计算机视觉的优点范文第1篇

关键词:云计算；蚁群优化；CO2分析；数据融合;并行计算

中图分类号: TP391 文献标志码:A

Spatial data fusion algorithm of CO2 based on cloud computing platform

HU Jun.guo*, QI Heng.nian

College of Information Engineering, Zhejiang Agriculture and Forestry University, Lin’an Zhejiang 311300, China

Abstract:

In order to fuse the massive CO2 dada,which are collected by the mobile sensor network from uncertain time and space, the paper analyzes the collected data. First,we divide the test area into m * n grids, ,and analyze CO2 concentration from each valid data of every grid.Second,according to the strong computing power of cloud computing,we put forward combined cloud model and design common clouds,breeding clouds, visual clouds and adjacent clouds.They runs relatively independently in the cloud and interacts with each cloud,forming distributed parallel computing system.Third,we modify the ants family,and design common ants, breeding ants, visual ants and adjacent ants.All kinds of ants,which walk by their own rules,are assigned to different clouds and work together harmoniously,with the pheromones and the optimal solution exchanging in local cloud and between global clouds by the cloud server. Finally, in Ling'an of Zhejiang province we simulate 11080 data,and use Clounding V2 simulation platform to do a lot of experiments.It shows that after searching 105 times the algorithm reaching stabilization,the optimization capability is 60 times as strong as the single algorithm, and that the ants in common clouds,breeding clouds, visual clouds and adjacent clouds are set 2∶2∶1∶1 can get the best performance.

In order to fuse the massive CO2 dada, which were collected by the mobile sensor network from uncertain time and space, the paper analyzed the collected data. First, the test area was divided into m * n grids, ,and CO2 concentration was analyzed from each valid data of every grid. Second, according to the strong computing power of cloud computing, the paper put forward combined cloud model and design common clouds, breeding clouds, visual clouds and adjacent clouds. They ran relatively independently in the cloud and interacted with each cloud, forming distributed parallel computing system. Third, the paper modified the ants family, and designed common ants, breeding ants, visual ants and adjacent ants. All kinds of ants, which walked by their own rules, were assigned to different clouds and worked together harmoniously, with the pheromones and the optimal solution exchanging in local cloud and between global clouds by the cloud server. Finally, in Lingan of Zhejiang province the authors sampled 11080 data, and used Clounding V2 simulation platform to do a lot of experiments. The result shows that after searching 105 times the algorithm reaches stabilization, the optimization capability is 60 times as strong as the single algorithm, and that the ants in common clouds, breeding clouds, visual clouds and adjacent clouds are set 2∶2∶1∶1 can get the best performance.

Key words:

cloud computing;ant colony algorithm; Ant Colony Optimization (ACO); CO2 analyzing;data fusion;parallel computing

0 引言

CO2是大气中主要的温室效应气体，其大量排放已造成全球气候变暖。据统计，从1906年起全球平均气温已增加0.74℃，若温度再升高2℃，将对人类造成毁灭性的灾难［1］。控制CO2排放直接关系到人类的生存和发展，已引起全球的极大关注。2009年《哥本哈根协议》中就发达国家实行强制减排，到2020年要求减排率达到1990年的25%～40%，对发展中国家采取自主减排要求。中国作为负责任的大国，积极主动减排，承诺到2020年单位国内生产总值CO2排放比2005年下降40%～45%。2009年底，国务院总理在国务院常务会议中，进一步强调应对气候变化工作的重要性，并提出相应的政策措施和具体行动［2］。但是,如何监测和控制CO2排放，各地没有统一标准，执行难度非常大。

近年来，在国家政策的大力引导下,不少学者提出了监测

大气CO2浓度的方案，主要有三种措施：

1)在指定点建立观察站，进行长年累月的监测，并记录监测数据［3-5］，但只能在某个点上监测CO2浓度；

2)采用网格化测量方法［6-8］，对监测区划分成N个网格，测出每个网格的CO2浓度，但网格监测需人工进行，无法实行长期实时监测；

3)以我校为首的低碳与物联网联合实验室提出采用Ad.Hoc无线传感器网络监测CO2浓度［9］，虽能实现长期、实时监测，但现在还只能应用于非常小的区域。

针对此，本文提出基于移动车载的CO2浓度监测系统。由于移动系统的采集点会不断变动，因此获得是时间上不同步、空间上不固定的海量的CO2浓度数据。如何对这些大规模、时空不确定数据进行融合，是本文要解决的关键问题。

1 问题描述与模型建立

为了能在不同时间和空间获取CO2空间浓度数据，可以把移动车载CO2浓度监测系统架构在城市出租车、公交车等移动平台上。随着移动平台的运动，能采集到不同点的CO2浓度。设有M个CO2浓度监测终端架构在移动平台上，在T时间内每个终端采集N次数据，由于M个终端同时在工作，在T时间内共采集到M×N个不同时间、不同空间的CO2浓度数据。但是，如何求解这个城市CO2浓度分布情况呢？或者说，如何从这M×N个点中取出有效个点来表示城市CO2浓度分布情况呢？

众所周知，随着日照强度的提高，植物的光合作用增强，能提高吸收CO2的能力；汽车排放尾气、工厂燃烧煤等都释放CO2，并且CO2分子有扩散能力，会从排放源向四周扩散。也就是说，CO2浓度会随时间和空间而变化。本文以CO2浓度时空平滑度因子表示CO2变化程度，并作如下定义。

