前言：中文期刊網(wǎng)精心挑選了機(jī)器視覺(jué)概念范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。
機(jī)器視覺(jué)概念范文1
關(guān)鍵詞 機(jī)器視覺(jué)；現(xiàn)代農(nóng)業(yè)；應(yīng)用；問(wèn)題；展望
中圖分類(lèi)號(hào) TP391.4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2014）08-0335-01
Application of Machine Vision Technique in Modern Agriculture
WANG Wen-jing
（Department of Electronic Information，F(xiàn)oshan Polytechnic，F(xiàn)oshan Guangdong 528137）
Abstract The basic concepts，principle and system of machine vision were introduced.The application status of machine vision in modern agricultural production was discussed.Based on the analysis and research status at home and abroad，current problems and future direction of the development was proposed for machine vision applications in modern agriculture.
Key words machine vision；modern agricultural；application；problems；prospects
隨著“在工業(yè)化、城鎮(zhèn)化深入發(fā)展中同步推進(jìn)農(nóng)業(yè)現(xiàn)代化”這項(xiàng)重要任務(wù)在“十二五”規(guī)劃中的提出，我國(guó)的農(nóng)業(yè)有了迅猛發(fā)展，農(nóng)業(yè)與自動(dòng)化技術(shù)的研究和應(yīng)用得到了高度的重視，但是與國(guó)外發(fā)達(dá)國(guó)家還有一定的差距。機(jī)器視覺(jué)技術(shù)是促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化水平提高的一種高效的手段。目前，該技術(shù)在國(guó)內(nèi)外農(nóng)業(yè)領(lǐng)域的各個(gè)環(huán)節(jié)已經(jīng)有了較大突破，如種子質(zhì)量檢測(cè)、田間雜草識(shí)別、植物生長(zhǎng)信息監(jiān)測(cè)、病蟲(chóng)害監(jiān)測(cè)等。機(jī)器視覺(jué)技術(shù)不僅節(jié)約了人力、物力的消耗，而且提高了生產(chǎn)質(zhì)量和效率。
1 機(jī)器視覺(jué)技術(shù)的基本概念、原理以及系統(tǒng)組成
機(jī)器視覺(jué)也稱(chēng)之為計(jì)算機(jī)視覺(jué)，是一種利用機(jī)器代替人眼進(jìn)行觀察、測(cè)量與判斷的技術(shù)，首先利用攝像機(jī)獲取目標(biāo)的圖像，然后通過(guò)計(jì)算機(jī)算法將圖像進(jìn)行數(shù)字化處理和顏色、形狀和尺寸等的測(cè)量與判別[1]。
機(jī)器視覺(jué)系統(tǒng)主要由光源、攝像機(jī)、采集卡和計(jì)算機(jī)構(gòu)成。攝像機(jī)通過(guò)光電傳感器將被測(cè)物光形象轉(zhuǎn)化為電信號(hào)，并且以圖像的形式記錄保存下來(lái)。圖像采集卡是連接攝像機(jī)和計(jì)算機(jī)的紐帶，主要作用是把電信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，并將數(shù)字信號(hào)傳輸?shù)接?jì)算機(jī)進(jìn)行保存和處理。在實(shí)際應(yīng)用中，為了能夠獲得高亮度和高對(duì)比度的圖像，通常需要使用光源提供的燈光照明，以便圖像的獲取和處理。
2 機(jī)器視覺(jué)技術(shù)在現(xiàn)代化農(nóng)業(yè)中的應(yīng)用
2.1 在農(nóng)業(yè)生產(chǎn)前的應(yīng)用
進(jìn)行種子質(zhì)量檢測(cè)。農(nóng)作物種子質(zhì)量的好壞對(duì)作物產(chǎn)品的優(yōu)劣與作物產(chǎn)量的高低有著直接的影響作用，在農(nóng)業(yè)生產(chǎn)過(guò)程中有著至關(guān)重要的地位。成 芳等[2]詳細(xì)介紹了機(jī)器視覺(jué)系統(tǒng)的原理和發(fā)展動(dòng)態(tài)，并且從系統(tǒng)軟件、硬件和國(guó)內(nèi)外研究現(xiàn)狀等方面綜合描述了機(jī)器視覺(jué)在種子質(zhì)量檢測(cè)中的運(yùn)用。陳兵旗等[3]利用機(jī)器視覺(jué)技術(shù)對(duì)水稻種子進(jìn)行了精選，首先提取長(zhǎng)寬比和面積等特征參數(shù)，并建立有關(guān)稻種類(lèi)型的數(shù)據(jù)庫(kù)，進(jìn)而對(duì)稻種類(lèi)型進(jìn)行判斷，然后通過(guò)掃描線數(shù)和掃描線上黑白像素的變化次數(shù)來(lái)判斷種子是否破裂，最后利用不同閾值提取的稻種面積差來(lái)判斷稻種是否霉變。試驗(yàn)證明：該方法能對(duì)種子種類(lèi)、發(fā)霉和破損情況等進(jìn)行判斷，具有較高的準(zhǔn)確率。
2.2 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用
2.2.1 作物生長(zhǎng)信息監(jiān)測(cè)。農(nóng)作物的生長(zhǎng)調(diào)控、缺素診斷、產(chǎn)量分析與預(yù)測(cè)都是以作物生長(zhǎng)信息為基礎(chǔ)和依據(jù)的，因此，通過(guò)機(jī)器視覺(jué)的方法對(duì)農(nóng)作物的生長(zhǎng)信息進(jìn)行監(jiān)測(cè)，成為當(dāng)今機(jī)器視覺(jué)在農(nóng)業(yè)中的研究熱點(diǎn)之一。張?jiān)弃Q等[4]設(shè)計(jì)了農(nóng)作物莖稈直徑變化測(cè)量系統(tǒng)，通過(guò)測(cè)量圖像中作物莖稈直徑像素?cái)?shù)、圖像中參照物直徑像素?cái)?shù)和參照物的實(shí)際直徑求取作物莖稈直徑。使用該系統(tǒng)對(duì)黃瓜莖桿進(jìn)行直徑測(cè)量，絕對(duì)誤差在0.002 mm以內(nèi)。王文靜等[5]設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的水下鲆鰈魚(yú)類(lèi)質(zhì)量估計(jì)系統(tǒng)。該系統(tǒng)利用機(jī)器視覺(jué)和圖像處理技術(shù)對(duì)不同生長(zhǎng)發(fā)育階段的半滑舌鰨進(jìn)行了檢測(cè)，提取了魚(yú)的面積、等效橢圓長(zhǎng)寬比和圓形度因子等形狀參數(shù)，并將各參數(shù)分別與質(zhì)量進(jìn)行數(shù)據(jù)擬合建立二維和三維維模型。試驗(yàn)證明：該方法能夠較好地估計(jì)出生物的質(zhì)量。
2.2.2 病蟲(chóng)害與雜草監(jiān)測(cè)。病蟲(chóng)害和雜草直接危害著農(nóng)作物的生長(zhǎng)，如果沒(méi)有得到及時(shí)的控制，會(huì)直接影響到農(nóng)作物的質(zhì)量與產(chǎn)量。因此，檢測(cè)并獲取害蟲(chóng)的分布情況、位置、生長(zhǎng)情況等對(duì)農(nóng)作物的生產(chǎn)具有巨大的意義。邱道尹等[6]設(shè)計(jì)了一個(gè)基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)分類(lèi)的方法對(duì)常見(jiàn)的幾類(lèi)害蟲(chóng)進(jìn)行了分類(lèi)。通過(guò)現(xiàn)場(chǎng)試驗(yàn)證明，該方法簡(jiǎn)單可行、識(shí)別率高。毛文華等[7]以國(guó)內(nèi)外的研究為例，系統(tǒng)、詳細(xì)地介紹了機(jī)器視覺(jué)在雜草識(shí)別中的研究和應(yīng)用情況，分析了采用植物紋理、顏色、多光譜和形狀等特征來(lái)識(shí)別雜草的理論根據(jù)以及存在的問(wèn)題和難點(diǎn)。尹建軍等[8]利用攝像機(jī)采集標(biāo)定靶圖像，根據(jù)攝像機(jī)的透視模型對(duì)圖像進(jìn)行處理，求出48個(gè)靶點(diǎn)質(zhì)心的像素坐標(biāo)，然后通過(guò)DLT最小二乘法建立攝像機(jī)隱參數(shù)矩陣。實(shí)踐證明，該方法對(duì)雜草定位的誤差在23 mm以內(nèi)，能夠滿足雜草識(shí)別與智能化噴施的需求。
2.2.3 營(yíng)養(yǎng)脅迫診斷。在農(nóng)業(yè)生產(chǎn)管理中，由于缺素初期的作物和正常情況沒(méi)有太大差別，很難被察覺(jué)和診斷，而利用機(jī)器視覺(jué)的方法能夠比較及時(shí)、準(zhǔn)確的判斷，進(jìn)而降低損失。
