前言：中文期刊網精心挑選了計算機視覺技術及應用范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機視覺技術及應用范文1
關鍵詞:計算機視覺；果蔬分類；應用；挑戰；展望
自“農業4.0”時代的來臨，以“互聯網+”為驅動的農業技術已成為發展農業強有力的支撐。在果蔬業中，果蔬分類通常由經過訓練的人員人工評估農產品或農作物的質量。但是，人工分類會帶來許多相關的限制，工作人員需要熟悉果蔬的許多特征，并且高強度的機械性工作帶來的失誤不可避免，因而分類技術的提高是農產品質量提升的關鍵。計算機視覺技術具有效率高、非接觸、抗干擾能力強等優點，在多個領域已經廣泛應用，能實現農產品快速無損檢測的要求[1]。果蔬分級效率的提升對我國產品質量提升、農民增產增收具有重要意義。
1圖像處理技術在果蔬分類領域的應用
本文對基于計算機視覺技術的果蔬分類進行了比較調查，發現研究人員多使用一種或者多種傳感器或者機器學習技術進行農產品的分類與分級，但是由于相同水果品種不同造成形狀、大小與顏色的不同，果蔬的分類依然面臨著許多挑戰[2]。為解決這些問題研究人員已經進行了多種實驗，其中結合機器學習技術對于系統有明顯提升。通過使用傳感器捕獲水果與蔬菜的特征，使用機器學習對任務進行優化，以提高系統整體性能[3]。
2果蔬分類的主要挑戰
雖然已經在多個產業中實現目標分類，但將果蔬作為對象進行分類仍然是一項復雜的問題。在實際過程中，環境、光及空間等因素制約了系統的優化，使系統的時間與準確性方面受到限制。光照方向及亮度、色溫以及背景所造成的鏡面反射與漫反射都會制約系統的進一步優化，并且不同種類果蔬的特征并不相同，這也使果蔬分類系統沒有被廣泛地開發。
2.1缺乏合適的傳感器
分類任務的一個關鍵步驟就是選擇適合場景的傳感器用于數據采集。在果蔬的分類任務中視覺傳感器與非視覺傳感器已經廣泛地應用，但是由于各種傳感器性質不同其所適用的應用場景亦有不同[4-6]。例如超聲波傳感器與觸覺傳感器都不太適合易損的目標物[7]。因為這些傳感器需要物理接觸果蔬以獲取數據。另外，視覺傳感器對許多因素高度敏感，例如照明條件和背景環境。這些基本因素是許多復雜因素的結合，包括反射、折射、縮放、旋轉和平移，這在系統實際的設計中需要深入考慮。傳感器大致分為視覺傳感器和非視覺傳感器。由于每個傳感器具有一定的局限性，例如視覺傳感器對照明條件和背景顏色高度敏感。高光譜相機可以得出物體反射特性，檢測具有相似顏色或背景的不同對象的固有特性，其對許多顏色等因素不敏感，并且高光譜信息與水果的其他特征相結合，可以提高系統性能。最近，熱紅外分析已用于許多領域，例如植物病害檢測、冷藏對果實的冷害、農作物成熟度估算和農作物產量估算[8]。然而，由于蔬菜和背景的熱物理性質大致相似，并且這種技術對溫度變化敏感，因而熱紅外分析仍不能很好地完成綠顏色水果和多葉蔬菜的分類任務。
2.2難以準確選擇特征
特征是用于與其他物體區分的物理特征。果蔬具有多種物理特征，例如顏色、質地、形狀和大小，這些都是可以用作分類的特征參數，并且果蔬具有類間和類內的同異性。類別間的變化是主要變化，即顏色、紋理和形狀的變化，而類別內的變化更難以發現，特征更加難以區分。理想的系統能夠進行類間和類內分類。研究表明，單個特征不能有效地對果蔬或物體進行有效分類。計算機視覺是用于圖像分類和識別的一種技術，可以設計算法通過多種方式對果蔬進行分類，通常分類是基于神經網絡完成。在任何機器學習應用程序中選擇合適的算法至關重要，但是由于果蔬的類間相似性，算法優化尤為重要。數字圖像中某些與特性有關信息的識別、分類、檢索、重建稱為特征描述，果蔬具有相關的獨特視覺特征。果蔬的分類和識別最常用的特征是顏色、形狀、大小和質地，可以根據整體或局部圖像特征來選擇特征描述是全局或者局部的特征。特別是對于對象識別，全局圖像特征描述整個對象，具有良好的不變性，而局部圖像特征則易于實現快速匹配。因此，通常將局部和全局圖像特征配合使用以提高整體性能。在圖像經過去噪、平滑等操作之后，圖像的細節將不可避免地丟失，因而需要更加注意特征的選取。這些因素對特征描述的選取造成了一些限制。
3展望
計算機視覺技術及應用范文2
關鍵詞：視覺原理；計算機視覺藝術；數字媒體；應用
利用計算機所具有的視覺藝術，大眾僅僅利用需要實施身體動作來直接性的操作以及控制，根本就不需要學習就能夠啟動以及進行一定的操作，這樣更加方便老年人以及兒童的實際操作。在數字媒體當中，應該對計算機視覺藝術進行充分利用，更加方便人們的實際操作，同時還能夠保證其更好的感受藝術方面所具有的魅力，讓群眾在足夠放松的時刻能夠對創作者的實際思想以及意圖進行充分的了解以及掌握，對藝術價值進行充分發揮，進而來有效提升藝術人文的實際價值。
