前言：中文期刊網精心挑選了機器視覺概念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。
機器視覺概念范文1
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.
機器視覺概念范文2
【關鍵詞】機器視覺；研究型教學；課程建設；應用創新型
0 背景
2013年德國提出的工業4.0，用于提升本國制造業的智能化水平，為德國制造業的競爭力持續領先奠定理論基礎；隨著我國向生產強國邁進，政府于2014年提出中國版的工業4.0-中國制造2025，為我國制造業的智能化發展指明理論方向。智能化是傳統制造業持續發展的關鍵，機器視覺是制造業智能化的關鍵。為了適應當前生產企業的發展和機器視覺技術應用人才的需求不斷增加。為此，根據應用創新型本科人才培養模式的特點，改革現有教學內容和方法，結合最新教學手段和移動網絡模式，實現教學現代化，提高學生整體素質，全面實現應用創新型人才培養目標[1]。
1 機器視覺課程建設
當今機器視覺課程開設的高校較少，本科階段開設的更少。主要在于該課程是一門交叉課程，需要學生掌握多門相關學科的知識，如圖像處理、模式識別、圖像處理、傳感器、光學成像、計算機等。根據光電信息工程專業的培養方案和適應長三角地方產業的發展，我系開設了這門與制造企業密切相關的課程―機器視覺。
當前機器視覺教學過程中主要存在以下幾個突出的教學問題：1）注重教材知識點的講解，忽略與產業的結合；2）注重教師為中心，忽略學生創新意識和創新能力的發展；3）注重傳統教學建設，忽略網絡時代下的教學建設。為了提高學生的學習興趣，適應地方產業的發展，我院在應用創新型人才培養模式下進行機器視覺研究型課程教學改革[2]。
研究型教學課程建設以全面培養學生發現問題、提出問題、解決問題的能力為目標，以教師為輔，學生為主，自主研究性學習為手段，全面提高學生的創新能力。為了實現研究型教學課程建設的目標，需要對現有的教學內容和教學方式進行有效的改革[3]。
1.1 教學內容設計
機器視覺是人工智能快速發展的一個重要分支，也是產業快速發展的關鍵。為了適應長三角地方產業的發展，需要對現有機器視覺課程內容進行有效的改革，增加與地方產業相適應的內容，為此需從不同產業獲取經典的實際案例講解，將所講內容蘊含在實際案例中。實際教學過程中，其內容主要涉及5個部分：
1）機器視覺的基本概念
包括機器視覺的背景、應用、發展歷史、主要組成和機器視覺分類方法以及發展趨勢，使學生了解機器視覺研究的內容和未來發展的趨勢，掌握機器視覺的基本方法和基本原理。
2）機器視覺的硬件技術
涉及機器視覺的硬件：鏡頭技術、攝像機技術、光源技術、采集技術以及相機的標定技術，使學生了解機器視覺的基本硬件的原理，從而為機器視覺的進一步應用提供必須的基礎。
3）圖像處理技術
圖像處理技術是機器視覺中的關鍵，為進一步處理提供有利的保證。主要涉及到圖像增強、圖像分割和圖像的配準等內容，使學生掌握機器視覺中所用到的圖像處理的基本知識和基本原理。
4）模式識別技術
模式識別是機器視覺中一項重要內容，也是機器視覺中能面向實際應用的關鍵，這部分內容主要涉及到分類的一些知識：如最近鄰分類、Fisher分類、貝葉斯分類、神經網絡和支持向量機等分類法，使學生掌握分類中一些基本方法和一些基本理論，同時了解一些當前比較熱模式識別技術如深度學習等內容。
