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(jì)算機(jī)視覺識(shí)別技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)視覺技術(shù)；食品工業(yè)；分級(jí)；圖像處理

中圖分類號(hào)： TS207 文獻(xiàn)標(biāo)識(shí)碼：A

隨著微型個(gè)人計(jì)算機(jī)應(yīng)用的越來越廣泛，以及計(jì)算機(jī)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(jì)算機(jī)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(xiàng)技術(shù)在食品企業(yè)、科研院所、檢測機(jī)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(jí)、等級(jí)篩選、質(zhì)量監(jiān)管等方面計(jì)算機(jī)視覺技術(shù)有眾多應(yīng)用。

1 計(jì)算機(jī)視覺技術(shù)概述

計(jì)算機(jī)視覺技術(shù)是利用計(jì)算機(jī)、攝像機(jī)、圖像卡以及相關(guān)處理技術(shù)來模擬人的視覺，用以識(shí)別、感知和認(rèn)識(shí)我們生活的世界[1]。該技術(shù)是模擬識(shí)別人工智能、心理物理學(xué)、圖像處理、計(jì)算機(jī)科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計(jì)算機(jī)視覺技術(shù)用攝像機(jī)模擬人眼，用計(jì)算機(jī)模擬大腦，用計(jì)算機(jī)程序和算法來模擬人對(duì)事物的認(rèn)識(shí)和思考，替代人類完成程序?yàn)槠湓O(shè)定的工作。該技術(shù)由多個(gè)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(jì)算機(jī)數(shù)據(jù)運(yùn)算系統(tǒng)等。原理是：首先通過攝像機(jī)獲得所需要的圖像信息，然后利用信號(hào)轉(zhuǎn)換將獲得的圖像信息轉(zhuǎn)變?yōu)閿?shù)字圖像以便計(jì)算機(jī)正確識(shí)別[2]。隨著科學(xué)技術(shù)的發(fā)展，計(jì)算機(jī)技術(shù)在各個(gè)領(lǐng)域得到廣泛應(yīng)用，計(jì)算機(jī)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(jì)算機(jī)視覺計(jì)算有如此快速的發(fā)展，是因?yàn)榕c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(dòng)化程度高

計(jì)算機(jī)視覺可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的多個(gè)外形和內(nèi)在品質(zhì)指標(biāo)進(jìn)行同時(shí)檢測分析，可以進(jìn)行整體識(shí)別、增強(qiáng)對(duì)目標(biāo)識(shí)別的準(zhǔn)確性。

1.2 實(shí)現(xiàn)無損檢測

由于計(jì)算機(jī)視覺技術(shù)對(duì)農(nóng)產(chǎn)品的識(shí)別是通過掃描、攝像，而不需要直接接觸，可以減少對(duì)所檢測食品的傷害。

1.3 穩(wěn)定的檢測精度

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

2 計(jì)算機(jī)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(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)也越來越成熟。國內(nèi)外學(xué)者在研究計(jì)算機(jī)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(duì)果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識(shí)別、內(nèi)部無損檢測等方面。國內(nèi)有關(guān)計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)在果蔬分級(jí)中的應(yīng)用研究

計(jì)算機(jī)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(jì)算機(jī)算法計(jì)算水果的半徑，進(jìn)而得出果蔬的最大直徑。研究表明，該算法不僅降低了計(jì)算量而且提高了計(jì)算精度，此方法用于水果分級(jí)的誤差不超過2mm，高于國際水果分級(jí)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(jì)算機(jī)視覺技術(shù)在蘋果檢測與分級(jí)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(shí)利用計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)進(jìn)行檢測，計(jì)算機(jī)視覺技術(shù)還可以將蘋果按照檢測結(jié)果進(jìn)行分級(jí)，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(jí)的重要特征之一，應(yīng)義斌等[8]通過計(jì)算機(jī)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(shí)別果形以及有無果柄，其識(shí)別率達(dá)到90%。楊秀坤等[9]綜合運(yùn)用計(jì)算機(jī)視覺技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)了具有精確度高、靈活性強(qiáng)和速度快等優(yōu)點(diǎn)的蘋果成熟度自動(dòng)判別。陳育彥等[10]采用半導(dǎo)體激光技術(shù)、計(jì)算機(jī)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(jī)械損傷和果實(shí)內(nèi)部的腐爛情況，初步驗(yàn)證了計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)對(duì)水果圖像的邊緣進(jìn)行檢測，然后確定水果的大小用以水果分級(jí)。試驗(yàn)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(jì)算機(jī)視覺的實(shí)時(shí)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(duì)西紅柿的缺陷進(jìn)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(shí)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(shí)別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個(gè)方向獲取蘋果的圖像，并通過計(jì)算機(jī)自動(dòng)分析圖像數(shù)據(jù)，對(duì)蘋果的外徑、體積、以及圓形度等參數(shù)進(jìn)行處理，與人工檢測相比，計(jì)算機(jī)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(diǎn)。Blasco. J [15]通過計(jì)算機(jī)視覺技術(shù)分析柑橘果皮的缺陷，進(jìn)而對(duì)其在線分級(jí)，正確率約為95%。趙廣華等[16]人綜合計(jì)算機(jī)視覺識(shí)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(shí)時(shí)監(jiān)測、品質(zhì)動(dòng)態(tài)的智能分級(jí)系統(tǒng)，能夠很好地實(shí)現(xiàn)蘋果分級(jí)。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(jì)算機(jī)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(jí)其準(zhǔn)確率均為92%，按果面損傷分級(jí)的準(zhǔn)確率分別為76%和80%。

2.2 計(jì)算機(jī)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(jí)、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(dòng)強(qiáng)度大、人為誤差大、工作效率低等缺點(diǎn)，計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)來檢測雞蛋蛋殼裂紋，利用攝像機(jī)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(yàn)結(jié)果表明，計(jì)算機(jī)視覺技術(shù)對(duì)雞蛋蛋殼裂紋的檢測準(zhǔn)確率高達(dá)98%。汪俊德等[19]以計(jì)算機(jī)視覺技術(shù)為基礎(chǔ)，設(shè)計(jì)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(jì)的數(shù)學(xué)模型對(duì)比來實(shí)現(xiàn)雙黃雞蛋的檢測和識(shí)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(jì)算機(jī)視覺技術(shù)對(duì)雞蛋的新鮮度、貯藏期進(jìn)行預(yù)測的結(jié)果準(zhǔn)確率為94%。潘磊慶等[21]通過計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)研發(fā)了雞蛋的分級(jí)檢測系統(tǒng)，該系統(tǒng)識(shí)別帶污漬雞蛋的正確率高達(dá)99%。

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

計(jì)算機(jī)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(duì)微生物微菌落的處理。食品工業(yè)中計(jì)算機(jī)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(gè)細(xì)胞為主，并在個(gè)體細(xì)胞的研究上取得了一定的進(jìn)展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計(jì)了一套應(yīng)用計(jì)算機(jī)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(shí)間，檢測時(shí)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(shí)間段測定培養(yǎng)基上的細(xì)胞密度，然后通過計(jì)算機(jī)技術(shù)建立時(shí)間和細(xì)胞密度之間的動(dòng)態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測和自動(dòng)檢測微生物的生長情況，如通過計(jì)算機(jī)控制自動(dòng)定量采集檢測對(duì)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(jì)算機(jī)可以顯示被檢測菌落的具置，并且根據(jù)動(dòng)態(tài)關(guān)聯(lián)計(jì)算機(jī)視覺系統(tǒng)可以同時(shí)處理多個(gè)不同的樣品。郭培源等[25]人對(duì)計(jì)算機(jī)視覺技術(shù)用于豬肉的分級(jí)進(jìn)行了研究，結(jié)果顯示計(jì)算機(jī)視覺技術(shù)在識(shí)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(jì)算微生物的數(shù)量。Bayraktar. B等[26]人采用計(jì)算機(jī)視覺技術(shù)、光散射技術(shù)（BARDOT）和模式識(shí)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(duì)圖像進(jìn)行分析處理達(dá)到對(duì)該菌的分類識(shí)別。殷涌光等[27]人綜合利用計(jì)算機(jī)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(jī)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(duì)細(xì)菌形態(tài)學(xué)的8個(gè)特征參數(shù)進(jìn)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(diǎn)。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(shí)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(duì)產(chǎn)品進(jìn)行分級(jí)。

2.4計(jì)算機(jī)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(duì)照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)貝類和蝦類等海產(chǎn)品的無損檢測和自動(dòng)化分類、分級(jí)和質(zhì)量評(píng)估，并通過實(shí)例詳細(xì)闡述了該技術(shù)的實(shí)現(xiàn)方法，證實(shí)了此項(xiàng)技術(shù)的有效性。計(jì)算機(jī)視覺技術(shù)還可以檢驗(yàn)玉米粒形和玉米種子質(zhì)量、識(shí)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(yùn)用計(jì)算機(jī)視覺技術(shù)對(duì)圖像進(jìn)行分析評(píng)估，毛葉棗可食率的評(píng)估結(jié)果與運(yùn)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(jì)算機(jī)視覺技術(shù)可以應(yīng)用于毛葉棗的自動(dòng)分級(jí)。Gokmen，V等通用對(duì)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(xiàng)參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計(jì)算機(jī)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(jí)的花生籽粒的正反面圖像，利用計(jì)算機(jī)視覺技術(shù)對(duì)花生內(nèi)部和外部采集圖像，并通過圖像對(duì)其外在品質(zhì)和內(nèi)在品質(zhì)進(jìn)行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對(duì)待檢樣品進(jìn)行分級(jí)檢測時(shí)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(shí)現(xiàn)豬肉新鮮程度的分級(jí)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(jì)算機(jī)視覺技術(shù)在食品工業(yè)中進(jìn)行應(yīng)用開始，就遇到了很多問題。計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)在檢測食品單一指標(biāo)或者以一個(gè)指標(biāo)作為分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)時(shí)具有理想效果，但以同一食品的多個(gè)指標(biāo)共同作為分級(jí)標(biāo)準(zhǔn)進(jìn)行檢測分級(jí)，則分級(jí)結(jié)果誤差較大。例如，Davenel等通過計(jì)算機(jī)視覺對(duì)蘋果的大小、重量、外觀損傷進(jìn)行分析，但研究結(jié)果顯示，系統(tǒng)會(huì)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(jí)誤差很大，分級(jí)正確率只有69%。Nozer等以計(jì)算機(jī)視覺為主要技術(shù)手段，獲取水果的圖像，進(jìn)而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進(jìn)行分級(jí)，其正確率僅為85.1%。

3.2 兼容性差

計(jì)算機(jī)視覺技術(shù)針對(duì)單一種類的果蔬分級(jí)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(jì)算機(jī)視覺設(shè)備。Reyerzwiggelaar等利用計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識(shí)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(jì)算機(jī)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(shí)會(huì)產(chǎn)生較大的誤差。Plebe等利用計(jì)算機(jī)視覺技術(shù)對(duì)果樹上的水果進(jìn)行識(shí)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(shí)別和定位精度不高，不能滿足實(shí)際生產(chǎn)的需要。

綜上所述，可看出國內(nèi)外學(xué)者對(duì)計(jì)算機(jī)視覺技術(shù)在食品工業(yè)中的應(yīng)用進(jìn)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(gè)學(xué)科，在研究和應(yīng)用的過程中，取得了較大的經(jīng)濟(jì)效益，也遇到了很多問題，在新的形勢下，計(jì)算機(jī)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(jì)量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個(gè)領(lǐng)域?qū)W者的研究熱點(diǎn)，以計(jì)算機(jī)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(jì)算機(jī)視覺研究[J].計(jì)算機(jī)與農(nóng)業(yè)，2001（01）：1-3.

