國測試.2010，36（3）：27-29.

第8篇：計算機視覺開發(fā)范文

【關(guān)鍵詞】機器視覺；應(yīng)用研究

機器視覺是一門涉及人工智能、計算機科學(xué)、圖像處理、模式識別、神經(jīng)生物學(xué)、心理物理學(xué)等諸多領(lǐng)域的交叉學(xué)科。機器視覺主要利用計算機來模擬人或再現(xiàn)與人類視覺有關(guān)的某些智能行為，從客觀事物的圖像中提取信息進行處理，并加以理解，最終用于實際檢測和控制。隨著現(xiàn)代計算機技術(shù)、現(xiàn)場總線技術(shù)與大規(guī)模集成電路技術(shù)的飛速發(fā)展，機器視覺技術(shù)也日臻成熟，已經(jīng)廣泛應(yīng)用在國民經(jīng)濟發(fā)展的各行業(yè)。

1.機器視覺系統(tǒng)組成

一個典型的機器視覺應(yīng)用系統(tǒng)包括圖像捕捉、光源系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機械控制執(zhí)行模塊，如圖1所示。首先采用CCD攝像機獲得被測目標(biāo)的圖像信號，然后通過A/D轉(zhuǎn)換成數(shù)字信號傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布、亮度和色彩等信息，進行各種運算來抽取目標(biāo)的特征，然后再根據(jù)預(yù)設(shè)的判別標(biāo)準(zhǔn)輸出判斷結(jié)果，去控制驅(qū)動執(zhí)行機構(gòu)進行相應(yīng)處理。

總之，隨著機器視覺技術(shù)自身的成熟和發(fā)展，可以預(yù)計它將在現(xiàn)代和未來制造企業(yè)中得到越來越廣泛的應(yīng)用。

2.機器視覺技術(shù)的應(yīng)用

在國外，機器視覺的應(yīng)用主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%-50%都集中在半導(dǎo)體行業(yè)。具體如PCB印刷電路；SMT表面貼裝；電子生產(chǎn)加工設(shè)備；機器視覺系統(tǒng)還在質(zhì)量檢測的各個方面已經(jīng)得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。

而在中國，以上行業(yè)本身就屬于新興的領(lǐng)域，再加之機器視覺產(chǎn)品技術(shù)的普及不夠，導(dǎo)致機器視覺在以上各行業(yè)的應(yīng)用幾乎空白。目前隨著我國隨著配套基礎(chǔ)建設(shè)的完善，技術(shù)、資金的積累，各行各業(yè)對采用圖像和機器視覺技術(shù)的工業(yè)自動化、智能化需求開始廣泛出現(xiàn)，國內(nèi)有關(guān)大中專院校、研究所和企業(yè)近兩年在圖像和機器視覺技術(shù)領(lǐng)域進行了積極思索和大膽的嘗試，逐步開始了工業(yè)現(xiàn)場和其它領(lǐng)域的應(yīng)用。

（1）工業(yè)中的應(yīng)用

雖然機器視覺技術(shù)從20世紀(jì)80年代才開始起步，但由于其突出的優(yōu)點，在各種工業(yè)領(lǐng)域被廣泛應(yīng)用，特別是近幾年發(fā)展十分迅速，國內(nèi)外的成果也是層出不窮。

在國外，機器視覺技術(shù)廣泛應(yīng)用于機器零部件的裝配、非接觸測量、產(chǎn)品質(zhì)量檢測、在線過程控制、數(shù)控機床加工、過程監(jiān)控等領(lǐng)域。英國ROVER汽車公司800系列汽車車身輪廓尺寸精度的100%在線檢測，是機器視覺系統(tǒng)用于工業(yè)檢測中的一個較為典型的例子，該系統(tǒng)由62個測量單元組成，每個測量單元包括一臺激光器和一個CCD攝像機，用以檢測車身外殼上288個測量點。汽車車身置于測量框架下，通過軟件校準(zhǔn)車身的精確位置。測量單元的校準(zhǔn)將會影響檢測精度，因而受到特別重視。每個激光器/攝像機單元均在離線狀態(tài)下經(jīng)過校準(zhǔn)。同時還有一個在離線狀態(tài)下用三坐標(biāo)測量機校準(zhǔn)過的校準(zhǔn)裝置，可對攝像頂進行在線校準(zhǔn)。檢測系統(tǒng)以每40秒檢測一個車身的速度，檢測三種類型的車身。系統(tǒng)將檢測結(jié)果與人、從CAD模型中撮出來的合格尺寸相比較，測量精度為±0。1mm。ROVER的質(zhì)量檢測人員用該系統(tǒng)來判別關(guān)鍵部分的尺寸一致性，如車身整體外型、門、玻璃窗口等。實踐證明，該系統(tǒng)是成功的，并將用于ROVER公司其它系列汽車的車身檢測。

