前言：中文期刊網精心挑選了計算機視覺的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。
計算機視覺的應用范文1
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。現階段，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.
計算機視覺的應用范文2
關鍵詞：計算機；視覺技術；玉米種子；質量；檢測
中圖分類號：S513 文獻標識碼：A 文章編號：1003-4374（2015）01-0047-04
引言
計算機視覺是提高人類生產、生活自動化和智能化程度的有效手段。目前，農產品分級與品質檢測、種子品質檢測、果實的采摘、病害檢測等方面，機器視覺都有廣泛研究。作為世界三大糧食作物之一，玉米在糧食貿易中所占比重不斷升高。隨著計算機技術進步，尤其是圖像技術的發展，建立在視覺技術的測量方法也高速發展，要適應測量的現代化步伐，算法快速并且精度要高是圖像實現測量途徑的必然要求。在玉米生產中，種子質量是最為關鍵的因素之一，玉米的收獲產量和產品品質與種子質量的優劣息息相關。十多年來，國內學者對應用機器視覺技術進行玉米種子檢測方面開展了深入研究。本文主要綜述這類研究，為今后該領域學者提供參考信息，從而加快系列研究的深入開展。
圖像采集與模式識別
目前，CCD相機、掃描儀或數碼相機是主要的圖像采集設備。CCD相機在生產線的開發當中是最好的選擇，而對靜態檢測設備而言面陣相機則是上選，如果應用場合是既有設備，那么數碼相機等更為適用。由于在封閉的環境光照足夠穩定，此時圖像噪聲干擾較小，免除標定這一環節，在后續處理時非常方便，所以圖像采集通常是在封閉環境中進行。用于移動設備的相關軟件的研究中，則有四個方面的情況需要著重考慮：第一，當前采集玉米圖像時所用背景都是單一顏色，而在生產具體應用中則完全有可能是非單一顏色；第二，在用戶使用過程中，光照條件不確定、特別是顏色特征對圖像質量有影響。第三，玉米種子體積不大，當玉米種子的空間位置發生移動時，圖像中種子的特征會隨著改變。第四，在圖像采集時，如采集的角度存在偏移，圖像中玉米種子的形態也不會保持不變。
玉米種子純度檢測
種子最主要的質量指標之一是純度，目前，形態學鑒定和蛋白質電泳分析法是主要的鑒定籽粒純度方法。
國外學者從圖像當中提取玉米種子形態方面的參數，并結合判別函數實現對玉米統計學的種子外形判斷，實現玉米種子從非完整玉米種識別。當然，該方法效率不高，所費時間過多。
朱曉利用高光譜反射圖像技術，提取多個波段種子圖像特征，然后通過遺傳算法選擇最優波段圖像，建立分級模型，達到對玉米種子純度檢測的目的。所建立的分類模型測試精度達到97.22%。
另一批學者針對純度考慮圖像識別這一方法實現識別玉米種子，首先是彩色相機獲得圖譜，通過基于閾值的二值化處理圖像灰度變換、圖像均衡化，實現和電泳圖譜進行比對以期判斷純度水平，玉米種子純度在計算機和人眼檢測結果，得到一種高效測玉米種子純度的方法，而這個技術對2個品種玉米的平均識別準確度接近100%。
綜合幾種玉米種子純度檢測方案，形態鑒定法方法簡單，但效率與精度不高。隨著檢測識別算法的改進和計算機處理能力的提高，計算機視覺技術將比其他方法更高效更準確。