[2] 李崢.基于計(jì)算機(jī)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(jì)算機(jī)視覺與神經(jīng)網(wǎng)絡(luò)的芒果等級(jí)分類研究[D].桂林：桂林工學(xué)院，2008.

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

[5] 李慶中.蘋果自動(dòng)分級(jí)中計(jì)算機(jī)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(jì)算機(jī)視覺的蘋果在線高效檢測與分級(jí)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(bào)，1996，12（0l）：171-176.

[8] 應(yīng)義斌，景寒松，馬俊福.用計(jì)算機(jī)視覺進(jìn)行黃花梨果梗識(shí)別的新方法[J].農(nóng)業(yè)工程學(xué)報(bào)，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(jìn)行蘋果顏色白動(dòng)檢測的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，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(jī)械學(xué)報(bào)，2009，40（07）：133-137.

[11] 馮斌，汪憋華.基于計(jì)算機(jī)視覺的水果大小檢測方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，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(bào)，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(jī)械學(xué)報(bào)，2009，41（03）：143-148.

[14] 劉剛，王立香，柳兆君.基于計(jì)算機(jī)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(shí)時(shí)分選系統(tǒng)[J].中國科技信息.

[17] 王江楓，羅錫文，洪添勝，等.計(jì)算機(jī)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(bào)，1998（12）：186-189.

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

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

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

[21] 潘磊慶，屠康，詹歌，等.基于計(jì)算機(jī)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(bào)，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(jì)算機(jī)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(bào)（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(jí)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(jì)算機(jī)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(bào)，2009，25（07）：249-254.

[28] 魯靜.乳品微生物自動(dòng)檢測系統(tǒng)的設(shè)計(jì)[J].湖北第二師范學(xué)院學(xué)報(bào)，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(qiáng).計(jì)算機(jī)視覺技術(shù)在海產(chǎn)品質(zhì)量評(píng)估中的應(yīng)用[J].食品與機(jī)械，2012，28（04）：154-156.

第2篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

電力系統(tǒng)自動(dòng)化是電力系統(tǒng)的發(fā)展趨勢，隨著計(jì)算機(jī)技術(shù)的不斷成熟，應(yīng)用領(lǐng)域不斷拓展，在電力自動(dòng)化系統(tǒng)中的信息輸入、輸出甚至是存儲(chǔ)和傳輸中都應(yīng)用了計(jì)算機(jī)技術(shù)。鑒于電力系統(tǒng)具有功能復(fù)雜，分布范圍廣，管理調(diào)度較為集中等特點(diǎn)，故基于計(jì)算機(jī)的視覺圖像技術(shù)在電力自動(dòng)化系統(tǒng)中具有非常廣泛的應(yīng)用領(lǐng)域和應(yīng)用前景。如結(jié)合紅外成像技術(shù)對(duì)線路設(shè)備進(jìn)行監(jiān)測、應(yīng)用遙感技術(shù)和工業(yè)電視技術(shù)分擔(dān)工作人員的工作壓力等。

如果能夠?qū)⒒趫D像識(shí)別和圖像處理的計(jì)算機(jī)視覺技術(shù)安全合理的應(yīng)用到電力系統(tǒng)中，可以對(duì)電力系統(tǒng)的智能監(jiān)控和處理。目前，已有部分應(yīng)用實(shí)例投入使用，如利用紅外圖像分析技術(shù)對(duì)電力設(shè)備進(jìn)行簡單識(shí)別、結(jié)合傳感器等對(duì)火電廠煤粉鍋爐火焰燃燒狀態(tài)的判斷等。

二、計(jì)算機(jī)視覺技術(shù)在電力系統(tǒng)自動(dòng)化中的應(yīng)用

計(jì)算機(jī)視覺技術(shù)是通過對(duì)采集到的數(shù)據(jù)圖像進(jìn)行處理和分析來模擬和研究微觀或者宏觀層面視覺功能的技術(shù)。具體到電力系統(tǒng)自動(dòng)化領(lǐng)域，計(jì)算機(jī)視覺技術(shù)主要被應(yīng)用在三個(gè)方面，分別為地區(qū)調(diào)度實(shí)時(shí)監(jiān)控、設(shè)備運(yùn)行負(fù)荷控制和變電站自動(dòng)化監(jiān)控和處理。其中，地區(qū)調(diào)度實(shí)時(shí)監(jiān)控中的計(jì)算機(jī)視覺技術(shù)功能與中心調(diào)度監(jiān)控系統(tǒng)相似，都是通過多臺(tái)計(jì)算機(jī)和圖像采集設(shè)備實(shí)現(xiàn)對(duì)電力設(shè)備運(yùn)行的監(jiān)控和對(duì)電力的實(shí)時(shí)調(diào)度等。而設(shè)備運(yùn)行負(fù)荷控制通常需要利用工頻或者聲頻參與控制，還無法完全脫離人的視覺參與實(shí)現(xiàn)自動(dòng)控制。變電站自動(dòng)化監(jiān)控和處理是變電站自動(dòng)化發(fā)展的方向，該技術(shù)是利用計(jì)算機(jī)，通過對(duì)實(shí)時(shí)狀態(tài)進(jìn)行視頻監(jiān)控和數(shù)據(jù)處理，以實(shí)現(xiàn)無人值守的自動(dòng)化運(yùn)行模式。

典型的應(yīng)用領(lǐng)域?yàn)橄率鰩讉€(gè)方面。

1.計(jì)算機(jī)視覺技術(shù)在在線監(jiān)測中的應(yīng)用。該應(yīng)用主要是利用計(jì)算機(jī)的紅外圖像識(shí)別技術(shù)對(duì)電力設(shè)備進(jìn)行在線監(jiān)測實(shí)現(xiàn)的。電氣設(shè)備的表面溫度在一定程度上可以反映其運(yùn)行的狀態(tài)，利用圖像采集設(shè)備對(duì)電氣設(shè)備進(jìn)行紅外成像拍攝，可以獲取設(shè)備溫度的實(shí)時(shí)動(dòng)態(tài)，在此基礎(chǔ)上對(duì)紅外圖像進(jìn)行圖譜分析，并與正常運(yùn)行時(shí)的參照標(biāo)準(zhǔn)進(jìn)行比較，即可實(shí)現(xiàn)對(duì)電力設(shè)備的在線監(jiān)測。同時(shí)，若設(shè)備出現(xiàn)故障，利用紅外成像技術(shù)還能對(duì)故障位置進(jìn)行定位，這就為及時(shí)進(jìn)行檢修提供了強(qiáng)力的支持。

例如，斷路器觸頭接觸不良、輸電線路絕緣環(huán)境的變差、變壓器少油等故障都會(huì)造成局部設(shè)備過熱。若只采用傳統(tǒng)檢修方式，無法切實(shí)掌握設(shè)備運(yùn)行狀態(tài)，只能在故障發(fā)生后尋找故障部位，檢查確認(rèn)后才能進(jìn)行排除處理。計(jì)算機(jī)視覺技術(shù)的應(yīng)用，首先簡化了檢測方式，只需要將成像設(shè)備在有效范圍內(nèi)對(duì)電氣設(shè)備進(jìn)行遠(yuǎn)距離測量即可實(shí)現(xiàn)；其次在監(jiān)測方面，一旦設(shè)備的監(jiān)測數(shù)據(jù)超出正常范圍的最大或最小閾值，即可認(rèn)定該部位已經(jīng)發(fā)生故障，實(shí)現(xiàn)對(duì)故障的及時(shí)處理，由于定位更為準(zhǔn)確，且減少了傳統(tǒng)的故障部位確認(rèn)環(huán)節(jié)，故提高了系統(tǒng)運(yùn)行與監(jiān)測效率。

2.計(jì)算機(jī)視覺技術(shù)在無人值班變電站和電場環(huán)境監(jiān)控中的應(yīng)用。在無人值班變電站中，利用微波雙鑒探測器和計(jì)算機(jī)網(wǎng)絡(luò)等組成無人監(jiān)視系統(tǒng)，通過該系統(tǒng)對(duì)變電站周邊環(huán)境進(jìn)行視頻監(jiān)控，然后利用差分圖像、光流法等計(jì)算機(jī)視覺技術(shù)等對(duì)移動(dòng)物體進(jìn)行判斷和識(shí)別，確認(rèn)移動(dòng)物體屬性，若出現(xiàn)情況可以進(jìn)行實(shí)時(shí)報(bào)警。實(shí)際應(yīng)用表明，在適當(dāng)天氣條件下，該系統(tǒng)的識(shí)別準(zhǔn)確率保持在較高水平。若變電站周邊發(fā)生火情，還可以輔助紅外圖像識(shí)別對(duì)火勢進(jìn)行判斷并報(bào)警。

3.計(jì)算機(jī)視覺技術(shù)在電力線路監(jiān)測中的應(yīng)用。隨著經(jīng)濟(jì)社會(huì)的發(fā)展，為滿足人們?nèi)找嬖鲩L的電力需求，必須進(jìn)行大量的電力線路鋪設(shè)，在鋪設(shè)過程中，通常需要穿越復(fù)雜的地理環(huán)境，這種情況為線路巡檢員的工作帶來了極大的困難，且巡檢效率不高、存在巡檢盲區(qū)等。此時(shí)，利用計(jì)算機(jī)視覺技術(shù)可以很好的解決該問題。對(duì)電力線路安裝監(jiān)測機(jī)器人，在機(jī)器人中安裝控制裝置，位置傳感器、測距傳感器和CCD視覺傳感器，線路檢測裝置，無線圖像傳輸設(shè)備等，通過機(jī)器人在線路中行走對(duì)線路進(jìn)行溫度識(shí)別和分布判斷，進(jìn)而完成線路的巡視工作。該方式可以減少惡劣環(huán)境對(duì)巡線工作帶來的操作難度，提高工作效率，增強(qiáng)故障判斷精度。

4.計(jì)算機(jī)視覺技術(shù)在位置判斷中的應(yīng)用。利用計(jì)算機(jī)視覺技術(shù)可以對(duì)電力系統(tǒng)中的開關(guān)刀閘位置和繼電保護(hù)壓板的位置進(jìn)行監(jiān)測。開關(guān)刀閘具有三種狀態(tài)，分別為閉合、斷開和異常。若開關(guān)刀閘位置不適當(dāng)會(huì)影響到系統(tǒng)的工作狀態(tài)。利用計(jì)算機(jī)視覺技術(shù)可以自動(dòng)識(shí)別其工作狀態(tài)，并對(duì)不正常狀態(tài)進(jìn)行報(bào)警。繼電保護(hù)壓板會(huì)隨著電網(wǎng)或者變電站的運(yùn)行方式的變化而變化。操作規(guī)范要求值班人員對(duì)壓板的位置進(jìn)行確認(rèn)和糾正。若壓板位置不正確會(huì)導(dǎo)致繼電保護(hù)出現(xiàn)錯(cuò)誤動(dòng)作甚至引發(fā)事故。在壓板監(jiān)測方面，由于壓板電信息不明辨，傳統(tǒng)檢測方式不易對(duì)其進(jìn)行檢測，若采用計(jì)算機(jī)視覺技術(shù)，利用成像技術(shù)對(duì)壓板盤面進(jìn)行圖像采集，然后通過圖像識(shí)別技術(shù)對(duì)獨(dú)享進(jìn)行識(shí)別，即可實(shí)現(xiàn)對(duì)壓板位置的判斷。

