前言：中文期刊網精心挑選了計算機視覺開發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。
計算機視覺開發范文1
關鍵詞：檢修；預決算；定額；ERP；Ajax；AOP/IOC
中圖分類號：TP311.52
隨著中國國內經濟的持續發展，國有大型石化化工企業為了加快企業發展和增強市場競爭力，需對原有煉油及化工生產裝置進行改造、擴建及設備檢維修，這些項目的結算過程通常采用手工結算方式，即使ERP上線后，設備檢維修項目的結算仍然按線下手工結算方式，這種結算方式過程中往往涉及的部門、人員較多，甚至涉及外部造價咨詢機構，處理的環節和工單數量也非常多，目前采用紙質傳遞、手工核算，審核痕跡不便查詢，各級審核人員的工作量將相當龐大，容易造成出錯，同時審核效率低，對施工單位也造成諸多不便。
為了解決石油化工行業工程項目預決算管理手工核算的問題，目前國內許多企業都做了一些有意義的探索，希望通過信息系統將工程結算流程實現電子化在線執行，提高工作效率，避免因手工操作引起的人為錯誤等，同時在流轉過程中會保留每一步的操作痕跡，并且人員的查看、修改、審核權限控制到單據的字段級別，不同人員根據分配的不同權限，處理各自的業務。此外，能與ERP系統的通過接口集成，以獲取項目的相關信息，驗證結算工程項目的合法性。
1 開發內容
（1）檢修預決算電子化管理系統將提高檢修項目結（預）算審核效率。檢修項目結算整個流程涉及的部門及人員多，審核環節多，工單數量多，目前采用紙質傳遞、手工核算，審核效率低，審核痕跡不便查詢。采用此系統后，實現全流程網上流傳、審核，提高ERP勞務工單結算及時性，及時掌握檢修項目結（預）算動態。
（2）本系統與ERP系統后臺實時關聯。此系統作為ERP工單結算的輔助系統，實時提取ERP模塊每張勞務工單數據信息，在此系統實現勞務工單結算網上審核，結算終審價再按ERP操作規則，進行SES（收貨過賬）并對工單進行技術完結。
（3）本系統進一步提高計價定額執行的統一性。在此系統實現本公司檢修計價定額庫管理，進一步提升檢修結算的工程量簽證、結（預）算計價等表單模版的規范化管理水平，嵌入檢修項目計價定額庫以及常規檢修項目統一計價表，對人工取費、材料費、機械臺班費定期統一維護，便捷追溯檢修項目計價的歷史記錄，對同類或類似項目計價進行查詢、對比，提高審核效率。
（4）本系統強化檢修項目結算的報表統計、過程跟蹤、考核。按ERP工單類型、作業類型、專業類型、時間等參數，在此系統實現實時查詢統計，對審核流程各環節進行跟蹤、提醒等動態管理，強化管理工作績效考核。
2 工藝技術
本開發和設計堅持繼承與創新，堅持現有技術與先進性、前瞻性統一，堅持系統安全性與操作靈活性統一，堅持研究與實踐緊密結合的模式。
本開發和設計的實現基于B/S結構的多層應用，客戶端不需要安裝應用，只需要IE或FireFox等瀏覽器就可以操作。由于采用HTTP協議，服務器只需對外開通“80”WEB服務端口，有效阻止網絡攻擊。
在實現方式采用以J2EE為技術框架，J2EE有著穩定、靈活、安全、可伸縮性強、易維護、支持異構環境、支持多種操作系統等先天的優勢，有大量成功的商業系統案例，保證的系統健壯性。
使用網絡WEB技術，結合ERP模塊和定額庫，實現預決算網上在線審批和管理。根據ERP工單確定檢維修預決算書工程量簽證的來源依據，進行工程量核實程序，然后根據石油化工行業定額或地方定額編制預決算書，并通過可定制的流程實現預決算書的流轉過程；審批流轉過程中系統記錄了工程量簽證和定額修改的歷史痕跡和變化的過程，并且系統可以通過Ajax技術清楚的回顯預結算的審核修改過程，而且施工單位可以實時跟蹤預決算書審核過程；結合系統數據庫可以對預決算書和各階段審核數據即時查詢和統計分析，可以達到很好地控制設備檢維修費用的作用，確保設備和裝置的安穩長運行。
通過AOP/IOC技術，基于系統核心工作流程，實現預決算的高效審核。通過制定控制審核限制和對接期限、ERP采購訂單等業務策略，以及基于定額庫關聯關系，制定預決算審核過程中定額、取費等數值計算規則和策略，達到審核高效的目的。
3 結構設計
整個開發和設計分為二個層次，基礎模塊和業務模塊，如圖1所示?；A模塊包括基礎信息配置模塊和權限管理；業務模塊包括工作流模塊和統計分析，工作流模塊是系統的核心模塊，通過配置，實現簽證單和結算書的多種審核流程。
4 功能特點
4.1 網上審核，及時反饋。通過全流程網上流傳、審核，及時掌握檢修項目結算動態，可以有效地提高各級審核員的辦事效率；同時給各個施工單位以明確的審核結果出示時間，可以有效地促進施工單位、項目所在單位和各級審核單位之間的工作協調。同時施工單位可以在本單位進行數據上傳和審核結果查看、修正等工作，不用再頻繁的來往于本單位和審核單位之間。
4.2 結算單數據自動核對、計算。通過網上審核，系統可以充分利用信息技術來實現結算的數據自動核對、計算；系統可以實現實時計算功能，即在用戶修改單據某個數據后，馬上根據修改內容自動計算相關聯的數據。通過這些功能，可以大大減少審核員的工作量，避免誤算，提供審核效率。
4.3 進一步提高計價定額執行的統一性。通過內置定額庫管理，進一步提升結算的工程量簽證、結算計價等表單模版的規范化管理水平，嵌入項目計價定額庫以及常規檢修項目統一計價表，對人工取費、材料費、機械臺班費定期統一維護，便捷追溯檢修項目計價的歷史記錄，對同類或類似項目計價進行查詢、對比，提高審核效率和計價管理水平。
4.4 保留審核操作痕跡。在本系統中，每一步的審核過程中都會將數據修改痕跡保留下來，審核員在審核過程中可以查看前面審核人員的數據修正紀錄。在結算書審核完之后，這些修改的歷史紀錄會保存下來，供以后核查。
4.5 歷史數據查詢統計。以數字信息方式存在的結算單審核數據可以有效地進行歷史數據的管理，不用擔心數據丟失、查詢困難的問題。用戶可以方便的查詢歷史數據，同時根據選定條件來做數據的統計和分析，把歷年“死”數據盤活起來。
4.6 強化過程跟蹤、考核。通過系統進行審核流程各環節進行跟蹤、提醒等動態管理，分析某一段時間內的特定審核員的審核速度、準確程度，可以為對各級審核員的績效考核提供有用的數據基礎，強化管理工作績效考核。
5 結論