5）基于機器視覺的實際案例
面向實際應用，設計相關所學內容的演示和課后完成的實際實踐內容，使學生能夠應用所學到的機器視覺的一些基本知識和基本原理實現一些簡單的來源生產中的一些應用，為將來就業提供一些有效的經驗。
1.2 實驗內容設計
實驗是機器視覺研究型課程的重要環節。設計讓學生感興趣并且貼近企業生產的實驗有利于研究型課程目標的實現。根據所學內容的需要，設計幾個有代表性的且切近生產實際的實驗，如傘齒輪上缺陷的檢測和分類，油品質檢測和彩虹工件尺寸測試等實驗。
1.3 教學手段設計
對于研究型課程來說，課程所涉及到的實驗或者課后作業一般很難在有限的課堂時間內完成，因此學生需要學會通過網絡查閱相關資料、了解實驗或課后作業的目的，不斷通過發現問題，提出問題和解決問題，全面提高自身創新能力。所設實驗或課后作業都是來源生產實際，因此是若干個知識點的融合所形成。在實踐過程中規定了教學目標、方法和實踐步驟以及評價方法。一般是要求學生分組完成，并且分階段討論匯報，在反思中不斷改進所用的方法，提高實驗的質量，同時也在不算提高自己的發現問題，解決問題的能力[4]。
對于課堂教學，實施以學生為中心，教師為輔的教學模式。教師只講解與實際案例相關的知識點，以任務的形式引導學生邊學邊做，通過分組合作的形式完成。教師主要引導學生，以提問題開始，以解決問題結束，隨著任務不斷完成，學生也逐漸學會發現問題和解決問題的方法。通過這種任務式的教學，學生為中心，教師引導，師生互動，學生從被動到主動，從機械思維到創新思維的有效轉變。
為了適應當代大學生的上課注意力時間短的特點，開發和完善網絡課程和移動平臺課程建設。通過這些平臺，把上課內容和參考的內容等教學資源上網免費開放，使得學生可以在空閑時間自主選擇學習的內容，完善了正常上課教學的不足，提高了學生自主學習的能力。
1.4 考核設計
傳統的考核機制就是考試加上平時成績，大大制約了課程教學的發展。為了進步提高學生學習興趣和分析問題、解決問題的能力，需要對現有的考核機制進行改革，除了保留現有的考核方式，但大大降低了他所占的比例，增加項目小組口頭報告和小組之間互評成績，這兩部分各占總分的10%?？陬^報告根據學生討論內容和討論深度給予成績，小組之間互評根據各個小組的互評成績的平均成績作為小組的成績。這樣的考核可以有利于調動學生的積極性，提高學生分析問題，解決問題的能力[5]。
2 結語
本文根據中國制造2025和應用創新型人才培養模式下的培養目標，研究了機器視覺研究性課程的教學改革，提出了新的研究性課程改革方案，增加與地方產業密切聯系的課程研究內容，改善了教學方式，改革傳統的教學評價方式，提高了學生學習主動性，增加了學生分析問題，解決問題的能力。最終實現機器視覺研究型課程建設，達到培養適應新時代應用創新型本科優秀人才的目的。
【參考文獻】
[1]李志梅，何金花.應用型人才培養模式下本科數據庫管理系統課程教學研究與實踐[J].教育教學論壇，2017（4）：165-166.
[2]王之元，周云，易曉東，等.機器人操作系統研究型課程建設[J].計算機教育，2016，1：77：80.
[3]孟祥林.美法日研究型課程設置之比較及對我國的啟示[J].湖南師范大學教育教學學報，2004，3（6）.