毛罕平等[9]在作物營(yíng)養(yǎng)元素虧缺的識(shí)別和自動(dòng)檢測(cè)中，利用植物的葉片特征和遺傳算法進(jìn)行優(yōu)化組合，挑選出能夠用在分類(lèi)器設(shè)計(jì)方面的特征向量。試驗(yàn)證明，利用二叉樹(shù)分類(lèi)法的模糊K近鄰法對(duì)缺元素的番茄進(jìn)行識(shí)別和測(cè)試，其誤差在15%以內(nèi)。張彥娥等[10]利用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)研究了一種溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)系統(tǒng)，通過(guò)求取葉片含水率、含氮率與含磷率分別與各個(gè)分量之間的相關(guān)性；試驗(yàn)證明：該方法獲取葉片顏色分量、亮度指標(biāo)等參數(shù)，能夠作為計(jì)算機(jī)視覺(jué)技術(shù)作物長(zhǎng)勢(shì)和作物營(yíng)養(yǎng)信息監(jiān)測(cè)的指標(biāo)。
2.3 在農(nóng)業(yè)生產(chǎn)中的應(yīng)用
2.3.1 農(nóng)業(yè)機(jī)器人。對(duì)農(nóng)業(yè)機(jī)器人的應(yīng)用主要利用機(jī)器人技術(shù)進(jìn)行視覺(jué)導(dǎo)航技術(shù)的研究，是目前比較受關(guān)注的課題之一。視覺(jué)導(dǎo)航技術(shù)的研究為農(nóng)業(yè)機(jī)器人的自動(dòng)除草、施肥和施藥等工作奠定了良好的基礎(chǔ)。
周 俊等[11]在綜合分析農(nóng)田自然環(huán)境的基礎(chǔ)上，提出了農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別算法，并將色彩特征分析法應(yīng)用于路徑識(shí)別中，利用小波分析變化法進(jìn)行邊緣檢測(cè)，結(jié)果表明，結(jié)合導(dǎo)航系統(tǒng)期望跟蹤的路徑特點(diǎn)分析可以比較準(zhǔn)確的識(shí)別路徑。安 秋等[12]通過(guò)AVR單片機(jī)的下位機(jī)來(lái)控制4個(gè)電機(jī)的速度和實(shí)現(xiàn)與上位機(jī)的串口通訊功能，提出了將線性掃描法和最小二乘法結(jié)合使用的思路，實(shí)現(xiàn)了農(nóng)業(yè)機(jī)器人的視覺(jué)導(dǎo)航算法，使機(jī)器人能夠在農(nóng)作物之間行走。
2.3.2 品質(zhì)分級(jí)。利用機(jī)器視覺(jué)的方法對(duì)農(nóng)作物進(jìn)行分級(jí)，可以減少主觀因素的影響，并且為生產(chǎn)自動(dòng)化的發(fā)展奠定了基礎(chǔ)。
蔣益女等[13]對(duì)蘋(píng)果質(zhì)量等級(jí)識(shí)別的機(jī)器視覺(jué)檢測(cè)技術(shù)進(jìn)行了研究，對(duì)蘋(píng)果圖像進(jìn)行梗蒂、缺陷識(shí)別后，提取目標(biāo)區(qū)域，并求出紋理和幾何特征參數(shù)等，并通過(guò)Pearson對(duì)參數(shù)進(jìn)行相關(guān)性分析和SFFS對(duì)特征進(jìn)行選擇，去掉冗余的特征，最后使用KNN分類(lèi)方法對(duì)蘋(píng)果進(jìn)行分類(lèi)。試驗(yàn)結(jié)果表明，該識(shí)別方法對(duì)蘋(píng)果等級(jí)識(shí)別與人工判別結(jié)果非常接近，可以推廣到其他產(chǎn)品質(zhì)量等級(jí)檢測(cè)和識(shí)別。李江波等[14]對(duì)鮮香菇外部品質(zhì)計(jì)算機(jī)視覺(jué)檢測(cè)與分級(jí)進(jìn)行了研究，首先對(duì)攝像機(jī)采集的圖像進(jìn)行預(yù)處理后，獲取香菇菇蓋的圓形度、最大直徑、色調(diào)均值等特征參數(shù)對(duì)香菇進(jìn)行分級(jí)。試驗(yàn)證明，利用BP神經(jīng)網(wǎng)絡(luò)法對(duì)香菇進(jìn)行分級(jí)的準(zhǔn)確度為94.2%。
3 存在的問(wèn)題及未來(lái)的展望
隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和農(nóng)業(yè)自動(dòng)化水平的提高，機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用研究越來(lái)越多，但是由于農(nóng)作物形狀的多樣性、周?chē)h(huán)境的復(fù)雜性、理論和實(shí)際的差異性等因素制約著機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用發(fā)展。為了解決這些問(wèn)題，筆者認(rèn)為應(yīng)從試驗(yàn)條件、系統(tǒng)硬件和軟件設(shè)計(jì)3個(gè)方面著手。如在設(shè)置和模擬試驗(yàn)條件和硬件系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)多方位、全面地考慮到實(shí)際情況和國(guó)內(nèi)外先進(jìn)技術(shù)，使設(shè)計(jì)更加完善。在系統(tǒng)軟件算法的開(kāi)發(fā)階段，需要將機(jī)器視覺(jué)和圖像處理算法多與神經(jīng)網(wǎng)絡(luò)、人工智能等相結(jié)合使用，尋求出適用性強(qiáng)的新算法[15]。
在現(xiàn)代農(nóng)業(yè)中引入機(jī)器視覺(jué)技術(shù)，不僅可以提高農(nóng)業(yè)生產(chǎn)和發(fā)展的自動(dòng)化水平，而且可以使人類(lèi)從重復(fù)的勞動(dòng)中解放出來(lái)，有著廣闊的發(fā)展空間和應(yīng)用前景。一方面，與人類(lèi)視覺(jué)相比，機(jī)器視覺(jué)具有快速、非接觸性、無(wú)損和準(zhǔn)確的特點(diǎn)，可以提高農(nóng)業(yè)生產(chǎn)效率，促進(jìn)農(nóng)業(yè)生產(chǎn)和管理自動(dòng)化方向和發(fā)展。另一方面，計(jì)算機(jī)、自動(dòng)化控制技術(shù)、機(jī)器視覺(jué)技術(shù)的進(jìn)一步發(fā)展和綜合集成，也將會(huì)為機(jī)器視覺(jué)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用開(kāi)辟新的空間。
4 參考文獻(xiàn)
[1] 趙曉霞.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004，14（4）：124-125.
[2] 成芳，應(yīng)義斌.機(jī)器視覺(jué)技術(shù)在農(nóng)作物種子質(zhì)量檢驗(yàn)中的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2001，17（6）：175-179.
[3] 陳兵旗，孫旭東，韓旭，等.基于機(jī)器視覺(jué)的水稻種子精選技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（7）：165-173.
[4] 張?jiān)弃Q，喬曉軍，王成，等.基于機(jī)器視覺(jué)的作物莖稈直徑變化測(cè)量?jī)x研發(fā)[J].農(nóng)機(jī)化研究，2011（12）：158-160.
[5] 王文靜，徐建瑜，呂志敏，等.基于機(jī)器視覺(jué)的水下鲆鰈魚(yú)類(lèi)質(zhì)量估計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（16）：153-157.
[6] 邱道尹，張紅濤，劉新宇，等.基于機(jī)器視覺(jué)的大田害蟲(chóng)檢測(cè)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38（1）：120-122.
[7] 毛文華，王一鳴，張小超，等.基于機(jī)器視覺(jué)的田間雜草識(shí)別技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（5）：43-46.
[8] 尹建軍，沈?qū)殗?guó)，陳樹(shù)人.基于機(jī)器視覺(jué)的田間雜草定位技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（6）：163-166.
[9] 毛罕平，徐貴力，李萍萍.基于計(jì)算機(jī)視覺(jué)的番茄營(yíng)養(yǎng)元素虧缺的識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（2）：73-75.
[10] 張彥娥，李民贊，張喜杰.基于計(jì)算機(jī)視覺(jué)技術(shù)的溫室黃瓜葉片營(yíng)養(yǎng)信息檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（8）：102-105.
[11] 周俊，姬長(zhǎng)英.農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中多分辨率路徑識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：120-123.
[12] 安秋，顧寶興，王海青.農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航試驗(yàn)平臺(tái)[J].河南科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，33（3）：42-45.
[13] 蔣益女，徐從富.基于機(jī)器視覺(jué)的蘋(píng)果質(zhì)量等級(jí)識(shí)別方法的研究[J].計(jì)算機(jī)應(yīng)用于軟件，2010，27（11）：99-101.
