前言：中文期刊網精心挑選了計算機視覺的作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。
計算機視覺的作用范文1
關鍵詞：計算機圖形圖像技術；視覺傳達設計；實現意義
中圖分類號：TP391.41
自從計算機產生以來，隨著技術的不斷發展和延伸，計算機軟件技術已經逐漸地滲透到人們生活當中的各個角落。從視覺傳達的方式上來看，視覺傳達設計要素整個概念從很久以前就已經出現了，但是將視覺傳達設計要素和計算機圖形圖像技術相結合的理論提出卻是最近幾十年間的事情。將計算機圖形圖像技術和視覺傳達設計要素充分聯系起來便可以使受視者更加方便且容易地對事物的概念和內在含義進行理解，因此可以說計算機圖形圖像技術對視覺傳達設計要素具有十分重要的實現意義。
1 計算機圖形圖像技術與視覺傳達設計的含義
計算機圖形圖像設計是指利用計算機的各種技術對其存儲器中的設計數據進行處理，并將設計出來的圖紙展示在顯示器或是繪圖軟件上的一種手段。從視覺傳達設計的角度出發，它是指對文字、色彩、圖形、編排等基本要素的信息通過計算機技術進行有目的的創作，而我們通常把這種技術成為計算機圖形圖像技術[1]。
視覺傳達是指以視覺符號為信息傳遞的通道，表達傳播的方式通過視覺語言來進行，通常指的就是人與人之間通過“看”這種形式來進行的交流。視覺傳達設計是指針對設計的內容進行處理使其具有視覺傳達的功能。視覺傳達設計多是指平面設計，以印刷物為媒介，主要包括書籍設計、企業形象設計、標志設計、包裝設計、廣告設計等。視覺傳達設計主要針對色彩、圖形、編排、文字等基本要素進行藝術創作，在人們的生活中有著極其重要的作用。
圖形是有意識、有內涵創造出的視覺符號，它具有直觀性。計算機圖形圖像技術在視覺傳達領域得到了充分地應用，它的繁榮發展給視覺傳達設計領域的發展帶來了突破。在計算機技術迅速發展的今天，在視覺傳達設計中應用計算機圖形圖像技術不僅可以豐富人們的文化和精神世界，對設計藝術的發展也起到了不容忽視的重要作用[2-3]。
2 計算機圖形圖像技術對視覺傳達設計要素的意義
2.1 計算機圖形圖像技術對編排要素的實現意義
計算機圖形圖像技術對視覺傳達當中的編排要素具有十分重要的意義，而編排要素所設計到的面非常之廣，例如廣告設計、影像創意等都與其有著密不可分的聯系。對廣告和影像的圖片進行合理完美的編排能夠帶來與眾不同的創意效果。設計藝術的一個主要分支是視覺創意設計，這一類設計往往沒有帶有明顯的商業目的，但是它給喜歡設計的人們提供了一個廣闊的設計空間，也就因為這樣越來越多的設計者對計算機圖像設計開始感興趣，并在具體的學習過程中加入了自己的風格與特色，使視覺傳達更具創造力。對視覺傳達編排要素要求特別嚴格的工作是廣告攝影及手繪，它的目的是運用視覺傳達設計的手段將企業的包裝風格、行為觀念、經營理念、管理特色、營銷策略與準則打造成一個完整統一的形象，它希望通過計算機圖形圖像技術的編排來使產品達到滿意的效果[4]。除此之外，計算機圖像設計的優點是想象力及創造力豐富，原本風馬牛不相及的對象可以通過強大的圖形處理軟件編排在一起，利用各種替換和修改技術使圖像發生本質性的變化。舉例而言，對于果汁飲品瓶子進行編排設計也可以達到意想不到的效果，我們常?？吹皆谄棵嫔蠒械未鸬墓羧肴宋锟谥械膱D案設計，這樣的設計不僅增強了視覺的逼真效果，也讓人們感到新鮮可愛。這樣的圖形圖像設計在市場上數不勝數，給飲品的生產廠家帶來了很大的經濟效益。
2.2 計算機圖形圖像技術對色彩要素的實現意義
所謂色彩就是人眼收到可見光以后對物體所產生的第一感覺的視覺反應，因此在視覺傳達當中，色彩要素是其中一個比較重要的要素。計算機的圖形和圖像設計通過對色澤、明度和純度等的調整和把握，可以將三維立體的效果進行再現，使人能夠更加直觀地觀察到一個事物的本身。因此，計算機設計師可以借助計算機的圖形和圖像技術將生活當中豐富多彩的色彩充分地傳達給受視者，這樣受視者便可以通過計算機所傳達的各式各樣的色彩信息來充分地了解這個世界，而且還能將其充分地應用到生活當中的各個領域。比如，能夠吸引消費者眼球的往往是新穎別致的包裝設計，在我們的日常生活中，我們也能夠看見各類商品的包裝都是五花八門。服裝的包裝、食品的包裝等都與計算機圖形圖像的視覺傳達設計緊密聯系[5]。實現商品價值和使用價值的手段往往是商品的包裝，無論是我們看到的海報、宣傳彩頁，還是我們正在閱讀的書籍封面，這些平面印刷品都具有豐富的視覺傳達效果。要想引起人們的興趣，首先要做的就是需要通過計算機圖形圖像設計軟件對其進行新穎的顏色設計。只有這樣才能引起人們的廣泛興趣，從而加深對其在文化性、知識性和思想性方面的認識。只要對產品進行不同的透明度、不同的色彩設置都能夠傳達不一樣的視覺效果。
2.3 計算機圖形圖像技術對圖形要素和文字要素的實現意義
計算機圖形圖像技術對圖形要素的實現意義主要體現在圖形圖像的調整與制作和圖形圖像的劃分兩個方面。對采集來的圖像計算機圖形圖像技術可以從兩個方面對其進行調整與制作處理。一是方便設計需要，對圖片可以進行濾鏡特效、色彩調整和圖像合成等處理。二是通過計算機繪圖技術來進行繪制，例如一種圖形或圖像通過技術參數的設置可以在縱橫兩個軸上實現大數量的散布，與此同時更有顏色、透明度、形狀等多種變化，這些變化都是在幾秒鐘內完成的，手繪是不能在這么短的時間內達到的。計算圖形圖像技術對圖形圖像進行了明確的劃分，分為矢量圖和位圖。位圖是按位對圖標進行繪制，而矢量圖則是以數字的方式對繪畫過程中幾何圖形的各種要素進行記錄并繪制。前者能夠設計出色彩和亮度豐富的圖像，而后者則能夠將事物原本的輪廓和線條表現出來。此外，計算機的圖形圖像設計也可以應用到文字設計當中，并且操作起來非常的簡單。在常用的軟件中，只要在工具欄中選擇設計“字體顏色”、“字體”、“字體”、“字體大小”，在選定后的區域輸入想要輸入的文字，之后也可以對文字進行藝術處理。文字在進過計算機圖像設計的處理后會發生各種各樣的變化，不僅增強了視覺傳達的效果，也提高了作品的訴求率。例如商家在廣告圖片中各種各樣的文字設計不僅增強了廣告效果，也傳遞著快樂的氛圍。因此，計算機圖形圖像設計可以使任何形式的文字都能夠在視覺傳達過程中實現其自身所蘊含的圖形意義。
3 結束語
本研究主要針對計算機圖形圖像技術對視覺傳達設計要素的實現意義等方面的內容做出了簡要的分析和研究，文中筆者也提及了一些自己的主觀看法。因此，在今后的時間里，相關的工作人員和技術人員需要不斷地努力，爭取將計算機圖形圖像技術和視覺傳達設計要素更好地結合在一起，這樣便能夠使視覺傳達更具有延續性和生命力。
參考文獻：
[1]黃蘭，何天泉.高校視覺傳達專業計算機輔助設計的學科建設[J].藝術教育，2010（12）：45-46.