機器視覺概念范文3
關鍵詞 機器視覺；智能交通；交通標志；路標定位；路標識別
中圖分類號：TP391.4 文獻標識碼：A 文章編號：1671-7597（2014）05-0046-01
由于信息的采集技術得到了長足的發展，信息處理方式越來越多樣化，機器視覺逐漸成為人們生活中的關鍵技術之一。所謂機器視覺就是用計算機來模擬人的視覺功能的技術，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。隨著機器視覺技術的引入，智能交通技術得到了飛速的發展。智能公交、電子警察、交通信號控制、交通視頻監控等智能技術為城市交通運輸系統的疏導與協調作出了重大貢獻。先進駕駛輔助系統作為關鍵技術之一，不但能幫助司機更好駕駛，并且能在一定程度上避免交通事故的發生。交通路標識別作為其核心技術，在城市交通的安全上具有深遠的意義。大體上，交通路標識別技術主要包含兩方面，即路標區域的分割和路標指示信息的識別。
1 路標區域的提取
對路標區域與背景區域的分割是在HSI顏色空間上進行的。HSI是用色調、飽和度和亮度來描述顏色空間的，與人的視覺系統保持一致。色度是描述純色的屬性，與光波的波長有關，它表示人的感官對不同顏色的感受；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，顏色看起來就會越鮮艷；亮度是一個主觀的描述，體現了無色的強度概念。
標準交通路標主要有藍色和黃色兩種底色。對于藍色路標，背景顏色為藍色并且占據大部分面積，路標指示的描述部分為白色；對于黃色路標，背景顏色為黃色并且占據大部分面積，路標指示部分的描述部分為紅色。黃色與藍色在HSI顏色空間呈現類聚性：對于藍色，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圖像中進行路標嫌疑區域分割；通過形態學處理可以去掉較小空洞以及路標指示的描述信息；最后依據連通域的面積與形狀等判斷并提取出路標區域。形態學處理是一種對鄰域的運算形式。通過形態學處理不但可以過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背景的區域，減少候選區域和提高檢測速度，而且可以填補路標中由于路標指示信息灰度不同導致的較小空洞，降低了誤判的可能性。
路標區域提取的具體步驟如下所示。
Step1：在HSI顏色空間里依據顏色通道取值范圍對目標圖像進行二值化處理。
Step2：對二值圖像進行膨脹處理，腐蝕掉路標指示描述等干擾。
Step3：查詢連通區域邊界。
Step4：依據連通區域的面積和形狀來定位出路標區域。
如果目標中只有藍色路標像素點，則該路標是以藍色為底色的路標；如果目標中只有黃色路標像素點，則該路標是以黃色為底色的路標。
2 路標指示識別
路標指示信息的識別主要依據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不變性的特點。所謂尺度不變性是指不管物體是遠是近，都能進行正確的辨識；所謂旋轉不變性是指當物體發生旋轉時，依然能正確的識別它。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SIFT算法進行了簡化，在運算速度上提高了3倍，綜合性能要更優。
在指示信息識別之前需要建立路標特征數據庫。依據路標底色的不同，需要建立藍色路標數據庫和黃色路標數據庫。
模板匹配就是用路標數據庫中的每個模板一一與目標圖像中的路標區域進行匹配，計算相似度，相似度最大的一組就是對應的路標指示信息。其中進行匹配的方面就是尺度不變的特征。另外，路標的背景顏色部分足夠表示該路標的所有特征了，因為背景提取圖恰到好處的得到了路標指示的邊框部分，所以提取背景部分可以進行路標識別。
路標指示識別的具體步驟如下所示。
Step1：建立路標特征數據庫。
Step2：在HSI顏色空間中提取出路標區域中的指示邊框部分。
Step3：提取出來的部分作為尺度不變特征提取算法的輸入圖像，進行特征點檢測和特征向量提取。
Step4：將提取出來的特征點、特征向量與數據庫中的標準路標的特征點、特征向量進行比對，得出匹配結果。
按照以上步驟處理后，如果所有匹配相似度都很低，說明目標圖像中不存在交通路標。
3 結論
文章闡述了交通路標識別技術的實現方法。路標區域定位部分主要依據路標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時性；路標指示識別部分利用模板匹配的方法來實現，基于尺度不變特征提取算法的特征點匹配對尺度變化、旋轉變化、照度變化和視角變化具有良好的魯棒性。
參考文獻
[1]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.
[2]許祥祥.計算機視覺技術的應用研究[J].硅谷，2013（16）：114-114.
[3]王宇鋒.國內外智能交通系統現狀簡介[J].硅谷，2008（23）：181-181.
[4]李峰.智能交通系統在國外的發展趨勢[J].國外公路，1999，19（1）：1-5.
[5]孫龍林.先進駕駛輔助系統的發展現狀和趨勢[J].汽車電器，2009（7）：4-7.
[6]朱雙東，陸曉峰.道路交通標志識別的研究現狀及展望[J].計算機工程與科學，2007，28（12）：50-52.