機(jī)器視覺(jué)概念范文2
【關(guān)鍵詞】機(jī)器視覺(jué)；研究型教學(xué)；課程建設(shè)；應(yīng)用創(chuàng)新型
0 背景
2013年德國(guó)提出的工業(yè)4.0，用于提升本國(guó)制造業(yè)的智能化水平，為德國(guó)制造業(yè)的競(jìng)爭(zhēng)力持續(xù)領(lǐng)先奠定理論基礎(chǔ)；隨著我國(guó)向生產(chǎn)強(qiáng)國(guó)邁進(jìn)，政府于2014年提出中國(guó)版的工業(yè)4.0-中國(guó)制造2025，為我國(guó)制造業(yè)的智能化發(fā)展指明理論方向。智能化是傳統(tǒng)制造業(yè)持續(xù)發(fā)展的關(guān)鍵，機(jī)器視覺(jué)是制造業(yè)智能化的關(guān)鍵。為了適應(yīng)當(dāng)前生產(chǎn)企業(yè)的發(fā)展和機(jī)器視覺(jué)技術(shù)應(yīng)用人才的需求不斷增加。為此，根據(jù)應(yīng)用創(chuàng)新型本科人才培養(yǎng)模式的特點(diǎn)，改革現(xiàn)有教學(xué)內(nèi)容和方法，結(jié)合最新教學(xué)手段和移動(dòng)網(wǎng)絡(luò)模式，實(shí)現(xiàn)教學(xué)現(xiàn)代化，提高學(xué)生整體素質(zhì)，全面實(shí)現(xiàn)應(yīng)用創(chuàng)新型人才培養(yǎng)目標(biāo)[1]。
1 機(jī)器視覺(jué)課程建設(shè)
當(dāng)今機(jī)器視覺(jué)課程開(kāi)設(shè)的高校較少，本科階段開(kāi)設(shè)的更少。主要在于該課程是一門(mén)交叉課程，需要學(xué)生掌握多門(mén)相關(guān)學(xué)科的知識(shí)，如圖像處理、模式識(shí)別、圖像處理、傳感器、光學(xué)成像、計(jì)算機(jī)等。根據(jù)光電信息工程專(zhuān)業(yè)的培養(yǎng)方案和適應(yīng)長(zhǎng)三角地方產(chǎn)業(yè)的發(fā)展，我系開(kāi)設(shè)了這門(mén)與制造企業(yè)密切相關(guān)的課程―機(jī)器視覺(jué)。
當(dāng)前機(jī)器視覺(jué)教學(xué)過(guò)程中主要存在以下幾個(gè)突出的教學(xué)問(wèn)題：1）注重教材知識(shí)點(diǎn)的講解，忽略與產(chǎn)業(yè)的結(jié)合；2）注重教師為中心，忽略學(xué)生創(chuàng)新意識(shí)和創(chuàng)新能力的發(fā)展；3）注重傳統(tǒng)教學(xué)建設(shè)，忽略網(wǎng)絡(luò)時(shí)代下的教學(xué)建設(shè)。為了提高學(xué)生的學(xué)習(xí)興趣，適應(yīng)地方產(chǎn)業(yè)的發(fā)展，我院在應(yīng)用創(chuàng)新型人才培養(yǎng)模式下進(jìn)行機(jī)器視覺(jué)研究型課程教學(xué)改革[2]。
研究型教學(xué)課程建設(shè)以全面培養(yǎng)學(xué)生發(fā)現(xiàn)問(wèn)題、提出問(wèn)題、解決問(wèn)題的能力為目標(biāo)，以教師為輔，學(xué)生為主，自主研究性學(xué)習(xí)為手段，全面提高學(xué)生的創(chuàng)新能力。為了實(shí)現(xiàn)研究型教學(xué)課程建設(shè)的目標(biāo)，需要對(duì)現(xiàn)有的教學(xué)內(nèi)容和教學(xué)方式進(jìn)行有效的改革[3]。
1.1 教學(xué)內(nèi)容設(shè)計(jì)
機(jī)器視覺(jué)是人工智能快速發(fā)展的一個(gè)重要分支，也是產(chǎn)業(yè)快速發(fā)展的關(guān)鍵。為了適應(yīng)長(zhǎng)三角地方產(chǎn)業(yè)的發(fā)展，需要對(duì)現(xiàn)有機(jī)器視覺(jué)課程內(nèi)容進(jìn)行有效的改革，增加與地方產(chǎn)業(yè)相適應(yīng)的內(nèi)容，為此需從不同產(chǎn)業(yè)獲取經(jīng)典的實(shí)際案例講解，將所講內(nèi)容蘊(yùn)含在實(shí)際案例中。實(shí)際教學(xué)過(guò)程中，其內(nèi)容主要涉及5個(gè)部分：
1）機(jī)器視覺(jué)的基本概念
包括機(jī)器視覺(jué)的背景、應(yīng)用、發(fā)展歷史、主要組成和機(jī)器視覺(jué)分類(lèi)方法以及發(fā)展趨勢(shì)，使學(xué)生了解機(jī)器視覺(jué)研究的內(nèi)容和未來(lái)發(fā)展的趨勢(shì)，掌握機(jī)器視覺(jué)的基本方法和基本原理。
2）機(jī)器視覺(jué)的硬件技術(shù)
涉及機(jī)器視覺(jué)的硬件：鏡頭技術(shù)、攝像機(jī)技術(shù)、光源技術(shù)、采集技術(shù)以及相機(jī)的標(biāo)定技術(shù)，使學(xué)生了解機(jī)器視覺(jué)的基本硬件的原理，從而為機(jī)器視覺(jué)的進(jìn)一步應(yīng)用提供必須的基礎(chǔ)。
3）圖像處理技術(shù)
圖像處理技術(shù)是機(jī)器視覺(jué)中的關(guān)鍵，為進(jìn)一步處理提供有利的保證。主要涉及到圖像增強(qiáng)、圖像分割和圖像的配準(zhǔn)等內(nèi)容，使學(xué)生掌握機(jī)器視覺(jué)中所用到的圖像處理的基本知識(shí)和基本原理。
4）模式識(shí)別技術(shù)
模式識(shí)別是機(jī)器視覺(jué)中一項(xiàng)重要內(nèi)容，也是機(jī)器視覺(jué)中能面向?qū)嶋H應(yīng)用的關(guān)鍵，這部分內(nèi)容主要涉及到分類(lèi)的一些知識(shí)：如最近鄰分類(lèi)、Fisher分類(lèi)、貝葉斯分類(lèi)、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等分類(lèi)法，使學(xué)生掌握分類(lèi)中一些基本方法和一些基本理論，同時(shí)了解一些當(dāng)前比較熱模式識(shí)別技術(shù)如深度學(xué)習(xí)等內(nèi)容。
5）基于機(jī)器視覺(jué)的實(shí)際案例
面向?qū)嶋H應(yīng)用，設(shè)計(jì)相關(guān)所學(xué)內(nèi)容的演示和課后完成的實(shí)際實(shí)踐內(nèi)容，使學(xué)生能夠應(yīng)用所學(xué)到的機(jī)器視覺(jué)的一些基本知識(shí)和基本原理實(shí)現(xiàn)一些簡(jiǎn)單的來(lái)源生產(chǎn)中的一些應(yīng)用，為將來(lái)就業(yè)提供一些有效的經(jīng)驗(yàn)。
1.2 實(shí)驗(yàn)內(nèi)容設(shè)計(jì)
實(shí)驗(yàn)是機(jī)器視覺(jué)研究型課程的重要環(huán)節(jié)。設(shè)計(jì)讓學(xué)生感興趣并且貼近企業(yè)生產(chǎn)的實(shí)驗(yàn)有利于研究型課程目標(biāo)的實(shí)現(xiàn)。根據(jù)所學(xué)內(nèi)容的需要，設(shè)計(jì)幾個(gè)有代表性的且切近生產(chǎn)實(shí)際的實(shí)驗(yàn)，如傘齒輪上缺陷的檢測(cè)和分類(lèi)，油品質(zhì)檢測(cè)和彩虹工件尺寸測(cè)試等實(shí)驗(yàn)。
1.3 教學(xué)手段設(shè)計(jì)
對(duì)于研究型課程來(lái)說(shuō)，課程所涉及到的實(shí)驗(yàn)或者課后作業(yè)一般很難在有限的課堂時(shí)間內(nèi)完成，因此學(xué)生需要學(xué)會(huì)通過(guò)網(wǎng)絡(luò)查閱相關(guān)資料、了解實(shí)驗(yàn)或課后作業(yè)的目的，不斷通過(guò)發(fā)現(xiàn)問(wèn)題，提出問(wèn)題和解決問(wèn)題，全面提高自身創(chuàng)新能力。所設(shè)實(shí)驗(yàn)或課后作業(yè)都是來(lái)源生產(chǎn)實(shí)際，因此是若干個(gè)知識(shí)點(diǎn)的融合所形成。在實(shí)踐過(guò)程中規(guī)定了教學(xué)目標(biāo)、方法和實(shí)踐步驟以及評(píng)價(jià)方法。一般是要求學(xué)生分組完成，并且分階段討論匯報(bào)，在反思中不斷改進(jìn)所用的方法，提高實(shí)驗(yàn)的質(zhì)量，同時(shí)也在不算提高自己的發(fā)現(xiàn)問(wèn)題，解決問(wèn)題的能力[4]。
對(duì)于課堂教學(xué)，實(shí)施以學(xué)生為中心，教師為輔的教學(xué)模式。教師只講解與實(shí)際案例相關(guān)的知識(shí)點(diǎn)，以任務(wù)的形式引導(dǎo)學(xué)生邊學(xué)邊做，通過(guò)分組合作的形式完成。教師主要引導(dǎo)學(xué)生，以提問(wèn)題開(kāi)始，以解決問(wèn)題結(jié)束，隨著任務(wù)不斷完成，學(xué)生也逐漸學(xué)會(huì)發(fā)現(xiàn)問(wèn)題和解決問(wèn)題的方法。通過(guò)這種任務(wù)式的教學(xué)，學(xué)生為中心，教師引導(dǎo)，師生互動(dòng)，學(xué)生從被動(dòng)到主動(dòng)，從機(jī)械思維到創(chuàng)新思維的有效轉(zhuǎn)變。
為了適應(yīng)當(dāng)代大學(xué)生的上課注意力時(shí)間短的特點(diǎn)，開(kāi)發(fā)和完善網(wǎng)絡(luò)課程和移動(dòng)平臺(tái)課程建設(shè)。通過(guò)這些平臺(tái)，把上課內(nèi)容和參考的內(nèi)容等教學(xué)資源上網(wǎng)免費(fèi)開(kāi)放，使得學(xué)生可以在空閑時(shí)間自主選擇學(xué)習(xí)的內(nèi)容，完善了正常上課教學(xué)的不足，提高了學(xué)生自主學(xué)習(xí)的能力。
1.4 考核設(shè)計(jì)
傳統(tǒng)的考核機(jī)制就是考試加上平時(shí)成績(jī)，大大制約了課程教學(xué)的發(fā)展。為了進(jìn)步提高學(xué)生學(xué)習(xí)興趣和分析問(wèn)題、解決問(wèn)題的能力，需要對(duì)現(xiàn)有的考核機(jī)制進(jìn)行改革，除了保留現(xiàn)有的考核方式，但大大降低了他所占的比例，增加項(xiàng)目小組口頭報(bào)告和小組之間互評(píng)成績(jī)，這兩部分各占總分的10%。口頭報(bào)告根據(jù)學(xué)生討論內(nèi)容和討論深度給予成績(jī)，小組之間互評(píng)根據(jù)各個(gè)小組的互評(píng)成績(jī)的平均成績(jī)作為小組的成績(jī)。這樣的考核可以有利于調(diào)動(dòng)學(xué)生的積極性，提高學(xué)生分析問(wèn)題，解決問(wèn)題的能力[5]。
2 結(jié)語(yǔ)
本文根據(jù)中國(guó)制造2025和應(yīng)用創(chuàng)新型人才培養(yǎng)模式下的培養(yǎng)目標(biāo)，研究了機(jī)器視覺(jué)研究性課程的教學(xué)改革，提出了新的研究性課程改革方案，增加與地方產(chǎn)業(yè)密切聯(lián)系的課程研究?jī)?nèi)容，改善了教學(xué)方式，改革傳統(tǒng)的教學(xué)評(píng)價(jià)方式，提高了學(xué)生學(xué)習(xí)主動(dòng)性，增加了學(xué)生分析問(wèn)題，解決問(wèn)題的能力。最終實(shí)現(xiàn)機(jī)器視覺(jué)研究型課程建設(shè)，達(dá)到培養(yǎng)適應(yīng)新時(shí)代應(yīng)用創(chuàng)新型本科優(yōu)秀人才的目的。
【參考文獻(xiàn)】
[1]李志梅，何金花.應(yīng)用型人才培養(yǎng)模式下本科數(shù)據(jù)庫(kù)管理系統(tǒng)課程教學(xué)研究與實(shí)踐[J].教育教學(xué)論壇，2017（4）：165-166.