[2]童江濤.教學課件設計的視覺傳達分析[J].藝術研究，2011（01）：32-33.
[3]錢璐.平面設計軟件教學與繪畫結合的探討[J].美術大觀，2011（06）：07-08.
[4]侯庭卓.Photoshop輔助色彩構成教學探索[J].藝術與設計（理論），2011（04）：28-29.
計算機視覺的作用范文2
關鍵詞：計算機圖形學；計算機視覺；可視化技術
中圖分類號：TM862 文獻標識碼：A 文章編號：1671-2064（2017）01-0054-02
計算機圖形學、計算機視覺以及可視化技術三者均是計算機領域重要組成部分，要做好計算機知識，就要先學好計算機圖形學，但計算機圖形學學習相對枯燥，尤其是算法教學難以理解，為解決這一問題，計算機視覺與可視化技術被應用到計算機圖形學中?？梢姡咧g存在一定的聯系，因此，有必要對計算機圖形學、計算機視覺以及可視化技術展開研究。
1 計算機圖形學概述
1.1 計算機圖形學目的
所謂的計算機圖形學實際上就是怎樣利用計算機表示圖形，并利用計算機完成圖形計算與處理，而這一過程的實現需要得到相關算法的支持。學習計算機圖形學的目的是利用計算機技術為人們呈現既帶有美感又不缺真實的圖形（如下圖1所示），為實現這一目標，就需要按照圖形的要求創設合適的場景，并在一些光照模型的作用下，做好光照效果設計，在這一過程中需要計算機圖形學能夠與其他計算機技術相配合。經過計算機圖形學出來的圖像，多會以數字圖像的方式展示出來，總的來說，計算機圖形學與圖像處理之間存在著一定的聯系[1]。計算機圖形學的涉及范圍相對寬泛，不僅有圖形硬件設計，還包括動畫制作，虛擬現實等多個部分。此外，計算機圖形學在動畫制作中的應用頻率也很高，如45分鐘一集的動畫影片中，85%的畫面都需要用算機圖形學來完成，由此可見，計算機圖形學的應用頻率極高，并在動畫制作中發揮著不可替代的作用。因此，應重視計算機圖形學的應用。
1.2 計算機圖形學應用
隨著計算機圖形學的發展，它被應用到各個領域中，并發揮著重要作用。首先，在計算機輔助設計與制造中的應用，這是計算機圖形學應用最多的領域，在計算機圖形學被應用以后，不僅可以設計出更精準的圖形，還能做好人機交互設計，強化修改能力。計算機圖形學還被應用到三維形體重建中，利用該技術可以將原理的二維信息轉化為三維信息，如在某次工程圖紙設計中就應用了計算機圖形學，經過一系列的處理以后，三維形體逐漸形成，最終實現了重建。其次，在醫學領域中的應用。計算機圖形學在醫學領域中的應用多以計算可視化的形式展示出來，如在腦部手術中，醫生為看清患處真實情況，經常需要利用在可視化技術的作用下將復雜的數據轉化為圖像，這時就體現了計算機圖形學在其中的應用[2]。再者，在計算機動畫中的應用，人們看到的動畫影片就是計算機圖形學作用的結果，以動畫人物的行走為例，為保證動畫人物的行走與自然人不存在過大差異，就需要應用大量的計算機技術，并在計算機圖形學的作用下完成設計。最后，在計算機藝術中的應用。計算機圖形學在計算機藝術中也有廣泛應用，它不僅可以用于藝術制作，很多場景都是通過計算機圖形學來完成的，現階段，一些人正在利用計算機圖形學創設人體模擬系統，其目的是讓已故人士再次出現在熒屏上，這一目標的實現就需要得到計算機圖形學的支持。
2 計算機視覺技術
2.1 計算機視覺技術含義
所謂的計算機視覺技術，實際上就是用計算機取代人眼做識別、跟蹤以及測量等，同時也兼顧圖形處理，其目的是讓圖像在計算機被處理以后更適于識別。對于計算機視覺技術來說，意在實現人工智能，主要是從圖像與多維數據等方面實現人工智能系統設計[3]。計算機視覺是一種在相關理論與模型基礎上發展起來的視覺系統，其主要構成部分有以下幾種：
（1）程序控制，這一點主要體現在機器人設計上；（2）事件檢測，多體現在圖像監測上；（3）信息組織，主要體現在圖像數據庫等方面。計算機視覺三個階段如圖2所示，通過觀察圖1可以發現，計算機視覺存在于圖像處理始終，從早期處理直到后期結束都存在，最終實現了3D描述，可見，計算機視覺具有十分重要的作用[4]。
2.2 計算機視覺技術的應用
現階段，現代社會已經進入信息化時代，計算機技術也被應用到各個領域，并發揮著重要作用。計算機視覺的應用促使計算機實現了智能化，在該技術的支持下，計算機可以像人一樣透過視覺看待世界萬物，且具有良好的適應能力，但這一目標的實現還需要很長時間，需要一系列的努力才能實現。現階段，計算機視覺應用最多的就是車輛視覺導航，然而，這種導航還沒有實現完全自主導航，這也是需要進一步研究的地方。計算機視覺技術的適應性較好，特別適合在工業領域應用，即便是存在電子在干擾或溫度變化較大的地方都能很好的運行，其整體效果也不會受到影響，再者，計算機視覺技術的嵌入性較好，成本相對較低，尤其適合在PC方案中使用，同時，具有一定的非接觸能力，能夠獲取大量信息，且不受距離限制，總的來說，計算機視覺技術總體效果較好，適合利用在各種工業環境中應用，因此，應重視計算機視覺技術的應用[5]。同時計算機視覺還被應用到移動機器人設計中，主要是利用小波模板展示人體形態，然后做圖像掃描，這樣就可以順利完成小波變換，進而了解到人的存在。同樣，將計算機視覺應用到機器人設計上，可以自動檢測出正在行動的人或車輛，而無法檢測到靜止的人，之所以會出現這樣情況，主要是由于其中采用率步態分析法。