第3篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī)視覺技術(shù) 馬鈴薯外部品質(zhì) 檢測

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺技術(shù)應(yīng)運(yùn)而生并在工業(yè)自動(dòng)化以及農(nóng)產(chǎn)品檢驗(yàn)檢測等領(lǐng)域成功應(yīng)用。其中，將計(jì)算機(jī)視覺技術(shù)用于以自動(dòng)化采集和品級(jí)分級(jí)為代表的果蔬商品化處理具有非常廣闊的發(fā)展空間。我國政府將“農(nóng)產(chǎn)品深加工技術(shù)與設(shè)備研究開發(fā)”列為我國“十五”重大科技攻關(guān)項(xiàng)目的第一項(xiàng)，這標(biāo)志著計(jì)算機(jī)視覺技術(shù)在果蔬外部品質(zhì)檢測中會(huì)發(fā)揮越來越重要的作用。

馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農(nóng)作物，種植區(qū)域非常廣泛。馬鈴薯品質(zhì)檢測是馬鈴薯深加工的一個(gè)關(guān)鍵步驟，目前，該檢驗(yàn)過程多數(shù)采用人工檢測，不僅成本高、效率低，而且與檢驗(yàn)員的專業(yè)素質(zhì)有密切的關(guān)系，受到人為因素影響的程度較大，嚴(yán)重制約的馬鈴薯加工企業(yè)的發(fā)展。計(jì)算機(jī)視覺技術(shù)能對(duì)農(nóng)產(chǎn)品的某些特性變化和缺陷進(jìn)行識(shí)別，具有客觀、無損害等特點(diǎn)。本文對(duì)基于計(jì)算機(jī)視覺的馬鈴薯外部品質(zhì)檢測的應(yīng)用進(jìn)行了研究。

1 應(yīng)用計(jì)算機(jī)視覺技術(shù)對(duì)馬鈴薯進(jìn)行外部品質(zhì)檢測的必要性

隨著“麥當(dāng)勞”、“肯德基”的餐飲服務(wù)業(yè)的快速發(fā)展，炸薯?xiàng)l、炸薯片已經(jīng)成為一種休閑食品深受消費(fèi)者的喜愛，推動(dòng)了我國馬鈴薯產(chǎn)業(yè)的發(fā)展。然而，情況并不十分樂觀，與國外的馬鈴薯企業(yè)相比，我國馬鈴薯加工企業(yè)生產(chǎn)規(guī)模小、生產(chǎn)產(chǎn)品單一、技術(shù)設(shè)備落后、產(chǎn)品質(zhì)量不高的現(xiàn)象導(dǎo)致我國的馬鈴薯產(chǎn)品銷售困難，經(jīng)濟(jì)效益逐漸下滑。

基于以上現(xiàn)狀，對(duì)馬鈴薯的加工研究還有很長的一段路程。企業(yè)要擴(kuò)大生產(chǎn)規(guī)模，針對(duì)中國的消費(fèi)趨勢與消費(fèi)水平開發(fā)出新的馬鈴薯產(chǎn)品，從而提高我國馬鈴薯產(chǎn)品的競爭力。這就要求馬鈴薯加工企業(yè)要對(duì)馬鈴薯的加工技術(shù)進(jìn)行創(chuàng)新，保證產(chǎn)品質(zhì)量。其中，馬鈴薯外部品質(zhì)檢測對(duì)馬鈴薯產(chǎn)品的最終品質(zhì)起著決定性作用。當(dāng)前的人工檢測方式已經(jīng)不再適應(yīng)社會(huì)發(fā)展的要求，利用計(jì)算機(jī)視覺檢驗(yàn)代替人工檢驗(yàn)成為社會(huì)發(fā)展的必然趨勢，這是因?yàn)橛?jì)算機(jī)視覺技術(shù)具有以下優(yōu)點(diǎn)：

（1）精度高，能夠進(jìn)行定量測量。

（2）自動(dòng)化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內(nèi)的檢測和分析，并能進(jìn)行綜合識(shí)別。

（3）無損檢測，計(jì)算機(jī)視覺檢測過程不需要接觸產(chǎn)品，是通過傳感器掃面獲取圖像的，不會(huì)造成產(chǎn)品的損傷。

（4）信息量大，可對(duì)大量信息進(jìn)行采集，對(duì)光譜的敏感范圍也很廣。

2 基于計(jì)算機(jī)視覺的馬鈴薯外部品質(zhì)檢測的應(yīng)用研究

2.1 馬鈴薯大小的檢測方法

馬鈴薯的大小檢測不僅影響馬鈴薯深加工的商業(yè)價(jià)值，在在遺傳和育種方面也有很高的應(yīng)用價(jià)值。

利用計(jì)算機(jī)視覺技術(shù)對(duì)馬鈴薯大小的檢測步驟如下：先從攝像機(jī)中獲取馬鈴薯的圖像信息，在圖像信息的基礎(chǔ)上對(duì)馬鈴薯三維空間的幾何信息進(jìn)行計(jì)算，并由此重建和識(shí)別馬鈴薯。而馬鈴薯物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系是由攝像機(jī)成像的幾何模型決定的，這些幾何參數(shù)成為攝像機(jī)參數(shù)。要想準(zhǔn)確的獲取這些攝像機(jī)參數(shù)，就必須將實(shí)驗(yàn)與計(jì)算相結(jié)合，此過程成為系統(tǒng)定標(biāo)。

系統(tǒng)定標(biāo)的基本步驟：根據(jù)設(shè)定好的攝像機(jī)模型和特定的實(shí)驗(yàn)條件包括形狀、尺寸等已知的定標(biāo)參照物，經(jīng)過對(duì)馬鈴薯圖像的處理，并利用一系列的數(shù)學(xué)轉(zhuǎn)換和計(jì)算方法將攝像機(jī)模型的內(nèi)部和外部參數(shù)計(jì)算出來，從而建立照片與實(shí)物的聯(lián)系推算出馬鈴薯的真實(shí)尺寸。

2.2 馬鈴薯形狀的檢測方法

根據(jù)《中國馬鈴薯栽培學(xué)》中的知識(shí)，我們可以把馬鈴薯的塊莖形狀分為三類，分別是圓形、長筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長筒形，并且采用橢圓的短長軸比來模擬馬鈴薯的縱橫直徑之間的關(guān)系。

2.2.1 馬鈴薯形狀特征參數(shù)的提取

將馬鈴薯橢圓的短長軸比R作為形狀特征參數(shù)，并按照R的大小將馬鈴薯進(jìn)行分類。當(dāng)R小于0.67時(shí)，稱之為長筒馬鈴薯；當(dāng)R大于0.85時(shí)，稱之為圓形馬鈴薯；當(dāng)R介于0.67到0.85之間時(shí)，稱之為橢圓形馬鈴薯。

2.2.2 結(jié)果與分析

隨機(jī)抽取114塊馬鈴薯，對(duì)抽取的馬鈴薯進(jìn)行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類后進(jìn)行計(jì)算機(jī)視覺分類，操作步驟具體如下：

（1）用DIPS預(yù)處理：B通道灰度化，中值濾波和Otsu分割；

（2）通過計(jì)算機(jī)視覺技術(shù)提取馬鈴薯圖片的短長軸比R；

（3）將人工分類與計(jì)算機(jī)視覺分類進(jìn)行對(duì)比，并得出正確率。

根據(jù)圖表，我們可以看出在228張僅有兩張圖片被分類錯(cuò)誤，正確率高達(dá)99.1%，而這兩個(gè)分類錯(cuò)誤的馬鈴薯的短長軸比處于0.67周圍，分別為0.667604 ， 0.67193和0.671887， 0.661063，又因?yàn)閷?duì)馬鈴薯形狀的分類不需要類似工業(yè)生產(chǎn)那樣精密，所以，當(dāng)正反兩面短長軸比接近時(shí)都可看作是橢圓形。

2.3 馬鈴薯的缺陷檢測

計(jì)算機(jī)視覺技術(shù)具有實(shí)時(shí)、客觀、無損的檢測特點(diǎn)，能對(duì)馬鈴薯的表面缺陷和某些特征要素進(jìn)行快速檢測。基于此，國內(nèi)外很多研究學(xué)者進(jìn)行了大量的實(shí)驗(yàn)研究，在1998年開發(fā)了利用PC機(jī)輔助的實(shí)時(shí)馬鈴薯檢測系統(tǒng)，能夠?qū)︸R鈴薯的重量、顏色以及形狀進(jìn)行快速檢測；2000年，相關(guān)研究者在此基礎(chǔ)上建立了計(jì)算機(jī)視覺檢測系統(tǒng)，不僅能實(shí)現(xiàn)大小、形狀的檢測，還能對(duì)馬鈴薯表面的生長裂縫、機(jī)械裂縫、綠皮等表面缺陷進(jìn)行檢測。當(dāng)前對(duì)馬鈴薯表面缺陷進(jìn)行檢測的主要計(jì)算機(jī)視覺技術(shù)包括缺陷分割法和缺陷識(shí)別法兩種方法。

3 結(jié)論

本文應(yīng)用計(jì)算機(jī)視覺技術(shù)對(duì)馬鈴薯的大小、形狀和表面缺陷等外部品質(zhì)進(jìn)行了檢測，但是還未能實(shí)現(xiàn)利用計(jì)算機(jī)視覺技術(shù)對(duì)馬鈴薯的表面缺陷進(jìn)行分類這一技術(shù)。因此，相關(guān)部門要加大研究力度，爭取早日完善計(jì)算機(jī)視覺技術(shù)，從而推動(dòng)我國馬鈴薯加工企業(yè)快速高效的發(fā)展。

參考文獻(xiàn)

[1]魯永萍.基于機(jī)器視覺的馬鈴薯外部品質(zhì)檢測與分級(jí).機(jī)械設(shè)計(jì)及理論[D].內(nèi)蒙古農(nóng)業(yè)大學(xué).2013（學(xué)位年度）.

[2]史崇升.基于高光譜成像技術(shù)的馬鈴薯外部品質(zhì)無損檢測建模及優(yōu)化研究.電子與通信工程[D].寧夏大學(xué).2014（學(xué)位年度）.