[2]王之元，周云，易曉東，等.機(jī)器人操作系統(tǒng)研究型課程建設(shè)[J].計(jì)算機(jī)教育，2016，1：77：80.
[3]孟祥林.美法日研究型課程設(shè)置之比較及對(duì)我國(guó)的啟示[J].湖南師范大學(xué)教育教學(xué)學(xué)報(bào)，2004，3（6）.
機(jī)器視覺(jué)概念范文3
關(guān)鍵詞 機(jī)器視覺(jué)；智能交通；交通標(biāo)志；路標(biāo)定位；路標(biāo)識(shí)別
中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）05-0046-01
由于信息的采集技術(shù)得到了長(zhǎng)足的發(fā)展，信息處理方式越來(lái)越多樣化，機(jī)器視覺(jué)逐漸成為人們生活中的關(guān)鍵技術(shù)之一。所謂機(jī)器視覺(jué)就是用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能的技術(shù)，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。隨著機(jī)器視覺(jué)技術(shù)的引入，智能交通技術(shù)得到了飛速的發(fā)展。智能公交、電子警察、交通信號(hào)控制、交通視頻監(jiān)控等智能技術(shù)為城市交通運(yùn)輸系統(tǒng)的疏導(dǎo)與協(xié)調(diào)作出了重大貢獻(xiàn)。先進(jìn)駕駛輔助系統(tǒng)作為關(guān)鍵技術(shù)之一，不但能幫助司機(jī)更好駕駛，并且能在一定程度上避免交通事故的發(fā)生。交通路標(biāo)識(shí)別作為其核心技術(shù)，在城市交通的安全上具有深遠(yuǎn)的意義。大體上，交通路標(biāo)識(shí)別技術(shù)主要包含兩方面，即路標(biāo)區(qū)域的分割和路標(biāo)指示信息的識(shí)別。
1 路標(biāo)區(qū)域的提取
對(duì)路標(biāo)區(qū)域與背景區(qū)域的分割是在HSI顏色空間上進(jìn)行的。HSI是用色調(diào)、飽和度和亮度來(lái)描述顏色空間的，與人的視覺(jué)系統(tǒng)保持一致。色度是描述純色的屬性，與光波的波長(zhǎng)有關(guān)，它表示人的感官對(duì)不同顏色的感受；飽和度給出一種純色被白光稀釋的程度的度量，飽和度越大，顏色看起來(lái)就會(huì)越鮮艷；亮度是一個(gè)主觀的描述，體現(xiàn)了無(wú)色的強(qiáng)度概念。
標(biāo)準(zhǔn)交通路標(biāo)主要有藍(lán)色和黃色兩種底色。對(duì)于藍(lán)色路標(biāo)，背景顏色為藍(lán)色并且占據(jù)大部分面積，路標(biāo)指示的描述部分為白色；對(duì)于黃色路標(biāo)，背景顏色為黃色并且占據(jù)大部分面積，路標(biāo)指示部分的描述部分為紅色。黃色與藍(lán)色在HSI顏色空間呈現(xiàn)類(lèi)聚性：對(duì)于藍(lán)色，H取值在132到175之間，S取值在100到240之間，I取值在53到179之間；對(duì)于黃色，H取值在28到48之間，S取值在114到240之間，I取值在61到175之間。
基于此兩種顏色特征可以在目標(biāo)圖像中進(jìn)行路標(biāo)嫌疑區(qū)域分割；通過(guò)形態(tài)學(xué)處理可以去掉較小空洞以及路標(biāo)指示的描述信息；最后依據(jù)連通域的面積與形狀等判斷并提取出路標(biāo)區(qū)域。形態(tài)學(xué)處理是一種對(duì)鄰域的運(yùn)算形式。通過(guò)形態(tài)學(xué)處理不但可以過(guò)濾由于噪音或者其他原因引起的一些較小的不可能為路標(biāo)背景的區(qū)域，減少候選區(qū)域和提高檢測(cè)速度，而且可以填補(bǔ)路標(biāo)中由于路標(biāo)指示信息灰度不同導(dǎo)致的較小空洞，降低了誤判的可能性。
路標(biāo)區(qū)域提取的具體步驟如下所示。
Step1：在HSI顏色空間里依據(jù)顏色通道取值范圍對(duì)目標(biāo)圖像進(jìn)行二值化處理。
Step2：對(duì)二值圖像進(jìn)行膨脹處理，腐蝕掉路標(biāo)指示描述等干擾。
Step3：查詢連通區(qū)域邊界。
Step4：依據(jù)連通區(qū)域的面積和形狀來(lái)定位出路標(biāo)區(qū)域。
如果目標(biāo)中只有藍(lán)色路標(biāo)像素點(diǎn)，則該路標(biāo)是以藍(lán)色為底色的路標(biāo)；如果目標(biāo)中只有黃色路標(biāo)像素點(diǎn)，則該路標(biāo)是以黃色為底色的路標(biāo)。
2 路標(biāo)指示識(shí)別
路標(biāo)指示信息的識(shí)別主要依據(jù)尺度不變特征提取與模板匹配的方法。
尺度不變特征提取方法包含尺度不變性與旋轉(zhuǎn)不變性的特點(diǎn)。所謂尺度不變性是指不管物體是遠(yuǎn)是近，都能進(jìn)行正確的辨識(shí)；所謂旋轉(zhuǎn)不變性是指當(dāng)物體發(fā)生旋轉(zhuǎn)時(shí)，依然能正確的識(shí)別它。尺度不變特征提取算法主要有SIFT算法和SURF算法。SIFT算法是最有效的，SURF算法對(duì)SIFT算法進(jìn)行了簡(jiǎn)化，在運(yùn)算速度上提高了3倍，綜合性能要更優(yōu)。
在指示信息識(shí)別之前需要建立路標(biāo)特征數(shù)據(jù)庫(kù)。依據(jù)路標(biāo)底色的不同，需要建立藍(lán)色路標(biāo)數(shù)據(jù)庫(kù)和黃色路標(biāo)數(shù)據(jù)庫(kù)。
模板匹配就是用路標(biāo)數(shù)據(jù)庫(kù)中的每個(gè)模板一一與目標(biāo)圖像中的路標(biāo)區(qū)域進(jìn)行匹配，計(jì)算相似度，相似度最大的一組就是對(duì)應(yīng)的路標(biāo)指示信息。其中進(jìn)行匹配的方面就是尺度不變的特征。另外，路標(biāo)的背景顏色部分足夠表示該路標(biāo)的所有特征了，因?yàn)楸尘疤崛D恰到好處的得到了路標(biāo)指示的邊框部分，所以提取背景部分可以進(jìn)行路標(biāo)識(shí)別。
路標(biāo)指示識(shí)別的具體步驟如下所示。
Step1：建立路標(biāo)特征數(shù)據(jù)庫(kù)。
Step2：在HSI顏色空間中提取出路標(biāo)區(qū)域中的指示邊框部分。
Step3：提取出來(lái)的部分作為尺度不變特征提取算法的輸入圖像，進(jìn)行特征點(diǎn)檢測(cè)和特征向量提取。
Step4：將提取出來(lái)的特征點(diǎn)、特征向量與數(shù)據(jù)庫(kù)中的標(biāo)準(zhǔn)路標(biāo)的特征點(diǎn)、特征向量進(jìn)行比對(duì)，得出匹配結(jié)果。
按照以上步驟處理后，如果所有匹配相似度都很低，說(shuō)明目標(biāo)圖像中不存在交通路標(biāo)。
3 結(jié)論
文章闡述了交通路標(biāo)識(shí)別技術(shù)的實(shí)現(xiàn)方法。路標(biāo)區(qū)域定位部分主要依據(jù)路標(biāo)底色的顏色特征并在HSI顏色空間完成，從而極大的提高了定位的實(shí)時(shí)性；路標(biāo)指示識(shí)別部分利用模板匹配的方法來(lái)實(shí)現(xiàn)，基于尺度不變特征提取算法的特征點(diǎn)匹配對(duì)尺度變化、旋轉(zhuǎn)變化、照度變化和視角變化具有良好的魯棒性。
參考文獻(xiàn)
[1]唐向陽(yáng)，張勇，李江有，等.機(jī)器視覺(jué)關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望[J].昆明理工大學(xué)學(xué)報(bào)（理工版），2004，29（2）：36-39.