玉米種子品質自動檢測
周紅等為實現對種子評級，借助圖像處理技術得到玉米種子輪廓。通過計算機模糊識別代替玉米種子形態傳統鑒定法，目的是將識別水平大幅度提高；基于模糊數學以及統計學，得到隸屬函數，從而制定對品種進行判別的規律，玉米種子得以判別，所構建的系統投資低，而且玉米種子品質的識別率為88%。
閆小梅等通過CCD相機，對玉米種子冠部和無胚芽面圖像進行提取，利用圖像預處理將單個籽粒分割出來，通過圖像分割，將冠部核心區域和側面黃色區域6個顏色特征提取出來，以Fisher判別理論和K-均值聚類為依據，將特征投影到一維空間，進行純度識別，識別率不低于93.75%。
玉米收獲后加工的重要環節之一就是對玉米種子質量進行分級，在玉米種子質量分級工作中，機器視覺技術優勢明顯，例如不會對玉米種子造成損壞、更好實現分級。相關學者提出從特征值按照一定的等級進行分類，采用典型神經網絡與隸屬函數方法對玉米種子實現分級，發現：BP神經網絡處理時間更短，具有更好的實時性，為現實應用打下良好的基礎。有學者將形態學加上種子分級設備，能夠實現準確率高達90%以上的將種子分為4級的方法。吳繼華等開發了一種種子品種實時檢測系統，該系統是基于機器視覺，由CCD攝像機進行圖像采集，每隔2s停止1次，在分析結束時就可以得到特征參數，二十粒種子只需一秒鐘時間。Wan等18-19]將機器視覺應用在谷物類進行動態識別，并進行分類，得到圖像就進行處理，并將信號傳給對應的PLC，從而閉合電磁閥，以達到吹離目的。宋鵬等就分級系統在動態玉米品質檢測，抓住玉米種子的特征，把種子分類形態以及顏色分別分為4級和3級，合格率分別為8 1.8%和93.04%，還能夠實現玉米種子品種，應用Bayes分類器以及模式識別法實現識別玉米種子品種達到5種，識別準確率不低于92%；結合玉米顏色等信息，實現單倍體籽粒分類，待識別玉米單倍體后，將用氣吸方式和二自由度并聯機器人機構相結合進行分揀，精度不低于80%。
目前的玉米種子品質自動檢測中，多采用可見光進行圖像采集，然后通過綜合處理分析種子的外部特征來確定品質等級。鮮有利用紅外等不可見光生成的圖像來進行品質分級，因而無法精確分析種子內部的品質特征，影響到檢測精度。因此，運用不同波段圖像分析玉米種子品質，將成為以后種子品質檢測的一個重要方向。
玉米種子活力檢測
漫射光法、熱浸法、電導率測定、四唑染色法、冷浸法、發芽實驗等是種子活力的常規檢測方法。目前，有效結合圖像識別與處理等技術以及發芽試驗和四唑染色法等方法的優勢，能夠準確測定種子活力。趙新子等對活力識別進行論述，染色種胚后獲取彩色圖像，判斷染色區域在種胚的面積占比，得到活力水平評判，識別率為94%。
張曉宇等通過處理和分析種苗圖像，根據玉米種苗特征建立起可以方便、快速地獲取苗高、苗鮮重等信息的相關統計模型，該模型直接用于玉米種子的發芽試驗，以便獲得準確可靠實驗結果。該技術將作為玉米種子發芽試驗新的檢測手段，同時應用于其它植物種子發芽試驗。
Zayas等通過形態學參數把玉米種子從被破壞的玉米種識別，結合統計學方面的判別函數，將被破壞的玉米種子剔除。為了檢驗播種材料，需要對種子發芽的規律以及所需條件進行研究，研究必須將玉米種子發芽進行系列實驗，這時候對于發芽粒數以及苗高等種子的信息大多由人工獲取。