3 可視化技術
3.1 可視化技術含義
可視化技術是一種綜合了計算機圖形學與圖像處理于一體的技術，它可以將復雜的數據轉化為圖像并在屏幕上展示出來。在可視化技術中，融合了以上兩種技術的特點，并在多個領域都有應用，隨著可視化技術的應用，不僅有效實現了數據表示，還強化了數據處理能力，更對數據決策分析有一定作用[6]?，F階段，虛擬現實技術已經成為可視化技術主要發展方向。
3.2 可視化技術的應用
首先，在計算機圖形學教學中的應用，計算機圖形學相對枯燥，相關知識也很抽象，不便于學生理解，在計算機圖形學中最重要的部分是曲線曲面，而這些曲線曲面多是與數學模型有關，具有一定的抽象性，學生理解難度較大，以往教師只能通過一系列的公式演算幫助學生理解，盡管這樣依然難以讓學生掌握曲線變化情況，學生依舊無法正確理解。為減少這種情況的發生，可視化技術被應用到計算機圖形學教學中，教師將抽象的知識用動畫的形式展示出來，學生只要觀看動畫，拖動一定的控制點就可以了解到曲線變化情況，這樣一來不僅增加了教學趣味性，學生也可以隨意變動曲線，讓復雜的知識變得簡單，深化學生對計算機圖形學知識的深度理解，同時，利用可視化技術在一定條件下，還可以完成代碼編譯，如在Actoin ScriPt中做編譯，這樣也可以增強學生的理解能力[7]。
其次，在醫學領域中的應用。醫學領域對于可視化技術的應用主要體現在放射治療與矯正手術上。通過可視化技術可以屏幕上看到手術整個過程，并將原來細節部位放大，手術醫生觀察的更加細致，手術成功幾率也會大幅度提升，患者生命也能得到保證（如圖3所示）。如在對某名患者進行身體檢查的過程中需要應用到可視化技術，由于通過檢查會獲得大量數據，而這些數據又相對復雜，但在可視化技術下就可以通過圖表、曲線圖或立柱圖的方式展示出來，經過可視化技術的作用，了解到患者的血糖為5.6mmol/L，醫生可以根這一數據做出診斷，而不必再分析這些數據。據不完全統計，80%的醫療檢查工作都是需要利用可視化技術。
地質勘探是我國最重要的工作之一，由于多數礦藏都深埋地下，即便使用探測儀受多種因素影響也無法了解到實際礦藏情況，這就需要應用到可視化技術，在可視化技術的作用下，相關工作人員可以了解到地下有無礦藏，如果存在礦藏，相關工作人員也可以了解到礦藏所在位置與實際儲備量，進而為礦藏開采奠定基礎。如在地質勘探中，相關工作人員利用可視化技術做地形圖整理，然后從中提取地形數據，再用CATIA做導入，這樣就可以完成地形模型創建，這樣就完成了三維地質模型創建工作，同時在相關工作臺的影響下，還可以完成地形數據導入，進而生成一定的地形云點，如果其中存在錯誤，可視化技術也可以將其中的錯誤內容刪除，這些都是可視化技術所帶來的好處[8]。由此可見，可視化技術已經成為地質勘探中不缺少的技術。
最后，在氣象預報中的應用（如圖4所示）。利用可視化技術能夠將數據轉化為圖像，通過觀察圖像就可以了解到云層變化情況，同時也能了解到實際風力大小與風走向等，氣象預報人員就可以根據圖像做出精準分析，需要了解氣象變化的人也能了解到現實情況，如果氣象條件惡劣，相關工作人員也可以及時做出工作調整，減少危險事件的發生。據不完全統計，可視化技術在氣象預報中的應用頻率高達100%，由此挽回的經濟損失高達13.2億元，可見，可視化技術在氣象預報中的應用十分有必要，因此，應重視可視化技術在氣象預報中的應用。
4 結語
通過以上研究得知，計算機圖形學、計算機視覺以及可視化技術三者各具特色，三者間也存在一定的關系，尤其是可視化技術綜合了前兩者的特點，并融合了其他技術，在很多領域中都有應用。可視化技術是現階段應用最多的一種技術，在計算機圖形學教學中也有應用，并發揮著不可替代的作用。本文分析了計算機圖形學、計算機視覺以及可視化技術的含義與應用，希望能為相關人士帶來有效參考，正確利用這些技術。
參考文獻：
[1]陳敏雅，金旭東.淺談計算機圖形學與圖形圖像處理技術[J].長春理工大學學報，2011（01）：138-139+146.
[2]柳海蘭.淺談計算機圖形學的發展及應用[J].電腦知識與技術，2010（33）：9551-9552.
[3]滑瑞朋.計算機圖形學的應用及研究[J].山西科技，2012（05）：37-38+45.
[4]劉濤，仲曉春，孫成明，郭文善，陳瑛瑛，孫娟.基于計算機視覺的水稻葉部病害識別研究[J].中國農業科學，2014（04）：664-674.