[7]阮秋琦.數字圖像處理學[M].電子工業出版社，2007.
[8]劉小飛.基于邊緣檢測和形態學的車牌定位[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別中的應用[J].電子測量技術，2009（2）：135-139.
[10]張銳娟，張建奇，楊翠.基于SURF的圖像配準方法研究[J].紅外與激光工程，2009，38（1）：160-165.
[11]田娟，鄭郁正.模板匹配技術在圖像識別中的應用[J].傳感器與微系統，2008，27（1）：112-114.
作者簡介
機器視覺概念范文4
云，正讓一切都變得智能化。在云帶來的廣泛影響中，結合移動互聯網與物聯網的發展，維斯?南德拉爾提出了在2015年及未來的五大趨勢。
機器視覺帶來全新感受
獲得更大的計算能力是云計算帶來的最核心的價值之一?，F在，實現機器的視覺理解能力正在成為現實，結合高分辨率相機傳感器的發展與云計算帶來的“無限”的計算能力，維斯?南德拉爾表示，隨著步入2015年，機器視覺，即通過機器來描述和理解圖像的能力，有望超越人類識別。
他認為，曾經一度停滯不前的機器視覺技術將重新迸發活力，更多地被應用到智能終端當中。當智能手機的機器視覺能夠比人類更好地識別圖像，想象一下，你打算帶一瓶酒去參加圣誕節的百樂餐，拿出手機就可以捕捉到這瓶酒的圖像，然后通過視覺搜索就能夠得到關于這瓶酒的所有信息，而它比文本搜索的準確率高出30%，這將是非常美妙的體驗。
通過將這種能力運用到監控、醫療、電子商務等諸多領域，新的“數字互動”的體驗將給我們帶來全新的感受。
語音再登流行
盡管從業務的角度來看，語音正在不斷下滑。但是，維斯?南德拉爾認為，未來，語音將越來越多的被用于與環境的相互作用。他提到，這正是首席技術官通常會思考的問題，那就是“世界上有哪些事情是我相信但其他人都不相信的？”雖然語音業務在下滑，但是語音卻是物聯網時代我們同我們的互聯家庭進行互動的最完美途徑。
現在，通過語音接口來實現的服務已經開始引領一場新的革命。語音識別使得社會與物聯網銜接，正在從一個應用程序轉變成開啟新應用的完美接口。維斯?南德拉爾提到：想象一個場景，你問你的雨傘今天是否可能下雨，是否應該帶它出門，而你的雨傘回答道“應該帶上我，今天會下雨”，這是一件多么酷的事情。隨著語音識別技術的進步，未來將提供更加巨大的機會，這一技術有望成為2015年引人注目的一線新技術之一。
讓云不再是孤島
現在，無論對于企業還是個人，越來越多的業務要通過云來實現彼此的連接。維斯?南德拉爾認為，當今的云更像是由提供給消費者的應用組成的一座座孤島。如果數據需要在不同云端間移動和交流，必然給用戶帶來感知的時間延遲。而用戶需要的是無縫的體驗。因此，2015年，我們將會看到更多解決方案的出現，來實現讓寫在一個云環境或虛擬數據中心的應用程序被投影到另一個云，來實現云的相互溝通。
他表示，雖然這樣的解決方案的部署可能面臨著需要花費數月的時間來建立廣域網的連接，但是跨云的模式必將興起。我們將會看到的很多技術進步都會圍繞著“我怎樣才能建立云端的動態連接？”以及“我應該怎樣創造一種能夠互操作的語言，使不同云之間可以無縫地交流？”這些問題展開。
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廣域網的連接來作為一種服務模式，成為企業向云端進化的路徑。
注重安全設計
物聯網的發展正在創造巨大的利益，但與此同時，一個不容忽視的事實是，自互聯網誕生之日起，各種安全問題就隨之而生，物聯網所帶來的數據安全問題也不容忽視。
“對此，雖然業界一直專注于保密性和身份驗證，但是假設物聯網世界中有五百億個末端，真正的問題并不是保護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年初被發現并曝光的一個路由器安全問題讓我們記憶尤深。法國的一名安全系統工程師發現某些型號的Linksys和Netgear的無線路由器存在后門，允許惡意用戶把這些設備的設置重置為廠商設置、默認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形象地比喻這一安全問題：就如同對于你房子里的東西，你可以想怎樣保護就怎樣保護，甚至在有些地方，你開動裝甲車來保衛你房子里的財產都是可以的，但如果有人能從你家的前門進來，用什么措施來保護都還是不夠安全的。