玉米種子機械和霉菌損害檢測
玉米種子質量檢測的重要指標之一是種子是否有裂紋和發生霉變，采用視覺無損檢測，我們發現如果光線對應入射孔直徑設定在2.4mm時，所得背景是黑色的，如果入射光是白色光，采集得到的圖像采用高速濾波法識別玉米籽粒裂紋處與其他部位的像素灰度值的不同，檢測精度不低于百分之九十。有學者利用生霉粒對光照變化非常敏感的特點，光照變化對顏色標定是鑒定生霉粒的主要途徑，認為機器視覺算法在精確性以及一致性方面具有非常明顯的優勢，這給玉米種子質量檢測的提高打下良好的實踐基礎。
有學者基于圖像分析等途徑分析玉米應力裂紋，主要結論是重度裂紋最易于被識別出，達到完全被識別的水平；無裂紋以及中度裂紋則朝著變差方向發展，不能完全被識別，占比約有30%-12%。
張俊雄等實現表面裂紋檢測：在獲取單粒玉米種子的圖像后采用Sobel算子得到玉米種子邊緣并通過分割閾值、腐蝕以及膨脹等傳統圖像處理，從而可以判斷滿足什么樣的條件可以判定為種子尖端點，并能實現尖端部分拿掉；將R通道膨脹，同時細線化處理B通道圖像結果，并執行減運算操作，根據連通性判別有無裂紋，識別率超過90%。
計算機視覺的應用范文3
【關鍵詞】農產品 計算機視覺技術 品質檢測
農產品品質檢測工作中除了采取人工檢測法以外，還可以采取半自動或自動檢測法，如在水果分級檢測工作中的質量分級檢測法、光電分選法以及大小分級法等。然而農產品品質會受到自然生長環境或人為因素等方面的影響，農產品的色澤、大小及形狀等并不相同，無法采取單一指標進行檢測。因此充分應用計算機視覺技術，對農產品的品質進行檢測，極為重要。
1 計算機視覺技術
計算機視覺技術又被稱為機器視覺技術，指的是通過人類設計，在計算機環境下，達到再現或模擬人類視覺相關的職能行為的一種技術，包括了印刷和手寫文字的識別技術，圖像模式識別技術，物體三維表面形狀識別技術、距離識別以及速度感知等技術。該技術是諸多學科的結合與交叉，涉及到數學、生理學、信息處理、物理學、光學以及計算機等多種學科。探究計算機視覺技術的目的在于實驗人類視覺的再現及延伸，即再現高等動物的視覺系統，并對物體形狀以及類別進行識別。
此外，計算機視覺技術處理的原始資料多是圖像，所以該技術和圖像處理以及模擬識別等有著緊密的聯系?，F階段，計算機視覺技術在諸多領域有著較為廣泛的運用，包括了醫學輔助診斷、資源調查、衛星圖像解釋、軍事指導、災害監測、氣象以及工業產品的外觀篩選及檢測等。同時研究該技術在農業工程領域中的應用，也成為了熱門話題。
2 在農產品品質檢測中，計算機視覺技術的具體應用
筆者在查閱相關文獻資料的基礎上，探究在農產品品質檢測工作中，計算機視覺技術在產品表面缺陷以及損傷識別工作中的具體應用；果形識別工作中的具體應用；農產品尺寸以及面積檢測工作中的具體應用。
2.1 在產品表面缺陷以及損傷識別工作中的具體應用
在對農產品進行分級的過程中，依然存在著一大問題，即農產品表面缺損以及損傷識別。而早在1984年就已經出現了采取線掃描和模擬攝像機針對蘋果表面損傷進行檢測的實驗報道，實驗結果顯示，采取數據技術能夠檢測出蘋果表面損傷，其檢測結果完全能夠達到人工分級的精度。與此同時，還出現了一種機器視覺系統，該系統將不規則的圖像信息與正常的圖像信息區分開來，在去除蔬菜內的雜物以及檢測農產品的污點等方面能夠取得較好的應用效果。此外，在1989年，國外出現了一種全新的計算方法，即運用紅外線掃描攝像機，處理蘋果表面的灰度圖像，既能夠確定蘋果表面的損傷面積，還能夠區分不同損傷區。然而還技術是以機械裝置的設定為基礎，需要消耗2s的時間，對一個蘋果進行檢測，蘋果表面缺陷分級精度以及損傷分級進度并不高。