[5]關然，徐向民，羅雅愉，苗捷，裘索.基于計算機視覺的手勢檢測識別技術[J].計算機應用與軟件，2013（01）：155-159+164.
[6]許志杰，王晶，劉穎，范九倫.計算機視覺核心技術現狀與展望[J].西安郵電學院學報，2012（06）：1-8.
計算機視覺的作用范文3
關鍵詞：圖像處理 計算機視覺 立體視覺
在實際工程實踐中，由于受現場條件和測試技術本身的限制，結構動位移的測試往往存在一定的困難和挑戰，這也使動位移并未成為結構動力性能評估中一個常見的評估指標。結構動位移響應是直接反映結構在動力荷載作用下安全性和整體性的重要參考指標。隨著工程結構或構件建造得越來越柔和復雜結構模型試驗研究的發展，如大跨度橋梁、高層建筑、索結構等的現場測試以及結構振動臺試驗、風洞試驗等，結構動位移的測試顯得尤為重要。
計算機視覺是研究計算機模擬生物外顯或宏觀視覺功能的科學與技術，是一個發展十分迅速的研究領域，其研究手段涉及甚廣，如圖像處理、機器視覺、醫學圖像分析、模式識別、計算機圖形學、人工智能等。當計算機通過視覺傳感器（比如相機或攝像機等）試圖分析三維空間的物體時通常只能給出二維圖像，通過計算機分析和處理圖像信息，可以重構實物的三維幾何信息，包括其形狀、位置、姿態、運動等。因此，通過計算機視覺技術實現結構動位移的測量是可行的。上世紀八十年代中期以來，隨著計算機軟、硬件技術的不斷發展，在土木工程領域，國內外很多學者嘗試將計算機視覺技術用于結構的幾何測試，包括結構的位移（靜、動位移）、裂縫、表觀外形等。Aw和Koo采用數碼照相機來進行預設目標的坐標測量，經過基于計算機視覺理論的光束法優化后，其測試精度為2.24mm。Nieder？st和Maas利用數碼攝像機來測試混凝土梁在脫水收縮過程中的變形情況，其在相機視場為80cm時測試精度可達0.03mm。相類似地將計算機視覺技術用于結構特性的測量例子還有很多，比如混凝土管片變形檢測，梁破壞試驗中的變形測量，遠距離橋梁變形測量，軌道梁破損狀況的檢測等。相比于結構靜態幾何特性的測試，結構動態特性的測試應用相對不多。Olaszek利用攝像機來攝錄橋梁的振動情況，并以計算機視覺技術進行結構動位移重構分析，得出的動位移測試精度為1mm左右。Yoshida等采用立體視覺技術來測試一塊薄板的三維振動特性。
一、單相機標定
二、基于立體視覺的兩相機立體標定
三、圖像點跟蹤
圖像點跟蹤是基于立體視覺的結構位移測試手段中的重要環節。在圖像（或視頻）分析過程中，點跟蹤的精度會直接影響位移測試的最終結果。在實際測試中，本文采用兩個黑方格組成的目標模板粘貼在所測結構的表面，方格尺寸均為30×30mm，兩方格的交叉角點作為圖像分析的跟蹤點。
四、三維點重構
計算機視覺的作用范文4
【關鍵詞】計算機視覺；構件；表面特征；檢測
表面缺陷檢測以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強對產品的表面缺陷提取以及質量檢測顯得尤為重要，目前基于計算機視覺的構件缺陷檢測系統已經受到國內外研究人員的重視，如何更好地將計算機視覺技術引入到產品表面質量缺陷檢測中去是未來發展的重點。筆者將在下文中就此展開詳細的闡述。
1.計算機視覺的基本工作原理
1.1系統結構
計算機視覺是一項涉及范圍廣泛的技術，他通過圖像采集裝置將檢測目標轉化為圖像信號，再經過專門性的額圖像處理系統最終生成具體的表面特征。具體來講在圖像處理環節米旭濤根據圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進行目標提取，再比照系統預設的參照值得出最終的檢測結果，例如尺寸大小、顏色等師傅偶合格。計算機視覺處理系統包括了光源、鏡頭、計算機以及圖像采集裝置和處理系統等，這些系統綜合組成共同推動了計算機視覺系統的正常穩定運行。
1.2計算機視覺硬件設計
計算機視覺系統的硬件平臺包括了照明系統、鏡頭相機以及圖像采集裝置和工控機四個部分，這四個部分缺一不可，共同組成了整個計算機視覺系統。
1.2.1照明系統
照明系統是整個計算機視覺系統的關鍵，尤其是在光源和照明方案的配合上更是直接影響了整個系統運行的成敗。因此在照明方案的制定以及光源的選擇上應該盡可能的突出物體特征參量，綜合考慮對比度以及亮度等因素，將計算機視覺系統的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時還需要結合被檢測物體的表面特征幾何形狀。針對構件表面缺陷的照明方案，筆者認為應該選擇功率相對較大的LED光源，用低角度的方式進行照明。
1.2.2相機鏡頭
相機系統是成像的關鍵，因此在相機鏡頭的選擇上應該適用于具體的構件。一般來說相機鏡頭包括了兩方面內容，一是線掃，二是面掃。通過二者的綜合運用實現更好地成像效果。
1.2.3圖像采集卡
圖像采集卡主要是指在計算機視覺系統中位于圖像裁剪機設備和圖像處理設備之間的重要接口。是成像的中間環節，發揮著不可或缺的作用。
2.基于計算機視覺的構件表面缺陷特征提取
基于計算機視覺的構件表面缺陷特征提取可以分為為三個重要部分，分別是圖像預處理部分：主要是指針對構件進行區域的定位，將非構件的部分移出計算機視覺的缺陷提取技術中去，從而降低了后續工作的工作難度；其次是進行缺陷定位，主要是指通過特定的技術和算法將缺陷從結果當中直接分離出來。第三部分是缺陷特征的提取，也是系統處理的結果部分，是通過計算缺陷的程度以及缺陷大小，從而為后期的構件維護提供參考依據。具體來說，這三個部分的操作主要體現在以下幾個方面：
2.1區域定位
區域定位是減少構件處理和選擇時間的關鍵，能夠大大提高構件缺陷提取的效率。構件的表面的基本特征和大致集合框架提取是區域定位和的第一步，要將計算機區域定位和缺陷提取結合起來，更好地實現缺陷分析。要做好構件的區域定位首先需要明確構件的基本種類和特征：一是根據構件的重用方式來說，可以分為白匣子、灰匣子、黑匣子從構件的使用范圍來看又可以分為通用構件和專用構件；根據構件的粒度的大小可以分為小。中大三種不同粒度的構件；再次是從構件的功能上來看可以分為系統構件、支撐構件以及領域構件三個部分。四是從構件的基本結構特征來看可以分為原子構件以及組合構件。最后從構件的狀態來說，又可以分為動態和靜態構件。因此從不同種類的構件進行區域定位為視覺系統正常運行創造了優良的條件。
2.2缺陷提取
在進行缺陷提取的過程中，難免會受到客觀的環境影響，比如噪聲、溫度以及濕度等對圖像處理的結果產生影響，因此需要對區域定位中產生的區域進行濾波處理，然后再采用閾值分割的辦法進行缺陷提取。具體操作步驟如下所示：
（1）計算出成像中的最小最大灰度值，并且設置初始閾值。
（2）根據閾值，結合圖像的分割目標，將圖像分割成為目標和背景兩個部分，求導出平均灰度值。
（3）再根據新的平均灰度值計算出新的閾值。
（4）觀察閾值的初始值與新閾值之間的關系，如歌二者相等則整個計算過程就結束，如果不相等，則就需要進一步計算。