作者單位

第4篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

關(guān)鍵詞：數(shù)字?jǐn)z影測量 計(jì)算機(jī)視覺 多目立體視覺 影像匹配

引言

攝影測量學(xué)是一門古老的學(xué)科，若從1839年攝影術(shù)的發(fā)明算起，攝影測量學(xué)已有170多年的歷史，而被普遍認(rèn)為攝影測量學(xué)真正起點(diǎn)的是1851―1859年“交會(huì)攝影測量”的提出。在這漫長的發(fā)展過程中，攝影測量學(xué)經(jīng)歷了模擬法、解析法和數(shù)字化三個(gè)階段。模擬攝影測量和解析攝影測量分別是以立體攝影測量的發(fā)明和計(jì)算機(jī)的發(fā)明為標(biāo)志，因此很大程度上，計(jì)算機(jī)的發(fā)展決定了攝影測量學(xué)的發(fā)展。在解析攝影測量中，計(jì)算機(jī)用于大規(guī)模的空中三角測量、區(qū)域網(wǎng)平差、數(shù)字測圖，還用于計(jì)算共線方程，在解析測圖儀中起著控制相片盤的實(shí)時(shí)運(yùn)動(dòng)，交會(huì)空間點(diǎn)位的作用。而出現(xiàn)在數(shù)字?jǐn)z影測量階段的數(shù)字?jǐn)z影測量工作站（digital　photogrammetry　workstation，DPW）就是一臺(tái)計(jì)算機(jī)+各種功能的攝影測量軟件。如果說從模擬攝影測量到解析攝影測量的發(fā)展是一次技術(shù)的進(jìn)步，那么從解析攝影測量到數(shù)字?jǐn)z影測量的發(fā)展則是一場技術(shù)的革命。數(shù)字?jǐn)z影測量與模擬、解析攝影測量的最大區(qū)別在于：它處理的是數(shù)字影像而不再是模擬相片，更為重要的是它開始并將不斷深入地利用計(jì)算機(jī)替代作業(yè)員的眼睛。[1-2]毫無疑問，攝影測量進(jìn)入數(shù)字?jǐn)z影測量時(shí)代已經(jīng)與計(jì)算機(jī)視覺緊密聯(lián)系在一起了[2]。

計(jì)算機(jī)視覺是一個(gè)相對(duì)年輕而又發(fā)展迅速的領(lǐng)域。其目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力將不僅使機(jī)器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運(yùn)動(dòng)等，而且能對(duì)它們進(jìn)行描述、存儲(chǔ)、識(shí)別與理解[3]。數(shù)字?jǐn)z影測量具有類似的目標(biāo)，也面臨著相同的基本問題。數(shù)字?jǐn)z影測量學(xué)涉及多個(gè)學(xué)科，如圖像處理、模式識(shí)別以及計(jì)算機(jī)圖形學(xué)等。由于它與計(jì)算機(jī)視覺的聯(lián)系十分緊密，有些專家將其看做是計(jì)算機(jī)視覺的分支。

數(shù)字?jǐn)z影測量的發(fā)展已經(jīng)借鑒了許多計(jì)算機(jī)視覺的研究成果[4]。數(shù)字?jǐn)z影測量發(fā)展導(dǎo)致了實(shí)時(shí)攝影測量的出現(xiàn)，所謂實(shí)時(shí)攝影測量是指利用多臺(tái)CCD數(shù)字?jǐn)z影機(jī)對(duì)目標(biāo)進(jìn)行影像獲取，并直接輸入計(jì)算機(jī)系統(tǒng)中，在實(shí)時(shí)軟件的幫助下，立刻獲得和提取需要的信息，并用來控制對(duì)目標(biāo)的操作[1]。在立體觀測的過程中，其主要利用計(jì)算機(jī)視覺方法實(shí)現(xiàn)計(jì)算機(jī)代替人眼。隨著數(shù)碼相機(jī)技術(shù)的發(fā)展和應(yīng)用，數(shù)字近景攝影測量已經(jīng)成為必然趨勢。近景攝影測量是利用近距離攝影取得的影像信息，研究物體大小形狀和時(shí)空位置的一門新技術(shù)，它是一種基于數(shù)字信息和數(shù)字影像技術(shù)的數(shù)據(jù)獲取手段。量測型的計(jì)算機(jī)視覺與數(shù)字近景攝影測量的學(xué)科交叉將會(huì)在計(jì)算機(jī)視覺中形成一個(gè)新的分支――攝影測量的計(jì)算機(jī)視覺，但是它不應(yīng)僅僅局限于地學(xué)信息[2]。

1.　計(jì)算機(jī)視覺與數(shù)字?jǐn)z影測量的差異

1.1　目的不同導(dǎo)致二者的坐標(biāo)系和基本公式不同

攝影測量的基本任務(wù)是嚴(yán)格建立相片獲取瞬間所存在的像點(diǎn)與對(duì)應(yīng)物點(diǎn)之間的幾何關(guān)系，最終實(shí)現(xiàn)利用攝影片上的影像信息測制各種比例尺地形圖，建立地形數(shù)據(jù)庫，為各種地理信息系統(tǒng)建立或更新提供基礎(chǔ)數(shù)據(jù)。因此，它是在測繪領(lǐng)域內(nèi)發(fā)展起來的一門學(xué)科。

而計(jì)算機(jī)視覺領(lǐng)域的突出特點(diǎn)是其多樣性與不完善性。計(jì)算機(jī)視覺的主要任務(wù)是通過對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場景的三維信息，因此直到計(jì)算機(jī)的性能提高到足以處理大規(guī)模數(shù)據(jù)時(shí)它才得到正式的關(guān)注和發(fā)展，而這些發(fā)展往往起源于其他不同領(lǐng)域的需要。比如在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場合，常用計(jì)算機(jī)來替代人工視覺。

由于攝影測量是測繪地形圖的重要手段之一，為了測繪某一地區(qū)而攝影的所有影像，必須建立統(tǒng)一的坐標(biāo)系。而計(jì)算機(jī)視覺是研究怎樣用計(jì)算機(jī)模擬人的眼睛，因此它是以眼睛（攝影機(jī)中心）與光軸構(gòu)成的坐標(biāo)系為準(zhǔn)。因此，攝影測量與計(jì)算機(jī)視覺目的不同，導(dǎo)致它們對(duì)物體與影像之間關(guān)系的描述也不同。

1.2　二者處理流程不同

2.　可用于數(shù)字?jǐn)z影測量領(lǐng)域的計(jì)算機(jī)視覺理論――立體視覺

2.1　立體視覺

立體視覺是計(jì)算機(jī)視覺中的一個(gè)重要分支，一直是計(jì)算機(jī)視覺研究的重點(diǎn)和熱點(diǎn)之一，在20多年的發(fā)展過程中，逐漸形成了自己的方法和理論。立體視覺的基本原理是從兩個(gè)（或多個(gè)）視點(diǎn)觀察同一景物，以獲取在不同視角下的感知圖像，通過三角測量原理計(jì)算像像素間的位置偏差（即視差）來獲取景物的三維信息，這一過程與人類視覺的立體感知過程是類似的。一個(gè)完整的立體視覺系統(tǒng)通常可分為圖像獲取、攝像機(jī)定標(biāo)、特征提取、影像匹配、深度確定及內(nèi)插等6個(gè)大部分[5]。其中影像匹配是立體視覺中最重要也是最困難的問題，也是計(jì)算機(jī)視覺和數(shù)字?jǐn)z影測量的核心問題。

2.2　影像匹配

立體視覺的最終目的是為了恢復(fù)景物可視表面的完整信息。當(dāng)空間三維場景被投影為二維圖像時(shí)，同一景物在不同視點(diǎn)下的圖像會(huì)有很大不同，而且場景中的諸多因素，如光照條件，景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機(jī)特性等，都被綜合成單一的圖像中的灰度值。因此，要準(zhǔn)確地對(duì)包含了如此之多不利因素的圖像進(jìn)行無歧義的匹配，顯然是十分困難的。

在攝影測量中最基本的過程之一就是在兩幅或者更多幅的重疊影像中識(shí)別并定位同名點(diǎn)，以產(chǎn)生立體影像。在模擬攝影測量和解析攝影測量中，同名點(diǎn)的識(shí)別是通過人工操作方式完成的；而在數(shù)字?jǐn)z影測量中則利用計(jì)算機(jī)代替人工解決同名點(diǎn)識(shí)別的問題，即采用影像匹配的方法。

2.3　多目立體視覺

根據(jù)單張相片只能確定地面某個(gè)點(diǎn)的方向，不能確定地面點(diǎn)的三維空間位置，而有了立體像對(duì)則可構(gòu)成與地面相似的立體模型，解求地面點(diǎn)的空間位置。雙目立體視覺由不同位置的兩臺(tái)或者一臺(tái)攝像機(jī)（CCD）經(jīng)過移動(dòng)或旋轉(zhuǎn)拍攝同一幅場景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過計(jì)算空間點(diǎn)在兩幅圖像中的視差，獲得該點(diǎn)的三維坐標(biāo)值。現(xiàn)在的數(shù)字?jǐn)z影測量中的立體像對(duì)技術(shù)通常是在一條基線上進(jìn)行的，但是由于采用計(jì)算機(jī)匹配替代人眼測定影像同名像對(duì)時(shí)存在大量的誤匹配，使自動(dòng)匹配的結(jié)果很不可靠。其存在的問題主要是，對(duì)存在特殊結(jié)構(gòu)的景物，如平坦、缺乏紋理細(xì)節(jié)、周期性的重復(fù)特征等易產(chǎn)生假匹配；在攝像機(jī)基線距離增大時(shí)，遮擋嚴(yán)重，能重建的空間點(diǎn)減少。為了解決這些問題，降低雙目匹配的難度，自1986年以來出現(xiàn)了三目立體視覺系統(tǒng)，即采用3個(gè)攝像機(jī)同時(shí)攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性[5]。采用“多目立體視覺技術(shù)”可以利用攝影測量的空中三角測量原理，對(duì)多度重疊點(diǎn)進(jìn)行“多方向的前方交會(huì)”，既能較有效地解決隨機(jī)的誤匹配問題，同時(shí)又能增加交會(huì)角，提高高程測量的精度[2]。這項(xiàng)技術(shù)的應(yīng)用，將很大程度地解決自動(dòng)匹配結(jié)果的不可靠性，提高數(shù)字?jǐn)z影測量系統(tǒng)的準(zhǔn)確性。

第5篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

【關(guān)鍵詞】動(dòng)態(tài)圖像序列;自動(dòng)扶梯;客流量;測量

視頻處理技術(shù)的產(chǎn)生和發(fā)展使得其應(yīng)用范圍越來越廣泛，在這之中，動(dòng)態(tài)圖像序列處理技術(shù)因其在監(jiān)控和管理方面的智能化特點(diǎn)，有著非常廣泛的應(yīng)用前景，其在自動(dòng)扶梯客流量測量分析方面的應(yīng)用為保證大型場所中自動(dòng)扶梯的安全性提供了保障，對(duì)其進(jìn)行研究是有著非常重要的意義的。

一、自動(dòng)扶梯與其客流量

自動(dòng)扶梯的定義是，由一臺(tái)特種結(jié)構(gòu)形式的鏈?zhǔn)捷斔蜋C(jī)和兩臺(tái)特殊結(jié)構(gòu)型式的膠帶輸送機(jī)所組合而成的，用以在建筑物的不同層高間運(yùn)載人員上下的一種連續(xù)運(yùn)輸機(jī)械。其主要部件包括梯級(jí)、梯級(jí)驅(qū)動(dòng)裝置、驅(qū)動(dòng)主機(jī)、傳動(dòng)部件、緊張裝置、扶手裝置、金屬結(jié)構(gòu)、梯級(jí)導(dǎo)軌、上下蓋板、梳齒板、安全裝置和電氣控制系統(tǒng)等。自動(dòng)扶梯具有連續(xù)性強(qiáng)，運(yùn)輸量大的特點(diǎn)，在人流集中的場所有著廣泛的應(yīng)用，比如在商場、飛機(jī)場、火車站、地鐵站以及一些大型的娛樂場所中都可以看見人們利用自動(dòng)扶梯來達(dá)到移動(dòng)的目的。