我國在1997年，出現了運用計算機圖像處理技術對蘋果損壞自動化檢測的試驗研究，該試驗結果顯示，該技術的損壞檢出率較高，能夠規避果梗區以及花萼區對于壞損區域識別的具體影響，且該檢測技術的魯棒性較強。
2.2 在果形識別工作中的具體應用
果形識別是影響水果質量的重要因素之一，對于水果品質檢測有著重大意義。當水果成熟后，水果的外形將會發生巨大的改變，且無法采取數學方法進行鑒別，采取其他方式進行果形識別極為重要。
在1981年，有研究人員就針對形狀識別中的圖像特征進行了探討，提倡采取結構分析法以及外形輪廓曲線檢測法，針對水果外形進行識別。并在1985年，以數字圖像分析技術以及模式識別技術為依據，針對番茄定向、番茄形狀、表面缺陷以及尺寸進行分類的特殊算法，運用灰度梯度曲線，明確番茄表面缺陷以及花萼位置等。而我國則在2000年，按照果實形狀分析，通過連續性指標、半徑指標、連續指標對稱性、半徑指標對稱性等特征參數，表示果形，并首次采取參數形狀分析法。
2.3 在農產品尺寸以及面積檢測工作中的具體應用
農產品分級中，以農產品外形尺寸為依據。在1987年，國外就已經開始研究機械視覺技術在牡蠣肉分級以及尺寸檢測工作中的具體應用。并在1992年，針對人工檢測以及機器視覺檢測進行進行了對比分析，試驗結果顯示，和人工檢測技術相比，采取視覺檢測技術，能夠提高檢測的精確度，減少檢測消耗時間；同時在評價以及推廣種質資源中，準確的測量以及詳細的記錄種質形態的指標，有著極為重要的意義。為了能夠精確、快速地計算出玉米種質尺度，在1995年，有研究人員就提出了自動化選擇技術，該技術在處理玉米種質圖像中，其辨別精度極高。
而我國在2002年，有研究人員就針對水果品質進行動態、實時監測的智能化分級生產線進行了研究，該生產線，首先通過水果輸送翻轉系統，利用滾筒式輸送翻轉裝置，將水果往前輸送，在輸送過程中，以水平軸為中心，保證水果表面能夠被系統檢測到，以此獲得圖像信息。然后利用計算機視覺識別系統，對水果等級進行判斷，明確圖像信息。該系統具備了視覺識別功能。最終通過分級系統，完成水果分級工作。
3 結語
在二十世紀七十年代以后，計算機視覺技術就已經得到了較為迅速的發展，在我國，該技術在農產品品質檢測中的具體應用也得到了人們的高度關注，同時也取得了一定的成效。計算機視覺技術作為人眼的延伸技術之一，其具備了人腦功能，運用該技術代替以往的人工操作技術，已經成為了農產品品質檢測工作的必然發展趨勢。
參考文獻
[1]朱從容.計算機視覺技術在水產養殖中的應用[J].浙江海洋學院學報（自然科學版），2008，10（04）：191-192.
[2]王勃，徐靜.計算機視覺技術在蘋果葉片營養診斷上的應用[J].農機化研究，2008，（03）：887-888.
[3]李朝東，崔國賢，盛暢，等.計算機視覺技術在農業領域的應用[J].農機化研究，2009，10（12）：667-668.