1對計算機視覺原理進行分析
通常來講，計算機視覺還稱為機械視覺，屬于是機械來對人類視覺進行一定的模仿的光學識別系統，利用光學系統、感應器、光源等來實現物體定位、動作的追蹤以及視線的判斷等相關的功能。一般情況下，工程技術所運用的基本都是計算機視覺，當有著一定的環境以及模式時，計算機視覺在進行持續性的工作時，能夠有效保證持續工作有著非常高的正確性以及準確性，還能夠對人工不可以完成的任務進行很好的完成。當計算機視覺在進行實際的工作過程中，最為基本的條件是先對映像進行處理，之后輸入模擬訊號，對數字影像進行一定的處理以及分析。實際的工作流程是：影像在攝入之后，應該對其進行一定的強化，除去噪聲，之后對圖像特征進行一定的壓縮以及獲取。在對數據庫樣本進行一定的對比之后，對程序進行有效的分析以及判斷，做出有效的指令。
2對數字媒體當中計算機視覺藝術的實際應用進行分析
2.1藝術與計算機進行一定的融合時，應該對動畫、聲音以及圖像等因素進行有效結合，在對藝術語言表現形式進行豐富的同時，應該提高作品的感染力
在有些結合視覺藝術以及數字媒體時，應該保證在對畫面進行觀看時，應該有效的欣賞畫面，還可以有效的感受到聲色等。利用高度仿真的聽覺、觸覺以及視覺，保證大眾在進行玩游戲時，可以對虛擬世界進行真實的感受，還能夠利用動作以及肢體語言等來和計算機實現有效的交流。保證大眾不是對電影單獨的進行欣賞，還應該更好的參與到其中，體會藝術的表演。
2.2在數字媒體當中運用計算機視覺藝術能夠對藝術的實際表達形式進行有效的豐富
隨著交互技術的逐漸成熟以及發展，讓該技術得到了有效的拓展以及廣泛的運用。運用交互技術，應該讓人們不受到被動的欣賞，應該積極的參與到視覺藝術當中，保證大眾的積極參與以及做出判斷，同能夠利用各種選擇來呈現出過程以及解決，對觀眾的興趣進行充分的調動，進而來有效提高大眾的參與積極性。
2.3在電子游戲當中，運用計算機視覺藝術，應該在相對比較大型的電子游戲當中進行計算機視覺技術的運用
在實際的游戲過程當中，大部分的玩家基本上不再是僅僅運用鍵盤以及鼠標來實施游戲，大部分都是利用身體行動來移動。通常情況下，機器利用攝像機部來對玩家的具體身體動作進行一定的捕捉，玩家能夠與機器相連接的手槍進行有效的操作，射中屏幕當中的對象。同時，手機上的相對比較小型的電子游戲，僅僅需要手指來滑動屏幕，就能夠實現實物的運動以及跳躍等，進而來躲避障礙。除此之外，僅僅需要稍微的傾斜一些收集，就能夠實現人物兩側的奔跑，同時還能夠保證聲光效果，實現互動，具有非常大的震撼力，會在很大程度上促進大眾參與的積極性。
2.4分析數字媒體中計算機視覺技術的應用，保證數字媒體技術有效表現藝術
同時在實用藝術以及純藝術當中，也會運用到數字媒體，該技術能夠讓相對比較單純的個人視覺實現有效的創造，同時還能夠把藝術箱社會性視覺產品進行轉化，并得到一定的經濟效益。同時，大眾能夠通過剪切以及拷貝等相關的方式來有效獲取視覺技術，之后有效的轉化藝術資源，有效奠定了創作視覺藝術的基礎?，F階段，大眾對于個性化以及獨特性有著逐漸提高的需求，在對相對比較獨特的視覺技術進行追求時，在一定程度上提高了評價視覺作品的標準。在數字媒體當中運用計算機視覺技術，會在很大程度上提高大眾對美的享受，保證大眾能夠充分感受到舒適以及愉快的感覺，同時還能夠得到審美方面的評價，在該過程當中，不能夠參雜任何的因素，應該讓計算機視覺因素僅僅對視覺美感以及視覺形式進行充分的追求，可以有效體現藝術的本質。同時，數字媒體有著美方面的品格，有效結合計算機視覺藝術，保證數字媒體藝術的美以及真。這個實際的運用過程能夠有效提升審美方面的機制，更好的領悟視覺藝術當中所存在的美。
3結語
綜上所述，在數字媒體當中，計算機視覺技術的運用，應該有效結合圖像、動畫、聲音以及文本等多個因素，在對語言表現的具體形式進行一定的豐富時，應該讓作品具有更大的感染力。除此之外，還應該保證視覺技術有何足夠的光聲效果，利用一定的互動，會具有非常大的震撼能力，積極促進大眾的參與程度。還可以在很大程度上滿足大眾對于美方面的追求，進而對其所具有的藝術價值進行充分發揮，有效提升藝術所具有的人文價值。
參考文獻
[1]劉曉,王會霞.計算機視覺藝術在數字媒體領域的應用研究[J].互聯網天地,2015,07:21-24.