機器視覺在國內(nèi)的應(yīng)用主要集中于檢測與定位等幾個方面，這樣的工業(yè)產(chǎn)品占據(jù)了中國市場的絕大部分。機器視覺在工業(yè)檢測中的應(yīng)用最為常見的是對各種機械零件的幾何尺寸進行測量，在半導(dǎo)體及電子行業(yè)，國內(nèi)高等院校和科研單位也研究出基于機器視覺的管腳尺寸自動檢測裝置。此外，機器視覺還被用于對于如刀具等工業(yè)設(shè)備的檢測和數(shù)控機床的加工。在很多工業(yè)領(lǐng)域存在著高精度定位的問題，如鉆床數(shù)控系統(tǒng)鉆頭定位、金屬板材數(shù)控加工軌跡坐標(biāo)定位等。目前機器視覺技術(shù)由于其高精度的優(yōu)點在這方面得到廣泛的應(yīng)用。華中科技大學(xué)在金屬板材數(shù)控加工中利用機器視覺技術(shù)對加工軌跡坐標(biāo)定位。提出一種基于機器視覺的非接觸式加工軌跡坐標(biāo)定位方法，完成了金屬板材數(shù)字化成形中支撐模型的非接觸式高精度快速定位。湖南大學(xué)進行了鉆頭視覺定位研究，在視覺定位中采用間接定位方式，間接實現(xiàn)鉆頭刃磨初始狀態(tài)的定位。中國計量學(xué)院等單位進行了基于機器視覺的PCB數(shù)控鉆機定位研究。大量的實踐證明采用機器視覺系統(tǒng)進行定位并且綜合運用數(shù)控伺服傳動技術(shù)以及各種先進控制技術(shù)能夠有效實現(xiàn)精確定位。利用機器視覺系統(tǒng)節(jié)約了大量的人力和物力，降低了產(chǎn)品生產(chǎn)成本。

（2）農(nóng)業(yè)中的應(yīng)用

計算機視覺技術(shù)在農(nóng)業(yè)上的應(yīng)用研究，起始于20世紀(jì)70年代末期，主要應(yīng)用于植物種類的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測與分級等。隨著計算機軟硬件技術(shù)、圖形圖像處理技術(shù)的迅猛發(fā)展，它在農(nóng)業(yè)上的應(yīng)用研究有了較大的突破，在農(nóng)業(yè)領(lǐng)域的生產(chǎn)前、生產(chǎn)中、收獲時和產(chǎn)后的各個環(huán)節(jié)中，均可以利用計算機視覺技術(shù)來實現(xiàn)這些農(nóng)業(yè)生產(chǎn)的視覺化。計算機視覺在產(chǎn)前的應(yīng)用主要是檢驗種子質(zhì)量；在產(chǎn)中的應(yīng)用包括田間雜草識別、植物生長信息的監(jiān)測、病蟲害的監(jiān)視和營養(yǎng)脅迫診斷等方面；在農(nóng)作物收獲時的應(yīng)用主要體現(xiàn)在農(nóng)業(yè)機器人的研制與開發(fā)上；在產(chǎn)后的應(yīng)用包括水果分級和農(nóng)產(chǎn)品的加工等。在農(nóng)田作業(yè)機械上，機器視覺技術(shù)被不斷的開發(fā)和應(yīng)用。農(nóng)藥的粗放式噴灑正是農(nóng)業(yè)生產(chǎn)中效率最低、污染最嚴(yán)重的環(huán)節(jié)。利用機器視覺技術(shù)可以實現(xiàn)農(nóng)藥的精量噴灑，近年來，機器視覺技術(shù)在播種機械方面的應(yīng)用主要是檢測播種質(zhì)量；在自動收獲機等農(nóng)田自動作業(yè)機械上，更需要依靠機器視覺系統(tǒng)來確定作物行與機械的相對位置，以控制自動作業(yè)機械在作物行間自動行進，