實現結算書全流程網上流傳、審核，減少結算過程中的計算差錯、結算書丟失、查找結算書困難等問題，提高勞務工單結算及時性，及時掌握檢修項目預決算動態，推進規范管理工作，強化管理工作績效考核。大力推進工程結算管理工作進步，通過信息技術帶來管理效益，同時通過和其他信息系統的整合，有效的提高企業的整體信息化水平。
參考文獻：
計算機視覺開發范文2
關鍵詞：計算機視覺技術；C# ；；作物無損檢測；軟件設計
中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2013）15-3640-03
數字農業和農業物聯網技術作為現代農業最前沿的發展領域之一，是當今世界發展農業信息化，實現農業可持續發展的關鍵和核心技術。數字農業要求快速、實時、準確和定位化的獲取植物生長信息，而農業物聯網技術要求植物信息可實時動態感知，顯然，傳統的實驗室測量分析和信息獲取方法已經不能滿足數字農業和農業物聯網技術的發展要求。因此，研究和開發植物生命信息快速無損檢測技術和傳感儀器等軟硬件平臺已經成為現代農業承待解決的關鍵問題[1]。
目前，國內在作物無損檢測方面的研究儀器主要是依賴進口，而相應的軟件也是伴隨著儀器而購買。此類軟件，一般價格昂貴，而且在自主研究平臺中，因為無法取得源代碼而無法使用或升級，從而出現研究瓶頸。在各類無損化檢測技術中，隨著計算機視覺技術越來越廣泛的應用，對應的軟件系統的開發迫在眉睫[2]。
正是基于這樣的背景，我們通過對目前應用比較廣泛的C#進行研究，利用C#強大的數據處理能力和良好的用戶界面開發，并結合強大的圖像處理能力，進行作物實時檢測軟件平臺的自主設計與開發。
1 計算機視覺技術簡介
計算機視覺也稱機器視覺，是采用攝像機或者數碼相機將被檢測圖像轉化為數字信號，再采用先進的計算機軟件技術對圖像信號進行處理，從而得到所需要的各種目標圖像特征值。并由此實現模式識別，坐標計算等功能。然后再根據其結果輸出數據，發出指令，再配合執行機構完成好壞篩選，位置調整，數據統計等自動化流程。與人工視覺相比較，計算機視覺的最大的優點是快速、精確、可靠，以及數字化。
隨著數字農業和農業物聯網技術的發展，計算機視覺技術將越來越廣泛的應用于農業生產中，而構成計算機視覺系統的軟件系統是整個計算機視覺系統的靈魂。隨著硬件技術的不斷發展完善，計算機視覺系統其功能是否強大，可以說完全取決于軟件系統的能力。
2 軟件系統設計
2.1 C#與
C#是由微軟公司開發的一種面向對象的新型編程語言，它是從C和C++ 中派生出來的，保留了C/C++原有的強大功能，并且繼承了C/C++的靈活性。同時由于是MicroSoft公司的產品，它又同Visual Basic一樣具有簡單的語法結構和高效的開發能力，可以使程序員快速的編寫出基于.NET平臺的應用程序。
一個基于C#框架，專門為C#開發者和研究者設計和開發的，這個框架提供了豐富的類庫資源，包括圖像處理，神經網絡，模糊系統，遺傳算法，人工智能和機器人控制等領域。該框架架構合理，易于擴展，涉及多個較前沿的技術模塊，為相關開發人員或科研人員的工作提供了極大的便利。本系統就是采用C#程序設計語言，通過調用該框架來實現作物無損檢查系統的開發。
2.2 系統設計與實現
本軟件系統是在數碼相機拍攝的作物圖像的基礎上，采用圖像處理方法進行特征提取與分析，從而實現作物的無損檢測。主要分為圖像輸入，圖像預處理，特征提取，特征分析幾個模塊。
1） 圖像輸入
將要分析處理的圖像讀取到系統中來，為后面圖像處理作準備。C#提供了三個最重要的圖像處理類，即Bitmap類、BitmapData類和Graphics類。三種圖像處理的方法，即提取像素法、內存法和指針法。從執行效率和實現難度綜合考慮，本系統的開發采用內存法。
2） 圖像預處理
圖像預處理主要包括圖像的大小調整，形態矯正，平滑和去噪等，以降低環境對拍攝照片造成的不利影響。提供了多個類，可以對圖像進行平滑去噪等操作，本系統中采用了中值濾波算方法，對應中的Median類。
3） 特征提取
特征提取分析，是整個系統的核心所在，需要選取合適的圖像分割算法，對圖像進行處理，提取目標區域，為特征分析作準備。在本系統中采用了閾值分割技術，因為這種算法相對來說比較直接并且易于實現。
采用閾值分割技術，首先，必需確定一個閾值作為圖像分割的閾值，在本系統中，采用自適應閾值法，由用戶在軟件的操作過程中進行設定，并且可以根據需要進行調整。然后，根據這個閾值對圖像進行分割，并將其轉化為二值圖，如圖（b）所示。從圖中我們可以看到二值圖像中存在大量的小孔，這種太小的孔洞對我們進行圖像分析沒有實際意義，并且會干擾結果的正確性，因此我們需要采用腐蝕和膨脹的形態學方法來進行填充孔洞，結果如圖（C）所示。最后，我們需要根據需要提取目標區，涉及到連通區域的提取問題。最后，輸出結果。
4） 特征分析
對圖像分割結果進行分析，用于指導生產實踐。我們可以對通過圖像處理得到的目標區域進行分析，比如可以根據葉片顏色的變化判斷葉綠素含量，進而推算出作物的營養狀況，根據色素區域的大小計算出葉面積，根據不同區域的形狀、大小判斷病蟲害等。
3 實驗結果及分析
軟件運行后主界面如圖3所示。
為驗證本系統的有效性，我們通過設定不同的閾值進行圖像分割，并跟photoshop cs4軟件中魔棒的工具作對比，來提取圖片中的目標區域。測試圖片大小為800px×610px，取特征點坐標P（310，70），該點的RGB值為（29，92，0），獲取目標區域的總像素和綠色分量平均值，數據如表1所示。
從上述表中我們可以看出，本軟件在圖像處理目標區域的提取方面，提取到的目標區域較photoshop 提取的小，綠色分量平均值較photoshop更接近特征點數值，由此看出用本軟件做圖像分割準確性更高。
4 結束語與展望
計算機視覺具有非破壞性、快速、高效、信息量大等特點，目前已在主要的農作物和經濟作物的養分診斷，植物病蟲害的快速檢測及預警預報等方面有了廣泛應用，取得了較好的效果。隨著計算機視覺技術和圖像處理技術的發展，計算機視覺技術將更多的應用于植物長勢預測、產量估計等方面。
通過本次研究，開發了一個交互界面良好的色素分量檢測系統，能對圖像在RGB分量上實現閾值分割，并實現目標區域的獲取分析。該文主要提倡一種軟件開發的理念，所設計開發的軟件的針對性較強，還存在著很多的局限和不足，要作為計算機視覺類的通用軟件，系統的穩定性和功能都還有待進一步提升。
參考文獻：
[1] 劉飛.基于光譜和多光譜成像技術的油菜生命信息快速無損檢查機理和方法研究[D].浙江：浙江大學博士學位論文，2011.