[2]叢婧.淺談計算機視覺藝術在數字媒體的應用[J].電子制作,2013,18:75.
計算機視覺技術及應用范文3
電力系統自動化是電力系統的發展趨勢，隨著計算機技術的不斷成熟，應用領域不斷拓展，在電力自動化系統中的信息輸入、輸出甚至是存儲和傳輸中都應用了計算機技術。鑒于電力系統具有功能復雜，分布范圍廣，管理調度較為集中等特點，故基于計算機的視覺圖像技術在電力自動化系統中具有非常廣泛的應用領域和應用前景。如結合紅外成像技術對線路設備進行監測、應用遙感技術和工業電視技術分擔工作人員的工作壓力等。
如果能夠將基于圖像識別和圖像處理的計算機視覺技術安全合理的應用到電力系統中，可以對電力系統的智能監控和處理。目前，已有部分應用實例投入使用，如利用紅外圖像分析技術對電力設備進行簡單識別、結合傳感器等對火電廠煤粉鍋爐火焰燃燒狀態的判斷等。
二、計算機視覺技術在電力系統自動化中的應用
計算機視覺技術是通過對采集到的數據圖像進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。具體到電力系統自動化領域，計算機視覺技術主要被應用在三個方面，分別為地區調度實時監控、設備運行負荷控制和變電站自動化監控和處理。其中，地區調度實時監控中的計算機視覺技術功能與中心調度監控系統相似，都是通過多臺計算機和圖像采集設備實現對電力設備運行的監控和對電力的實時調度等。而設備運行負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現自動控制。變電站自動化監控和處理是變電站自動化發展的方向，該技術是利用計算機，通過對實時狀態進行視頻監控和數據處理，以實現無人值守的自動化運行模式。
典型的應用領域為下述幾個方面。
1.計算機視覺技術在在線監測中的應用。該應用主要是利用計算機的紅外圖像識別技術對電力設備進行在線監測實現的。電氣設備的表面溫度在一定程度上可以反映其運行的狀態，利用圖像采集設備對電氣設備進行紅外成像拍攝，可以獲取設備溫度的實時動態，在此基礎上對紅外圖像進行圖譜分析，并與正常運行時的參照標準進行比較，即可實現對電力設備的在線監測。同時，若設備出現故障，利用紅外成像技術還能對故障位置進行定位，這就為及時進行檢修提供了強力的支持。
例如，斷路器觸頭接觸不良、輸電線路絕緣環境的變差、變壓器少油等故障都會造成局部設備過熱。若只采用傳統檢修方式，無法切實掌握設備運行狀態，只能在故障發生后尋找故障部位，檢查確認后才能進行排除處理。計算機視覺技術的應用，首先簡化了檢測方式，只需要將成像設備在有效范圍內對電氣設備進行遠距離測量即可實現；其次在監測方面，一旦設備的監測數據超出正常范圍的最大或最小閾值，即可認定該部位已經發生故障，實現對故障的及時處理，由于定位更為準確，且減少了傳統的故障部位確認環節，故提高了系統運行與監測效率。
2.計算機視覺技術在無人值班變電站和電場環境監控中的應用。在無人值班變電站中，利用微波雙鑒探測器和計算機網絡等組成無人監視系統，通過該系統對變電站周邊環境進行視頻監控，然后利用差分圖像、光流法等計算機視覺技術等對移動物體進行判斷和識別，確認移動物體屬性，若出現情況可以進行實時報警。實際應用表明，在適當天氣條件下，該系統的識別準確率保持在較高水平。若變電站周邊發生火情，還可以輔助紅外圖像識別對火勢進行判斷并報警。
3.計算機視覺技術在電力線路監測中的應用。隨著經濟社會的發展，為滿足人們日益增長的電力需求，必須進行大量的電力線路鋪設，在鋪設過程中，通常需要穿越復雜的地理環境，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、存在巡檢盲區等。此時，利用計算機視覺技術可以很好的解決該問題。對電力線路安裝監測機器人，在機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，無線圖像傳輸設備等，通過機器人在線路中行走對線路進行溫度識別和分布判斷，進而完成線路的巡視工作。該方式可以減少惡劣環境對巡線工作帶來的操作難度，提高工作效率，增強故障判斷精度。
4.計算機視覺技術在位置判斷中的應用。利用計算機視覺技術可以對電力系統中的開關刀閘位置和繼電保護壓板的位置進行監測。開關刀閘具有三種狀態，分別為閉合、斷開和異常。若開關刀閘位置不適當會影響到系統的工作狀態。利用計算機視覺技術可以自動識別其工作狀態，并對不正常狀態進行報警。繼電保護壓板會隨著電網或者變電站的運行方式的變化而變化。操作規范要求值班人員對壓板的位置進行確認和糾正。若壓板位置不正確會導致繼電保護出現錯誤動作甚至引發事故。在壓板監測方面，由于壓板電信息不明辨，傳統檢測方式不易對其進行檢測，若采用計算機視覺技術，利用成像技術對壓板盤面進行圖像采集，然后通過圖像識別技術對獨享進行識別，即可實現對壓板位置的判斷。
計算機視覺技術及應用范文4
1.1自動化程度高