機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用可提高生產(chǎn)的自動化水平，解放勞動力，具有良好的應(yīng)用前景。同時還應(yīng)看到，由于農(nóng)業(yè)對象的特點，機器視覺理論和技術(shù)的局限性以及硬件條件的限制，機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)的應(yīng)用距離實用和普及還有相當(dāng)長的距離。相信隨著相關(guān)技術(shù)的發(fā)展，很多問題會得到好的解決，機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用會極大地加快農(nóng)業(yè)現(xiàn)代化的進程。

（3）醫(yī)學(xué)上的應(yīng)用

隨著藥品和醫(yī)療器械安全性問題重要性的不斷提升，越來越多的生產(chǎn)廠商將機器視覺技術(shù)引入實際生產(chǎn)中來，以達(dá)到提高生產(chǎn)效率，加強產(chǎn)品品質(zhì)保障的目的。同樣，在醫(yī)療系統(tǒng)中機器視覺也得到了越來越多的應(yīng)用。

機器視覺科技醫(yī)藥領(lǐng)域的應(yīng)用主要分為醫(yī)學(xué)與藥物兩部分。機器視覺技術(shù)在醫(yī)學(xué)疾病診斷方面的應(yīng)用主要體現(xiàn)在兩個方面：一是對（X射線成像、顯微圖片、B超、CT、MRI）圖像增強、標(biāo)記、渲染處理，主要利用數(shù)字圖像處理技術(shù)、信息融合技術(shù)對X射線透視圖、核磁共振圖像、CT圖像進行適當(dāng)疊加，然后進行綜合分析協(xié)助醫(yī)生診斷；二是利用專家知識和3D重構(gòu)對物體三維信息與運動參數(shù)進行分析并給出形象準(zhǔn)確的解釋，如診斷與手術(shù)等。機器視覺技術(shù)的應(yīng)用不僅節(jié)省了人力，而且大大提高了準(zhǔn)確率和效率。在藥物方面，機器視覺系統(tǒng)對藥用瓶的缺陷檢測，也包括了藥用玻璃瓶范疇，也就是說機器視覺也涉及到了醫(yī)藥領(lǐng)域，其主要檢測包括尺寸檢測、瓶身外觀缺陷檢測、瓶肩部缺陷檢測、瓶口檢測等。除此之外，對藥劑雜質(zhì)的檢測、對醫(yī)學(xué)用具質(zhì)量的檢測、對藥物外包裝泄露的檢測等等都在保障著藥物的質(zhì)量安全，保障著人們的生命健康。

（4）交通領(lǐng)域的應(yīng)用

隨著計算機的普及和相關(guān)軟件的不斷更新升級，機器視覺技術(shù)在交通領(lǐng)域所發(fā)揮的作用愈為重要。機器視覺技術(shù)在交通領(lǐng)域的應(yīng)用范圍較廣，主要包括視頻檢測系統(tǒng)、智能車輛的安全保障系統(tǒng)、車牌識別和交通指揮等。

視覺技術(shù)應(yīng)用于視頻檢測時，視頻檢測系統(tǒng)的目標(biāo)就是用數(shù)字圖像處理和計算機視覺技術(shù)，通過分析交通圖像序列來對車輛、行人等交通目標(biāo)的運動進行檢測、定位、識別和跟蹤，

并對目標(biāo)的交通行為進行分析、理解和判斷，從而完成各種交通流數(shù)據(jù)的采集、交通事件的檢測，并盡快進行相應(yīng)處理。視頻的交通事件和參數(shù)檢測系統(tǒng)有高度的網(wǎng)絡(luò)化和智能化，可實現(xiàn)遠(yuǎn)程監(jiān)控和設(shè)置。視覺技術(shù)應(yīng)用于智能車輛安全保障系統(tǒng)，主要用于路徑識別與跟蹤、障礙物識別、駕駛員狀態(tài)監(jiān)測、駕駛員視覺增強等。德國UBM大學(xué)Dick-manns教授領(lǐng)導(dǎo)的智能車輛研究小組一直致力于動態(tài)機器視覺領(lǐng)域的研究，研制的EMS-Vision視覺可較好地模擬人眼功能。車牌識別技術(shù)（VLPR）是計算機視覺和模式識別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項重要研究課題，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。隨著圖像處理技術(shù)的日趨成熟，更多算法的融入綜合，使得車牌識別技術(shù)逐漸成熟。單一算法很難達(dá)到良好的識別效果，只有多種方法結(jié)合，才能實現(xiàn)車牌識別的高效性和準(zhǔn)確性。過去的10多年里，有些國家已經(jīng)成功開發(fā)了一些基于視覺的道路識別和跟蹤系統(tǒng)。其中，具有代表性的系統(tǒng)有：LOIS系統(tǒng)、GOLD系統(tǒng)、RALPH系統(tǒng)、SCARF系統(tǒng)和ALVINN系統(tǒng)等。