如何才能夠真正駕馭和保護物聯網的數據財產？“注重數據的完整性和安全設計使你成為你的數據的主人。”維斯?南德拉爾表示，“數據的完整性如同能夠在你的數據上罩一張網，當你不希望你的數據曝光時就可以收網，而當你希望你的數據曝光時便可以授權使用?！?/p>
因此，通過安全的設計來實現在整個生命周期保證數據的完整性，這將是物聯網發展至關重要的方向，也將為2015年信息安全和隱私保護設定新的議題。
解放數據價值
數據是在物聯網的新貨幣，當物聯網的第一波浪潮已經帶著廠商各自的應用到來，數據被鎖在各個應用之中的。而當今人們更希望將這些數據聯合起來，或者放到一個大的平臺上，這樣就可以提取并使用這些數據，從而為消費者創造新的、有意義的、便利的產品。
機器視覺概念范文5
【關鍵詞】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械結構簡單、運動靈活、姿態多樣、可擴展性好和易維護等優點，因而其在勘探、測繪、救援、航拍等領域扮演越來越重要的角色。而這些領域無一不要求相當的精確度、可靠性和自主性，這些都對飛行器的控制系統提出了苛刻的要求。系統中的傳感器給控制系統提供各種參數，控制系統處理這些參數后改變電機轉速從而改變飛行器的飛行姿態。常規四旋翼平臺搭載的實現自主定位導航的傳感器是GPS模塊，辨識方向的是羅盤模塊，進行飛行控制的是慣性測量模塊（IMU），用于測量高度的是壓力傳感器，另有超聲波測距儀、激光測距儀等傳感器用于探測航路中的障礙物進而在飛行中動態避障。機器視覺系統是一套通過圖像攝取裝置將被攝取目標轉換成圖像信號，通過專用的圖像處理系統，將像素分布及顏色、亮度等信息轉變為數字信號傳送給圖像處理系統進行各種運算來抽取目標的特征，進而根據判別的結果來控制設備動作的一套系統。機器視覺具有被動性和輕量化的特性，同時可依靠單一傳感器實現大量信息的采集和處理，在四旋翼飛行器這一對精度要求很高、數據量大、但空間有限的平臺上的應用有十分廣闊的前景。光流傳感器便是一種可以實現機器視覺的簡單裝置，主要由一個裝載在機身上的低像素攝像頭組成，它與IMU及飛行控制計算機等配合，對攝像頭所得圖像進行實時計算和解讀，還原出當前所處的三位動態結構圖。
本文重點探究基于機載小型GPS模塊及光流傳感器的四旋翼飛行器精確定位運動及其應用展望。
二、GPS定位系統
GPS模塊是實現四旋翼飛行器定位和導航的首選，搭建平臺時可利用GPS模塊測定飛行器所在位置的經緯度坐標信息，并利用高度計和超聲波傳感器結合進行飛行高度的測定，同時用IMU模塊（三維陀螺儀和加速度計）在GPS導航模塊的支持下實現四旋翼飛行器的慣性導航自主飛行。
運作時向機載單片機輸入一系列點的GPS坐標，同時通過機載GPS系統得到當前載體的定位數據，并與存儲的定位坐標做實時比對，由機載飛行控制計算機計算生成對應最優航線，并根據IMU模塊及高度計、超聲波傳感器得到的數據實時修正航線，同時將定位坐標實時發回地面站，由地面計算機處理并顯示當前位置、線路及飛行狀態。
三、光流技術
一般而言，光流是由于場景中前景目標本身的移動、相機的運動，或者兩者的共同運動所產生的，當人的眼睛觀察運動物體時，物體的景象在人眼的視網膜上形成一系列連續變化的圖像，這一系列連續變化的信息不斷“流過”視網膜（成像平面），像一種光的“流”，故稱之為光流。光流表達了圖像的變化，由于它包含了目標物體運動的信息，因此可被觀察者用以確定目標的運動情況。