計算機視覺可以實現對農產品的多個外形和內在品質指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。
1.2實現無損檢測
由于計算機視覺技術對農產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穩定的檢測精度
設計的運行程序確定后，計算機視覺技術的識別功能就會具有統一的識別標準，具有穩定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。
2計算機視覺技術在食品檢測中的應用
20世紀70年代初，學者開始研究計算機視覺技術在食品工業中的應用，近幾十年電子技術得到快速發展，計算機視覺技術也越來越成熟。國內外學者在研究計算機視覺技術在食品工業中的應用方面主要集中在該技術對果蔬的外部形態（如形狀、重量、外觀損傷、色澤等）的識別、內部無損檢測等方面。國內有關計算機視覺技術在食品業中的應用研究起始于90年代，比國外發達國家晚20多年，但是發展很快。
2.1計算機視覺技術在果蔬分級中的應用研究
計算機視覺技術在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內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準所規定的5mm分類標準差，可在工業生產中很好應用。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在蘋果檢測與分級中的應用，結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律為理論基礎，結合模糊聚類知識利用計算機視覺技術來檢測蘋果缺陷域，檢測不僅快速而且結果精確。劉禾等［7］通過研究認為蘋果的表面缺陷可以利用計算機視覺技術進行檢測，計算機視覺技術還可以將蘋果按照檢測結果進行分級，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，應義斌等［8］通過計算機視覺技術、圖象處理技術、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等［9］綜合運用計算機視覺技術、遺傳算法、多層前饋神經網絡系統，實現了具有精確度高、靈活性強和速度快等優點的蘋果成熟度自動判別。陳育彥等［10］采用半導體激光技術、計算機視覺技術和圖像分析技術相結合的方法檢測蘋果表面的機械損傷和果實內部的腐爛情況，初步驗證了計算機視覺技術檢測蘋果表面的損傷和內部腐爛是可行的。馮斌等［11］通過計算機視覺技術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，該方法比傳統的檢測方法速度快、準確率高，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，結果顯示準確率高達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性，然而根據相關性，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據，對蘋果的外徑、體積、以及圓形度等參數進行處理，與人工檢測相比，計算機視覺技術具有檢測效率高，檢測標準統一性好等優點。Blasco.J［15］通過計算機視覺技術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、輸送轉換系統、輸送翻轉系統、差速勻果系統和分選系統，研制出一款適于實時監測、品質動態的智能分級系統，能夠很好地實現蘋果分級。王江楓等［17］建立了芒果重量與攝影圖像的相互關系，應用計算機視覺技術檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。
2.2計算機視覺技術在禽蛋檢測中的應用研究
禽蛋企業在生產過程中，產品的分級、品質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，計算機視覺技術可以很好的解決這類產品工業生產中存在的困擾。歐陽靜怡等［18］利用計算機視覺技術來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態濾波和BET算法等優化后的圖像處理技術，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺技術對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等［19］以計算機視覺技術為基礎，設計出一套雙黃雞蛋檢測系統。該系統獲取蛋黃指數、蛋黃特征和蛋形尺寸等特征，和設計的數學模型對比來實現雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等［20］人通過高分辨率的數字攝像頭獲取雞蛋圖像，根據圖像特征建立數學模型來預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺技術對雞蛋的新鮮度、貯藏期進行預測的結果準確率為94%。潘磊慶等［21］通過計算機視覺技術和聲學響應信息技術相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。MertensK等［22］人基于計算機視覺技術研發了雞蛋的分級檢測系統，該系統識別帶污漬雞蛋的正確率高達99%。