機器視覺技術(shù)在交通各領(lǐng)域都發(fā)揮著越來越重要的不可替代的作用。在取得較大成績的同時仍有不足。其一應(yīng)盡快開發(fā)出具有高性價比的實用化的激光距離成像系統(tǒng)，能夠獲取高質(zhì)量的原始圖片至關(guān)重要；其二，處理各種交通事件的及時性決定了所有的圖像處理的速度應(yīng)盡可能的快，目前的各種算法都各有優(yōu)劣，如何能在最短的時間內(nèi)完成圖像的識別工作成為我們下一步要努力的方向。

3.發(fā)展趨勢

在機器視覺賴以普及發(fā)展的諸多因素中，有技術(shù)層面的，也有商業(yè)層面的，但制造業(yè)的需求是決定性的。制造業(yè)的發(fā)展，帶來了對機器視覺需求的提升；也決定了機器視覺將由過去單純的采集、分析、傳遞數(shù)據(jù)，判斷動作，逐漸朝著開放性的方向發(fā)展，這一趨勢也預(yù)示著機器視覺將與自動化更進一步的融合。未來，中國機器視覺發(fā)展主要表現(xiàn)為以下一些特性：

（l）隨著產(chǎn)業(yè)化的發(fā)展對機器視覺的需求將呈上升趨勢。

（2）統(tǒng)一開放的標(biāo)準(zhǔn)是機器視覺發(fā)展的原動力。

（3）基于嵌入式的產(chǎn)品將取代板卡產(chǎn)品。

（4）標(biāo)準(zhǔn)化一體化解決方案是機器視覺發(fā)展的必經(jīng)之路。

（5）機器視覺系統(tǒng)價格持續(xù)下降、功能逐漸增多。

4.結(jié)語

機器視覺技術(shù)經(jīng)過20年的發(fā)展，已成為一門新興的綜合技術(shù)，在社會諸多領(lǐng)域得到廣泛應(yīng)用。大大提高了裝備的智能化、自動化水平，提高了裝備的使用效率、可靠性等性能。隨著新技術(shù)、新理論在機器視覺系統(tǒng)中的應(yīng)用，機器視覺將在國民經(jīng)濟的各個領(lǐng)域發(fā)揮更大的作用。

參考文獻(xiàn)

[1]李福建，張元培.機器視覺系統(tǒng)組成研究[J].自動化博覽，2004（2）：61-63.

[2]范祥，盧道華，王佳.機器視覺在工業(yè)領(lǐng)域中的研究應(yīng)用[J].現(xiàn)代制造工程，2007（6）：129-133.

[3]張萍，朱政紅.機器視覺技術(shù)及其在機械制造自動化中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2007， 30（10）：1292-1295.

[4]馬彥平.計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用與展望[J].中國農(nóng)業(yè)資源與區(qū)劃，2009，30（4）：21-27.

[5]饒秀勤.基于機器視覺的水果品質(zhì)實時檢測與分級生產(chǎn)線的關(guān)鍵技術(shù)研究[博士學(xué)位論文].杭州：浙江大學(xué)，2007.

[6]馮新宇，龐艷輝.車牌識別技術(shù)實現(xiàn)方法初探[J].交通科技與經(jīng)濟，200712：50-511.

[7]徐琨，賀昱曜，王夏黎.基于背景模型的運動車輛檢測算法究[J].微計算機信息，2007，4-1：120-1211.