[2] 朱哲燕，陳紅.基于MATLAB的作物信息光譜分析平臺的設計與開發[J].科技資訊，2012（16）.
[3] 蔣麗華.基于計算機視覺技術的葉綠素含量檢測系統[D].蘇州：蘇州大學碩士學位論文，2009.
[4] 趙春江.C#數字圖像處理算法典型實例[M].北京：人民郵電出版社，2009.
[5] 何勇，劉飛，聶鵬程. 數字農業與農業物聯網技術[J].農機論壇，2012（1）.
[6] 張起麗.基于數學形態學的彩色圖像處理研究[D].西安：西北大學碩士學位論文，2009
[7] 冀高.基于數字圖像處理的棉花群體特征提取[D].北京：北京郵電大學碩士學位論文，2007.
計算機視覺開發范文3
關鍵詞：OpenCV；手勢識別；模式識別；圖像處理
中圖分類號：TP368 文獻標識碼：B 文章編號：2095-1302（2015）06-00-03
0 引 言
隨著科技的日益進步，傳統的、基于鍵盤鼠標的人機交互方式略顯單調。各國的研究者們探索著一個又一個新的人機交互方式，而在這些方式中，基于圖像理解的方式已經取得了很大的進展。我們的生活離不開肢體動作，而圖像方式是計算機能夠理解人類動作最直接的方式。圖像處理的研究內容非常廣泛，配合統計、模式識別等學科知識的應用，我們已經能夠識別并理解常用的人類肢體動作。
在肢體動作中，手勢動作又是其中的重點。如今很多新的交互方式都建立在手勢識別理解的基礎上，例如：Microsoft的kinect系統，primesense的生物識別系統等。很多公司已經將其應用到了醫療、教育教學、失語者手勢理解等領域。因此，研究手勢識別理解將會是未來計算機領域的一大熱點。
運動識別系統的進步伴隨著數字圖像處理領域的進步，各國學者相繼開發出了大量優秀的計算機視覺和圖像處理軟件包。大多數軟件包基于計算速度的考慮采用C/C++ 編寫[1]。雖然這些軟件包對計算機圖像處理和計算機視覺的研究提供了很大地便利，但也存在著不足之處[2]：
（1）現行的多數圖像處理平臺沒有提供高級數學函數；
（2）Matlab 的運行速度需要提高并且對宿主機器的配置要求較高；
（3）絕大多數圖像處理庫不支持嵌入式程序開發。
開源計算機視覺庫OpenCV（Open Source Computer Vision Library）的出現極大地彌補了這些不足，給開發者提供了強大的綜合開發平臺。
1 OpenCV簡介
OpenCV（Open Source Computer Vision Library）誕生于Intel 研究中心，是一個開放源代碼的、高質量的計算機視覺庫。它輕量且高效，采用C/C++ 語言編寫，可以運行在Linux/Windows/Mac等操作系統上。OpenCV 還提供了Python、Ruby、Matlab及其他語言的接口[3]。OpenCV中包含了大量經典的計算機視覺處理函數，這些函數涵蓋了機器視覺領域的大多數應用。OpenCV提供的視覺處理算法非常豐富，利用其開源特性，只要開發者處理得當，不需要添加新的外部支持也可以支持完整的編譯鏈接生成執行程序。
OpenCV 現行版本為2.4.11.0，已放出了3.0.0的Beta版本?，F行版本的OpenCV分為18個模塊，其中常用的有8個模塊：
（1）Core：定義基本的數據結構，包括矩陣和被其他模塊使用的公共函數；
（2）Imgproc：包含線性和非線性圖像過濾器、幾何圖形變化、色彩空間變化等功能；
（3）Video：包含運動分析、背景剪切和對象追蹤等功能；
（4）Calib3d：包含多視角集合算法、3D重建等功能；
（5）Features2d：包含特征匹配等功能；
（6）Objdetect：包含預定義對象距離探測等功能；
（7）Highui：包含一個簡單易用的高層級接口，用以抽象不同操作系統對視頻提取和圖像操作的功能；
（8）GPU：包含GPU加速相關的算法，這些算法可以被其他模塊使用以加速程序的運轉。
2 手勢識別簡介
根據計算機系統檢測手勢姿態的傳感器的不同，我們可以將手勢識別理解系統分為兩類：一是利用數據手套獲相關技術；二是利用計算機視覺捕獲和處理圖像流。利用數據手套捕獲技術實現的手勢識別系統使用不方便，用戶需要學習的內容多且使用場景受到限制，而且成本較高[4]。而基于計算機視覺的手勢識別系統則具有使用場景廣闊、使用習慣符合人體本能、傳感器成本低、普及率高等優勢。
基于圖像的手勢識別系統一般可分為手勢姿態圖像采集、手勢姿態圖像分割、手勢姿態特征提取及手勢姿態識別四個步驟[5]。
在大量手勢識別系統的實際開發過程中，都牽扯到使用膚色過濾系統來分割獲取手勢的binary圖像。手勢姿態的binary圖像的獲取關系到后期手勢姿態理解的穩定性和準確性，但是人體的手部顏色受到個體差異、光源顏色以及光照角度的影響，其中任何一個因素變化都將造成陰影、遮蔽等不良影響[6]。手勢識別的方法主要有4種，具體見表1。
表1 手勢識別方法靜態識別[7] 動態識別[8]
模板匹配法（TM） 動態時間規整法（DTW）
神經網絡法（NN） 隱馬爾可夫模型法（HMM）
本文首先使用YCrCb膚色分割算法在使用者在線模式下提取使用者手勢姿態30組，利用30組手勢姿態的均值測量出使用者手部的色彩平均值；然后提取環境光照的平均值、極大值和極小值，利用環境關照的取值和手部均值做運算，特定區域內找點最少的環境光照值和手部均值，最后利用這兩個值進行手勢姿態圖像binary處理。將得到的binary圖像進行特征化處理，得到手部特征點，通過對特征點的運算，得到最終的手勢姿態理解。
3 手勢姿態的binary處理
手勢姿態的binary處理核心代碼如下：
主函數：
frame = cvQueryFrame（capture）；
//讀取一幀圖像
//cvShowImage（ “Main_cam” ， frame）；
if（ ！frame ） break；
assert（ 0 ==
binary_image_process（ frame ， mask ， high_threshold1 ， high_threshold2 ， high_threshold3 ， &is_get_binary ）