2.3計算機視覺技術在檢測食品中微生物含量的應用研究
計算機技術和圖像處理技術在綜合學科中的應用得到快速發展，在微生物快速檢測中的應用也越來越多，主要是針對微生物微菌落的處理。食品工業中計算機視覺技術在微生物檢測方面的研究和應用以研究單個細胞為主，并在個體細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為基礎，設計了一套應用計算機視覺技術快速定量檢測食品中大腸桿菌的系統，該系統檢測結果與傳統方法的檢測結果具有很好的相關性，但與傳統方法相比，可以節省5d時間，檢測時間在18h以內，并且能夠有效提高產品品質。Lawless等［24］人等時間段測定培養基上的細胞密度，然后通過計算機技術建立時間和細胞密度之間的動態關聯，利用該關聯可以預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，根據菌落的邊緣形態計算機可以顯示被檢測菌落的具置，并且根據動態關聯計算機視覺系統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用于豬肉的分級進行了研究，結果顯示計算機視覺技術在識別豬肉表面微生物數量上與國標方法檢測的結果顯著相關，該技術可以有效地計算微生物的數量。Bayraktar.B等［26］人采用計算機視覺技術、光散射技術（BARDOT）和模式識別技術相結合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態特征有，對圖像進行分析處理達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、人工神經網絡、圖像處理等技術，用分辨率為520萬像素的數字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態學的8個特征參數進行檢測，檢測結果與傳統檢測結果顯著相關（相關系數R=0.9987），和傳統檢測方法相比該方法具有操作簡單、快速、結果準確、適合現場快速檢測等特點。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和微生物數量進行識別，并以此作為衡量乳制品質量是否達標的依據，并對產品進行分級。
2.4計算機視覺技術在其他食品產業中的應用研究
里紅杰等［30］通過提取貝類和蝦類等海產品的形狀、尺寸、紋理、顏色等外形特征，對照數學模型，采用數字圖像處理技術、計算機識別技術實現了對貝類和蝦類等海產品的無損檢測和自動化分類、分級和質量評估，并通過實例詳細闡述了該技術的實現方法，證實了此項技術的有效性。計算機視覺技術還可以檢驗玉米粒形和玉米種子質量、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對圖像進行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47％，因此得出結論：計算機視覺技術可以應用于毛葉棗的自動分級。GokmenV等［33-34］通過對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數來研究薯片中丙烯酰胺的含量和褐變率的關系，結果顯示兩項參數相關性為0.989，從而可以應用計算機視覺技術來預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中得到廣泛應用。韓仲志等［35］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對花生內部和外部采集圖像，并通過圖像對其外在品質和內在品質進行分析，并建立相應的數學模型，該技術在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等［36］人以國家標準為依據，通過數字攝像技術獲取豬肉的細菌菌斑面積、脂肪細胞數、顏色特征值以及氨氣等品質指標來實現豬肉新鮮程度的分級辨認。
3展望
新技術的研究與應用必然伴隨著坎坷，從70年代初計算機視覺技術在食品工業中進行應用開始，就遇到了很多問題。計算機視覺技術在食品工業中的研究及應用主要存在以下幾方面的問題。
3.1檢測指標有限