[2]許祥祥.計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用研究[J].硅谷，2013（16）：114-114.
[3]王宇鋒.國(guó)內(nèi)外智能交通系統(tǒng)現(xiàn)狀簡(jiǎn)介[J].硅谷，2008（23）：181-181.
[4]李峰.智能交通系統(tǒng)在國(guó)外的發(fā)展趨勢(shì)[J].國(guó)外公路，1999，19（1）：1-5.
[5]孫龍林.先進(jìn)駕駛輔助系統(tǒng)的發(fā)展現(xiàn)狀和趨勢(shì)[J].汽車(chē)電器，2009（7）：4-7.
[6]朱雙東，陸曉峰.道路交通標(biāo)志識(shí)別的研究現(xiàn)狀及展望[J].計(jì)算機(jī)工程與科學(xué)，2007，28（12）：50-52.
[7]阮秋琦.數(shù)字圖像處理學(xué)[M].電子工業(yè)出版社，2007.
[8]劉小飛.基于邊緣檢測(cè)和形態(tài)學(xué)的車(chē)牌定位[J].硅谷，2012（12）：24-24.
[9]彭皓.局部不變特征提取算法的研究及其在圖像識(shí)別中的應(yīng)用[J].電子測(cè)量技術(shù)，2009（2）：135-139.
[10]張銳娟，張建奇，楊翠.基于SURF的圖像配準(zhǔn)方法研究[J].紅外與激光工程，2009，38（1）：160-165.
[11]田娟，鄭郁正.模板匹配技術(shù)在圖像識(shí)別中的應(yīng)用[J].傳感器與微系統(tǒng)，2008，27（1）：112-114.
作者簡(jiǎn)介
機(jī)器視覺(jué)概念范文4
云，正讓一切都變得智能化。在云帶來(lái)的廣泛影響中，結(jié)合移動(dòng)互聯(lián)網(wǎng)與物聯(lián)網(wǎng)的發(fā)展，維斯?南德拉爾提出了在2015年及未來(lái)的五大趨勢(shì)。
機(jī)器視覺(jué)帶來(lái)全新感受
獲得更大的計(jì)算能力是云計(jì)算帶來(lái)的最核心的價(jià)值之一。現(xiàn)在，實(shí)現(xiàn)機(jī)器的視覺(jué)理解能力正在成為現(xiàn)實(shí)，結(jié)合高分辨率相機(jī)傳感器的發(fā)展與云計(jì)算帶來(lái)的“無(wú)限”的計(jì)算能力，維斯?南德拉爾表示，隨著步入2015年，機(jī)器視覺(jué)，即通過(guò)機(jī)器來(lái)描述和理解圖像的能力，有望超越人類(lèi)識(shí)別。
他認(rèn)為，曾經(jīng)一度停滯不前的機(jī)器視覺(jué)技術(shù)將重新迸發(fā)活力，更多地被應(yīng)用到智能終端當(dāng)中。當(dāng)智能手機(jī)的機(jī)器視覺(jué)能夠比人類(lèi)更好地識(shí)別圖像，想象一下，你打算帶一瓶酒去參加圣誕節(jié)的百樂(lè)餐，拿出手機(jī)就可以捕捉到這瓶酒的圖像，然后通過(guò)視覺(jué)搜索就能夠得到關(guān)于這瓶酒的所有信息，而它比文本搜索的準(zhǔn)確率高出30%，這將是非常美妙的體驗(yàn)。
通過(guò)將這種能力運(yùn)用到監(jiān)控、醫(yī)療、電子商務(wù)等諸多領(lǐng)域，新的“數(shù)字互動(dòng)”的體驗(yàn)將給我們帶來(lái)全新的感受。
語(yǔ)音再登流行
盡管從業(yè)務(wù)的角度來(lái)看，語(yǔ)音正在不斷下滑。但是，維斯?南德拉爾認(rèn)為，未來(lái)，語(yǔ)音將越來(lái)越多的被用于與環(huán)境的相互作用。他提到，這正是首席技術(shù)官通常會(huì)思考的問(wèn)題，那就是“世界上有哪些事情是我相信但其他人都不相信的？”雖然語(yǔ)音業(yè)務(wù)在下滑，但是語(yǔ)音卻是物聯(lián)網(wǎng)時(shí)代我們同我們的互聯(lián)家庭進(jìn)行互動(dòng)的最完美途徑。
現(xiàn)在，通過(guò)語(yǔ)音接口來(lái)實(shí)現(xiàn)的服務(wù)已經(jīng)開(kāi)始引領(lǐng)一場(chǎng)新的革命。語(yǔ)音識(shí)別使得社會(huì)與物聯(lián)網(wǎng)銜接，正在從一個(gè)應(yīng)用程序轉(zhuǎn)變成開(kāi)啟新應(yīng)用的完美接口。維斯?南德拉爾提到：想象一個(gè)場(chǎng)景，你問(wèn)你的雨傘今天是否可能下雨，是否應(yīng)該帶它出門(mén)，而你的雨傘回答道“應(yīng)該帶上我，今天會(huì)下雨”，這是一件多么酷的事情。隨著語(yǔ)音識(shí)別技術(shù)的進(jìn)步，未來(lái)將提供更加巨大的機(jī)會(huì)，這一技術(shù)有望成為2015年引人注目的一線新技術(shù)之一。
讓云不再是孤島
現(xiàn)在，無(wú)論對(duì)于企業(yè)還是個(gè)人，越來(lái)越多的業(yè)務(wù)要通過(guò)云來(lái)實(shí)現(xiàn)彼此的連接。維斯?南德拉爾認(rèn)為，當(dāng)今的云更像是由提供給消費(fèi)者的應(yīng)用組成的一座座孤島。如果數(shù)據(jù)需要在不同云端間移動(dòng)和交流，必然給用戶帶來(lái)感知的時(shí)間延遲。而用戶需要的是無(wú)縫的體驗(yàn)。因此，2015年，我們將會(huì)看到更多解決方案的出現(xiàn)，來(lái)實(shí)現(xiàn)讓寫(xiě)在一個(gè)云環(huán)境或虛擬數(shù)據(jù)中心的應(yīng)用程序被投影到另一個(gè)云，來(lái)實(shí)現(xiàn)云的相互溝通。
他表示，雖然這樣的解決方案的部署可能面臨著需要花費(fèi)數(shù)月的時(shí)間來(lái)建立廣域網(wǎng)的連接，但是跨云的模式必將興起。我們將會(huì)看到的很多技術(shù)進(jìn)步都會(huì)圍繞著“我怎樣才能建立云端的動(dòng)態(tài)連接？”以及“我應(yīng)該怎樣創(chuàng)造一種能夠互操作的語(yǔ)言，使不同云之間可以無(wú)縫地交流？”這些問(wèn)題展開(kāi)。
跨云模式將使得公有云、私有云和虛擬私有云的所有組合通過(guò)廣域網(wǎng)的連接來(lái)作為一種服務(wù)模式，成為企業(yè)向云端進(jìn)化的路徑。
注重安全設(shè)計(jì)
物聯(lián)網(wǎng)的發(fā)展正在創(chuàng)造巨大的利益，但與此同時(shí)，一個(gè)不容忽視的事實(shí)是，自互聯(lián)網(wǎng)誕生之日起，各種安全問(wèn)題就隨之而生，物聯(lián)網(wǎng)所帶來(lái)的數(shù)據(jù)安全問(wèn)題也不容忽視。
“對(duì)此，雖然業(yè)界一直專(zhuān)注于保密性和身份驗(yàn)證，但是假設(shè)物聯(lián)網(wǎng)世界中有五百億個(gè)末端，真正的問(wèn)題并不是保護(hù)從這些末端流出的信息，而是封閉這些末端。”維斯?南德拉爾表示。
在2014年初被發(fā)現(xiàn)并曝光的一個(gè)路由器安全問(wèn)題讓我們記憶尤深。法國(guó)的一名安全系統(tǒng)工程師發(fā)現(xiàn)某些型號(hào)的Linksys和Netgear的無(wú)線路由器存在后門(mén)，允許惡意用戶把這些設(shè)備的設(shè)置重置為廠商設(shè)置、默認(rèn)的路由器管理員用戶名和口令。
維斯?南德拉爾用房子的例子來(lái)形象地比喻這一安全問(wèn)題：就如同對(duì)于你房子里的東西，你可以想怎樣保護(hù)就怎樣保護(hù)，甚至在有些地方，你開(kāi)動(dòng)裝甲車(chē)來(lái)保衛(wèi)你房子里的財(cái)產(chǎn)都是可以的，但如果有人能從你家的前門(mén)進(jìn)來(lái)，用什么措施來(lái)保護(hù)都還是不夠安全的。
如何才能夠真正駕馭和保護(hù)物聯(lián)網(wǎng)的數(shù)據(jù)財(cái)產(chǎn)？“注重?cái)?shù)據(jù)的完整性和安全設(shè)計(jì)使你成為你的數(shù)據(jù)的主人。”維斯?南德拉爾表示，“數(shù)據(jù)的完整性如同能夠在你的數(shù)據(jù)上罩一張網(wǎng)，當(dāng)你不希望你的數(shù)據(jù)曝光時(shí)就可以收網(wǎng)，而當(dāng)你希望你的數(shù)據(jù)曝光時(shí)便可以授權(quán)使用。”