）；
cvShowImage（ “Binary_cam” ， mask ）；
//binary_image_process函數，使用環境光和膚色在線測量均值得到的三個閾值：threshold1，threshold2，threshold3，分別對應YCrCb顏色空間的Y，CR，CB通道：
IplImage* ycrcb = cvCreateImage（ cvGetSize（frame） ， 8 ， 3 ）；
cvCvtColor（ frame ， ycrcb ， CV_BGR2YCrCb ）；
for（int i=0 ； i < ycrcb->height ； i++ ） //二值化
{
uchar *row = （uchar *）（ycrcb->imageData） + i * ycrcb->widthStep；
for（int j=0 ； j < ycrcb->width ； j++ ）
{
uchar *p = row + 3*j ；
//if（ *（p+1） > threshold2 && *（p+2） < threshold3 ）//||
if（ *（p） < threshold1 ）
{
binary_image->imageData[ i * （binary_image->widthStep） + j ] = 255； // 白色
}
else
{
binary_image->imageData[ i * （binary_image->widthStep） + j ] = 0； // 黑色
}
}
}
IplConvKernel *element = cvCreateStructuringElementEx（ 4 ， 4 ， 0 ， 0 ， CV_SHAPE_RECT ）；//創建用于腐蝕的核函數
cvErode（ binary_image ， binary_image ， element ， 1）； // Erotion
cvDilate（ binary_image ， binary_image ， NULL ， 1）； // Dilation
cvReleaseStructuringElement（ &element ）；
cvReleaseImage（ &ycrcb ）；
經過提取的手勢識別binary圖形如圖1（a）～（e）所示。
可見此方法提取的binary圖像清晰準確，具有利用價值，可以為后期的特征提取與識別創造有利條件。
（a） （b）
（c） （d）
（e）
圖1 手勢識別binary圖形
4 手勢姿態特征的識別與理解
首先，我們通過對最小包絡圓和手腕的計算得出手掌心的位置，然后利用每個點與相鄰點做向量外積計算是否為手指尖點和手縫點，最后即可得出手勢姿態的全部特征點。
//計算整個輪廓的中心點
for（ int i=0 ； i < real_contours_number ； i++ ）{
contour_rectangle = cvMinAreaRect2（ sort_contours[i] ， 0 ）；
arm_center[i].x = cvRound（ contour_rectangle.center.x ）；
arm_center[i].y = cvRound（ contour_rectangle.center.y ）；
cvCircle（ frame ， arm_center[i] ， 10 ， CV_RGB（255，255，255） ， -1 ， 8 ， 0 ）；
}
//取得凸包，畫出指縫
for（ int i=0 ； i < real_contours_number ； i++ ）{ get_convex_hull（ i ）；
finger_tip（ i ）；
hand（ i ）；
cvClearSeq（ hull ）； //清空凸包序列
cvClearSeq（ defect ）；
}
最終，得到的含有全部手勢特征點的圖像如圖2（a） 、圖2（b）所示。
（a） （b）
圖2 含有全部手勢特征點的圖像
5 結 語
新版本的OpenCV計算機視覺庫給我們提供了很強大的計算機視覺處理能力，利用其提供的高級別函數和矩陣運算能力，開發者們可以開發出大量基于圖像的應用。利用OpenCV強大的可移植能力，開發者可以使用相應的移植工具將PC平臺上的成果轉化到移動端，這將會為開發者創造新的機會。
參考文獻
[1]喻擎蒼， 翁秀娟， 趙勻，等.交互式開放結構計算機視覺平臺[J]. 計算機工程與應用，2006，42（23）：78-81.
[2]秦小文， 溫志芳， 喬維維. 基于OpenCV的圖像處理[J]. 電子測試， 2011（7）：39-41.
[3]于仕琪， 劉瑞禎. 學習OpenCV（ 中文版）[M]. 北京：清華大學出版社，2009.
[4] LEE C， XU Y. Online interactive learning of gestures for human /robot interfaces [C] Proceedings of the 1996 IEEE International Conference on Robotics and Automation. Washington，DC： IEEE Computer Society Press，1996，4： 2982-2987.
[5]趙健， 張冬泉. 基于OpenCV的數字手勢識別算法[J]. 計算機應用， 2013， 33（z2）：193-196.
[6] SURAL S，QIAN G，PRAMANIK S.Segmentation and histogram generation using the HSV color space for image retrieval[C] of the 2002 International Conference on Image Processing.Piscataway： IEEE，2002： 589 - 592.