計算機視覺技術在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結果誤差較大［37］。例如，Davenel等［38］通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結果顯示，系統會把花萼和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer［39-40］等以計算機視覺為主要技術手段，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
計算機視覺技術針對單一種類的果蔬分級檢測效果顯著，但是，同一套系統和設備很難用于其它種類的果蔬，甚至同一種類不同品種的農產品也很難公用一套計算機視覺設備。Reyerzwiggelaar等［41］利用計算機視覺檢查杏和桃的損傷程度，發現其檢測桃子的準確率顯著高于杏的。Majumdar.S等［42］利用計算機視覺技術區分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。
3.3檢測性能受環境制約
計算機視覺技術及應用范文5
以下為報告詳細內容：
計算機視覺行業規模將進一步擴大
iiMedia Research(艾媒咨詢)數據顯示，2016年中國人工智能產業規模已突破100億元，以43.3%的增長率高速增長，預計2017年產業規模將以51.2%的增長率達到152.1億元，并于2019年增長至344.3億元。
艾媒咨詢分析師認為，中國人工智能產業起步相對較晚，隨著科技、制造等業界巨頭公司的布局深入，人工智能產業的規模將進一步擴大。計算機視覺作為人工智能的子領域，其發展和應用也很大程度受到人工智能核心技術的影響。未來，作為人工智能子領域的計算機視覺產業規模也會相應擴大。
計算機視覺用戶市場有待挖掘
iiMedia Research(艾媒咨詢)數據顯示，2017上半年網民對于計算機視覺行業整體了解程度還不深，智能識別貼圖應用以63.8%的了解比例名列各領域之首，其余領域網民了解比例均未超過五成。艾媒咨詢分析師認為，計算機視覺行業作為新興行業，其概念還未深入大眾群體，大眾對于其作用了解程度不深，未來計算機視覺行業用戶市場開發潛力較大。
計算機視覺整體滲透率低
iiMedia Research(艾媒咨詢)數據顯示，2017上半年網民中，有四成用戶使用過圖搜索功能。還有六成用戶仍未使用過圖搜索功能。圖搜在技術計算機視覺領域中已經發展比較成熟，然而在網民種的滲透率仍不高。艾媒咨詢分析師認為，計算機視覺作為新興技術，其投入實際應用時間較短，且技術依托的平臺種類和數量都較少，用戶市場培養還需時間。
圖搜功能獲用戶認可
iiMedia Research(艾媒咨詢)數據顯示，在對2017上半年使用過“圖搜”功能的網民準確率感知調研中，將近七成的用戶對“圖搜”功能的準確率給予肯定。“圖搜”技術已經較為成熟，正在逐漸將便利帶到用戶生活中，未來隨著“圖搜”功能進一步在各應用中擴張，其區別于傳統搜索的優勢將會更明顯被用戶感知。
2017上半年網民圖搜索場景分布
iiMedia Research(艾媒咨詢)數據顯示，2017上半年圖搜網民中，69.6%的用戶在搜索引擎中使用圖搜功能，網購場景下使用圖搜功能的用戶占比53.5%。艾媒咨詢分析師認為，搜索引擎直接應用了圖搜功能，發展較早，故用戶基礎較扎實，其余領域中，網購圖搜變現能力最強，是廠商優先合作的重點領域。
邊看邊買用戶市場潛力較大
iiMedia Research(艾媒咨詢)數據顯示，2017上半年邊看邊買網民滲透率僅有11.9%，而在未嘗試過人群中，有意愿進行嘗試的人群超過六成。艾媒咨詢分析師認為，明星經濟拉動下，同款銷售具有宣傳效應加成。邊看邊買技術一方面可以加強視頻門戶的變現能力，一方面作為流量入口能夠為電商平臺導入流量，且對于消費者來說，智能匹配同款可以減少其搜索篩選的時間成本，未來市場有較大發展潛力。
實名制機器認證部分取代人工 未來規?？礉q
iiMedia Research(艾媒咨詢)數據顯示，2017上半年機器實名制認證網民滲透率為43.6%，有超一半用戶未使用過機器實名制認證功能。隨著計算機視覺技術發展，在廣州、上海等城市已經開始使用機器實名制認證部分或全部代替人工認證，以減少人工成本，釋放勞動密集產業用工壓力。艾媒咨詢分析師認為，隨著時間檢驗和技術進一步成熟，機器實名制會進一步向中小城市滲透，未來網點鋪設規模有望進一步擴大。
機器認證效率獲用戶認可
iiMedia Research(艾媒咨詢)數據顯示，2017上半年使用過機器實名制認證的網民中，82.6%的用戶表示機器實名制認證加快了驗證流程。艾媒咨詢分析師認為，計算機視覺精準快速無主觀性的特點和實名制認證流程要求相匹配，在技術比較成熟的情況下，能夠提高驗證效率，緩解鐵路站點因人工驗證慢導致的擁擠、乘客等候過久等現象。此技術在中國各鐵路站點會慢慢滲透，應用規模有望擴大。
個人信息泄露成為用戶刷臉支付最大顧慮