自動(dòng)扶梯的工作流程為：自動(dòng)扶梯的梯級(jí)鏈作為扶梯的核心部件，一系列的梯級(jí)與兩根牽引鏈條連接在一起，在按一定線路布置的導(dǎo)軌上運(yùn)行即形成自動(dòng)扶梯的梯路。牽引鏈條繞過上牽引鏈輪、下張緊裝置并通過上、下分支的若干直線、曲線區(qū)段構(gòu)成閉合環(huán)路。這一環(huán)路的上分支中的各梯級(jí)（也就是梯路）應(yīng)嚴(yán)格保持水平，以供乘客站立。上牽引鏈輪（也就是主軸）通過減速器等于電動(dòng)機(jī)相連以獲得動(dòng)力。扶梯兩旁裝有與梯路同步運(yùn)行的扶手裝置，以供乘客扶手之用。扶手裝置同樣由上述電動(dòng)機(jī)驅(qū)動(dòng)。為了保證自動(dòng)扶梯乘客的絕對(duì)安全，在扶梯的主要部件處還裝設(shè)多種安全裝置，當(dāng)扶梯有發(fā)生意外的傾向時(shí)，電氣系統(tǒng)能及時(shí)的制停扶梯。

自動(dòng)扶梯作為一種憑借運(yùn)輸帶進(jìn)行人員運(yùn)輸?shù)墓ぞ?，在大型場所的人員運(yùn)輸方面發(fā)揮著不可或缺的作用。當(dāng)行人在自動(dòng)扶梯的任意一端踏上梯級(jí)，就能被自動(dòng)帶到自動(dòng)扶梯的另一端。扶梯可以一直保持相同的行走方向，但是絕大多數(shù)的自動(dòng)扶梯可以根據(jù)時(shí)段和人流的需求，由管理人員對(duì)其行走方向進(jìn)行控制。

自動(dòng)扶梯在實(shí)際應(yīng)用中，由于乘客自身情況存在差異性，因此并不能保證自動(dòng)扶梯的每節(jié)臺(tái)階上都能滿足理論上的人數(shù)設(shè)計(jì)，另外，在自動(dòng)扶梯連續(xù)運(yùn)轉(zhuǎn)時(shí)，也不能保證乘客都能準(zhǔn)確站在臺(tái)階上。因此，自動(dòng)扶梯的實(shí)際運(yùn)送能力與理論水平還是存在一定的差距。因此，為了保證自動(dòng)扶梯的安全性，就要采取一定的措施對(duì)自動(dòng)扶梯的客流量進(jìn)行測量和分析。

二、計(jì)算機(jī)視覺系統(tǒng)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)視覺研究的技術(shù)也越發(fā)成熟，目標(biāo)檢查和跟蹤技術(shù)作為其中一個(gè)十分重要的部分引起了人們的廣泛關(guān)注。

人類通過多種感覺器官形成對(duì)外界環(huán)境的感知，而在這些感知信息中，絕大多數(shù)的信息都是通過視覺，即通過人眼獲得的。視覺作為一種高清晰度的媒介，能夠在外界環(huán)境中實(shí)現(xiàn)信息的獲得，還能對(duì)獲得的信息進(jìn)行處理、存儲(chǔ)和傳輸。而為了填補(bǔ)智能機(jī)器在這個(gè)領(lǐng)域中的空白，從而實(shí)現(xiàn)捕獲圖像并對(duì)圖像的屬性進(jìn)行描述及理解的目的，計(jì)算機(jī)視覺這門學(xué)科便應(yīng)運(yùn)而生。

計(jì)算機(jī)視覺的原理就是利用成像系統(tǒng)來代替視覺器官作為輸入手段，利用計(jì)算機(jī)來代替人腦作為處理和解釋的系統(tǒng)，從而使計(jì)算機(jī)能夠?qū)崿F(xiàn)如人一樣的功能，通過視覺上觀察到的事物和狀況來理解、解釋當(dāng)前的事項(xiàng)，并依據(jù)視覺系統(tǒng)觀察到的不同狀況，自動(dòng)做出適合當(dāng)前狀況的處理。但是要想達(dá)到這個(gè)目標(biāo)，是要經(jīng)過長久努力的，因此，人們在實(shí)現(xiàn)最終目標(biāo)之前，首先確立了一個(gè)中期目標(biāo)，這個(gè)中期目標(biāo)就是建立起一種視覺系統(tǒng)。此視覺系統(tǒng)能夠達(dá)到一定程度上的智能化，依據(jù)視覺敏感度和反饋完成一定的任務(wù)。自主車輛的直覺導(dǎo)航系統(tǒng)就是計(jì)算機(jī)視覺的一個(gè)重要的應(yīng)用實(shí)例，然而，截止目前，還未能實(shí)現(xiàn)同人一致的對(duì)于任何環(huán)境都能進(jìn)行識(shí)別和理解的能力，對(duì)于自主導(dǎo)航系統(tǒng)的實(shí)現(xiàn)還存在一定的差距?；诖?，人們又將研究目標(biāo)轉(zhuǎn)向了高速公路上的道路跟蹤能力，從而實(shí)現(xiàn)視覺輔助駕駛系統(tǒng)的開發(fā)，避免車輛在行駛的過程中與前方車輛發(fā)生碰撞。

需要特別指出的是，在這種計(jì)算機(jī)視覺系統(tǒng)中，計(jì)算機(jī)在其中的作用只是代替人腦的作用，但并不代表計(jì)算機(jī)就一定要按照人類視覺方法來處理視覺信息。計(jì)算機(jī)在處理視覺信息時(shí)，還是應(yīng)該依據(jù)計(jì)算機(jī)系統(tǒng)本身的特點(diǎn)來進(jìn)行，但是人類視覺系統(tǒng)作為目前為止人們所知的、功能最為強(qiáng)大和完善的視覺系統(tǒng)，還是應(yīng)該作為計(jì)算機(jī)視覺研究的指導(dǎo)方向和啟發(fā)方向。而這種由計(jì)算機(jī)信息處理的方法來研究人類視覺并建立起人類視覺的研究，被稱為計(jì)算視覺，也是計(jì)算機(jī)研究中一個(gè)重要的研究領(lǐng)域。

隨著人們逐漸步入信息時(shí)代，計(jì)算機(jī)技術(shù)廣泛滲透于各個(gè)領(lǐng)域。究其原因，主要是因?yàn)楹芏鄾]有經(jīng)過專業(yè)計(jì)算機(jī)訓(xùn)練的人也要使用計(jì)算機(jī)，同時(shí)，計(jì)算機(jī)隨著科學(xué)技術(shù)的不斷發(fā)展，其功能性也在不斷地增強(qiáng)。然而，這也相應(yīng)為計(jì)算機(jī)的使用帶來了一定的弊端，比如，計(jì)算機(jī)的使用方法也變得越來越復(fù)雜，這就在一定程度上導(dǎo)致了人本身的靈活性與計(jì)算機(jī)使用時(shí)的死板要求形成了強(qiáng)烈的反差和矛盾。前者可以通過聽覺、視覺等各種感官知覺與外界進(jìn)行信息交換，還可以通過大腦的處理，用不同的方式傳達(dá)相同的意義，而計(jì)算機(jī)卻只能依照之前編寫的程序語言來運(yùn)行程序來實(shí)現(xiàn)運(yùn)行的目的。因此，為了能方便更多的人應(yīng)用復(fù)雜的計(jì)算機(jī)，就必須要通過一些有效的措施來改變從前計(jì)算機(jī)為主體，人去適應(yīng)計(jì)算機(jī)的狀況，而應(yīng)該以人為本，交換主體，讓計(jì)算機(jī)來適應(yīng)其使用者的需求和習(xí)慣，以人的習(xí)慣為要求指向，讓計(jì)算機(jī)具有聽覺、視覺等能力。同時(shí)，計(jì)算機(jī)還需要具有一定的邏輯推理能力和決策能力。而這種計(jì)算機(jī)即智能計(jì)算機(jī)。智能計(jì)算機(jī)的出現(xiàn)，使計(jì)算機(jī)的使用更加方便和人性化，以智能計(jì)算機(jī)為基礎(chǔ)的系統(tǒng)也為各個(gè)領(lǐng)域的發(fā)展帶來了巨大的促進(jìn)作用，替代了很多繁重的工作，提高了工作效率，并且保證了工作人員的作業(yè)安全。

同時(shí)，在計(jì)算機(jī)視覺研究領(lǐng)域，運(yùn)動(dòng)目標(biāo)的檢測識(shí)別和跟蹤技術(shù)一直都是一個(gè)熱點(diǎn)問題，其對(duì)識(shí)別精度和實(shí)時(shí)性要求更高，其算法的好壞會(huì)給結(jié)果的穩(wěn)定性和精準(zhǔn)度帶來直接的影響。而這些方法的實(shí)現(xiàn)都是基于動(dòng)態(tài)圖像序列。

三、基于改進(jìn)型Hausdorff距離的人體檢測

自動(dòng)扶梯客流量的測量工作是極具現(xiàn)實(shí)意義的，通過對(duì)大型場所內(nèi)自動(dòng)扶梯的客流量進(jìn)行測量，可以有效對(duì)客流量進(jìn)行控制，提高人員和建筑的安全。而測量工作的實(shí)現(xiàn)是基于攝像頭獲得的動(dòng)態(tài)圖像序列，并通過序列進(jìn)而識(shí)別出人數(shù)和即時(shí)速度。為了能夠準(zhǔn)確識(shí)別出自動(dòng)扶梯上的各個(gè)人體，可以采用Hausdorff距離識(shí)別方法。這種方法即使在有光線問題或者遮擋問題導(dǎo)致人體特征現(xiàn)象發(fā)生時(shí)，也能完成對(duì)人體的識(shí)別。而Hausdorff距離模板又具有適應(yīng)性強(qiáng)且計(jì)算量小的優(yōu)點(diǎn)。但是在很多應(yīng)用場合中，一旦被測圖像中有些邊緣信息消失或者存在大大量與人體特征無關(guān)的點(diǎn)時(shí)，這種距離模板的匹配就不能達(dá)到令人滿意的效果。

Hausdorff距離的模板匹配及其缺陷

Hausdorff距離是用來描述兩組點(diǎn)集間相似度的量度，是一種集合之間的定義形式。若設(shè)A、B為兩個(gè)有限點(diǎn)集，則Hausdorff距離則可表示為：

H（A，B）=max（h（A，B），h（B，A）） （1）

h（B，A）=max{mina-b} （2）

當(dāng)Hausdorff距離用于二值模板與圖像之間的匹配時(shí)，首先要計(jì)算這兩個(gè)二值圖像的距離變換。由（2）計(jì)算出有向距離，再由（1）得出Hausdorff距離的值，從而判斷出匹配情況。但是需要特別指出的是，一旦圖像中存在突發(fā)的噪聲時(shí)，Hausdorff距離值也可能變得很大，從而造成目標(biāo)物體不能被有效檢測。另外，當(dāng)所測目標(biāo)物因?yàn)楣饩€的問題或者遮擋問題只有部分物體特征呈現(xiàn)出來時(shí)，Hausdorff距離的值也可能會(huì)很大，也就是說目標(biāo)物體還是得不到檢測。

針對(duì)以上方法存在的缺陷，為了進(jìn)一步提高此方法的穩(wěn)定性，對(duì)（2）進(jìn)行了改進(jìn)，有相距離表示為：

從而通過對(duì)不同區(qū)域下的界定就可以有效去除二值匹配過程中干擾因素的影響。

基于濾波的目標(biāo)預(yù)測跟蹤

可以采用濾波器進(jìn)行預(yù)測和跟蹤匹配位置中心點(diǎn)。此處濾波器將被用于匹配中心點(diǎn)在下一圖像中的位置，假設(shè)這兩個(gè)坐標(biāo)之間不相關(guān)，則就可以實(shí)現(xiàn)對(duì)這兩個(gè)中心點(diǎn)的分別預(yù)測和跟蹤，極大提高了算法的執(zhí)行效率。而在下一幀中檢測目標(biāo)時(shí)，就可以縮小搜索范圍。這不僅使得該算法的執(zhí)行速度得到了提高，還使之更適于自動(dòng)扶梯客流量狀況測量的實(shí)時(shí)操作。

四、結(jié)語

自動(dòng)扶梯客流量的測量對(duì)于扶梯的安全使用有著重要的意義，相信隨著科學(xué)技術(shù)的不斷發(fā)展和科研人員的不懈努力，在不久的將來，一定會(huì)出現(xiàn)更為方便、準(zhǔn)確的測量方法，并在各個(gè)領(lǐng)域上得到有效應(yīng)用，為計(jì)算機(jī)視覺系統(tǒng)的發(fā)展提供堅(jiān)實(shí)的基礎(chǔ)。

參考文獻(xiàn)

[1]賢云得.機(jī)器視覺[M].北京：科學(xué)出版社，2004.