第9篇：計算機視覺開發(fā)范文

關(guān)鍵詞： 機器視覺； 圖像檢測； 航空輪胎； 表面質(zhì)量

中圖分類號： TP 23文獻(xiàn)標(biāo)識碼： A

引言近年來，隨著生產(chǎn)工藝飛速發(fā)展，人們開始關(guān)注產(chǎn)品的外觀質(zhì)量，比如印刷品、包裝、工藝品等以外觀質(zhì)量為重要附加價值的產(chǎn)品，又比如航空輪胎等表面缺陷會直接影響到使用效果甚至?xí)o使用者的生命財產(chǎn)安全帶來無可挽回的損失的產(chǎn)品。眾所周知，機器視覺已經(jīng)發(fā)展成為重要的工業(yè)生產(chǎn)加工手段之一，在中國成為全球重要的制造中心之一的背景下，中國成為繼美國、歐洲和日本后的全球第四大機器視覺市場，同時也是最具發(fā)展?jié)摿Φ氖袌觥Ｒ环矫嫱鈬髽I(yè)積極入駐中國帶來了巨大的視覺系統(tǒng)需求，另一方面國內(nèi)企業(yè)不斷擴大生產(chǎn)規(guī)模，加大了對視覺系統(tǒng)的需求，以航空輪胎為例，未來十年，國家將在大飛機項目中投入500～600億資金，大飛機項目的發(fā)展，必將會帶動航空輪胎行業(yè)大規(guī)模的發(fā)展，對航空輪胎的質(zhì)量要求也會更加嚴(yán)格。1國內(nèi)外相關(guān)技術(shù)研究國外對機器視覺技術(shù)的研究，由于開展的比較早，而且具有資金、技術(shù)以及硬件方面的優(yōu)勢，已經(jīng)走在了國內(nèi)的前面。國外的機器視覺系統(tǒng)的應(yīng)用領(lǐng)域涉及到了社會生產(chǎn)的各個方面，有原始的在線監(jiān)視，也有外觀檢測以及動作、行為控制，許多工業(yè)加工成套生產(chǎn)設(shè)備都集成了機器視覺系統(tǒng)，成為加工生產(chǎn)線的標(biāo)配，比如印刷生產(chǎn)線上的機器視覺質(zhì)量控制系統(tǒng)，又比如汽車制造業(yè)中的移動三坐標(biāo)測量系統(tǒng)[1]。由于經(jīng)濟和技術(shù)原因，國內(nèi)絕大多數(shù)圖像處理技術(shù)公司都以國外產(chǎn)品為主，沒有或者很少涉足擁有自主知識產(chǎn)權(quán)的機器視覺在線檢測設(shè)備，對視覺技術(shù)的開發(fā)應(yīng)用停留在比較低端的小系統(tǒng)集成上，對需要進行大數(shù)據(jù)量的實時在線檢測的研究很少，也很少有成功案例。但是，隨著國內(nèi)經(jīng)濟發(fā)展和技術(shù)手段不斷提高，對產(chǎn)品質(zhì)量檢測要求就更高，對在線檢測設(shè)備的需求也就更大，具有巨大的市場潛力。計算機、攝像機等電子技術(shù)的飛速發(fā)展大大提高了機器視覺系統(tǒng)的硬件水平，同時圖像處理理論和算法的快速發(fā)展也給機器視覺系統(tǒng)提供了強大的軟件支持。但是，仍然伴隨著一些問題，主要有以下兩點：光學(xué)儀器第35卷

第3期謝，等：機器視覺在輪胎檢測領(lǐng)域的應(yīng)用研究

（1）算法的精確性提高伴隨著計算量的成倍增加，處理時間就成為了實時檢測的軟肋；（2）硬件的分辨率提高了，圖像的分辨率、精度也隨之提高了，但是數(shù)據(jù)量計算量都因此成倍增加。因此，如何保證檢測的實時性和準(zhǔn)確性，是機器視覺系統(tǒng)在工業(yè)應(yīng)用中需要解決的核心問題。2視覺檢測核心技術(shù)

2.1機器視覺圖像處理技術(shù)機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標(biāo)的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。有大量的文獻(xiàn)和著作給與介紹和討論，其中比較著名的馬頌德的《計算機視覺》介紹了計算機視覺的算法和理論，以及Richard Hartley的《Multiple View Geometry in Computer Vision》介紹了在計算機視覺中的幾何理論和方法[2]。機器視覺中的圖像處理方法，主要包括圖像增強、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既優(yōu)化了圖像的視覺效果，又便于處理器對圖像進行分析、處理和識別[3]。機器視覺理論應(yīng)用于現(xiàn)代檢測領(lǐng)域，是上世紀(jì)末本世紀(jì)初計算機視覺的一個新的研究方向。它使用計算機視覺的理論方法來識別物體的關(guān)鍵點，經(jīng)過分析處理以后，轉(zhuǎn)換成坐標(biāo)數(shù)據(jù)，然后產(chǎn)生檢測數(shù)據(jù)。國內(nèi)已有學(xué)者把機器視覺技術(shù)運用于檢測領(lǐng)域[4]。但是在輪胎檢測領(lǐng)域，機器視覺技術(shù)的應(yīng)用還僅僅停留在理論之上，還沒有可實際應(yīng)用的商品化的設(shè)備，更不用說結(jié)合機器視覺和嵌入式兩種技術(shù)的便攜式檢測儀了。