通過閾值計算得出啊的最佳閾值分割效果圖，能夠進行初步的缺陷預判，但是初步預判當中還存在較多的不確定因素，主要包括兩類，一是在邊緣部分出現的細小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構件表面有一些非常細小的缺陷，這些缺陷的影響較小，不會對構件的性能造成影響，因此在進行缺陷提取的過程中需要將這兩個因素排除在外，具體主要是指采用圖像形態學中開運算和閉運算，從而達到對構件中的明了細節和暗色細節的過濾。具體來說缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點的上下左右灰度加權算法，對構件表面的缺陷進行檢測。再采用二值圖像邊界跟蹤法，將缺陷從構件圖像中分離出來。
2.3缺陷特征提取
缺陷特征提取，又可以稱之為缺陷的定量計算和定性過程，是將前期所得的數據結果以更加直觀的形式展現出來，通過對比指標參數判斷構件的表面質量是否合格，符合基本的生產標準。一般來說常用的表示缺陷特征的標準有以下幾種：
（1）周長：周長是對缺陷的邊界長度的描述，在圖像特征上顯示則是指構件成像上的缺陷區域的邊界像素數量。
（2）面積：面積相對于周長能夠更加直觀地反映整體缺陷的大小，它是缺陷區域中的像素的總數，因此更高體現缺陷的影響規模。
（3）致密性：這是一個相對專業的缺陷指標概念主要是指每平方面積上的平方周倉，是一個雙單位描述指標。
（4）區域的質心：區域質心是描述缺陷的影響關鍵也就是缺陷區域內的核心區域，是對整個區域的核心描述。
（5）最小外接矩形。
3.結語
綜上所述，構件表面缺陷直接影響構件的最終使用效果，構件表面缺陷的檢測應用領域也逐漸廣泛，而計算機視覺技術在檢測缺陷中的優越性更體現了基于計算機視覺的構件表面缺陷特征提取的研究價值。本文主要針對構件表面缺陷的檢測，綜合計算機視覺技術提出了具體的檢測方法和檢測工作原理，通過對表面缺陷的檢測，力圖提高構件的整體質量。
【參考文獻】
[1]陳黎，黃心漢，王敏，何永輝，龔世強.帶鋼缺陷圖像的自動閾值分割研究[J].計算機工程與應用，2002，（07）.
[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數學形態學的帶鋼表面缺陷邊緣提取[J].機械設計與制造，2012，（06）.
計算機視覺的作用范文5
關鍵詞 模式分析 計算機視覺 教學改革
中圖分類號：G643.2 文獻標識碼：A DOI：10.16400/ki.kjdkz.2016.03.015
Research and Practice on Course Group of Pattern Analysis and
Visual Processing for Graduated Students
SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi
（College of Computer Science and Technology， Nanjing University of
Aeronautics and Astronautics， Nanjing， Jiangsu 210016）
Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.
Key words pattern analysis； computer vision； teaching reform
1 背景
我校模式分析與智能計算研究所師資團隊是江蘇省“青藍工程”創新團隊，主要研究領域包括智能數據分析、圖像處理和機器視覺等方向，承擔研究生和本科生的模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程的教學任務。以往的教學過程中雖然積累了豐富的教學經驗，但當前新知識不斷涌現、新技術發展迅猛，對模式分析與視覺處理課程群的知識體系、實踐體系改進提出了新的挑戰。
近年來，國內外高校在該類課程教學上，已涌現出眾多新理念、新方法。Coursera聯合創始人Andrew Ng推出的機器學習課程，開啟了教育領域的MOOC時代，引領了教育教學方法的新革命。①深圳大學、②江蘇科技大學③分別進行了基于CDIO工程教育理念的計算機視覺課程教學改革實踐，實現多層次項目設計的教學模式改革，講座式、討論式、實踐式教學方法的探索。國防科技大學④在計算機視覺課程中引入研討式教學模式，通過案例教學、小組研討的方式來替代傳統的教學方式。華中科技大學⑤從教學內容國際化、教學方式國際化、教學成果國際化三個方面開展了計算機視覺課程的國際化建設。另外，也有高校進行了圖像工程課程群建設，⑥基于圖像分析與計算機視覺應用課程結合的項目協同創新能力培養實踐。⑦
在分析上述國內外高校該類課程改革的基礎上，我們重點以模式分析與視覺處理課程群的實踐教學體系改革為切入點，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。
2 模式分析與視覺處理課程群特點
模式分析與視覺處理課程群涵蓋了模式識別、機器學習、數據挖掘、數字圖像處理、計算機視覺等多門課程。該類課程存在以下特點。
（1）該類課程屬于多學科交叉，涉及的知識面既廣又深。由于該方向涉及計算機科學與技術、應用數學、自動化、電子科學與技術、信息工程等多學科內容，而學生在大學本科階段很難學習和了解如此多的知識模塊，這對研究生階段學習來說，具有相當大的挑戰。同時，對于每個知識模塊，所要求的數學基礎較高，理論具有相當的深度，理解和掌握不容易。
（2）該類課程既重視扎實的基礎理論，也強調良好的工程實踐能力。該類課程的基礎理論教學一直受到各高校的重視。隨著近年來產業界的迅猛發展，計算機視覺應用層出不窮，對學生的工程實踐也提出了更高要求，需要能夠在系統層次上有整體認知，同時要能對各功能模塊進行優化，提升系統的整體性能。
（3）該類課程所面向的選修學生面廣。該類課程既是多學科交叉，也面向計算機應用、電子科學與技術、自動化、應用數學等不同研究方向、不同水平層次的研究生開設。這對課堂教學和實驗實踐也帶來更大挑戰。
3 模式分析與視覺處理課程群改革舉措
針對上述分析的課程群特點，我們重點以實踐體系改革為突破口，通過優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式等舉措，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。
3.1 師資隊伍結構優化
為了學生能夠適應模式分析與視覺處理產業的快速發展，在課程群建設過程中更強調學生的工程實踐和創新能力培養。這首先對師資隊伍結構提出了新的要求。