iiMedia Research(艾媒咨詢)數據顯示，2017上半年了解刷臉支付的網民中，59.0%認為個人信息泄露是刷臉支付最大隱患。識別不準確和使用渠道不暢通分別以57.6%和41.9%位列第二和第三名。
艾媒咨詢分析師認為，作為個人信息比較敏感的金融支付領域，用戶對于信息安全重視度相較其他領域更高，而2017年初315晚會對刷臉支付泄露個人信息隱患的點名，無疑為刷臉支付規模擴張設置障礙，加強用戶信息保障能力，獲取用戶對于技術安全的信任是刷臉支付未來重點發力方向。另外，由于計算機視覺概念未在大眾群體中普及，其規?；枰劳袌鼍按罱ǎ适褂们罆惩ㄒ部梢灾涌煨袠I規?；M程。
精確性+場景化：C端市場打開方式
iiMedia Research(艾媒咨詢)數據顯示，2017上半年中國網民對于計算機視覺行業的愿景分布中，準確率更高以64.3%的關注度成為用戶最期待改進方向，使用更加方便和保障信息安全也是用戶重點關注問題。艾媒咨詢分析師認為，行業發展初期，用戶對概念理解程度不高，易產生“不易”使用的印象而不愿進行嘗試，未來商家可嘗試提供裝備完全的硬件設備和解決方案，并嘗試豐富使用場景，讓計算機視覺更易被廣泛網民接受。
計算機視覺在生活化場景中的使用最被C端用戶期待
計算機視覺技術及應用范文6
關鍵詞：三目攝像機；標定；立體視覺；外部參數
一、緒論
1.1研究的背景及意義
計算機視覺是當今極為重要的學科之一，它在具有很強的挑戰性的同時又擁有廣泛的應用前景和實用價值。計算機視覺以視覺理論為中心，以圖像處理、模式識別、計算機技術和生理學、心理學為基礎，研究內容主要有兩個方面：一是開發從輸入圖像數據自動構造場景描述的圖像處理系統；二是理解人類視覺機理，用機器代替人去做人類難以達到或根本無法達到的工作[1]。
計算機視覺應用的廣泛性體現在其不僅用于文字、指紋、面部、商標以及圖像數據庫、檢測集成電路芯片、多媒體技術這些圖像方面，還應用到機器人導航、工業檢測和產品的自動裝配、CT圖像器官重建和遙感照片解釋等空間物體的定位、識別以及重建上。現如今，計算機視覺已經應用到機器人、地理、醫學、物理、化學、天文等各大的研究領域。
作為多個學科交叉與融合中心的計算機視覺，攝像機是其研究的重要工具，而攝像機標定又是計算機視覺研究的一個關鍵問題，故攝像機的標定越來越受到廣泛的重視。攝像機標定是通過物體空間上的點與圖像中的對應點的幾何關系，來確定攝像機的內外參數的過程。標定結果是否準確影響著三維測量的精度和三維重建的結果，而且實時的標定更能滿足自動導航機器視覺的需要[2]。
伴隨著應用的發展，攝像機廣泛地被應用于三維立體的測量、視覺檢測、運動檢測等領域。由此，對攝像機標定的精度要求也日益增加。攝像機標定結果的優劣影響了計算機視覺在各領域的應用。攝像機標定的準確與否，對能否提高計算機視覺在各領域測量的準確度有重要影響[3]。因此，研究攝像機標定方法具有重要的理論研究意義和實際應用價值。
1.2攝像機標定技術研究的發展及現狀
攝像機有一個圖像平面和提供三維空間到圖像平面轉換的鏡頭。由于鏡頭會產生畸變，不能把這個轉化過程簡單描述為投射變換。所以它表示的是畸變的模型，這些模型近似于真實數據，而其精確性則依靠于建立的模型及模型參數的準確性。
首先進行攝像機標定工作的是加拿大的Deville，他于1910年建立實驗室，使用多個瞄準儀對他的“測量攝像機”（surveying camera）進行標定[4]。上個世紀三十年代后期，美國標準局發明了一種精確鏡頭，用來檢測攝像機，同時將它用在攝像機標定上。四十年代后期，該項工作得到進一步加深，有了更多對高精度的需求和對易操作設備的需求。1955年，Carman出版了 《棋盤平面度的干涉測量和控制》，該書引起了社會各界對攝像機標定的關注。二戰時期，隨著飛機的大規模使用，航空攝影與制圖興起，為得到更加精確的測量結果，對攝像機鏡頭的校正要求也變得更高。五十到七十年代也是鏡頭校正技術發展最為迅速的時間段。在這期間，各種鏡頭像差的表達式逐步被提出并且得到普遍認同與采用，建立了很多的鏡頭像差的模型，D.C.Brown等人作出了比較大的貢獻，他們導出了近焦距情況下給定位置處徑向畸變表達式并證明了近焦距情況下測量出鏡頭兩個位置的徑向畸變就可以求出任何位置的徑向畸變[5]。這些徑向與切向像差表達式成為后來各攝像機的標定非線性模型的基礎。這段時間里，研究的重點是如何校正鏡頭與用何種方法補償鏡頭像差，這些研究對促進各性能鏡頭組的研制起到了重要作用。在1999年，張正友提出了一種簡便的攝像機標定方法，該方法介于傳統標定和自標定之間，操作方便靈活，能夠得到不錯的精度，滿足了眾多擁有桌面視覺系統的用戶在攝像機標定方面的需求。
1.3本文的主要研究內容
本文的主要研究多個攝像機的標定問題。標定主要是對攝像機內外參的測量計算，利用這些參數對多個攝像機識別的物體尺寸進行衡量并建立起多攝像機系統的數字環境。
論文的內容包括：
第一章為緒論，介紹攝像機標定相關的研究背景、國內外研究現狀。