2.2嵌入式技術(shù)嵌入式系統(tǒng)一般指非PC系統(tǒng)，有計算機功能但又不稱之為計算機的設(shè)備或器材。它是以應(yīng)用為中心，軟硬件可裁減的，適應(yīng)對功能、可靠性、成本、體積、功耗等綜合性嚴(yán)格要求的專用計算機系統(tǒng)。嵌入式系統(tǒng)幾乎包括了生活中的所有電器設(shè)備，如掌上PDA、移動計算設(shè)備、電視機頂盒、手機上網(wǎng)、數(shù)字電視、多媒體、汽車、微波爐、數(shù)字相機、家庭自動化系統(tǒng)、電梯、空調(diào)、安全系統(tǒng)、自動售貨機、蜂窩式電話、消費電子設(shè)備、工業(yè)自動化儀表與醫(yī)療儀器等。嵌入式系統(tǒng)有以下幾大優(yōu)點[56]：（1）嵌入式系統(tǒng)通常是面向特定應(yīng)用的，它通常都具有低功耗、體積小，集成度高等特點；（2）嵌入式系統(tǒng)和具體應(yīng)用有機地結(jié)合在一起，它的升級換代也是和具體產(chǎn)品同步進行的，因此嵌入式系統(tǒng)產(chǎn)品一旦進入市場，就具有較長的生命周期；（3）由于空間和各種資源相對不足，嵌入式系統(tǒng)的硬件和軟件都必須設(shè)計，量體裁衣、去除冗余，力爭在同樣的硅片面積上實現(xiàn)更高的性能，這樣才能在具體應(yīng)用中對處理器的選擇更具有競爭力。本研究選取嵌入式系統(tǒng)中的DSP（數(shù)字信號處理器）來進行開發(fā)，具體型號為TI公司的TMS320。它具有很高的編譯效率和執(zhí)行速度，在信號處理方面具有優(yōu)勢，它的特點如下：（1）程序和數(shù)據(jù)具有獨立的存儲空間，有著各自獨立的程序總線與數(shù)據(jù)總線，可以同時對數(shù)據(jù)和程序進行尋址，大大提高了數(shù)據(jù)處理能力；（2）由于廣泛采用了流水線操作，減少了指令的執(zhí)行時間，可以同時運行8條指令；（3）與一般計算機不同，乘法（除法）不由加法和移位實現(xiàn)，它具有硬件乘法器，乘法運算可以在一個指令周期內(nèi)完成；（4）指令周期降到了1.67 ns。隨著工作頻率進一步提高，指令周期將進一步縮短；（5）擁有自己獨特的專門為數(shù)字信號處理而設(shè)計的指令系統(tǒng)；（6）相比傳統(tǒng)的處理芯片，它還具有體積小、功耗小、使用方便、實時處理迅速、處理數(shù)據(jù)量大、處理精度高、性能價格比高等許多優(yōu)點。3輪胎檢測系統(tǒng)構(gòu)成