近年來，課程教學團隊引進海內外具有深厚理論功底和較強工程能力的高水平師資4名，大大充實了機器學習、數據挖掘、圖像處理等課程的教學力量。對于現有教師隊伍，鼓勵教師跟產業一線企業廣泛合作，目前已與華為、中興等企業在視頻檢索、智能交通視覺處理等方面開展了實質合作。這些來源于產業界的高質量課題對科研和教學起到了良好的促進作用。
與此同時，通過研究生工作站、企業短期實習等渠道，鼓勵企業高級研發人員參與到學生實踐能力培養環節中，將實際項目進行適當切分或提煉，實現該類課程實踐環節的模塊化、專題化訓練。
綜上，通過引培并舉，優化校內師資隊伍結構；通過校企合作，積極吸引企業師資參與。良好的師資隊伍為該類課程的實踐體系改革提供了有力支撐。
3.2 課程群知識體系梳理與授課模式改革
模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程既有一定的邏輯關系，也存在相互交叉的混雜關系。一般認為，模式識別、機器學習是模式分析與視覺處理領域的基礎理論課程，數據挖掘是建立在模式識別、機器學習和數據庫基礎上的應用類課程，智能信息檢索則是數據挖掘基礎上更為具體的應用實現。數字圖像處理為計算機視覺課程提供了基礎支撐，計算機視覺則是在綜合利用模式識別、機器學習、數字圖像處理、數據挖掘等知識模塊基礎上面向應用的系統實現。但是，這些課程也存在著知識點的交叉或重復。例如，模式識別和機器學習中都有貝葉斯參數估計、支持向量機模型等知識點，但視角和側重點有所不同；圖像處理、計算機視覺中都有顏色模型、成像模型等知識點，也同時存在與模式識別、機器學習交叉的知識點。
我們針對來自不同研究領域的學生群體，對該課程群的知識點進行系統梳理，既避免知識點的重復講授，也防止重要知識點的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領域的選講知識集。學生在學習課程時，在掌握核心知識集的基礎上，結合自己的研究方向選擇相關的選講知識集學習。
在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機器學習的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數據挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內外著名大學普遍采用。同時，每門課程都提供相關的國內外頂級會議和期刊的列表，供學生課后追蹤研究領域的熱點問題。
在課堂授課環節上，注意采用靈活多樣的授課方式。對于核心基礎知識模塊，以教師講授為主，同時提供國內外該類課程的熱門MOOC網址給學生參考。對于選講知識模塊，鼓勵學生事先結合各自研究方向有目的自學，在學生報告的基礎上進行課堂討論方式進行。充分發揮學生學習的主體作用，也便于教師了解學生的水平和學習狀況。
除此以外，不定期邀請國內外著名學者來校做學術報告，讓學生充分了解該研究領域的最新前沿動態，并就熱點問題進行專題討論。
3.3 課程群實踐體系完善與考核方式改革
工程實踐和創新能力的培養是該課程群改革的重要目標。我們在上述師資隊伍結構優化、課程群知識體系梳理與授課模式改革的基礎上，著力進行課程群實踐體系的改革與完善。我們通過多層次菜單式的實驗項目選擇、項目牽引的創新能力訓練、學生綜合研究能力的全面考查等方面來實現。
首先，整合和優化課程群實踐內容，實現多層次菜單式靈活選擇。根據各研究領域的要求進行靈活搭配，根據學生個體的能力與水平選擇適當規模和難度的實踐內容，通過課程內的基礎實驗、課程間的綜合實驗、課程群的創新實驗來選擇和組合，如圖1所示。
圖1 多層次菜單式實驗內容示意圖
基礎型實驗內容主要是各課程核心知識點的實驗驗證，主要包括模式識別，機器學習，數據挖掘，圖像處理與分析，計算機視覺等課程的實驗。要求選課學生對這些基礎實驗必做，打下良好的研究基礎。
綜合探索型實驗在基礎型實驗基礎上，既有單門課程內總的綜合實驗，也有課程間知識的綜合應用。主要分為兩大塊，包括模式分析與機器學習方向的綜合實驗，以及圖像處理與機器視覺方向的綜合實驗。實驗目的主要是針對這兩大塊方向重點知識的綜合分析和比較，能夠熟練掌握和靈活應用。例如模式分析、機器學習、數據挖掘等方向都用到的線性判別分析、支持向量機、均值聚類等內容；圖像處理與機器視覺中的圖像特征抽取、視覺系統選型、目標檢測、特定平臺的算法優化等內容。學生可根據各自研究方向有目的的選擇兩塊綜合實驗的大部分內容。
在綜合型實驗基礎上，該課程群通過若干創新型實驗來檢驗學生理論知識掌握程度和實踐方法應用能力，為后續的研究課題開展打下良好的科研素養。主要內容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監控、以及企業來源的關鍵技術等。這些項目實踐既涉及用到圖像處理與機器視覺的內容，也涉及模式分析與機器學習方向的知識。并且需要學生在綜合運用相關知識的基礎上有創新能力。
其次，重視各類項目牽引的創新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業合作項目等研究中提煉出問題規模和難度適中的訓練項目，作為課程群的綜合能力訓練項目。另一方面，鼓勵學生參加挑戰杯、全國研究生智慧城市技術與創意設計大賽等各類具有挑戰性的競賽項目，以賽代練，提升學生的工程實踐和創新能力。同時，也鼓勵學生利用百度、微軟等相關研究領域的企業實習機會，參與產品一線的工程實踐能力訓練。
再次，注重考核環節，實現科研素養和實踐能力的全面考查。只有嚴格、公平、公正的考核，才能保證實驗實踐的質量和水平，才能提升學生的科研素養和實踐能力。我們主要在手段、方式方法上進行了改進。在題目選擇上，根據學生個體水平和研究領域要求的差異，在選題上有適當的難易區分度，讓每位學生都有鍛煉和提升的機會；在考核方式上，采用結題書面報告來檢驗學術論文的寫作能力，采用程序演示檢驗系統的設計與實現水平，采用上臺匯報的方式檢驗學生的表達能力，多管齊下全面檢查學生的綜合科研素養；在考核成績評定上，采用現場教師和學生共同評分的方式，公平合理；最后，通過網站展示、發表學術小論文、專利、軟件著作權等方式展示和公開優秀成果，激發學生的學習熱情，并由此形成積累，有利于學生實驗實踐氛圍的傳承。
4 結語
本文在分析國內外高校模式分析與視覺處理類課程群改革現狀的基礎上，以學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升為目標，重點開展了師資隊伍結構優化、課程群知識體系梳理、課程授課模式改革、課程群實踐體系完善和實踐考核模式改革等工作，取得了良好的效果，并為校內其他課程群的教學改革作為示范推廣。
注釋
① https：///learn/machine-learning/
② 郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐.理工高教研究，2010.29（5）：98-100，148.