作者簡介
陳超（1995-），男，福建省福州市人?，F為北京交通大學在校學生。研究方向為電子科學與技術。
計算機視覺的應用范文4
關鍵詞：計算機自動化 視覺檢測 制造業
中圖分類號：TP274.4 文獻標識碼：A 文章編號：1007-9416（2014）05-0014-01
在精密測試技術領域，自動化視覺技術具有最大的發展潛力，它將電子學、圖像處理、光學探測和計算機自動化技術綜合起來進行運用，在工業檢測中引入機器視覺，能夠快速測量物品平面或三維位置尺寸，其主要特點有：柔性好、速度快和非接觸性，在現代制造業中有著非常廣闊的應用前景。
目前，國內視覺檢測領域所需要的視覺檢測設備大多是進口的，國內生產的設備缺乏較高的檢驗精度和較強的實時性；但是進口設備大大增加了檢測成本，不少中小企業無力承擔。面對國內檢測需求日益增加的情況，積極進行成本較低，精度較高的檢測設備的開發，成為一個亟需解決的問題，需要引起重視。
1 檢測系統的工作原理
自動化視覺檢測系統工作流程分為三個部分，分別是圖像信息獲取、圖像信息處理以及機電系統執行檢測結果。如果系統有需求，能夠借助人機界面對參數進行實時的設置與調整。當被檢測對象移動到特定的位置時，位置傳感器就會發現它，會將探測到被檢測物體的電脈沖信號發送給PLC控制器，經過計算，PLC控制器將物體移動到CCD相機采集位置的時間的出來，然后將觸發信號準確的發送給圖像采集卡，采集卡檢測到此信號后，會要求CCD相機立即進行圖像采集。被采集到的物體圖像會以BMP文件的形式發送到工控機，運用專門的分析工具軟件分析處理圖像，分析檢測對象是否與設計要求相符合，執行機會依據合格或者不合格的信號對被檢測物體進行相應處理。經過這樣的反復的工作，系統對被檢測物體進行隊列連續處理。如（圖1）。
2 自動化視覺檢測系統的組成
在工業檢測領域，計算機自動化檢測系統可以在尺寸測量、工件定位、特征檢測、圖形圖像以及字符識別等方面進行運用。自動化視覺檢測系統按照功能模塊可以劃分為，圖像信息獲取模塊、圖像信息處理模塊、人機交互模塊、機電執行模塊以及系統控制模塊五部分。其中處于核心位置的是系統控制模塊，系統控制不論是在被檢測物置信息的觸發，還是機電執行模塊所需檢測結果信息的獲取等等各個方面，都必須參與其中，否則無法完成；而人際交互模塊更是與核心模塊有著之間聯系，通過與其直接通信，以便實時更新檢測系統參數以及執行指令等。
3 自動化視覺檢測技術在制造業上的應用
3.1 應用于汽車車身檢測的視覺檢測技術
現代汽車制造業的生產周期日益縮短，生產日益集團化，原材料和零部件供應呈現大宗化，而這正是給運用自動化視覺檢測技術提供了客觀環境。該系統包括三維視覺傳感器系統、電器控制與接口系統、機械及定位系統、標定系統以及計算機自動化等部分，其測量步驟如下：首先在電氣控制系統下初步定位運送車身；然后借助專門的控制系統準確定位待測位置；借著用計算機自動化進行檢查點圖像的采集與處理；最后，將被監測點的坐標參數計算出來。檢測系統應該能夠實時控制單光條、多光條、雙目立體視覺以及十字叉絲等傳感器的動作；按照要求順序，全部視覺傳感器進行測量，然后轉換測量結果，將其放置于測量坐標中；經過自動識別，能夠地裝配結果進行判斷。這一視覺檢測方法具有非得用地、效率高、自動化、精度好的特點，能夠很好的滿足汽車工作的需求。
3.2 為智能焊接的實現解決核心難題
在焊接領域，對智能焊接機器人的研究已經成為關注的重點，智能焊接機器人要求能夠識別環境目標，對焊接參數進行調整，并實時精確跟蹤軌跡。比如在潛艇、大型輪船的制造中，焊接是十分重要的環節，焊接質量直接關系到后續的制造環節以及潛艇、輪船的強度和安全性。智能焊接機器人在紅外攝像儀、高速攝像機以及CCD攝像機等高精度圖像傳感設備的輔助下，采用智能化圖像處理方法能夠進行圖像焊接，檢測焊接空間位置，規劃焊炬姿態，對焊接熔池特征參數進行實時提取，對焊接組織、機構和性能進行預測等，能夠在很多人類難以進行作業的場合完成焊接工作，在焊接過程中，通過數個光電接收陣列對檢測組建進行多維視覺傳感，并綜合處理所獲取的信息。目前國外KUKA，Motoman，GMF，Adept等廠家已經開發出智能焊接機器人，其裝配了自動化視覺檢測功能，并且已經廣泛應用于潛艇與航天器的生產中。
3.3 提高手機生產檢測速度
隨著手機設計精密程度的日益提高，人工檢驗已經難以適應大規模生產，這是因為其需要的測量投影儀較多，檢測速度慢。而采用自動化視覺檢測系統能夠自動檢測電路板組建中的連接器以及內部零件等，檢測速度快、測量結果準確，具有較強的擴展性和較高的性價比。檢測系統主要就是測量計算機自動化接口電路板組件中各個連接器特定位置的幾何尺寸，這里面包括連接器內部零件的尺寸、間距以及連機器與PCB底板的相對位置；另外還要對連接器與標準是否相符以及內部零件被損壞與否。系統可以將質量檢驗的效率大大提升，而且也能夠使產品質量得到保障，實現降低檢驗成本的目的。
4 結語
作為一種新興的檢測技術，自動化視覺檢測技術對我國自動化視覺檢測產品的發展起到了很大的推動作用，使其不斷向更高層次邁進，同時也為我國制造業的發展做出了貢獻，具有廣闊的發展前景。
參考文獻
[1]伍健.基于PDE和全變分濾波方法的研究及在多種噪聲中的應用[D].天津大學，2012.