[2]張強(qiáng).動(dòng)態(tài)圖像序列中目標(biāo)檢測與跟蹤技術(shù)研究[D].華北電力大學(xué)，2012.

第6篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步地說，就是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測量等機(jī)器視覺，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計(jì)算機(jī)視覺包括集成的視覺系統(tǒng)與真實(shí)世界視覺的應(yīng)用建設(shè)。創(chuàng)建三維模型的過程是相當(dāng)困難的，需要機(jī)械測量攝像機(jī)的位置或手動(dòng)對(duì)準(zhǔn)一個(gè)場景的局部三維視圖。通過使用相應(yīng)的算法，它可以通過集合中一個(gè)場景的立體圖像，然后自動(dòng)生成一個(gè)逼真、幾何精確的三維數(shù)字化模型。

全書分為三大部分，共14章：1.引言：立體圖像和深度知覺、三維視覺系統(tǒng)、三維視覺應(yīng)用的介紹；2.視覺的研究簡史；3.二維和三維視覺的形成；4.圖像匹配中低層次圖像處理：包括卷積濾波、離散平均、離散分化、邊緣檢測、結(jié)構(gòu)張量、角點(diǎn)檢測等內(nèi)容；5.尺度空間的視覺：包括圖像尺度、高斯尺度空間、微分尺度空間、多分辨率金字塔等內(nèi)容；6.圖像匹配算法：包括各種匹配措施、計(jì)算方面的匹配、立體匹配方法的多樣性、基于區(qū)域、彈性、梯度的匹配等內(nèi)容；空間重構(gòu)及多視圖集成：一般的三維重建和多視圖集成方面的內(nèi)容；8.具體案例：臨床和獸醫(yī)應(yīng)用、電影重構(gòu)等具體實(shí)例的分析；9.射影幾何基礎(chǔ)；10.圖像處理的張量微積分基礎(chǔ)：包括線性算子和變坐標(biāo)系統(tǒng)的基本概念、度量張量、簡單的張量代數(shù)等內(nèi)容；11.圖像中的失真和噪聲：包括噪聲模型、產(chǎn)生噪聲的測試圖片、正態(tài)分布生成隨機(jī)數(shù)；12.圖像變換程序：包括結(jié)構(gòu)的變形系統(tǒng)、坐標(biāo)變換模塊、像素值的插值、經(jīng)典實(shí)力等內(nèi)容；13.編程技術(shù)，圖像處理和計(jì)算機(jī)視覺：包括其設(shè)計(jì)與實(shí)現(xiàn)、統(tǒng)一的建模語言、設(shè)計(jì)模式、處理平臺(tái)等內(nèi)容；14.圖像處理庫。

作者Bogusaw Cyganek于1993年獲得電子計(jì)算機(jī)科學(xué)學(xué)位，于1996年獲得了赫爾辛堡科技大學(xué)博士學(xué)位。近年來，他還與許多科學(xué)中心合作，在計(jì)算機(jī)視覺系統(tǒng)的發(fā)展方面做出了貢獻(xiàn)。作為一個(gè)軟件開發(fā)經(jīng)理和高級(jí)軟件工程師，他有著多年的實(shí)際工作經(jīng)驗(yàn)。他目前在波蘭克拉科夫AGH科技大學(xué)（AGH University of Scien and Technology）電子部任研究員和講師，研究興趣包括計(jì)算機(jī)視覺、模式識(shí)別、以及對(duì)可編程器件和嵌入式系統(tǒng)的開發(fā)。他還是電子電氣工程師協(xié)會(huì)（IEEE，Institute of Electrical and Electronics Engineers）、國際模式識(shí)別學(xué)會(huì)（IAPR，International Association for Pattern Recognition）、工業(yè)和應(yīng)用數(shù)學(xué)學(xué)會(huì)（SIAM，Society for Industrial and Applied Mathematics）成員。

本書提供了對(duì)三維計(jì)算機(jī)視覺方法，理論和算法的全面的介紹。幾乎每一個(gè)理論問題都使用C++和Matlab的偽代碼或完整代碼進(jìn)行實(shí)現(xiàn)，并且提供下載的軟件網(wǎng)站、案例研究和練習(xí)。本書是相關(guān)學(xué)者、程序員的有益參考，也適合對(duì)計(jì)算機(jī)科學(xué)、臨床攝影、機(jī)器人領(lǐng)域、圖形和數(shù)學(xué)感興趣的學(xué)生或研究人員閱讀。

李亞寧，碩士研究生

第7篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

關(guān)鍵詞：圖像處理 計(jì)算機(jī)視覺 立體視覺

在實(shí)際工程實(shí)踐中，由于受現(xiàn)場條件和測試技術(shù)本身的限制，結(jié)構(gòu)動(dòng)位移的測試往往存在一定的困難和挑戰(zhàn)，這也使動(dòng)位移并未成為結(jié)構(gòu)動(dòng)力性能評(píng)估中一個(gè)常見的評(píng)估指標(biāo)。結(jié)構(gòu)動(dòng)位移響應(yīng)是直接反映結(jié)構(gòu)在動(dòng)力荷載作用下安全性和整體性的重要參考指標(biāo)。隨著工程結(jié)構(gòu)或構(gòu)件建造得越來越柔和復(fù)雜結(jié)構(gòu)模型試驗(yàn)研究的發(fā)展，如大跨度橋梁、高層建筑、索結(jié)構(gòu)等的現(xiàn)場測試以及結(jié)構(gòu)振動(dòng)臺(tái)試驗(yàn)、風(fēng)洞試驗(yàn)等，結(jié)構(gòu)動(dòng)位移的測試顯得尤為重要。

計(jì)算機(jī)視覺是研究計(jì)算機(jī)模擬生物外顯或宏觀視覺功能的科學(xué)與技術(shù)，是一個(gè)發(fā)展十分迅速的研究領(lǐng)域，其研究手段涉及甚廣，如圖像處理、機(jī)器視覺、醫(yī)學(xué)圖像分析、模式識(shí)別、計(jì)算機(jī)圖形學(xué)、人工智能等。當(dāng)計(jì)算機(jī)通過視覺傳感器（比如相機(jī)或攝像機(jī)等）試圖分析三維空間的物體時(shí)通常只能給出二維圖像，通過計(jì)算機(jī)分析和處理圖像信息，可以重構(gòu)實(shí)物的三維幾何信息，包括其形狀、位置、姿態(tài)、運(yùn)動(dòng)等。因此，通過計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)結(jié)構(gòu)動(dòng)位移的測量是可行的。上世紀(jì)八十年代中期以來，隨著計(jì)算機(jī)軟、硬件技術(shù)的不斷發(fā)展，在土木工程領(lǐng)域，國內(nèi)外很多學(xué)者嘗試將計(jì)算機(jī)視覺技術(shù)用于結(jié)構(gòu)的幾何測試，包括結(jié)構(gòu)的位移（靜、動(dòng)位移）、裂縫、表觀外形等。Aw和Koo采用數(shù)碼照相機(jī)來進(jìn)行預(yù)設(shè)目標(biāo)的坐標(biāo)測量，經(jīng)過基于計(jì)算機(jī)視覺理論的光束法優(yōu)化后，其測試精度為2.24mm。Nieder？st和Maas利用數(shù)碼攝像機(jī)來測試混凝土梁在脫水收縮過程中的變形情況，其在相機(jī)視場為80cm時(shí)測試精度可達(dá)0.03mm。相類似地將計(jì)算機(jī)視覺技術(shù)用于結(jié)構(gòu)特性的測量例子還有很多，比如混凝土管片變形檢測，梁破壞試驗(yàn)中的變形測量，遠(yuǎn)距離橋梁變形測量，軌道梁破損狀況的檢測等。相比于結(jié)構(gòu)靜態(tài)幾何特性的測試，結(jié)構(gòu)動(dòng)態(tài)特性的測試應(yīng)用相對(duì)不多。Olaszek利用攝像機(jī)來攝錄橋梁的振動(dòng)情況，并以計(jì)算機(jī)視覺技術(shù)進(jìn)行結(jié)構(gòu)動(dòng)位移重構(gòu)分析，得出的動(dòng)位移測試精度為1mm左右。Yoshida等采用立體視覺技術(shù)來測試一塊薄板的三維振動(dòng)特性。

一、單相機(jī)標(biāo)定

二、基于立體視覺的兩相機(jī)立體標(biāo)定

三、圖像點(diǎn)跟蹤

圖像點(diǎn)跟蹤是基于立體視覺的結(jié)構(gòu)位移測試手段中的重要環(huán)節(jié)。在圖像（或視頻）分析過程中，點(diǎn)跟蹤的精度會(huì)直接影響位移測試的最終結(jié)果。在實(shí)際測試中，本文采用兩個(gè)黑方格組成的目標(biāo)模板粘貼在所測結(jié)構(gòu)的表面，方格尺寸均為30×30mm，兩方格的交叉角點(diǎn)作為圖像分析的跟蹤點(diǎn)。

四、三維點(diǎn)重構(gòu)

第8篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

電力系統(tǒng)是我國國名經(jīng)濟(jì)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(fèi)系統(tǒng)。現(xiàn)代社會(huì)需要的是安全可靠經(jīng)濟(jì)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(gè)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(duì)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(dòng)化的發(fā)展趨勢總的發(fā)展趨勢的特點(diǎn)研究

1.1 電力系統(tǒng)自動(dòng)化的圖形化特點(diǎn)

因?yàn)殡娏ο到y(tǒng)聯(lián)網(wǎng)工程的正式啟動(dòng),電力系統(tǒng)的調(diào)度管理、數(shù)據(jù)計(jì)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(diǎn)。在計(jì)算機(jī)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(duì)未來電力系統(tǒng)軟件開發(fā)帶來絲絲先機(jī)。