③ 史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO教學改革實踐.計算機教育，2013.9：40-43.
④ 陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式.當代教育理論與實踐，2013.5（7）：112-114.
⑤ 王岳環，桑農，高常鑫.計算機視覺課程的國際化教學模式.計算機教育，2014.19：101-103.
計算機視覺的作用范文6
關鍵詞 機器視覺；現代農業；應用；問題；展望
中圖分類號 TP391.4 文獻標識碼 A 文章編號 1007-5739（2014）08-0335-01
Application of Machine Vision Technique in Modern Agriculture
WANG Wen-jing
（Department of Electronic Information，Foshan Polytechnic，Foshan 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“在工業化、城鎮化深入發展中同步推進農業現代化”這項重要任務在“十二五”規劃中的提出，我國的農業有了迅猛發展，農業與自動化技術的研究和應用得到了高度的重視，但是與國外發達國家還有一定的差距。機器視覺技術是促進農業生產和管理自動化水平提高的一種高效的手段。目前，該技術在國內外農業領域的各個環節已經有了較大突破，如種子質量檢測、田間雜草識別、植物生長信息監測、病蟲害監測等。機器視覺技術不僅節約了人力、物力的消耗，而且提高了生產質量和效率。
1 機器視覺技術的基本概念、原理以及系統組成
機器視覺也稱之為計算機視覺，是一種利用機器代替人眼進行觀察、測量與判斷的技術，首先利用攝像機獲取目標的圖像，然后通過計算機算法將圖像進行數字化處理和顏色、形狀和尺寸等的測量與判別[1]。
機器視覺系統主要由光源、攝像機、采集卡和計算機構成。攝像機通過光電傳感器將被測物光形象轉化為電信號，并且以圖像的形式記錄保存下來。圖像采集卡是連接攝像機和計算機的紐帶，主要作用是把電信號轉化為數字信號，并將數字信號傳輸到計算機進行保存和處理。在實際應用中，為了能夠獲得高亮度和高對比度的圖像，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 機器視覺技術在現代化農業中的應用
2.1 在農業生產前的應用
進行種子質量檢測。農作物種子質量的好壞對作物產品的優劣與作物產量的高低有著直接的影響作用，在農業生產過程中有著至關重要的地位。成 芳等[2]詳細介紹了機器視覺系統的原理和發展動態，并且從系統軟件、硬件和國內外研究現狀等方面綜合描述了機器視覺在種子質量檢測中的運用。陳兵旗等[3]利用機器視覺技術對水稻種子進行了精選，首先提取長寬比和面積等特征參數，并建立有關稻種類型的數據庫，進而對稻種類型進行判斷，然后通過掃描線數和掃描線上黑白像素的變化次數來判斷種子是否破裂，最后利用不同閾值提取的稻種面積差來判斷稻種是否霉變。試驗證明：該方法能對種子種類、發霉和破損情況等進行判斷，具有較高的準確率。
2.2 在農業生產中的應用
2.2.1 作物生長信息監測。農作物的生長調控、缺素診斷、產量分析與預測都是以作物生長信息為基礎和依據的，因此，通過機器視覺的方法對農作物的生長信息進行監測，成為當今機器視覺在農業中的研究熱點之一。張云鶴等[4]設計了農作物莖稈直徑變化測量系統，通過測量圖像中作物莖稈直徑像素數、圖像中參照物直徑像素數和參照物的實際直徑求取作物莖稈直徑。使用該系統對黃瓜莖桿進行直徑測量，絕對誤差在0.002 mm以內。王文靜等[5]設計了一個基于機器視覺的水下鲆鰈魚類質量估計系統。該系統利用機器視覺和圖像處理技術對不同生長發育階段的半滑舌鰨進行了檢測，提取了魚的面積、等效橢圓長寬比和圓形度因子等形狀參數，并將各參數分別與質量進行數據擬合建立二維和三維維模型。試驗證明：該方法能夠較好地估計出生物的質量。
2.2.2 病蟲害與雜草監測。病蟲害和雜草直接危害著農作物的生長，如果沒有得到及時的控制，會直接影響到農作物的質量與產量。因此，檢測并獲取害蟲的分布情況、位置、生長情況等對農作物的生產具有巨大的意義。邱道尹等[6]設計了一個基于機器視覺的大田害蟲檢測系統，利用神經網絡分類的方法對常見的幾類害蟲進行了分類。通過現場試驗證明，該方法簡單可行、識別率高。毛文華等[7]以國內外的研究為例，系統、詳細地介紹了機器視覺在雜草識別中的研究和應用情況，分析了采用植物紋理、顏色、多光譜和形狀等特征來識別雜草的理論根據以及存在的問題和難點。尹建軍等[8]利用攝像機采集標定靶圖像，根據攝像機的透視模型對圖像進行處理，求出48個靶點質心的像素坐標，然后通過DLT最小二乘法建立攝像機隱參數矩陣。實踐證明，該方法對雜草定位的誤差在23 mm以內，能夠滿足雜草識別與智能化噴施的需求。
2.2.3 營養脅迫診斷。在農業生產管理中，由于缺素初期的作物和正常情況沒有太大差別，很難被察覺和診斷，而利用機器視覺的方法能夠比較及時、準確的判斷，進而降低損失。