計算機視覺開發范文4
近日，國內創業公司商湯科技宣布獲得4.1億美元B輪融資，這是截至目前為止全球范圍內人工智能領域單輪最高融資。至此，這家成立僅三年的公司累計融資額達4.5億美元，估值超過15億美元，成為全球融資額最高的人工智能獨角獸企業。當前，人工智能發展勢頭良好，技術和產品研發能力大幅提升，市場空間逐步拓展，社會關注與投資力度持續加大，技術創新驅動的人工智能企業正成為資本青睞的熱點。
一、商湯融資背景分析
人工智能迎來估值猛漲期。自2014年起，人工智能領域一直都是全球投資熱點。近年來，技術與產品的迅速成長帶動國內創業熱情高q，也引發了資本的高度關注。據統計，截至2017年5月31日，我國人工智能類創業公司已超過650家，產業規模較2016年同期增長達到51.2%，投融資事件超過430起，融資總額達340億元?？萍季揞^加大在人工智能領域的布局，投資案例不斷涌現。同時，社會資本競相追逐人工智能領域的優質項目，整體行業獲投率偏高，超過一半的人工智能公司成立時間在兩年之內，可見資本市場對人工智能產業發展的信心。
計算機視覺領域成為熱點聚焦。在大數據、深度學習等新技術推動下，以計算機視覺和語音識別為代表的感知智能正呈現出高速演進態勢。目前我國計算機視覺技術水平已達到全球領先水平，并在安防、汽車、金融等領域取得了顯著的應用成效。在安防領域，智能技術如人臉識別、圖形識別應用場景眾多，如車牌識別、車輛視覺特征識別、被動人像卡口、身份證比對等應用。在汽車領域，圍繞智能駕駛汽車人工智能在環境感知、路徑規劃與決策等關鍵環節均有所應用和體現，在該領域百度、樂視等企業已開展卓有成效的實踐。廣泛的商業化渠道和技術基礎推動計算機視覺成為創投熱門領域，據數據顯示，中國人工智能創業公司所屬領域分布中，計算機視覺領域擁有最多創業公司。2016年，人臉識別服務開發商曠視科技完成至少1億美元融資，估值超過20億美元，專注圖像識別的圖普科技獲得千萬美元A輪融資。
商湯科技技術實力領先，發展潛力巨大。商湯科技主攻人臉識別、視頻監控識別算法、增強現實、文字識別、自動駕駛識別算法和醫療影像識別算法等技術，基礎研究實力強大，高質量專利數量、專業學術數量均保持全國領先水平。在2015年ImageNet大規模視覺識別競賽中，商湯科技獲得視頻識別冠軍，次年在該競賽中，商湯科技憑借原創深度神經網絡平臺，獲得3個項目的冠軍。商湯科技主要業務范圍是將計算機視覺技術賦能給安防、金融、機器人、政府大數據分析以及虛擬增強現實等行業。
二、由商湯融資帶來的兩點思考
計算機視覺開發范文5
關鍵詞：機器視覺技術；大米；品質檢測
中圖分類號：TP391．4 文獻標識碼：A 文章編號：0439－8114（2012）05－0873-04
Application Progress of Machine Vision Technology in the Quality Inspection of Rice
WAN Peng，LONG Chang－jiang，REN Yi－lin
（College of Engineering， Huazhong Agricultural University， Wuhan 430070， China）
Abstract： The research dynamic of machine vision technology was reviewed from the aspects of rice varieties， germ， crack， yellow grain rice， and so on； and the shortcomings of the machine vision technology in rice quality inspection were proposed for its further application．
Key words： machine vision technology； rice； quality inspection
我國是世界上最大的稻米生產國，稻米年產量常年保持在1．8億t左右，占世界稻米總產量的1／3，居世界第一位［1］。我國也是大米消費大國，有近2／3的人口以大米為主食，全國大米年消費總量保持在1．35億t左右［2］。我國的水稻研究在世界上處于領先地位，但是在國內外貿易、加工和消費等領域中仍然存在諸多問題［3，4］。
我國曾經是世界三大稻米輸出國之一，但是由于我國大米的品質不高，再加上大米的生產標準、質量技術標準、檢驗檢疫技術等與發達國家存在較大差距，在相當程度上影響了我國大米在國際市場上的競爭優勢，大米的年出口量已退居六七位。2008年以來，隨著世界稻米產量的下降，各國對大米出口配額進行調整，導致國際大米的價格出現了瘋漲，而我國出口的大米因品種不穩定、品質較差，在國際市場上競爭力較低，市場份額逐漸減小。
為了提高大米的品質，不但需要選育優質的稻米品種，還需要加強大米品質的檢測。但是，由于我國對大米品質的檢測研究起步較晚，同時也缺乏方便簡單的檢測方法和快捷準確的檢測儀器，在對大米品質進行檢測的過程中，主要依靠人工識別、感官評定等方法進行檢測，這些方法主觀性較強，準確度較低，可重復性較差，工作效率也較低，因此在實施過程中的有效性受到了質疑［5］。
機器視覺（Machine vision）又稱計算機視覺，是指利用計算機實現人的視覺功能，是研究采用計算機模擬生物外顯或宏觀視覺功能的科學和技術，是一門涉及數學、光學、人工智能、神經生物學、心理物理學、計算機科學、圖像處理、圖像理解、模式識別等多個領域的交叉學科［6］。機器視覺技術在農業上的應用研究始于20世紀70年代末期，主要進行的是植物種類的鑒別、農產品品質檢測和分級等。隨著計算機軟硬件技術、圖像處理技術的迅速發展，它在農業上的應用研究有了較大的進展［7，8］。
目前，大部分的大米品質檢測指標根據國家標準采用人工進行檢測，容易產生許多問題。隨著機器視覺技術的發展和在農產品無損檢測領域的廣泛應用，采用機器視覺技術對大米的品質進行檢測，不僅能夠提高大米品質的檢測效率，而且能夠克服主觀因素的影響，降低檢測誤差，使得大米品質的檢測變得更加快速和準確［9］。
1 基于機器視覺技術的大米品質檢測裝置