計算機視覺的應用范文5
數據挖掘就是從大量的不完全的有噪聲的模糊的隨機的實際應用數據中，抽取隱含在其中的、事先并不知道的、但又是潛在有用的信息和知識的過程。
決策樹算法作為常用的數據挖掘技術之一，其基本思想是將實例庫中記錄的大量有限的具體事實數據進行歸納和分類并建立樹型結構，以發現并形成隱含在大量實例中的若干形式化的分類判別規則，典型的決策樹算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。
利用決策樹評估教材質量的基本思想
筆者以高校教學質量建設中的重頭戲——教材建設為例來闡釋決策樹算法在教育統計學中的應用。
從教材的教學水平，科學水平等兩大要素來對教材的質量進行合理分類，探索出科學合理的決策樹的模型，使之成為學校教材建設管理的理論方法，并在今后的教材管理中起著一定的指導作用。
教學水平：教材符合人才培養目標及本課程教學的要求：取材合適、深度適宜、份量恰當;符合認知規律;富有啟發性;便于學習。
科學水平：能反映本學科國內外科學研究和教學研究的先進成果;能完整地表達本課程應包含的知識;反映其相互聯系及發展規律;結構嚴謹。
構建決策樹模型
即利用訓練集(教材建設數據庫)建立并精化一棵決策樹。該過程可分為建樹和剪枝兩階段。其中，建樹是用每一個屬性將訓練集劃分成一個或多個子集，遞歸地調用該過程，直到每個子集中的記錄都屬于同一類，最終得到決策樹。剪枝是為提高樹的精度及分類效率，而去掉因訓練數據中的噪聲和孤立點等引起的不可靠或可能是噪聲的一些枝條。
利用決策樹研究影響教材質量的因素
首先，將學生問卷調查數據庫和教學管理部門所掌握的資料結合起來，分類整理，同時進行規范化的數據清洗，得到創建決策樹模型的訓練集，如表1所示。
根據評估預期的要求，將所有教材的評估結果分為兩類：
Class p：綜合評價=“優秀”
Class n：綜合評價=“一般”
從上表顯示的數據可知，綜合評價為“一般”的教材有9種， 綜合評價為“優秀”的教材有6種，從而可以計算出樣本分類的期望信息：
—∑Pi log2(pi)=
I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]
=—(—0.444—0.53)=0.974
下面以綜合評價是否為“優秀”作為衡量標準分別計算由各個屬性劃分子集的信息熵，以及各自的信息增益度。
計算“教學水平”的信息增加益度
從而算出信息熵E(教學水平)=
I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43
再計算出其信息增益度
GainI(p，n)—E(教學水平)=0.974—0.507=0.467
計算“科學水平”的信息增益度
計算信息熵E(科學水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再計算出其信息增益度GainI(科學水平)=I(p，n)—E(科學水平)=0.974—0.783=0.191
計算“教材編者職稱”的信息增益度
從而算出信息熵E(教材編者職稱)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再計算出其信息增益度GainI(教材編者職稱)—I(p，n)—E(教材編者職稱)=0.974—0.424=0.55
計算“教材編者學歷”的信息增益度
計算信息熵E(教材編者學歷)=I(3，1)+I(3，3)+I(0，5)=0.667再計算出其信息增益度GainI(教材編者學歷)=(p，n)—(教材編者學歷)=0.974—0.667=0.307
由此可以得知“教材編者職稱”的信息增益度最大，它是最能區別訓練集實例中教材質量的屬性，應作為決策樹的根節點。根據各個屬性的信息增益度的大小，可以構建該訓練集實例的決策樹如下圖1所示：
由該決策樹可以得出諸如以下結論：
計算機視覺的應用范文6
關鍵詞： Aprion算法； 大規模數據庫； 關聯規則挖掘； 置信度； 支持度
中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2016）07?0124?03