3.1研究目標(biāo)機器視覺用于產(chǎn)品表面缺陷檢測需要面對以下主要問題：（1）數(shù)據(jù)處理量非常龐大；（2）如何快讀匹配圖像；（3）如何快速實現(xiàn)缺陷分割并剔除偽缺陷；（4）如何選取缺陷特征，用以實現(xiàn)缺陷識別。以具體產(chǎn)品為例，相對其他輪胎產(chǎn)品，航空輪胎對質(zhì)量檢測的要求較為嚴(yán)格，只要航空輪胎的檢測技術(shù)到位，其他輪胎產(chǎn)品也基本可以檢測。以航空輪胎的缺陷檢測為例，根據(jù)GB/T 9747-2008《航空輪胎試驗方法》、GB/T 13652-2004 《航空輪胎表面質(zhì)量》和GB 15323-1994 《航空輪胎內(nèi)胎》等標(biāo)準(zhǔn)的要求，研究表面缺陷在線檢測的圖像處理方案；開發(fā)一套基于機器視覺的產(chǎn)品表面缺陷的在線檢測設(shè)備，同時根據(jù)GB/T 13653-2004 《航空輪胎X射線檢測方法》所述，配合X射線發(fā)射儀，利用一對一的服務(wù)器/客戶機構(gòu)架的機器視覺對標(biāo)準(zhǔn)中所描述的航空輪胎的一系列缺陷，如斷層、氣泡和裂口等進行高精度、高實時性、高連續(xù)性以及非接觸式的在線缺陷檢測。具體技術(shù)指標(biāo)：（1）能檢測出最小直徑0.3 mm的輪胎內(nèi)部缺陷（即橫向縱向最小均為0.3 mm）并能對缺陷進行分類識別，主要包括結(jié)構(gòu)類、氣泡類和夾雜物類，對缺陷的檢出率要求大于90%；（2）對缺陷部位進行定量和定位分析：讀出缺陷的尺寸（誤差0.5 mm），測出缺陷距離輪胎表面的深度，決定缺陷在輪胎內(nèi)部的位置；（3）在線檢測設(shè)備的檢測檢測速度與X射線管旋轉(zhuǎn)速度同步，X射線管旋轉(zhuǎn)一周即完成一個輪胎一個圓周的缺陷檢測。

3.2研究內(nèi)容和技術(shù)路線

3.2.1確定機器視覺檢測系統(tǒng)的基本框架在數(shù)據(jù)量大時，采用一個處理器搭配一臺攝像機的一對一方式。在產(chǎn)品表面檢測中，由于航空輪胎的圓周面比較大，數(shù)據(jù)量也就比較大，通常采用的機器視覺單攝像機方式，很難滿足圓周面檢測分辨率高、數(shù)據(jù)量大的要求，而多臺攝像機能滿足分辨率和數(shù)據(jù)量的要求，卻又相應(yīng)帶來實時性差的問題。若采用多臺攝像機的方式，就需要配備多套成像系統(tǒng)，一套成像系統(tǒng)造價在10萬元左右，基于成本和計算數(shù)據(jù)量的考慮，本研究選用一對一方式，利用分時運動克服單臺攝像機采集數(shù)據(jù)量不足的缺點。具體來說，就是在經(jīng)典的服務(wù)器/客戶端模式架構(gòu)的基礎(chǔ)上設(shè)計一種基于機器視覺的系統(tǒng)結(jié)構(gòu)以實現(xiàn)輪胎圓周面產(chǎn)品表面缺陷的在線檢測，該結(jié)構(gòu)主要由四部分組成：服務(wù)器（嵌入式系統(tǒng)）、客戶端（圖像處理子系統(tǒng)）、信號模塊（PLC）、輸出單元。系統(tǒng)框架如圖1所示。每隔一定的時間（系統(tǒng)初步設(shè)定為5 s），服務(wù)器通過PLC控制步進電機驅(qū)動輪胎做圓周轉(zhuǎn)動，每轉(zhuǎn)過一個固定角度（系統(tǒng)定為120°），服務(wù)器就調(diào)動客戶端完成此區(qū)域內(nèi)相對獨立的視覺檢測任務(wù)，一次間隔只檢測輪胎的三分之一（120/360），經(jīng)過3個時間間隔，客戶端即完成了整個輪胎360°的全面檢測，然后利用拼接原理把各部分拼接起來，統(tǒng)一到一個坐標(biāo)系下。拼接測量的關(guān)鍵是利用重疊區(qū)計算出各次測量時基準(zhǔn)的不同，然后消除不同，統(tǒng)一在一個坐標(biāo)系下。拼接測量的方法可以直接計算出被測輪胎的全面信息。為了保證服務(wù)器和客戶端之間圖像檢測數(shù)據(jù)可靠、實時的交互，本研究采用千兆以太網(wǎng)的方式傳輸數(shù)據(jù)。作為整個檢測系統(tǒng)的管理控制單元和人機交互接口，服務(wù)器不僅要完成檢測任務(wù)的調(diào)度，還要可以設(shè)定檢測參數(shù)，接收和實時顯示客戶端上傳的圖像數(shù)據(jù)和處理結(jié)果（缺陷等），并將信息存入數(shù)據(jù)庫中。此外，服務(wù)器還接收PLC傳來的位置檢測信號，用于與客戶端的同步，并且根據(jù)檢測結(jié)果中的位置信號，對執(zhí)行機構(gòu)發(fā)出動作信號，標(biāo)記并剔除有缺陷的產(chǎn)品。在客戶端處理核心中安裝有圖像采集卡，接收服務(wù)器設(shè)置的參數(shù)和任務(wù)調(diào)度，控制采集卡和攝像機完成圖像實時采集，利用圖像處理算法處理和分析圖像數(shù)據(jù)，將最終得到的缺陷位置和分類信息上傳給服務(wù)器，保存缺陷圖像以備查。