光流的概念由Gibson在1950年提出，指空間運動中的物體在觀察成像平面上的像素運動的瞬時速度，光流技術就是利用圖像序列中像素在時間域上的變化及相鄰幀之間的相關性來找到上一幀與當前幀之間存在的對應關系，從而計算出相鄰幀之間物體的運動信息的一種方法。研究光流場的目的就是從圖片序列中近似得到不能直接得到的運動場。其中運動場可理解為物體在三維真實世界中的運動，光流場是運動場在二維圖像平面（人眼或者攝像頭）的投影。
從生物學中昆蟲飛行時將光流用于3D飛行控制的行為得到啟發，光流技術被應用在了飛行器的動態定位和導航中。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，可以實現較快的數據處理與更新。利用光流傳感器對捕捉的圖像進行分析，實時獲取飛行器自身位置及運動情況，并將測得數據信息實時傳輸回地面站PC機分析處理。
為計算出物體的運動信息，如今已發展出了很多確定當前時刻下一幀的被測物位置的光流計算方法。由二維速度場與灰度的聯系，引入光流約束方程，可得到光流計算的基本算法，接下來基于不同的理論基礎，各種光流計算方法被創造出來，如今利用OpenCV庫代碼向單片機系統的移植可以比較容易地實現所需的光流計算。
四、空間定位技術
在室內不具備室外的開擴環境，因此定位也出現了許多困難。人們通常使用電磁波進行定位，常見的定位方式有時差定位技術、信號到達角度測量技術、到達時間定位和到達時間差定位等。近年來隨著科技的發展又產生了UWB定位技術，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，非常適合室內這種環境。在接收到精確的位置以及物體分布后便可在狹窄的室內計算出導航路線。這種探測方式在一定程度上彌補了光流傳感器不能提前預知周圍環境的不足，與光流傳感器相互糾錯可將錯誤率降低，也進一步保證了室內的安全。
五、應用及市場
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用前景十分廣闊，尤其是一些特殊場景下滿足特殊要求的遞送業務中，四旋翼飛行器的角色將很難替代。如今市場上已經出現了四旋翼飛行器用于快遞蛋糕、書籍等服務的嘗試，而其價值可以在一些有特別需求的行業中利用本文所述的精確定位運動技術得以體現，如飲料精準遞送、寫字樓室內精確快遞等領域的需求一旦被發掘，其市場潛力將會十分巨大。
六、總結
為實現四旋翼飛行器的精確定位及導航運動，機身需搭載的傳感器除了常規的IMU模塊（陀螺儀和加速度計）、高度計和GPS模塊以外，還可以使用光流傳感器、超聲波探測器等模塊提高測量精度。其中光流傳感器可以利用圖像匹配在修正路徑、保持懸停等動作中起到重要作用，還可以在GPS信號不可用等情況下實現精確定位導航；超聲波探測器在機身高度測量中普遍可以提供高于普通高度計的測量精度，為后續基于載體空間位置信息的路經計算、姿態調整等過程提供更加精確和可靠的數據。
參考文獻：
機器視覺概念范文6
關鍵詞：煙絲除雜；硬件設計；機器視覺；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
隨著工業自動化技術的迅速發展，自動化檢測與控制系統逐步替代我國傳統產業[1-2]。煙葉中含有的雜物，燃燒過程中會產生有害物質，且對產品品質產生影響，在線異物剔除已經成為煙絲生產線上不可或缺的工序。早期，煙草行業采用拋落抽風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儀檢測和剔除金屬異物，人工輔助剔除其他異物，費時費力，且剔除率受人為影響比較大。少數卷煙廠引進國外煙草異物剔除設備，但價格昂貴且配件更換困難，售后服務不到位。在圖像獲取和采集及處理之間增加圖像增強功能目前已有較多研究，例如PCNN[5-6]、Retinex[7-10]、直方圖均衡、同態濾波[11-12]等算法。但上述算法的實時性都較差，不適合應用在煙草異物剔除系統中。本文所設計的煙絲除雜設備基于圖像處理，在制絲和打葉復烤生產線中廣泛應用，為企業節約開支，成為卷煙品質控制的重要設備之一，對于提高我國煙草行業的國際競爭力也有重要意義。
1 總體結構