Abstract： With the development of information technology and coming of big data era， it is necessary to perform data mining work in this environment. The potential and valuable knowledge and information should be mined from the massive application data to apply it in the improvement of practical work. The methods of data mining are numerous at present， in which the association rule mining technology is widely used. The Aprion algorithm is used in this data mining way to mine the correlation information with high confidence coefficient and support degree， which can reflect the complexity and interestingness among the data in database. And then the useful correlation among the data is mined to promote the development of large?scale database information mining technology. The association rule mining technology of large?scale database is analyzed in the aspect of Aprion algorithm.
Keywords： Aprion algorithm； large?scale database； association rule mining； confidence coefficient； support degree
0 引 言
數據挖掘（Data Mining）主要是指在大型數據庫中從大量的原始數據中挖掘出一些具有未知潛在應用價值的信息。數據挖掘是解決信息技術迅速發展下數據豐富而信息匱乏的一種有效解決方式。在眾多的數據挖掘方法中關聯規則是一種比較重要的挖掘技術方式，對關聯規則挖掘算法――Aprion算法進行詳細分析，進一步研究大規模數據庫關聯規則挖掘的技術，促進數據庫挖掘技術的發展。
1 Aprion算法概述
數據關聯是信息技術發展模式下各種軟件數據庫中存在的一縱橫能夠反映一個或其他事件之間依賴性和關聯性的一種信息。2個或者2個以上的數據之間存在的一種規律性，通過對這種規律性的分析，建立數據關聯規則，進而挖掘出隱藏在數據之間的相互關系，并將這種關聯進行有效分析。而關聯規則挖掘Aprion算法是一種比較全面的分析模式算法，它能夠發現記錄中不同數據屬性之間的關聯性，而且能夠反映出給定數據集征屬相鑒定的關聯性，發現每條信息記錄中不同特征屬相之間的相互依賴關系?？梢哉fAprion算法是一種最經典、最具影響力的關聯規則挖掘算法。
Aprion算法主要計算模式原理是利用一種稱作逐層迭代的候選集進行測試的一種定點，利用頻繁[k]項集搜索候選（k+1）項集。產生1?頻繁項目集[L1，]而后是2?頻繁項目集[L2，]一直到不能再擴展頻繁項目集的元素數據時才會停止算法；在Aprion算法的第[k]次循環中會產生k?候選項目集的集合Ck，而后實施數據庫掃描程序，以便生成支持度并測試產生k?候選項目集Lk，利用頻繁項目集產生關聯規則。然后結合頻繁項目集的向下封閉性特點實施進一步的分析，這就是常說的頻繁項目集，同時也正是因為這個特點使得Aprion算法產生一種檢驗方法使分析過程中的數據進行有效壓縮，無限縮小候選集，提高Aprion算法性能。