因此，通過(guò)安全的設(shè)計(jì)來(lái)實(shí)現(xiàn)在整個(gè)生命周期保證數(shù)據(jù)的完整性，這將是物聯(lián)網(wǎng)發(fā)展至關(guān)重要的方向，也將為2015年信息安全和隱私保護(hù)設(shè)定新的議題。
解放數(shù)據(jù)價(jià)值
數(shù)據(jù)是在物聯(lián)網(wǎng)的新貨幣，當(dāng)物聯(lián)網(wǎng)的第一波浪潮已經(jīng)帶著廠商各自的應(yīng)用到來(lái)，數(shù)據(jù)被鎖在各個(gè)應(yīng)用之中的。而當(dāng)今人們更希望將這些數(shù)據(jù)聯(lián)合起來(lái)，或者放到一個(gè)大的平臺(tái)上，這樣就可以提取并使用這些數(shù)據(jù)，從而為消費(fèi)者創(chuàng)造新的、有意義的、便利的產(chǎn)品。
機(jī)器視覺(jué)概念范文5
【關(guān)鍵詞】四旋翼飛行器 定位 IMU GPS 光流 UWB
一、引言
四旋翼飛行器具有機(jī)械結(jié)構(gòu)簡(jiǎn)單、運(yùn)動(dòng)靈活、姿態(tài)多樣、可擴(kuò)展性好和易維護(hù)等優(yōu)點(diǎn)，因而其在勘探、測(cè)繪、救援、航拍等領(lǐng)域扮演越來(lái)越重要的角色。而這些領(lǐng)域無(wú)一不要求相當(dāng)?shù)木_度、可靠性和自主性，這些都對(duì)飛行器的控制系統(tǒng)提出了苛刻的要求。系統(tǒng)中的傳感器給控制系統(tǒng)提供各種參數(shù)，控制系統(tǒng)處理這些參數(shù)后改變電機(jī)轉(zhuǎn)速?gòu)亩淖冿w行器的飛行姿態(tài)。常規(guī)四旋翼平臺(tái)搭載的實(shí)現(xiàn)自主定位導(dǎo)航的傳感器是GPS模塊，辨識(shí)方向的是羅盤(pán)模塊，進(jìn)行飛行控制的是慣性測(cè)量模塊（IMU），用于測(cè)量高度的是壓力傳感器，另有超聲波測(cè)距儀、激光測(cè)距儀等傳感器用于探測(cè)航路中的障礙物進(jìn)而在飛行中動(dòng)態(tài)避障。機(jī)器視覺(jué)系統(tǒng)是一套通過(guò)圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，通過(guò)專(zhuān)用的圖像處理系統(tǒng)，將像素分布及顏色、亮度等信息轉(zhuǎn)變?yōu)閿?shù)字信號(hào)傳送給圖像處理系統(tǒng)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來(lái)控制設(shè)備動(dòng)作的一套系統(tǒng)。機(jī)器視覺(jué)具有被動(dòng)性和輕量化的特性，同時(shí)可依靠單一傳感器實(shí)現(xiàn)大量信息的采集和處理，在四旋翼飛行器這一對(duì)精度要求很高、數(shù)據(jù)量大、但空間有限的平臺(tái)上的應(yīng)用有十分廣闊的前景。光流傳感器便是一種可以實(shí)現(xiàn)機(jī)器視覺(jué)的簡(jiǎn)單裝置，主要由一個(gè)裝載在機(jī)身上的低像素?cái)z像頭組成，它與IMU及飛行控制計(jì)算機(jī)等配合，對(duì)攝像頭所得圖像進(jìn)行實(shí)時(shí)計(jì)算和解讀，還原出當(dāng)前所處的三位動(dòng)態(tài)結(jié)構(gòu)圖。
本文重點(diǎn)探究基于機(jī)載小型GPS模塊及光流傳感器的四旋翼飛行器精確定位運(yùn)動(dòng)及其應(yīng)用展望。
二、GPS定位系統(tǒng)
GPS模塊是實(shí)現(xiàn)四旋翼飛行器定位和導(dǎo)航的首選，搭建平臺(tái)時(shí)可利用GPS模塊測(cè)定飛行器所在位置的經(jīng)緯度坐標(biāo)信息，并利用高度計(jì)和超聲波傳感器結(jié)合進(jìn)行飛行高度的測(cè)定，同時(shí)用IMU模塊（三維陀螺儀和加速度計(jì)）在GPS導(dǎo)航模塊的支持下實(shí)現(xiàn)四旋翼飛行器的慣性導(dǎo)航自主飛行。
運(yùn)作時(shí)向機(jī)載單片機(jī)輸入一系列點(diǎn)的GPS坐標(biāo)，同時(shí)通過(guò)機(jī)載GPS系統(tǒng)得到當(dāng)前載體的定位數(shù)據(jù)，并與存儲(chǔ)的定位坐標(biāo)做實(shí)時(shí)比對(duì)，由機(jī)載飛行控制計(jì)算機(jī)計(jì)算生成對(duì)應(yīng)最優(yōu)航線，并根據(jù)IMU模塊及高度計(jì)、超聲波傳感器得到的數(shù)據(jù)實(shí)時(shí)修正航線，同時(shí)將定位坐標(biāo)實(shí)時(shí)發(fā)回地面站，由地面計(jì)算機(jī)處理并顯示當(dāng)前位置、線路及飛行狀態(tài)。
三、光流技術(shù)
一般而言，光流是由于場(chǎng)景中前景目標(biāo)本身的移動(dòng)、相機(jī)的運(yùn)動(dòng)，或者兩者的共同運(yùn)動(dòng)所產(chǎn)生的，當(dāng)人的眼睛觀察運(yùn)動(dòng)物體時(shí)，物體的景象在人眼的視網(wǎng)膜上形成一系列連續(xù)變化的圖像，這一系列連續(xù)變化的信息不斷“流過(guò)”視網(wǎng)膜（成像平面），像一種光的“流”，故稱(chēng)之為光流。光流表達(dá)了圖像的變化，由于它包含了目標(biāo)物體運(yùn)動(dòng)的信息，因此可被觀察者用以確定目標(biāo)的運(yùn)動(dòng)情況。
光流的概念由Gibson在1950年提出，指空間運(yùn)動(dòng)中的物體在觀察成像平面上的像素運(yùn)動(dòng)的瞬時(shí)速度，光流技術(shù)就是利用圖像序列中像素在時(shí)間域上的變化及相鄰幀之間的相關(guān)性來(lái)找到上一幀與當(dāng)前幀之間存在的對(duì)應(yīng)關(guān)系，從而計(jì)算出相鄰幀之間物體的運(yùn)動(dòng)信息的一種方法。研究光流場(chǎng)的目的就是從圖片序列中近似得到不能直接得到的運(yùn)動(dòng)場(chǎng)。其中運(yùn)動(dòng)場(chǎng)可理解為物體在三維真實(shí)世界中的運(yùn)動(dòng)，光流場(chǎng)是運(yùn)動(dòng)場(chǎng)在二維圖像平面（人眼或者攝像頭）的投影。
從生物學(xué)中昆蟲(chóng)飛行時(shí)將光流用于3D飛行控制的行為得到啟發(fā)，光流技術(shù)被應(yīng)用在了飛行器的動(dòng)態(tài)定位和導(dǎo)航中。四旋翼飛行器搭載的光流傳感器所利用的攝像頭有分辨率低、幀率高的特點(diǎn)，可以實(shí)現(xiàn)較快的數(shù)據(jù)處理與更新。利用光流傳感器對(duì)捕捉的圖像進(jìn)行分析，實(shí)時(shí)獲取飛行器自身位置及運(yùn)動(dòng)情況，并將測(cè)得數(shù)據(jù)信息實(shí)時(shí)傳輸回地面站PC機(jī)分析處理。
為計(jì)算出物體的運(yùn)動(dòng)信息，如今已發(fā)展出了很多確定當(dāng)前時(shí)刻下一幀的被測(cè)物位置的光流計(jì)算方法。由二維速度場(chǎng)與灰度的聯(lián)系，引入光流約束方程，可得到光流計(jì)算的基本算法，接下來(lái)基于不同的理論基礎(chǔ)，各種光流計(jì)算方法被創(chuàng)造出來(lái)，如今利用OpenCV庫(kù)代碼向單片機(jī)系統(tǒng)的移植可以比較容易地實(shí)現(xiàn)所需的光流計(jì)算。
四、空間定位技術(shù)
在室內(nèi)不具備室外的開(kāi)擴(kuò)環(huán)境，因此定位也出現(xiàn)了許多困難。人們通常使用電磁波進(jìn)行定位，常見(jiàn)的定位方式有時(shí)差定位技術(shù)、信號(hào)到達(dá)角度測(cè)量技術(shù)、到達(dá)時(shí)間定位和到達(dá)時(shí)間差定位等。近年來(lái)隨著科技的發(fā)展又產(chǎn)生了UWB定位技術(shù)，它的頻帶從3.1GHz到10.6GHz，如此高的頻率非常適合于短距離快速通訊，非常適合室內(nèi)這種環(huán)境。在接收到精確的位置以及物體分布后便可在狹窄的室內(nèi)計(jì)算出導(dǎo)航路線。這種探測(cè)方式在一定程度上彌補(bǔ)了光流傳感器不能提前預(yù)知周?chē)h(huán)境的不足，與光流傳感器相互糾錯(cuò)可將錯(cuò)誤率降低，也進(jìn)一步保證了室內(nèi)的安全。