異物檢測剔除裝置主要由進料輸送機、視頻系統、氣流平衡柜、電控系統等四個主要部件組成。這四個組件協調工作，主輸送帶上的煙葉經鼓風機系統對葉片進行攤薄，上下攝像機對煙葉進行圖像采集，傳給圖像處理平臺做分析、識別，剔除閥對其中的異物進行分揀、剔除。整體用不銹鋼制造，易于清潔、保養。
2 硬件設計
2.1 基于棱鏡分光的彩色高速線陣相機
相機是異物剔除裝置的眼睛，是非常重要的關鍵器件。本設備采用的基于棱鏡分光的彩色高速線陣工業相機，能有效保證所采集圖片的質量，從而為檢測和剔除提供可靠的保障。
此類相機核心感光器件由分光棱鏡和3片CCD組成[13]，相對于傳統的加裝拜爾濾鏡的單片CCD相機來說，棱鏡分光3CCD相機能把入射光分解成紅綠藍三種色光，由3片CCD分別獨立負責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。一般只有高端工業級相機才會采用此技術。
此外，高速線陣相機與通常用的面陣CCD不同的是：線陣CCD圖像掃描輸出的是一條線上的像素，而不是一個面上的像素。當物體在CCD下不停的移動時，這些線就組合成一個延綿不斷的面。采用線陣CCD的另一個好處是掃描頻率很高，達到11KHz（即每秒鐘11000條掃描線），即使對于高速運動中的物料，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，遠低于線陣CCD的掃描頻率，并且在物體高速運動時，面陣CCD還可能會導致圖像模糊，使圖像處理單元無法準確識別異物。
本設備使用的基于棱鏡分光的彩色高速線陣工業相機可識別的顏色種類數量為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，大大優于國外同類設備。
2.2 LED光源
光源對于一個圖像識別系統而言，起到非常關鍵的作用。傳統照明光源一般采用熒光燈或者陶瓷金屬鹵素燈，熒光燈一般壽命較短，光衰至額定照度的80%僅3000小時；而金屬鹵素燈雖然壽命相對于熒光燈較長，但線性均勻度較差。文采設備采用的全新LED光源具有亮度高、壽命長以及線性均勻度好的特點，相對于傳統光源，LED光源是迄今為止最適合異物剔除系統的光源。單條LED光源光強可達20000流明；光源線性均勻度好，相機成像圖像一致性好、色彩還原性好，對于圖像識別十分有利。
2.3 靶向水冷系統
圖像識別一般對照明光源的亮度都有較高的要求，高亮度一般都會伴隨著高熱量，即使最新的LED照明技術也避免不了這一特性。如果沒有高效的散熱方式，則光源的壽命會大打折扣，所以高熱量的產生對光源的冷卻系統提出了更高的要求。傳統照明系統一般采用風冷方式散熱，散熱慢，且效率低。本設備采用獨創的靶向水冷系統，直接針對于光源本身冷卻，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，因此有效延長了LED光源的使用壽命，能確保用戶正常使用至少2萬小時而無需更換備件（光強衰減度控制在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，通過改變LED的控制電流，改變其發光顏色，這樣就使得LED背景燈的發光顏色可以在線編程，根據物料的品種不同，控制LED發出不同的背景色。
相對于傳統的反射光背景，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，使得異物更容易識別。采用這項技術后，對傳統難以剔除的異物（比如麻繩、黑膠皮、橡膠、紙箱板）效果更好。同時也大大降低了葉片帶出率。
2.5圖像處理平臺
在流水線上，物料移動速度非?？欤蛇_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，如此海量的數據需要進行高級的形狀、紋理方面的圖像處理，基于PC體系的工控機根本無法勝任。為了解決這一問題，采用基于嵌入式FPGA+DSP硬件體系的高速圖像處理平臺。