基于機器視覺技術的大米品質檢測系統由檢測箱、檢測臺、光源、CCD圖像傳感器、鏡頭、圖像采集卡和計算機系統等幾個部分組成［10，11］（圖1）。
大米品質檢測系統是一個內空的箱體，箱子的底部是檢測臺，頂部為光源和攝像頭；檢測箱內表面粘貼有背景紙，使光在箱體內形成均勻的漫反射，避免樣品在檢測時形成鏡面反射。光源提供樣品檢測照相時所需的亮度，為了提供充足的光線，同時盡量消除光源照射樣品時在背景上產生的陰影，通常選用環形熒光燈管作為光源［12］。CCD圖像傳感器是獲取數字米粒樣品圖像的關鍵部件之一，它將大米圖像由光信號轉換為表示R、G、B顏色值的模擬電信號，并輸入圖像處理設備進行后續處理［13］。計算機軟件系統用于對采集到的數字圖像進行分析、處理和識別，實現對特定目標的檢測、評價等［14］。
2 基于機器視覺技術的大米粒形檢測
大米的粒形是實現大米分級和質量檢測的最基本參數。根據《GB1345－1986大米》中的規定，評價大米質量的檢測指標主要有加工精度、不完善粒、雜質、碎米等，這些檢測指標與大米的粒形直接或間接相關。由于人工評價是通過肉眼觀察對大米粒形進行評價，因此受檢測環境、視覺生理、視覺心理等諸多因素以及評價人員對大米標準理解程度不同的影響，即便是同一份大米樣品，很難保證大米粒形檢測結果的穩定，而采用計算機視覺技術進行檢測則可以有效避免主觀因素的影響，保證大米粒形檢測結果的準確性［9，15］。
中國農業大學孫明等［16］借助于MATLAB圖像處理工具箱對大米粒形進行測定。首先定義單粒大米子粒的粒長（A）與粒寬（B）的比值為粒形，檢測時先求出大米粒的橢圓離心率R，通過公式：
■＝sqrt■
將大米子粒的橢圓離心率轉變為長寬比A／B，即求出大米子粒的粒形。試驗結果表明，該方法具有操作簡單、檢測速度快、重復性好的優點。
武漢工業學院張聰等［17］提出了一種基于計算機圖像分析識別大米破碎粒的方法，即先采用數碼相機獲取大米圖片，再對大米圖片進行分析處理。識別時先將大米圖像的邊緣曲線變換為極坐標形式，再結合大米粒形的一般形狀，用橢圓模板定位米粒，獲得一組與米粒平移、旋轉和尺度無關的形狀描述數據，再運用小波變換提取奇異點及特征參數。試驗結果表明，該方法簡單有效，用于米粒定位與識別時的可信度高。同時，劉光蓉等［18］也研究了通過掃描儀獲取大米的圖像，再采用計算機圖像處理技術將彩色圖像轉化成灰度圖像并進行進一步的處理，最后獲得大米子粒的二值圖像，然后利用八鄰域分析法提取大米圖像的輪廓。試驗結果表明，這種方法的檢測效果良好。
此外，袁佐云等［19］還提出了采用最小外接矩形計算大米粒形的方法。包曉敏等［20］分析了采用Roberts算子、Sobel算子、Prewitt算子、模板匹配法和快速模糊邊緣檢測法對大米粒形進行邊緣檢測，并通過對大米圖像的分割試驗驗證了快速模糊邊緣檢測法最為有效。
3 基于機器視覺技術的大米加工精度檢測
大米加工精度是指大米背溝和粒面留皮程度，即糙米皮層被碾去的程度。大米的加工精度是決定大米外觀質量的主要因素，加工精度越高，米粒表面殘留糠皮量就越少，胚乳表面光潔度、口感、外觀品質也就越好。我國國家標準規定各類大米按加工精度分等級［9］。因此，大米加工精度的檢測具有十分重要的意義。傳統大米加工精度的測定有多種方法，國標中規定大米加工精度的判定采用試劑染色法［21］，通過染色劑使米粒胚乳和胚乳表面殘留糠皮呈現不同的顏色差異便于肉眼觀測，該方法受到光照條件、視力、情緒等諸多因素以及各種染色參數的影響，操作繁瑣、效率低、誤差大，不能滿足快速、客觀檢測的需要。
河南工業大學張浩等［22］研究了機器視覺技術結合數字圖像處理技術檢測大米加工精度的方法，首先獲取大米的圖像，利用米粒區域和背景區域的亮度差異將大米圖像轉化為灰度圖像，再利用邊緣檢測函數求出分割閾值，將米粒從背景中分割出來，并計算米粒區域的面積；然后利用米粒區域中糠皮部分和胚乳部分R－B特征值差異，將大米圖像分解為R、G、B分量圖，以R－B矩陣代替大米圖像，再將R－B矩陣轉化為灰度圖，用邊緣檢測函數求出分割閾值把糠皮部分分割出來，計算糠皮部分面積。最后測得大米留皮率為米?？菲げ糠置娣e與米粒區域面積之比。
江蘇理工大學許俐等［23］將計算機圖像處理技術與色度學理論相結合研究了大米加工精度的自動檢測方法。檢測時先將大米染色，然后采用機器視覺系統獲取大米圖像，再根據染色后大米的胚乳、皮層以及胚芽所呈現的不同顏色特征，采用不同的區分方法獲取米粒不同部位的面積即像素的個數，然后根據胚乳面積與大米圖像總面積的百分比計算大米的加工精度。
此外，無錫輕工大學田慶國［24］根據色度學原理，采用圖像處理技術對染色后的大米進行檢測，識別大米的加工精度，并建立了大米染色后的顏色值與加工精度之間的數據庫。西華大學的劉建偉與日本岐阜大學的三輪精博［25］合作研究大米加工精度與碾白程度之間的關系時，采用改良后的大米精度鑒定NMG溶液，按照品紅石碳酸溶液染色法（GB 5502－85）對大米進行染色獲得米粒表皮呈綠色、糊粉層呈藍色、胚乳呈藍紅色的大米樣品，米粒干燥后采用測差計檢測樣品的顏色計算大米的加工精度。
4 基于機器視覺技術的大米堊白檢測
堊白是指稻米粒胚乳中不透明的部分。堊白之所以不透明是因為稻米子粒中淀粉粒排列疏松，顆粒間充氣引起光線折射所致。按其發生部位可將堊白區分為腹白、心白和背白等類型。通常用堊白粒率、堊白大小和堊白度等概念描述稻米的堊白狀況。堊白是衡量稻米品質的重要性狀之一，不僅直接影響稻米的外觀品質和商品品質，而且還影響稻米的加工品質和蒸煮食味品質［9，26］。
黑龍江農業工程職業學院于潤偉等［27］研究了采用機器視覺技術和圖像處理技術檢測稻米堊白的方法。先用機器視覺裝置獲取大米的原始圖像，再采用圖像處理方法對大米圖像進行預處理，然后應用大津算法自動選取分割閾值對稻米圖像進行兩次分割，分別得到大米子粒的二值圖像和堊白區域的二值圖像，再根據區域內部像素點的聯通性，將不同區域分別進行標記，計算出子粒數和堊白粒數，同時計算出二者對應的面積（像素點個數）。研究結果表明，該算法的自動檢測結果與人工檢測相關性大于90％。