毛罕平等[9]在作物營養元素虧缺的識別和自動檢測中，利用植物的葉片特征和遺傳算法進行優化組合，挑選出能夠用在分類器設計方面的特征向量。試驗證明，利用二叉樹分類法的模糊K近鄰法對缺元素的番茄進行識別和測試，其誤差在15%以內。張彥娥等[10]利用機器視覺技術和圖像處理技術研究了一種溫室黃瓜葉片營養信息檢測系統，通過求取葉片含水率、含氮率與含磷率分別與各個分量之間的相關性；試驗證明：該方法獲取葉片顏色分量、亮度指標等參數，能夠作為計算機視覺技術作物長勢和作物營養信息監測的指標。
2.3 在農業生產中的應用
2.3.1 農業機器人。對農業機器人的應用主要利用機器人技術進行視覺導航技術的研究，是目前比較受關注的課題之一。視覺導航技術的研究為農業機器人的自動除草、施肥和施藥等工作奠定了良好的基礎。
周 俊等[11]在綜合分析農田自然環境的基礎上，提出了農業機器人視覺導航中多分辨率路徑識別算法，并將色彩特征分析法應用于路徑識別中，利用小波分析變化法進行邊緣檢測，結果表明，結合導航系統期望跟蹤的路徑特點分析可以比較準確的識別路徑。安 秋等[12]通過AVR單片機的下位機來控制4個電機的速度和實現與上位機的串口通訊功能，提出了將線性掃描法和最小二乘法結合使用的思路，實現了農業機器人的視覺導航算法，使機器人能夠在農作物之間行走。
2.3.2 品質分級。利用機器視覺的方法對農作物進行分級，可以減少主觀因素的影響，并且為生產自動化的發展奠定了基礎。
蔣益女等[13]對蘋果質量等級識別的機器視覺檢測技術進行了研究，對蘋果圖像進行梗蒂、缺陷識別后，提取目標區域，并求出紋理和幾何特征參數等，并通過Pearson對參數進行相關性分析和SFFS對特征進行選擇，去掉冗余的特征，最后使用KNN分類方法對蘋果進行分類。試驗結果表明，該識別方法對蘋果等級識別與人工判別結果非常接近，可以推廣到其他產品質量等級檢測和識別。李江波等[14]對鮮香菇外部品質計算機視覺檢測與分級進行了研究，首先對攝像機采集的圖像進行預處理后，獲取香菇菇蓋的圓形度、最大直徑、色調均值等特征參數對香菇進行分級。試驗證明，利用BP神經網絡法對香菇進行分級的準確度為94.2%。
3 存在的問題及未來的展望
隨著機器視覺技術的發展和農業自動化水平的提高，機器視覺技術在農業中的應用研究越來越多，但是由于農作物形狀的多樣性、周圍環境的復雜性、理論和實際的差異性等因素制約著機器視覺技術在農業中的應用發展。為了解決這些問題，筆者認為應從試驗條件、系統硬件和軟件設計3個方面著手。如在設置和模擬試驗條件和硬件系統設計時，應多方位、全面地考慮到實際情況和國內外先進技術，使設計更加完善。在系統軟件算法的開發階段，需要將機器視覺和圖像處理算法多與神經網絡、人工智能等相結合使用，尋求出適用性強的新算法[15]。
在現代農業中引入機器視覺技術，不僅可以提高農業生產和發展的自動化水平，而且可以使人類從重復的勞動中解放出來，有著廣闊的發展空間和應用前景。一方面，與人類視覺相比，機器視覺具有快速、非接觸性、無損和準確的特點，可以提高農業生產效率，促進農業生產和管理自動化方向和發展。另一方面，計算機、自動化控制技術、機器視覺技術的進一步發展和綜合集成，也將會為機器視覺在農業生產中的應用開辟新的空間。
4 參考文獻
[1] 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）：124-125.
[2] 成芳，應義斌.機器視覺技術在農作物種子質量檢驗中的應用研究進展[J].農業工程學報，2001，17（6）：175-179.
[3] 陳兵旗，孫旭東，韓旭，等.基于機器視覺的水稻種子精選技術[J].農業機械學報，2010，41（7）：165-173.
[4] 張云鶴，喬曉軍，王成，等.基于機器視覺的作物莖稈直徑變化測量儀研發[J].農機化研究，2011（12）：158-160.
[5] 王文靜，徐建瑜，呂志敏，等.基于機器視覺的水下鲆鰈魚類質量估計[J].農業工程學報，2012，28（16）：153-157.
[6] 邱道尹，張紅濤，劉新宇，等.基于機器視覺的大田害蟲檢測系統[J].農業機械學報，2007，38（1）：120-122.
[7] 毛文華，王一鳴，張小超，等.基于機器視覺的田間雜草識別技術研究進展[J].農業工程學報，2004，20（5）：43-46.
[8] 尹建軍，沈寶國，陳樹人.基于機器視覺的田間雜草定位技術[J].農業機械學報，2010，41（6）：163-166.
[9] 毛罕平，徐貴力，李萍萍.基于計算機視覺的番茄營養元素虧缺的識別[J].農業機械學報，2003，34（2）：73-75.
[10] 張彥娥，李民贊，張喜杰.基于計算機視覺技術的溫室黃瓜葉片營養信息檢測[J].農業工程學報，2005，21（8）：102-105.
[11] 周俊，姬長英.農業機器人視覺導航中多分辨率路徑識別[J].農業機械學報，2003，34（6）：120-123.
[12] 安秋，顧寶興，王海青.農業機器人視覺導航試驗平臺[J].河南科技大學學報：自然科學版，2012，33（3）：42-45.
[13] 蔣益女，徐從富.基于機器視覺的蘋果質量等級識別方法的研究[J].計算機應用于軟件，2010，27（11）：99-101.