3.2.2設(shè)計編寫表面缺陷檢測的圖像處理方案在表面缺陷檢測中，根據(jù)圖像數(shù)據(jù)的特點，本研究提出以下圖像處理過程：缺陷分割、特征提取及缺陷分類。首先是缺陷分割：在表面缺陷檢測的時候，利用圖像處理算法，處理采集到的產(chǎn)品表面圖像，將缺陷從復(fù)雜的背景圖像中分離出來。接著是特征提取：提取缺陷后，對缺陷的各種標(biāo)識性屬性進行提取，主要是幾何特征和灰度統(tǒng)計特征，以保證后續(xù)的缺陷分類和識別。幾何特征指的是輪廓特征，比如長度、形狀、面積、重心等?；叶冉y(tǒng)計特征指的是分布位置、統(tǒng)計值、均方差等等。還有缺陷分類：本研究采用改進的BP算法[7]對網(wǎng)絡(luò)進行訓(xùn)練，構(gòu)建神經(jīng)網(wǎng)絡(luò)分類器來實現(xiàn)輪胎缺陷分類，為了提高檢測系統(tǒng)對偽缺陷的適應(yīng)性，本研究將部分偽缺陷也作為網(wǎng)絡(luò)輸出并對其進行訓(xùn)練。由于圖像處理中需要運用大量的計算機內(nèi)存處理算法，為避免編程中出現(xiàn)內(nèi)存泄露進而造成計算機內(nèi)存資源流失的現(xiàn)象，決定采用對內(nèi)存進行托管的C#語言進行編程。

3.2.3服務(wù)器和客戶機系統(tǒng)之間的同步服務(wù)器/客戶端模式架構(gòu)的機器視覺系統(tǒng)具有獨立性和并行性的特點，它不得不面臨的一個重要問題是如何解決服務(wù)器和圖像處理子系統(tǒng)之間的同步問題，包括攝像機同步采集、數(shù)據(jù)同步處理和輪胎運動同步控制等。本研究利用攝像機本身的外同步特性，采用對攝像機提供統(tǒng)一的線掃描觸發(fā)信號保證攝像機采集同步。機器視覺系統(tǒng)基本組成模塊見圖2。

4結(jié)論實際測量結(jié)果證明，應(yīng)用視覺檢測方法可以較好地解決傳統(tǒng)測量方法中時間長、工作量大、測量效率低的問題。該方法能夠充分利用現(xiàn)代計算機技術(shù)的優(yōu)勢，設(shè)備簡單、易用，克服了傳統(tǒng)測量儀器的許多誤差來源，具有快速、準(zhǔn)確、非接觸測量的優(yōu)點。在實驗室中初步完成了實驗系統(tǒng)的核心部分（如圖3所示），與傳統(tǒng)的測量方法相比，原先需要15 min的測量時間，現(xiàn)在只需要15～30 s就可完成，操作也更加簡單便捷。該系統(tǒng)可檢測出最小直徑0.3 mm的輪胎內(nèi)部缺陷（即橫向縱向最小均為0.3 mm）并能對缺陷進行分類識別，主要包括結(jié)構(gòu)類、氣泡類和夾雜物類，對缺陷的檢出率為96%。

參考文獻(xiàn)：

[1]彭向前.產(chǎn)品表面缺陷在線檢測方法研究及系統(tǒng)實現(xiàn)[D].武漢：華中科技大學(xué)，2008.

[2]ZHANG Z.Determining the Epipolar geometry and its uncertainty[J].A Review Int Journal on Computer Vision，1998，27（2）：161-195.

[3]章毓晉.圖像處理和分析[M].北京：清華大學(xué)出版社，1999.

[4]朱方文.基于LAP方法的機器人靈巧手控制[D].上海：上海大學(xué)，2006.

[5]張嘉琪.基于嵌入式系統(tǒng)圖像處理平臺的萬壽菊水分狀態(tài)檢測系統(tǒng)的研究[D].重慶：西南大學(xué)，2009.