中國農業大學侯彩云、日本東京大學Seiichi等［28］采用微切片三維圖像處理系統對大米的品質特性進行探索性研究，結果表明借助于三維可視化技術分析大米的微切片，不僅可以觀察大米堊白部分內部的組織結構以及在蒸煮過程中的變化，還可以利用灰度直方圖定量計算出堊白米粒中各部分堊白的面積和體積。同時，侯彩云等［29］還利用自行研制開發的機器視覺圖像處理系統對大米的堊白度及堊白粒率進行檢測，試驗結果表明所研制的裝置具有客觀、準確、快速和重現性好等特點，在大米的快速分等定級中具有良好的應用前景。
江蘇大學黃星奕等［30］研究了采用遺傳神經網絡計算大米堊白度的方法。先采用機器視覺系統提取堊白米的圖片，然后采用數字圖像處理技術提取米粒的堊白區域與胚乳非堊白區域的交界區域內的像素，再采用遺傳算法建立一個人工神經網絡識別系統對這部分交界區域內的像素進行識別。試驗結果表明，采用機器視覺系統的檢測結果與人工檢測結果的誤差小于0．05。
此外，凌云等［31］提出了一種基于分形維數的堊白米檢測算法。孫明等［32］采用了MATLAB軟件開發平臺構造了基于計算機視覺的大米堊白檢測算法，完成了對大米堊白參數、堊白度以及堊白粒率的測定。吳建國等［33］從實際應用出發，采用計算機和掃描儀結合開發了機器視覺系統的堊白測定軟件。而曾大力等［34］利用視頻顯微鏡對大米粒進行掃描，結合計算機圖形分析，直接計算大米的堊白大小和透明度，初步探討了視頻顯微掃描技術在大米堊白分析中的應用。湖南農業大學蕭浪濤等［35］開發了基于微軟Windows 98平臺的大米堊白度測定軟件Chalkiness 1．0，該軟件與計算機和圖像掃描儀相結合能夠組成一套高效的大米堊白度測定系統。
5 基于機器視覺技術的整精米率檢測
整精米是指糙米碾磨成國家標準一級大米時米粒產生破碎，其中的完整米粒以及長度達到完整精米粒平均長度4／5以上（含4／5）的米粒。整精米率是指整精米占凈稻谷試樣質量的百分率，它是稻米加工品質優劣的指標，是稻米貿易中商家最關注的內容，與碾米廠的經濟效益密切相關。正確識別整精米是檢測整精米率的關鍵。目前整精米率主要采用人工方法進行檢測，該方法難以滿足對稻米品質快速、準確的檢測要求［9，36］。
中國農業大學尚艷芬等［37］開發了一套基于機器視覺技術的整精米檢測系統用于識別整精米和碎米。該方法通過提取并分析稻米的粒長、粒形等特征參數，提出了同一品種并在同一生長條件下生長的大米粒形具有相似性的前提假設，據此求得標準米，再通過偏差計算、粒長、粒形分析等對整精米和碎米進行識別。采用該方法開發的整精米識別系統對整精米和碎米識別的準確率與人工檢測結果的相關系數可到達0．99。
于潤偉等［38］首先通過圖像識別系統采集大米的原始圖像，再采取動態閾值分割等圖像處理方法把米粒圖像變成二值圖像，然后根據區域內部像素的連通性計算出單個米粒的像素個數；再根據先期計算的整精米長度／面積比換算出米粒長度，最后根據米粒長度判斷整精米和碎米。研究結果表明，該算法的自動檢測與人工檢測的相關性大于99％，可用于整精米的自動檢測。
6 問題和展望
機器視覺技術在農產品的品質檢測方面具有廣泛的應用，國內外的學者在此領域進行過廣泛研究。但機器視覺技術在大米品質檢測領域的應用尚處于起步階段，仍有許多等待解決的技術問題，需要進一步深入研究。
1）目前的大米品質檢測裝置多為靜態檢測裝置，即將大米放于檢測箱中通過機器視覺系統獲取圖片或通過掃描儀獲取圖片，大米相對于攝像頭靜止不動；獲取圖像之后再采用計算機軟件系統對圖像進行分析處理。這種檢測方法效率低下，因此，動態地獲取大米圖像并進行分析檢測是下一個要解決的難題。
2）采用機器視覺系統檢測大米品質時，多采用的是串行化算法，即先獲取大米圖像，然后采用某種算法對大米圖像進行處理，再檢測大米的某項品質指標；之后再采用某種算法對大米圖像處理大米的另一項品質指標，這種檢測方法在處理群體米粒圖像時極大地影響了檢測速度，因此開發并行處理算法對大米圖像進行分析檢測可以有效提高機器視覺系統的工作效率。
3）目前對大米品質指標進行檢測分析時缺少統一的檢測裝置，有的研究者采用CCD攝像頭獲取大米的圖像進行分析檢測，而有的研究者采用掃描儀獲取圖像進行分析檢測，檢測裝置不同、檢測條件不一致難以達到相同的檢測結果，因此有必要研制具有實用價值的大米品質檢測裝置，使基于機器視覺技術的大米品質檢測能夠具有統一的標準。
總之，伴隨著計算機科學技術的迅速發展，機器視覺技術在大米品質檢測中的應用將越來越廣泛。
參考文獻：
［1］ 龐乾林．稻米知識縱覽［J］．中國稻米，2004（3）：44－47．
［2］ 劉月好．陳米產生的原因與處理方法［J］．糧食加工，2004（1）：30－31．
［3］ 莊麗娟，刁慕容．中國谷物外貿格局與發展趨向分析［J］．中國農墾經濟，2004（8）：25－26．
［4］ 山世英，彭玉珊．我國農產品出口遭遇技術性貿易壁壘的原因及對策［J］．山東農業大學學報，2004，6（2）：41－43．
［5］ 李里特．糧油產品規格化、標準化是農業現代化的迫切任務［J］．中國糧油學報，2001，16（5）：1－5．
［6］ 劉傳才．圖像處理與計算機視覺［M］．廈門：廈門大學出版社，2002．
［7］ 趙曉霞．計算機視覺技術在農業中的應用［J］．科技情報開發與經濟，2004，14（4）：124－126．
［8］ 熊利榮，陳 紅，丁幼春．機器視覺技術在農產品破損檢測上的應用［J］．農機化研究，2005（5）：204－205．
［9］ 李天真，周柏清．基于計算機視覺技術的稻米檢測研究［J］．糧食與食品工業，2005，12（4）：50－53，55．
［10］ 凌 云，王一鳴，孫 明，等．基于機器視覺的大米外觀品質檢測裝置［J］．農業機械學報，2005，36（9）：89－92．
［11］ 張巧杰，王一鳴，凌 云，等．稻谷品質檢測技術與裝置研制［J］．現代科學儀器，2006（1）：128－130．
［12］ 趙志強，熊元姣．計算機視覺檢測系統的設計方案［J］．工業控制計算機，2005，18（10）：1－2．
［13］ 唐向陽，張 勇，李江有，等．機器視覺關鍵技術的現狀及應用展望［J］．昆明理工大學學報（理工版），2004，29（2）：36－39．
［14］ 張紀明．基于PC的機器視覺系統研究［J］．可編程控制器與工廠自動化，2006（11）：107－110．