1.2 電力系統(tǒng)自動(dòng)化的遠(yuǎn)程化特點(diǎn)

過去電力系統(tǒng)的硬件平臺(tái)大部分是計(jì)算機(jī),外加使用擴(kuò)展測控法對(duì)接口電路工作開展監(jiān)測。此類的設(shè)計(jì)有很多的優(yōu)勢,這種類型的設(shè)計(jì)的周期很長,擴(kuò)展性也很好。但是這樣的設(shè)計(jì)方式也具有著高成本、大體積、大功耗以及靈動(dòng)性差的多種缺點(diǎn)?，F(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(jìn)步,遠(yuǎn)動(dòng)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(diǎn),使電力系統(tǒng)自動(dòng)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(dòng)化的分布化特點(diǎn)

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(diǎn)處于用戶周圍還有有高效和可靠特點(diǎn)的稱為電力系統(tǒng)自動(dòng)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(jī)、太陽能發(fā)電、微型燃?xì)廨啓C(jī)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(diǎn)的資源進(jìn)行多次發(fā)電,這樣的電能還具有穩(wěn)定度高的特點(diǎn),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(jì)算機(jī)的結(jié)合

計(jì)算機(jī)視覺技術(shù)就是與智能計(jì)算機(jī)的結(jié)合之一。使用計(jì)算機(jī)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(jì)算機(jī)視覺技術(shù)。目前,計(jì)算/！/機(jī)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(shí)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(diǎn)。紅外圖像識(shí)別方面主要就是使用計(jì)算機(jī)視覺技術(shù),這樣能取得較好的效果。計(jì)算機(jī)視覺技術(shù)的工作原理是在科學(xué)獲取電力設(shè)備實(shí)時(shí)紅外圖像和電力設(shè)備正常工作時(shí)圖像后,將兩者開展對(duì)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(jìn)行協(xié)助,將差分圖像以及流光法一起使用對(duì)移動(dòng)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(shí)別出來,并且警告我們。因?yàn)橛?jì)算機(jī)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(jì)算機(jī)視覺技術(shù)發(fā)展迅速,但計(jì)算機(jī)視覺技術(shù)發(fā)展的并不完善,因?yàn)閳D像識(shí)別自身的復(fù)雜性的原因,所以現(xiàn)階段還不能實(shí)現(xiàn)完全的無人操作。正是因?yàn)橛兄@些原因,在大多數(shù)情況下,計(jì)算機(jī)視覺技術(shù)只能夠作為一種輔助技術(shù)。

2.2 與微機(jī)保護(hù)系統(tǒng)的結(jié)合

在電力系統(tǒng)自動(dòng)化技術(shù)發(fā)展速度過快并且伴隨著相關(guān)微機(jī)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(jī)保護(hù)系統(tǒng)。更簡單的說,也就是原有的電力系統(tǒng)自動(dòng)化技術(shù)當(dāng)中的微機(jī)保護(hù)系統(tǒng)已經(jīng)無法滿足社會(huì)發(fā)展的需要。人們需要的微機(jī)保護(hù)系統(tǒng)應(yīng)該具備更加牢靠與穩(wěn)定的可以對(duì)通信進(jìn)行保護(hù)的能力。這樣才能夠達(dá)到人們希望人機(jī)互動(dòng)的效果。這樣的系統(tǒng)在對(duì)硬件提高出高要求的同時(shí)也對(duì)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(jī)線路保護(hù)設(shè)備投入使用,并且該設(shè)備因?yàn)樾阅苷紦?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(hù)設(shè)備中,我們更加需要完善的問題就是設(shè)備的實(shí)時(shí)性。設(shè)備的實(shí)時(shí)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(shí)時(shí)性出現(xiàn)缺陷,會(huì)給電力系統(tǒng)帶來難以補(bǔ)救損失的可能性?，F(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?yàn)樵撓到y(tǒng)不僅靈活性高并且可移植性也很強(qiáng)。同時(shí)該系統(tǒng)還使用了能夠隨時(shí)改變的模塊化,目的在于處理好各種存在可能性會(huì)產(chǎn)生的問題但是卻又不能夠進(jìn)行更換的難題。在提供便利的同時(shí)也能夠盡最大的努力滿足用戶各種要求。

第9篇：計(jì)算機(jī)視覺識(shí)別技術(shù)范文

關(guān)鍵詞：多源圖像；融合技術(shù)；棉花；病蟲害；識(shí)別診斷

中圖分類號(hào)：TP391.43；S435.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）11-2555-03

隨著城市化進(jìn)程不斷加快，從事農(nóng)業(yè)勞作的勞動(dòng)力總數(shù)急劇減少，農(nóng)業(yè)生產(chǎn)與加工的逐步自動(dòng)化是社會(huì)發(fā)展和進(jìn)步的需求。特別是對(duì)于農(nóng)作物病蟲害監(jiān)測從傳統(tǒng)的根據(jù)農(nóng)業(yè)部的病蟲害監(jiān)測調(diào)查規(guī)范進(jìn)行調(diào)查，通過人工調(diào)查、人工記錄，到微小昆蟲自動(dòng)計(jì)數(shù)技術(shù)、昆蟲誘捕自動(dòng)記錄裝置來對(duì)農(nóng)作物病蟲害進(jìn)行監(jiān)測，這些信息收集和數(shù)據(jù)管理都存在勞動(dòng)量大、效率低、數(shù)據(jù)誤差大的問題。隨著計(jì)算機(jī)技術(shù)和傳感器技術(shù)的快速發(fā)展，圖像融合技術(shù)在軍事、氣象、醫(yī)學(xué)、土地資源管理等方面得到了廣泛的應(yīng)用，而如何將圖像融合技術(shù)應(yīng)用在農(nóng)作物病蟲害中是極具有研究價(jià)值的課題。

1 棉花病蟲害診斷技術(shù)研究意義及發(fā)展趨勢

棉花作為主要的經(jīng)濟(jì)作物一直在中國和湖北省農(nóng)業(yè)生產(chǎn)中占有重要地位，但由于品種、栽培制度、生態(tài)環(huán)境等變化及棉花生長環(huán)境日益惡化，病蟲害有不斷加重趨勢。危害棉花的主要病害有炭疽病、黑斑病、枯萎病、黃萎病等，炭疽病在長江流域棉區(qū)的發(fā)生尤為嚴(yán)重，一般苗期發(fā)病率為20%～70%，嚴(yán)重時(shí)可達(dá)90%；黑斑病在陰濕多雨年份往往猖獗流行，給棉花生產(chǎn)造成毀滅性災(zāi)害；而枯萎病在棉區(qū)一直發(fā)生較多，死苗嚴(yán)重，造成的危害主要表現(xiàn)在產(chǎn)量降低，品質(zhì)變劣方面；自上世紀(jì)80年代末枯萎病得到控制后，黃萎病上升為棉花第一病害。目前黃萎病發(fā)病面積達(dá)到全國棉田面積的50%以上，發(fā)病后棉苗減產(chǎn)30%～70%，有的甚至絕產(chǎn)，而且嚴(yán)重影響棉花品質(zhì)。采用先進(jìn)技術(shù)提高棉花病蟲害有效防治及控制已迫在眉睫。

1.1 棉花病蟲害診斷技術(shù)的研究意義

在進(jìn)行植物保護(hù)和防治農(nóng)作物病蟲害的各類方法中，化學(xué)防治是投入少、見效快、收效大的有效方法，特別是針對(duì)在大生態(tài)區(qū)域內(nèi)可能暴發(fā)成災(zāi)的重要病蟲草害，化學(xué)防治迄今仍是最快速而有效的方法，一般可以挽回15%～30%的農(nóng)作物產(chǎn)量損失。使用農(nóng)藥（各種殺菌劑、除草劑等）進(jìn)行化學(xué)防治在世界各國一直占主導(dǎo)地位，它投入較少，防治迅速，特別是當(dāng)大面積、暴發(fā)性病害發(fā)生時(shí)，只有化學(xué)防治才能取得較好的防治效果。同樣，在棉花病蟲害綜合防治中，化學(xué)防治仍然是及時(shí)有效地控制病蟲對(duì)棉花危害的最后一道把關(guān)防治措施。但長期大量使用農(nóng)藥不僅污染環(huán)境，而且這些農(nóng)藥會(huì)通過空氣、水等途徑進(jìn)入人體，對(duì)人類的身體健康構(gòu)成危害；又由于棉花病蟲害癥狀的復(fù)雜性和模糊性，農(nóng)業(yè)生產(chǎn)者受個(gè)體素質(zhì)和人為主觀因素的影響，往往不能正確合理地判斷病情，導(dǎo)致濫用農(nóng)藥、化肥等引起更大的危害；此外，由于中國正步入老齡化社會(huì)，從事農(nóng)業(yè)勞動(dòng)的人口在減少，由勞動(dòng)力不足帶來的農(nóng)業(yè)減產(chǎn)問題已日趨嚴(yán)重。所以，精確作物病蟲害管理和機(jī)械化變量施藥技術(shù)的研究和應(yīng)用勢在必行。為實(shí)現(xiàn)精確的棉花病蟲害管理和變量施藥，首先要能夠準(zhǔn)確地識(shí)別棉花病蟲害種類及其危害程度。傳統(tǒng)的方法主要依靠生產(chǎn)者或?qū)＜医?jīng)驗(yàn)來判斷病蟲害原因及其危害程度，由于個(gè)體素質(zhì)的差異以及其他因素的影響，往往很難做到對(duì)病蟲害做出精確定量分析和判斷，因而容易造成不合理的病蟲害防治，也對(duì)生產(chǎn)管理者的農(nóng)技水平要求較高。一些智能決策支持系統(tǒng)雖然能識(shí)別診斷棉花病蟲害，但是過程復(fù)雜，不能進(jìn)行實(shí)時(shí)處理。隨著信息技術(shù)、光譜技術(shù)和計(jì)算機(jī)視覺技術(shù)的發(fā)展使基于生物信息的作物病蟲害智能識(shí)別診斷成為可能。通過多源圖像融合技術(shù)快速準(zhǔn)確地獲取棉花病蟲害信息，對(duì)已發(fā)生病蟲害的棉花區(qū)域根據(jù)病蟲害程度實(shí)行定量噴施農(nóng)藥。這樣既可大量節(jié)省農(nóng)藥，提高效率，降低成本，降低對(duì)勞動(dòng)力的依賴，同時(shí)大幅度減輕農(nóng)藥對(duì)農(nóng)業(yè)生態(tài)環(huán)境的污染，提高棉花病蟲害防治水平。研究多源圖像融合技術(shù)對(duì)農(nóng)作物病蟲害診斷具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價(jià)值。

1.2 棉花病蟲害診斷技術(shù)發(fā)展趨勢

縱觀近幾年國內(nèi)對(duì)作物病蟲害智能識(shí)別診斷的研究，目前對(duì)棉花作物病蟲害識(shí)別診斷主要集中在以專家系統(tǒng)為代表的智能化信息技術(shù)和光譜技術(shù)上，應(yīng)用計(jì)算機(jī)視覺技術(shù)對(duì)棉花作物病蟲害識(shí)別的研究報(bào)道較少[1，2]，而結(jié)合光譜技術(shù)和計(jì)算機(jī)視覺技術(shù)進(jìn)行研究的則未見報(bào)道。目標(biāo)的高分辨率和高識(shí)別率是對(duì)獲取目標(biāo)信息的基本要求，僅僅利用可見光范圍或在近紅外范圍的計(jì)算機(jī)視覺技術(shù)進(jìn)行作物病蟲害識(shí)別診斷，其單一光譜不足以準(zhǔn)確、全面反映作物病蟲害的差異，還需利用其他生物信息對(duì)其補(bǔ)充和加強(qiáng)，以達(dá)到全面地反映作物病蟲害的差異[3]。