嵌入式FPGA+DSP圖像處理卡內含多達88個矩陣CPU內核，運算速度是DSP的128倍，完全能夠滿足高級算法的要求。傳統的異物檢測剔除裝置對異物的識別算法，一般采用基于DSP的硬件基礎，受限于算法運行速度，而無法采用更先進的形狀、紋理識別算法，只能采用單一的顏色識別方法。
基于上述FPGA+DSP硬件平臺的獨創新一代先進算法融合了顏色、形狀、紋理等異物特征參數[14]，對麻繩、黑膠皮、綠膠皮、黃色紙殼、傳送帶碎片等（采用傳統算法難以剔除）異物的剔除效果更好。
嵌入式設計，圖像采集處理功能集于一身，無需經工控機處理，相對于傳統的使用工控機作為處理中心的剔除裝置更加穩定可靠。算法固件化，大大提升了運算速度的同時更增加了系統可靠性。
2.6基于工業以太網的分布嵌入式體系結構
本設備采用基于工業以太網的分布嵌入式體系結構，大大減少了系統不穩定因素。各采集處理單元相對獨立，相機與采集處理卡一一對應，不因一個處理單元故障而影響其他處理單元正常工作；上位機起到人機界面的作用，不參與實際采集處理過程。
3 設備維護
傳統異物剔除裝置一般需要人工建模，保存為牌號，使用時由工作人員調出已有的牌號。人工建模一般需要較為專業的人員，操作相對復雜，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。
本設備應用自動建模軟件，摒棄了牌號的概念，針對每一批次煙葉，獨立自動設置該批次煙葉的最優模板，直至該批次煙葉生產完畢，大大降低了對操作工的要求和勞動強度。同時，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煙葉的一致性。
下表為KEY測試用標準異物：
4 結論
采用機器視覺系統的煙絲異物檢測剔除裝置，有效的剔除、分揀出了異物，經測試使用，本設備指標優異，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，剔除質量得到保證，品質可控。自煙絲異物檢測剔除裝置投入使用以來，系統運行穩定，性能可靠，完全達到了設計預期各項技術指標，解決了傳統殘煙處理煙絲回收率低，煙絲中含異物率高，煙絲結構差等問題，顯著提高了回收煙絲的質量，對降低卷煙廠的原料消耗有積極意義。
參考文獻：
[1]李琳.CMOS數字成像技術在電力系統圖像監控中的應用[J]. 光學精密工程，2002，10（1）：84-88
[2]張業鵬.機器視覺在工業測量中的應用與研究[J].光學精密工程，2001，9（4）：324-329
[3]張俊榮，李艷華，張望興，等.一種多功能煙葉風選除雜方法及設備：中國，2010106189466[P].2010-12-31.
[4]李曉，熊安言.FX6型就地風選器在梗簽風選中的應用[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[J].中國科學：信息科學，2010，40（7）：909-924.
[6]陳銳，馬義德，鄭曉，等.基于PCNN和視覺特性的圖像對比度增強[J].微計算機信息，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[J].電視技術，2013，37（15）：4-10.
[8]肖進勝，單姍姍，段鵬飛，等.基于不同色彩空間融合的快速圖像增強算法[J].自動化學報，2014，40（4）：697-705.
[9]江興方，王戈，沈為民.一種色彩改進型Retinex彩色圖像增強方法[J].光電子?激光，2008，19（10）：1402-1404.
[10]許欣，陳強，孫懷江，等.快速Retinex 彩色圖像增強[J].計算機工程與應用，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度增強[J].自動化學報，2011，37（8）：923-930.
[12]韓麗娜，熊杰，耿國華，等.利用HSV空間的雙通道同態濾波真彩圖像增強[J].計算機工程與應用，2009，45（27）：18-20.