［15］ 任憲忠，馬小愚．農產品粒形識別研究進展及其在工程中應用現狀［J］．農業工程學報，2004，20（3）：276－280．
［16］ 孫 明，石慶蘭，孫 紅，等．基于計算機視覺的大米外觀品質檢測［J］．沈陽農業大學學報，2005，36（6）：659－662．
［17］ 張 聰，管庶安．基于圖像分析的大米形狀識別［J］．糧食與飼料工業，2006（6）：5－7．
［18］ 劉光蓉，周 紅，管庶安．基于圖像處理技術的大米輪廓檢測［J］．糧食與飼料工業，2004（6）：14－15．
［19］ 袁佐云，牛興和，劉傳云．基于最小外接矩形的稻米粒型檢測方法［J］．糧食與飼料工業，2006（9）：7－8．
［20］ 包曉敏，汪亞明，黃振．計算機視覺技術在大米輪廓檢測上的應用［J］．浙江工程學院學報，2003，20（2）：104－107．
［21］ 呂季璋，陳效貴，范慕蕙，等．GB／T 18105－2000米類加工精度異色相差分染色檢驗法［S］．北京：國家質量技術監督局，2000．
［22］ 張 浩，孟永成，周展明，等．基于圖像處理技術大米加工精度的檢測研究［J］．中國糧油學報，2006，21（4）：135－137．
［23］ 許 俐，錢敏娟，方如明，等．大米加工精度的圖象識別方法［J］．農業工程學報，1996，12（3）：172－175．
［24］ 田慶國．圖像處理技術在大米碾白精度測定中的應用［J］．糧食與飼料工業，1997（10）：10－11．
［25］ 劉建偉，徐潤琪，三輪精博，等．大米加工精度與碾白程度檢測的研究［J］．中國糧油學報，2004，19（3）：5－8，61．
［26］ 周新橋，鄒冬生．稻米堊白研究綜述［J］．作物研究，2001（3）：52－58．
［27］ 于潤偉，朱曉慧．基于圖像處理的稻米堊白自動檢測研究［J］．中國糧油學報，2007，22（1）：122－125．
［28］ 侯彩云，SEIICHI O，YASUHISA S，等．三維圖像處理系統在稻米品質檢測中的應用研究［J］．農業工程學報，2001，17（3）：92－95．
［29］ 侯彩云，王一鳴，凌 云，等．堊白米粒的計算機圖像識別［J］．農業工程學報，2002，18（5）：165－168．
［30］ 黃星奕，吳守一，方如明，等．遺傳神經網絡在稻米堊白度檢測中的應用研究［J］．農業工程學報，2003，19（3）：137－139．
［31］ 凌 云，王一鳴，孫 明，等．基于分形維數的堊白米圖像檢測方法［J］．農業機械學報，2005，36（7）：92－95，91．
［32］ 孫 明，凌 云，王一鳴．在MATLAB環境中基于計算機視覺技術的大米堊白檢測［J］．農業工程學報，2002，18（4）：146－149．
［33］ 吳建國，劉長東，楊國花，等．基于計算機視覺的稻米堊白指標快速測定方法研究［J］．作物學報，2005，31（5）：670－672．
［34］ 曾大力，藤 勝，錢 前，等．視頻顯微掃描技術在稻米堊白研究中的應用［J］．中國農業科學，2001，34（4）：451－453．
［35］ 蕭浪濤，李東暉，藺萬煌，等．一種測定稻米堊白性狀的客觀方法［J］．中國水稻科學，2001，15（3）：206－208．
［36］ 郭英群．對國家標準中整精米率定義及檢測方法的探討［J］．糧油倉儲科技通訊，2005（6）：52－53．
計算機視覺開發范文6
【關鍵詞】自動控制技術；農業自動化
由于歷史、觀念和技術等方面的原因， 我國傳統農業機械與發達國家相比有很大差距，已遠遠不能適應農業的科技進步。近些年來， 自動化的研究逐漸被人們所認識， 自動控制在農業上的應用越來越受到重視。例如，把計算機技術、微處理技術、傳感與檢測技術、信息處理技術結合起來， 應用于傳統農業機械， 極大地促進了產品性能的提高。我國農業部門總結了一些地區的農業自動化先進經驗（如臺灣地區的農業生產自動化、漁業生產自動化、畜牧業生產自動化及農產品貿易自動化）的開發與應用情況， 同時也汲取了國外一些國家的先進經驗、技術，如日本的四行半喂人聯合收割機是計算機控制的自動化裝置在半喂人聯合收割機中的應用，英國通過對施肥機散播肥料的動力測量來控制肥料的精確使用量。這些技術和方法是我國農業機械的自動化裝置得到了補充和新的發展，從而形成了一系列適合我國農業特點的自動化控制技術。
1.已有的農業機械及裝置的部分自動化控制
自動化技術提高了已有農業機械及裝置的作業性能和操作性能。浙江省把自動化技術應用于茶葉機械上，成功研制出6CRK-55型可編程控制加壓茶葉揉捻機，它利用計算機控制電功加壓機構，能根據茶葉的具體情況編制最佳揉捻程序實現揉捻過程的自動控制，是機電一體化技術在茶葉機械上的首次成功應用。
1.1應用于拖拉機
在農用拖拉機上已廣泛使用了機械油壓式三點聯結的位調節和力調節系統裝置， 現又在開發和采用性能更完善的電子油壓式三點聯結裝置。
1.2應用于施肥播種機
根據行駛速度和檢測種子粒數來確定播種量是否符合要求的裝置， 以及將馬鈴薯種子割成瓣后播種的裝置等。
1.3應用于谷物干燥機
不受外界條件干擾， 能自動維持熱風溫度的裝置停電或干燥機過熱引起火災時，自動掐斷燃料供給的裝置。
2.微灌自動控制技術
我國從20世紀年50代就開始進行節水灌溉的研究與推廣據統計。到1992年，全國共有節水灌溉工程面積0.133億m2，其中噴灌面積80萬m2， 農業節水工程取得了巨大的進展。灌溉管理自動化是發展高效農業的重要手段，高效農業和精細農業要求必須實現水資源的高效利用。采用遙感遙測等新技術監測土壤墑性和作物生長情況，對灌溉用水進行動態監測預報，實現灌溉用水管理的自動化和動態管理。在微灌技術領域，我國先后研制和改進了等流量滴灌設備、微噴灌設備、微灌帶、孔口滴頭、壓力補償式滴頭、折射式和旋轉式微噴頭、過濾器和進排氣閥等設備，總結出了一套基本適合我國國情的微灌設計參數和計算方法，建立了一批新的試驗示范基地。在一些地區實現了自動化灌溉系統，可以長時間地自動啟閉水泵和自動按一定的輪灌順序進行灌溉。這種系統中應用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。
3.自動控制技術在精準農業中的應用