五、應(yīng)用及市場(chǎng)
四旋翼飛行器的輕量、靈活、操作靈敏的特性決定了其在物品短距離遞送中的應(yīng)用前景十分廣闊，尤其是一些特殊場(chǎng)景下滿足特殊要求的遞送業(yè)務(wù)中，四旋翼飛行器的角色將很難替代。如今市場(chǎng)上已經(jīng)出現(xiàn)了四旋翼飛行器用于快遞蛋糕、書(shū)籍等服務(wù)的嘗試，而其價(jià)值可以在一些有特別需求的行業(yè)中利用本文所述的精確定位運(yùn)動(dòng)技術(shù)得以體現(xiàn)，如飲料精準(zhǔn)遞送、寫(xiě)字樓室內(nèi)精確快遞等領(lǐng)域的需求一旦被發(fā)掘，其市場(chǎng)潛力將會(huì)十分巨大。
六、總結(jié)
為實(shí)現(xiàn)四旋翼飛行器的精確定位及導(dǎo)航運(yùn)動(dòng)，機(jī)身需搭載的傳感器除了常規(guī)的IMU模塊（陀螺儀和加速度計(jì)）、高度計(jì)和GPS模塊以外，還可以使用光流傳感器、超聲波探測(cè)器等模塊提高測(cè)量精度。其中光流傳感器可以利用圖像匹配在修正路徑、保持懸停等動(dòng)作中起到重要作用，還可以在GPS信號(hào)不可用等情況下實(shí)現(xiàn)精確定位導(dǎo)航；超聲波探測(cè)器在機(jī)身高度測(cè)量中普遍可以提供高于普通高度計(jì)的測(cè)量精度，為后續(xù)基于載體空間位置信息的路經(jīng)計(jì)算、姿態(tài)調(diào)整等過(guò)程提供更加精確和可靠的數(shù)據(jù)。
參考文獻(xiàn)：
機(jī)器視覺(jué)概念范文6
關(guān)鍵詞：煙絲除雜；硬件設(shè)計(jì)；機(jī)器視覺(jué)；圖像處理；純凈度
Abstract： It introduces a tobacco removing apparatus device which is applied in the tobacco cutting， leaf threshing？and re-drying production lines， including system structure， working principle， hardware and software design. The？system？adopts？machine？vision？technology， using original new generation image processing algorithm that combines several characteristic parameters of foreign materials， such as colors， shapes and textures， to achieve the purpose of eliminating foreign materials doped in tobacco while delivering at a high speed on the conveyorbelt superiorly efficiently and with？high accuracy， thus， avoids tedious manual labor and maximizes the purity of tobacco.
Keywords：tobacco impurity removal； hardware design； machine vision； image processing algorithm； the purity of tobacco
0 引言
隨著工業(yè)自動(dòng)化技術(shù)的迅速發(fā)展，自動(dòng)化檢測(cè)與控制系統(tǒng)逐步替代我國(guó)傳統(tǒng)產(chǎn)業(yè)[1-2]。煙葉中含有的雜物，燃燒過(guò)程中會(huì)產(chǎn)生有害物質(zhì)，且對(duì)產(chǎn)品品質(zhì)產(chǎn)生影響，在線異物剔除已經(jīng)成為煙絲生產(chǎn)線上不可或缺的工序。早期，煙草行業(yè)采用拋落抽風(fēng)等方式將與片煙懸浮速度相差較大的雜物剔除[3-4]，難免存在誤差，而且對(duì)于懸浮速度相近的雜物難以剔除。另一種方法是采用金屬探測(cè)儀檢測(cè)和剔除金屬異物，人工輔助剔除其他異物，費(fèi)時(shí)費(fèi)力，且剔除率受人為影響比較大。少數(shù)卷煙廠引進(jìn)國(guó)外煙草異物剔除設(shè)備，但價(jià)格昂貴且配件更換困難，售后服務(wù)不到位。在圖像獲取和采集及處理之間增加圖像增強(qiáng)功能目前已有較多研究，例如PCNN[5-6]、Retinex[7-10]、直方圖均衡、同態(tài)濾波[11-12]等算法。但上述算法的實(shí)時(shí)性都較差，不適合應(yīng)用在煙草異物剔除系統(tǒng)中。本文所設(shè)計(jì)的煙絲除雜設(shè)備基于圖像處理，在制絲和打葉復(fù)烤生產(chǎn)線中廣泛應(yīng)用，為企業(yè)節(jié)約開(kāi)支，成為卷煙品質(zhì)控制的重要設(shè)備之一，對(duì)于提高我國(guó)煙草行業(yè)的國(guó)際競(jìng)爭(zhēng)力也有重要意義。
1 總體結(jié)構(gòu)
異物檢測(cè)剔除裝置主要由進(jìn)料輸送機(jī)、視頻系統(tǒng)、氣流平衡柜、電控系統(tǒng)等四個(gè)主要部件組成。這四個(gè)組件協(xié)調(diào)工作，主輸送帶上的煙葉經(jīng)鼓風(fēng)機(jī)系統(tǒng)對(duì)葉片進(jìn)行攤薄，上下攝像機(jī)對(duì)煙葉進(jìn)行圖像采集，傳給圖像處理平臺(tái)做分析、識(shí)別，剔除閥對(duì)其中的異物進(jìn)行分揀、剔除。整體用不銹鋼制造，易于清潔、保養(yǎng)。
2 硬件設(shè)計(jì)
2.1 基于棱鏡分光的彩色高速線陣相機(jī)
相機(jī)是異物剔除裝置的眼睛，是非常重要的關(guān)鍵器件。本設(shè)備采用的基于棱鏡分光的彩色高速線陣工業(yè)相機(jī)，能有效保證所采集圖片的質(zhì)量，從而為檢測(cè)和剔除提供可靠的保障。
此類(lèi)相機(jī)核心感光器件由分光棱鏡和3片CCD組成[13]，相對(duì)于傳統(tǒng)的加裝拜爾濾鏡的單片CCD相機(jī)來(lái)說(shuō)，棱鏡分光3CCD相機(jī)能把入射光分解成紅綠藍(lán)三種色光，由3片CCD分別獨(dú)立負(fù)責(zé)其中一種色光的成像，色彩還原性、亮度和清晰度都比單CCD好，所以成像效果更好。一般只有高端工業(yè)級(jí)相機(jī)才會(huì)采用此技術(shù)。
此外，高速線陣相機(jī)與通常用的面陣CCD不同的是：線陣CCD圖像掃描輸出的是一條線上的像素，而不是一個(gè)面上的像素。當(dāng)物體在CCD下不停的移動(dòng)時(shí)，這些線就組合成一個(gè)延綿不斷的面。采用線陣CCD的另一個(gè)好處是掃描頻率很高，達(dá)到11KHz（即每秒鐘11000條掃描線），即使對(duì)于高速運(yùn)動(dòng)中的物料，也能形成高分辨率的圖像。而通常使用的面陣CCD掃描頻率為25/30Hz，遠(yuǎn)低于線陣CCD的掃描頻率，并且在物體高速運(yùn)動(dòng)時(shí)，面陣CCD還可能會(huì)導(dǎo)致圖像模糊，使圖像處理單元無(wú)法準(zhǔn)確識(shí)別異物。
本設(shè)備使用的基于棱鏡分光的彩色高速線陣工業(yè)相機(jī)可識(shí)別的顏色種類(lèi)數(shù)量為1616，777，216（解析成三原色），最小尺寸分辨率為1200毫米/4096=0.3毫米，大大優(yōu)于國(guó)外同類(lèi)設(shè)備。
2.2 LED光源