Aprion算法在計算的過程中使用逐層搜索方法，k項集主要用于探索（k+1）?項集。在這個算法分析過程中首先找到頻繁1?項集，然后找到頻繁2?項集集合，以此類推便能夠有效提高Aprion算法的分析效率，壓縮其搜索空間。Aprion算法的性質主要表現在以下幾個方面：
（1） 如果項集I不能夠滿足最小支持度閾值，那么I不是頻繁的，只有I出現頻繁的頻率時才被看做是其性質的一種表現；
（2） 如果項A被添加到項I中，項I會生成一種項集IUA的集合項，IUA項也不是頻繁的，此性質屬于反單調性質，也就是說如果一個集合不能通過測試，那么它所有的超集也不能通過相同的測試。
這種算法具有較高的效能性，能夠利用大項集合的封閉性達到縮小計算最小支持度頻繁項集數量的目的，也就是說具有避免計算不可能成為大項集的數量和候選集項，進而促進算法效能的提高。
2 Aprion算法比較分析
Aprion算法在數據分析的過程中能夠產生大量的項集，而且在分析的過程中需要重復掃描數據庫信息，其他算法在數據庫信息分析中一般采取分而治之的策略，然后將數據庫壓縮到頻繁模式樹中，將其分為條件數據庫，以便減少后續數據掃描時間，同時又能夠采取頻繁模式增長的方法將候選項集剔除在外，以便使其挖掘過程數據庫中不存在新事務和需要解決的問題。
另外，通過對數據庫信息中典型數據集的分析和實驗，并進行相應的結果對比分析，發現對一些比較稀疏的數據集來說，數據挖掘分析中要求的最小支持度比0.2稍微大些，或者對于一些稠密的數據集在分析的過程中要求其支持度大于0.5，這種情況下采用Aprion算法比較合適，如果支持度不在這個范圍內可以考慮其他形式算法的實施，以便最大限度的提高數據庫分析效能。
3 關聯分析規則的應用
3.1 數據關聯規則的生成
數據挖掘工具中有很多集成了典型數據挖掘算法的模型，Aprion算法是其中之一，這種模型算法可以通過設置不同的最小置信度/支持度和關聯規模。制定事務項屬性在關聯規則中的位置，進而優化關聯規則。所以Aprion算法應用于關聯數據的挖掘中能夠有效提高算法效率。
3.2 算法應用舉例分析
比如分析一個病例關聯數據，首先針對病例系統產生的數據事務建立病例數據關聯模型，然后過濾病歷號、姓名等對疾病無關緊要的數據，然后剔除嗜煙嗜酒等對病例關聯性不強的數據，然后將左側設置為診斷外事項，將右側設置為最后診斷之間的關聯規則和因素。這時產生的關聯規則數據比較多，但是有很多規則價值性不大；必須通過模型進行重新設置，增加最小支持度和最小置信度，此時事務數據庫中最小支持度和最小置信度分別為40%，60%，如表1所示，然后根據以上數據庫生成FP?tree。
4 結 語
在當今這個大數據信息量時代，數據挖掘技術顯得尤為重要，挖掘方法也比較多，但是必須選擇合適的挖掘方法，提高數據挖掘效率，在數據關聯性分析過程中要充分利用Aprion算法，使數據挖掘的效率提高。
參考文獻
[1] 王祥瑞.數據挖掘技術中關聯規則挖掘的應用研究[J].煤炭技術，2011，30（8）：205?207.
[2] 于延，王建華，付偉，等.基于改進的Apriori算法的入侵檢測系統研究[J].計算機工程與科學，2010，32（9）：23?26.
[3] 張梅峰，張建偉，張新敬，等.基于Apriori的有效關聯規則挖掘算法的研究[J].計算機工程與應用，2003，39（19）：196?198.
[4] 藍祺花.動態的關聯規則挖掘算法研究[D].廈門：廈門大學，2009.
[5] 丁艷輝.大規模數據庫關聯規則挖掘算法研究[D].濟南：山東師范大學，2007.
[6] MEYER C G， PAPASTAMATIOU Y P， HOLLAND K N. Seasonal， diel， and tidal movements of green jobfish （aprion virescens， lutjanidae） at remote Hawaiian atolls： implications for marine protected area design [J]. Marine biology， 2007， 151（6）： 2133?2143.