為了實(shí)現(xiàn)對(duì)低探測性目標(biāo)的探測和識(shí)別，必須大力發(fā)展先進(jìn)的目標(biāo)探測系統(tǒng)，而由多源傳感器組成的光電成像系統(tǒng)是最為常見的目標(biāo)探測系統(tǒng)。圖像融合就是利用各種成像傳感器得到的同一目標(biāo)或同一場景的圖像，綜合這些不同圖像的冗余信息和互補(bǔ)信息，以獲得更為全面準(zhǔn)確的圖像描述。為此，針對(duì)湖北省主要經(jīng)濟(jì)作物棉花，綜合利用光譜技術(shù)、計(jì)算機(jī)視覺技術(shù)及多源信息融合技術(shù)，基于多源圖像信息（可見光和近紅外視覺圖像信息）融合棉花病害（炭疽病和黑斑?。┳R(shí)別診斷技術(shù)。深入研究作物在不同病蟲害危害下的反射光譜特性及變化規(guī)律，確定光譜敏感波段及其特征表現(xiàn)，提取可以有效表征作物不同病蟲害條件、不同危害程度下的計(jì)算機(jī)視覺圖像的灰度、紋理、形態(tài)特征信息和近地光譜特征信息，探索基于多傳感信息融合的病蟲害識(shí)別診斷方法，構(gòu)建病蟲害智能識(shí)別系統(tǒng)，為精確作物病蟲害管理和機(jī)械化變量施藥技術(shù)提供理論基礎(chǔ)。

2 多源圖像融合技術(shù)

圖像融合[4]是對(duì)多幅源自同一場景的圖像進(jìn)行綜合，以獲得更好的視覺效果和易于機(jī)器識(shí)別為目的，產(chǎn)生比單一信息源更為精確、更完善、更可靠的圖像。多源傳感器圖像是由成像機(jī)理不同的多種傳感器獲得的圖像。由于每種成像傳感器都是為了適應(yīng)某些特定的環(huán)境和使用范圍而設(shè)計(jì)的，具有不同成像機(jī)理的多種傳感器獲得的圖像之間存在信息的冗余性和互補(bǔ)性，通過對(duì)其進(jìn)行融合，能夠提高系統(tǒng)可靠性和圖像信息的利用率。隨著科學(xué)發(fā)展和技術(shù)進(jìn)步，采集圖像數(shù)據(jù)的手段不斷完善，出現(xiàn)了各種新圖像獲取技術(shù)。如今圖像融合技術(shù)廣泛應(yīng)用于圖像處理、遙感、計(jì)算機(jī)視覺以及軍事等領(lǐng)域[5]。利用圖像融合技術(shù)可以準(zhǔn)確地獲取檢測數(shù)據(jù)，如在醫(yī)學(xué)圖像分析中的超聲成像、核磁共振、計(jì)算機(jī)層析、血液細(xì)胞自動(dòng)分類計(jì)數(shù)、癌細(xì)胞識(shí)別等極大地提高了準(zhǔn)確率[6，7]；圖像融合技術(shù)在遙感雷達(dá)衛(wèi)星的發(fā)展后，已成為遙感圖像處理和分析的重要研究熱點(diǎn)，應(yīng)用于土地資源調(diào)查、環(huán)境監(jiān)測、地形測繪等[8]。圖像融合技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，目前研究方向主要集中在對(duì)農(nóng)產(chǎn)品的無損檢測和農(nóng)作物生長態(tài)勢及產(chǎn)量評(píng)估方面。如采用互信息最佳閾值迭代優(yōu)化分割法對(duì)可見光和近紅外圖像進(jìn)行融合來對(duì)番茄成熟度進(jìn)行無損檢測研究[9]；通過加權(quán)平均融合法對(duì)紅外和可見光圖像實(shí)現(xiàn)對(duì)蘋果進(jìn)行無損檢測研究[10]；采用蟻群算法的模糊C均值聚類圖像分割算法的圖像融合技術(shù)對(duì)作物幾何參數(shù)進(jìn)行測量。

多源傳感器圖像融合系統(tǒng)一般有3種類型：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。

2.1 像素級(jí)圖像融合

像素級(jí)圖像融合是通過對(duì)源圖像進(jìn)行預(yù)處理和空間配準(zhǔn)，對(duì)處理后的圖像采取適當(dāng)?shù)乃惴ㄟM(jìn)行融合，得到融合圖像后再進(jìn)行顯示和后續(xù)處理。簡單的像素級(jí)融合方法主要有：像素灰度值平均或加權(quán)平均，像素灰度值選大，像素灰度值選小。簡單的像素級(jí)融合方法結(jié)構(gòu)簡單、易于實(shí)現(xiàn)，但應(yīng)用范圍有限，融合結(jié)果不理想。故現(xiàn)在的融合方法多采用基于對(duì)源圖像的多尺度分解。這種分解方法是一種多尺度、多分辨率的圖像融合方法，是在不同尺度、不同空間分辨率、不同分解層上分別進(jìn)行融合。這種融合方法能明顯改進(jìn)融合效果[11]。

2.2 特征級(jí)圖像融合

特征級(jí)圖像融合是從不同的成像傳感器所獲得的同一對(duì)象圖像中提取一些特征，產(chǎn)生特征矢量，然后對(duì)這些特征矢量進(jìn)行融合。特征級(jí)圖像融合是中間層的圖像融合，精度一般。其融合方法有基于假設(shè)前提及統(tǒng)計(jì)分析的方法和基于知識(shí)的方法。

2.3 決策級(jí)圖像融合

決策級(jí)圖像融合是最高層次的融合，是首先依據(jù)每一個(gè)成像傳感器所獲得的同一對(duì)象圖像各自進(jìn)行預(yù)處理、特征提取、識(shí)別和判決后，做出獨(dú)立的決策，然后將這些獨(dú)立的決策綜合起來，給出最終決策。決策級(jí)圖像融合適合于多類不同傳感器圖像的融合，但融合結(jié)果精度較差。其融合方法有多重邏輯推理方法、統(tǒng)計(jì)方法、信息論方法等都可用于決策層的圖像融合。

特征級(jí)圖像融合和決策級(jí)圖像融合方法通常應(yīng)用于某些特殊場合，像素級(jí)圖像融合的應(yīng)用更普及，融合所得圖像更有利于人眼的判讀、欣賞和機(jī)器識(shí)別。對(duì)于已經(jīng)配準(zhǔn)好的圖像，像素級(jí)圖像融合方法不需要顯式地提取圖像特征，在速度和魯棒性上有明顯優(yōu)勢。為此采取像素級(jí)圖像融合方法對(duì)農(nóng)作物病蟲害的可見光和近紅外圖像進(jìn)行融合處理，使其符合人類視覺特征，融合結(jié)果更有利于對(duì)圖像作進(jìn)一步分析、理解和識(shí)別。

3 多源圖像融合技術(shù)對(duì)棉花病蟲害診斷的方法

1）在特定栽培條件下，培育不同棉花病蟲害的試驗(yàn)樣本及正常的對(duì)比樣本。

2）對(duì)棉花病蟲害樣品的葉片和冠層進(jìn)行光譜分析。利用便捷式光譜儀測量葉片和冠層的光譜，尋找棉花病蟲害種類的敏感光譜波段及其反射率特征，分析不同病蟲害種類和病蟲害程度的敏感光譜波段反射率特征的變化規(guī)律。

3）根據(jù)光譜分析結(jié)果，構(gòu)建多源圖像計(jì)算機(jī)視覺采集系統(tǒng)，采集棉花作物樣本多光譜圖像，用VC或MATLAB編寫計(jì)算機(jī)圖像處理軟件對(duì)圖像進(jìn)行處理和特征提取。

4）對(duì)所獲取的特征應(yīng)用模糊特征優(yōu)選、主成分分析（PCA）和獨(dú)立分量分析（ICA）進(jìn)行優(yōu)化組合和篩選，通過各種統(tǒng)計(jì)方法尋求作物病癥與特征對(duì)應(yīng)關(guān)系。建立圖像特征與病種、病蟲害程度的關(guān)系模型，利用模式識(shí)別方法進(jìn)行棉花病蟲害種類及程度的模式識(shí)別檢測試驗(yàn)[12]。

4 展望

棉花是中國和湖北省主要的經(jīng)濟(jì)作物，長期以來棉田病蟲害對(duì)棉花生產(chǎn)帶來極大危害，因此，對(duì)棉花病蟲害防治方法與技術(shù)的研究至關(guān)重要。對(duì)棉花作物病蟲害防治的各種方法中，傳統(tǒng)的方法是依靠人們的經(jīng)驗(yàn)確認(rèn)病蟲害的發(fā)生時(shí)間、區(qū)域、種類和發(fā)生程度等，且是進(jìn)行手工或機(jī)械噴灑農(nóng)藥，這不僅勞動(dòng)效率低，勞動(dòng)成本高，而且常規(guī)施藥技術(shù)會(huì)帶來農(nóng)藥利用率低下、水資源浪費(fèi)、環(huán)境污染、農(nóng)藥在作物及其產(chǎn)品中的殘留導(dǎo)致對(duì)人類的危害等。所以，結(jié)合光譜技術(shù)和計(jì)算機(jī)技術(shù)開展棉花病蟲害的識(shí)別診斷研究具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價(jià)值。

參考文獻(xiàn)：

[1] 周小燕，史 巖，李道亮，等.棉花病蟲害診斷專家系統(tǒng)的研究與設(shè)計(jì)[J].萊陽農(nóng)學(xué)院學(xué)報(bào)，2005，22（1）：9-11.

[2] 嚴(yán)智燕，廖桂平，高必達(dá).植物病蟲害防治中農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展[J].中國農(nóng)學(xué)通報(bào)，2005，21（5）： 415-417.

[3] YUTAKA S，TSUGUO O.Automatic diagnosis of plant disease recognition between healthy and diseased leaf[J].農(nóng)業(yè)機(jī)械學(xué)會(huì)雜志，1999，61（2）：119-126.

[4] 何 友，王國宏，陸大金，等.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2000.

[5] 王 宏，敬忠良，李建勛.多分辨率圖像融合的研究與進(jìn)展[J].控制理論與應(yīng)用，2004，21（1）：145-151.

[6] ZHENG Y F， ESSOCK E A， HANSEN B C.Advanced discrete wavelet transform fusion algorithm and its optimization by using the metric of image quality index[J].Optical Engineering，2005，44（3）：1-12.

[7] 李秋華.基于紅外圖像信息融合的目標(biāo)檢測和識(shí)別技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2002.

[8] 吉 微.多源氣象衛(wèi)星圖像融合技術(shù)應(yīng)用研究[D].南京：南京信息工程大學(xué)，2009.

[9] 李明喜.基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2008.

[10] 楊萬利，沈明霞，嚴(yán) 君.紅外圖像處理技術(shù)在蘋果早期淤傷檢測中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（1）：149-152.