光源對(duì)于一個(gè)圖像識(shí)別系統(tǒng)而言，起到非常關(guān)鍵的作用。傳統(tǒng)照明光源一般采用熒光燈或者陶瓷金屬鹵素?zé)簦瑹晒鉄粢话銐勖^短，光衰至額定照度的80%僅3000小時(shí)；而金屬鹵素?zé)綦m然壽命相對(duì)于熒光燈較長(zhǎng)，但線性均勻度較差。文采設(shè)備采用的全新LED光源具有亮度高、壽命長(zhǎng)以及線性均勻度好的特點(diǎn)，相對(duì)于傳統(tǒng)光源，LED光源是迄今為止最適合異物剔除系統(tǒng)的光源。單條LED光源光強(qiáng)可達(dá)20000流明；光源線性均勻度好，相機(jī)成像圖像一致性好、色彩還原性好，對(duì)于圖像識(shí)別十分有利。
2.3 靶向水冷系統(tǒng)
圖像識(shí)別一般對(duì)照明光源的亮度都有較高的要求，高亮度一般都會(huì)伴隨著高熱量，即使最新的LED照明技術(shù)也避免不了這一特性。如果沒(méi)有高效的散熱方式，則光源的壽命會(huì)大打折扣，所以高熱量的產(chǎn)生對(duì)光源的冷卻系統(tǒng)提出了更高的要求。傳統(tǒng)照明系統(tǒng)一般采用風(fēng)冷方式散熱，散熱慢，且效率低。本設(shè)備采用獨(dú)創(chuàng)的靶向水冷系統(tǒng)，直接針對(duì)于光源本身冷卻，以極高的效率大大降低了LED線性光源的工作溫度，使其溫度均衡保持在攝氏30度以內(nèi)，因此有效延長(zhǎng)了LED光源的使用壽命，能確保用戶正常使用至少2萬(wàn)小時(shí)而無(wú)需更換備件（光強(qiáng)衰減度控制在10%以）。
2.4全彩有源LED背景色
可編程的全彩有源LED背景燈，對(duì)于消除陰影、提高黑色異物和黃色異物的檢出率更加有效。本設(shè)備采用全彩色有源LED制成線陣背景光源。采用三基色（RGB）貼片封裝LED，通過(guò)改變LED的控制電流，改變其發(fā)光顏色，這樣就使得LED背景燈的發(fā)光顏色可以在線編程，根據(jù)物料的品種不同，控制LED發(fā)出不同的背景色。
相對(duì)于傳統(tǒng)的反射光背景，全彩有源LED背景能更有效的突出異物在葉片上的顯示效果，并能消除葉片及異物的陰影干擾，使得異物更容易識(shí)別。采用這項(xiàng)技術(shù)后，對(duì)傳統(tǒng)難以剔除的異物（比如麻繩、黑膠皮、橡膠、紙箱板）效果更好。同時(shí)也大大降低了葉片帶出率。
2.5圖像處理平臺(tái)
在流水線上，物料移動(dòng)速度非常快，可達(dá)5米/秒。在如此高的速度下，為了成像清晰，必須掃描頻率非常快，一般采用11K行/秒，每行2K象素，每象素是24位真彩顏色。這樣，僅僅圖像采集速度就在528Mb/秒，如此海量的數(shù)據(jù)需要進(jìn)行高級(jí)的形狀、紋理方面的圖像處理，基于PC體系的工控機(jī)根本無(wú)法勝任。為了解決這一問(wèn)題，采用基于嵌入式FPGA+DSP硬件體系的高速圖像處理平臺(tái)。
嵌入式FPGA+DSP圖像處理卡內(nèi)含多達(dá)88個(gè)矩陣CPU內(nèi)核，運(yùn)算速度是DSP的128倍，完全能夠滿足高級(jí)算法的要求。傳統(tǒng)的異物檢測(cè)剔除裝置對(duì)異物的識(shí)別算法，一般采用基于DSP的硬件基礎(chǔ)，受限于算法運(yùn)行速度，而無(wú)法采用更先進(jìn)的形狀、紋理識(shí)別算法，只能采用單一的顏色識(shí)別方法。
基于上述FPGA+DSP硬件平臺(tái)的獨(dú)創(chuàng)新一代先進(jìn)算法融合了顏色、形狀、紋理等異物特征參數(shù)[14]，對(duì)麻繩、黑膠皮、綠膠皮、黃色紙殼、傳送帶碎片等（采用傳統(tǒng)算法難以剔除）異物的剔除效果更好。
嵌入式設(shè)計(jì)，圖像采集處理功能集于一身，無(wú)需經(jīng)工控機(jī)處理，相對(duì)于傳統(tǒng)的使用工控機(jī)作為處理中心的剔除裝置更加穩(wěn)定可靠。算法固件化，大大提升了運(yùn)算速度的同時(shí)更增加了系統(tǒng)可靠性。
2.6基于工業(yè)以太網(wǎng)的分布嵌入式體系結(jié)構(gòu)
本設(shè)備采用基于工業(yè)以太網(wǎng)的分布嵌入式體系結(jié)構(gòu)，大大減少了系統(tǒng)不穩(wěn)定因素。各采集處理單元相對(duì)獨(dú)立，相機(jī)與采集處理卡一一對(duì)應(yīng)，不因一個(gè)處理單元故障而影響其他處理單元正常工作；上位機(jī)起到人機(jī)界面的作用，不參與實(shí)際采集處理過(guò)程。
3 設(shè)備維護(hù)
傳統(tǒng)異物剔除裝置一般需要人工建模，保存為牌號(hào)，使用時(shí)由工作人員調(diào)出已有的牌號(hào)。人工建模一般需要較為專(zhuān)業(yè)的人員，操作相對(duì)復(fù)雜，而且每批煙葉的特征不盡相同，所以原先建立好的模板并不最適合本批次煙葉。
本設(shè)備應(yīng)用自動(dòng)建模軟件，摒棄了牌號(hào)的概念，針對(duì)每一批次煙葉，獨(dú)立自動(dòng)設(shè)置該批次煙葉的最優(yōu)模板，直至該批次煙葉生產(chǎn)完畢，大大降低了對(duì)操作工的要求和勞動(dòng)強(qiáng)度。同時(shí)，該模板僅用于該批次煙葉，用畢即作廢，不再使用，從而提高了采樣模板與被檢測(cè)煙葉的一致性。
下表為KEY測(cè)試用標(biāo)準(zhǔn)異物：
4 結(jié)論
采用機(jī)器視覺(jué)系統(tǒng)的煙絲異物檢測(cè)剔除裝置，有效的剔除、分揀出了異物，經(jīng)測(cè)試使用，本設(shè)備指標(biāo)優(yōu)異，剔除率高，帶出率低，異物有效剔除率大于85%，葉片帶出率小于0.6%。由于不需要人工挑揀異物，省工省時(shí)，剔除質(zhì)量得到保證，品質(zhì)可控。自煙絲異物檢測(cè)剔除裝置投入使用以來(lái)，系統(tǒng)運(yùn)行穩(wěn)定，性能可靠，完全達(dá)到了設(shè)計(jì)預(yù)期各項(xiàng)技術(shù)指標(biāo)，解決了傳統(tǒng)殘煙處理煙絲回收率低，煙絲中含異物率高，煙絲結(jié)構(gòu)差等問(wèn)題，顯著提高了回收煙絲的質(zhì)量，對(duì)降低卷煙廠的原料消耗有積極意義。
參考文獻(xiàn)：
[1]李琳.CMOS數(shù)字成像技術(shù)在電力系統(tǒng)圖像監(jiān)控中的應(yīng)用[J]. 光學(xué)精密工程，2002，10（1）：84-88
[2]張業(yè)鵬.機(jī)器視覺(jué)在工業(yè)測(cè)量中的應(yīng)用與研究[J].光學(xué)精密工程，2001，9（4）：324-329
[3]張俊榮，李艷華，張望興，等.一種多功能煙葉風(fēng)選除雜方法及設(shè)備：中國(guó)，2010106189466[P].2010-12-31.
[4]李曉，熊安言.FX6型就地風(fēng)選器在梗簽風(fēng)選中的應(yīng)用[J].煙草科技，2006（8）：9-11.
[5]張煜東，王水花，周振宇，等.基于HVS與PCNN的彩色圖像增強(qiáng)[J].中國(guó)科學(xué)：信息科學(xué)，2010，40（7）：909-924.
[6]陳銳，馬義德，鄭曉，等.基于PCNN和視覺(jué)特性的圖像對(duì)比度增強(qiáng)[J].微計(jì)算機(jī)信息，2010，26（4-1）：108-112.
[7]程芳瑾，杜曉駿，馬麗，等.基于Retinex的低照度圖像增強(qiáng)[J].電視技術(shù)，2013，37（15）：4-10.
[8]肖進(jìn)勝，單姍姍，段鵬飛，等.基于不同色彩空間融合的快速圖像增強(qiáng)算法[J].自動(dòng)化學(xué)報(bào)，2014，40（4）：697-705.
[9]江興方，王戈，沈?yàn)槊?一種色彩改進(jìn)型Retinex彩色圖像增強(qiáng)方法[J].光電子?激光，2008，19（10）：1402-1404.
[10]許欣，陳強(qiáng)，孫懷江，等.快速Retinex 彩色圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（5）：4-6.
[11]禹晶，李大鵬，廖慶敏.基于顏色恒常性的低照度圖像視見(jiàn)度增強(qiáng)[J].自動(dòng)化學(xué)報(bào)，2011，37（8）：923-930.
[12]韓麗娜，熊杰，耿國(guó)華，等.利用HSV空間的雙通道同態(tài)濾波真彩圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（27）：18-20.