第二章為攝像機標定理論基礎：主要介紹標定的坐標系與待標定的參數。
第三章提出本文的多攝像機標定方法與實驗過程。
第四章進行全文的總結。
二、攝像機標定方法研究
2.1攝像機標定原理
攝像機通過透鏡將三維物體投影到--維圖像平面上，這個成像變換的過程稱為攝像機成像模型。攝像機成像模型有多種，最常用的為小孔成像模型。由于實際的攝像機鏡頭會發生一定的畸變，使得空間點所成的像不在線性模型描述的位置而會發生一定的偏移，為了能準確的標定攝像機參數，標定的過程中要考慮非線性畸變因子。
一般來說，得到標定結果后要對其精度進行評估，然而很難得到準確的攝像機標定參數真值作為參考，其中基于圖像坐標和世界坐標的絕對和相對誤差的評價方法應用廣泛，本文將對這些方法的原理進行探討。
2.2攝像機標定坐標系建立
首先定義了四個坐標系，如圖1所示，圖像坐標系的坐標原點為O0，列與行由坐標軸u和v表示；成像平面坐標系的原點是攝像機光軸與圖像坐標系的交點0l，x、y 軸分別與u、v 軸平行；在攝像機坐標系中，坐標原點0c即為在攝像機的光心，Xc、Yc軸與x、y 軸平行，與圖像平面垂直是攝像機光軸作為Zc軸，0c0l為攝像機焦距f；世界坐標系是假想的參考坐標系，可固定于場景中某物體上，用于描述攝像機的位置，由Xw，Yw，Zw軸組成。
圖（1）
2.3攝像機外部參數構成
主動視覺傳感器從在笛卡爾直角坐標系中的運動表現為相應的旋轉矩陣和平移矩陣，故攝像機外部參數表現為旋轉矩陣R和平移矩陣T，則攝像機坐標系與世界坐標系的轉化關系可以表示成：
上式中（Xc，Yc，Zc）表示空間點在攝像機坐標系下的坐標，（Xw，Yw，Zw）表示空間點在世界坐標系下的坐標。根據靶標點在像空間坐標系和物方空間坐標系中的坐標，通過分解旋轉矩陣線性計算像空間坐標系與物方空間坐標之間的轉換參數，即外方位元素（攝站參數）[6]。
2.4各攝像機相對位置確定
三目攝像機擁有三個視覺傳感器，而三個傳感器之間的相對位置可通過已獲得的外部參數進行確定。將三個攝像機坐標系設置為，Oci xci yci zci（i=1，2，3），由2.3中所介紹的內容可知，這三個攝像機坐標系與世界坐標系的關系為：
i=（1，2，3）
由此我們可以得到任意兩個攝像機i，j的坐標系轉換關系：
其中： = = i，j=1，2，3
三、攝像機標定實驗過程及結果
3.1實驗系統介紹
實驗中被用來標定的是一個多攝像機系統，攝像機標定有關的基本參數、系統組成和開發環境如下：
（1）硬件環境
標定板、三目攝像機和圖像采集卡等。
（2）軟件環境
OpenCV開源視覺庫，它僅由一系列C函數和少量C++類構成，為Python、MATLAB等語言提供了接口，在圖像處理和計算機視覺方面實現了很多通用算法。
3.2實驗過程
本系統以棋盤格模板作為標定模板。采用激光打印機打印棋盤格黑白方塊間隔紙，方塊邊長為3cm，共6行9列，將打印紙固定在一塊平板上，作為標定模板，如圖（2）。安裝三目攝像機系統，調節固定好個攝像機位置，如圖（3）。手持標定板在三目攝像機前方各個位置拍攝5組共15張各姿態的照片，利用Canny算子進行像點灰度中心提取、同名像點匹配并解算出三個攝像機在標定板坐標系中的外部參數值。
3.3標定結果
攝像機1：
R= T=
攝像機2：
R= T=
攝像機3：
R= T=
四、總結
隨著計算機技術的高速發展，計算機視覺成為當今熱門的研究課題，受到了廣泛關注。本文就如何在機器視覺的理論基礎上對三目視覺系統進行標定進行了研究，討論了計算機視覺理論知識，分析攝像機標定原理以及標定坐標系的建立。同時通過計算機視覺知識的分析討論了基于三目視覺系統的攝像機標定技術，完成了三目視覺系統的外部參數標定實驗。三目攝像機測量系統外部參數的標定能夠解決測量作業現場、測量控制場建立難的問題，為快速地建立簡單實用的控制場提供了方案，有一定的實用價值。
參考文獻
[1] 荊麗秋.雙目視覺系統標定與匹配的研究與實現[D].哈爾濱工程大學，2009.DOI：10.7666/d.y1489086.
[2] 馬頌德.計算機視覺―計算理論與算法基礎[M].北京：科學出版社，1998.
[3] 王榮一.攝像機標定及關鍵技術研究[D].哈爾濱理工大學，2011.DOI：10.7666/d.y2012483.
[4] Clarke T A，Fryer J G.The development of camera calibration methods andmodels.Photogrammetric Record，1998，16（91）：51-66
[5] Brown D C.Decentering distortion of lenses.Photogrammetric Engineering，1 966，32（3）：444-462.
[6] 范亞兵，黃桂平，高寶華等.三目立體工業攝影測量系統外部參數的快速標定[J].測繪工程，2012，21（5）：48-52.DOI：10.3969/j.issn.1006-7949 .2012.05.013