2 研究方案确定与算法实现

2.1 研究方案

从第2章的分析中可以看出：从m×n个区域中各取出一个CO2浓度值，使得这些点的平滑度最小，是一个NP难问题。解决NP难问题的方法很多，如模拟退火算法、遗传算法、蚁群算法、神经网络算法等。但这类算法运算时间比较长，很难保证在较短时间内融合海量的CO2数据，确保分布情况的实时表现。近年来，随着云计算的兴起，通过云计算平台实现密集型数据处理已经成为可能。郑湃等［10］提出了兼顾时间开销、数据依赖性和负载均衡三方面指标的数据布局策略与方法，在云计算平台中有效降低跨数据中心数据传输导致的时间开销；赵俊华等［11］提出建立基于云计算的电力系统计算平台，从云计算的物理组成、系统架构、软件技术等方面详细讨论分析电力系统云计算平台的实现；王鹏等［12］分析了在云计算平台中数据密集型计算的特点, 并指出云计算编程模型要解决的基本问题，分析国际上代表性的编程模型, 并对这些编程模型的特点进行了比较，为数据密集型计算提供强有力的技术支撑；Hanawa等［13］提出D.Cloud的云计算模式，并实现测试并行软件和分布式软件的性能，此模式不仅可对云计算系统进行自动配置还可同时测试多种软件实例；Google公司构造MapReduce编程规范［14］来简化云计算平台的编程，用Map(映射)和Reduce(化简)两个简单的函数来构成运算基本单元,用户只需提供自己的Map函数以及Reduce函数即可并行处理海量数据。

综上所述，云计算平台已经能实现海量密集性数据运算。但针对NP难问题，若没有合理的算法，云计算平台也无能为力。而蚂蚁优化算法是非常优秀的智能算法，尤其有很强的并行能力，非常适合在云计算环境中，以解决复杂的智能计算问题。不少学者已经对蚂蚁算法的分布处理和并行技术进行研究，为其在云计算平台中应用提供基础。Chu等［15］提出并设计实现了蚁群系统（Ant Colony System,ACS）的并行处理, 它将一个蚁群平均分为多个小的蚁群, 每个蚁群对应一个处理器, 并行求解每个蚁群有各自任务, 然后用三种通信方法更新信息素。并在TSP问题中应用，取得比ACS和蚂蚁系统（Ant System,AS）更好的效果。陈等［16］提出了并行蚁群算法中处理机间信息交流的两种策略,使得各处理机能够自适应地选择其他处理机以进行信息交换和相应信息素的全局更新。并且还提出了一种确定处理机之间进行信息交流的时间的策略,可以根据解的分布情况自适应地确定信息交流的时间,以取得全局收敛速度和解的多样性之间的平衡。吕强等［17］提出通过多个蚁群的并行协作来处理任务，蚂蚁在解的构造过程和信息素更新过程中共享同一个信息素矩阵。Wang等 ［18］提出基于交叉熵的分布式蚁群算法来解决网络中的多限制路由问题，并在模拟仿真中有很快速的求解功能。Takova等 ［19］提出蚁群优化算法的分布式处理应用，并用此解决网络分割问题，取得比较好的性能和作用。Sameh等［20］提出结合主从处理器和信息交换方法，主处理器产生从处理器进程，并获取从处理器的最优解。局部搜索和信息素更新都依赖于从处理器。从处理器独立交换解，并降低主处理器通信处理瓶颈。

借鉴众多学者的研究成果，本研究在云计算环境下，利用蚁群算法的并行寻优能力，以融合海量的CO2数据。论文根据蚁群优化算法的特点，提出组合云模型：设计普通云、繁殖云、视觉云和邻接云，并建立分布式并行蚁群算法，相应地改造蚂蚁家族，设计普通蚂蚁、繁殖蚂蚁、视觉蚂蚁和邻接蚂蚁，蚂蚁在各自云朵中的主机上运行，并以自身规则行走。蚂蚁从Rki(表示第Ri个区域中的第k个点)行走到Rmj，经过所有区域完成一轮循环，并在云朵内部更新信息素，且对优越的个体进行云朵之间信息素更新，使局部更新和全局更新相协调，最终获取最优解，实现CO2空间浓度平滑分布。

2.2 设计组合云计算模型

云计算环境是在整个Internet中进行，云计算控制中心根据用户的请求，将计算任务分成若干子任务，再动态地将各子任务分配给云计算平台的计算设备。各子任务完成后,其计算结果通过Internet重新汇总到控制中心，最后再反馈给用户。但对于一个完整的计算任务，如何对其进行任务分解，如何把子任务分配到云计算平台的各个计算终端，是一个巨大的挑战。本文针对计算CO2分布问题的特殊性，提出组合云模型，设计普通云、繁殖云、邻接云和视觉云，每朵云有自己的计算模式。并且，普通蚂蚁位于普通云，繁殖蚂蚁位于繁殖云，邻接蚂蚁位于邻接云，视觉蚂蚁位于视觉云。每朵云自主形成计算群，信息素在云内部局部交换和通过云服务器在云朵之间交换相结合。如图1，云终端提交的CO2分布计算任务被分配到普通云、繁殖云、视觉云和邻接云中计算。

为了描述方便，对文中出现的词汇和表达作个统一，全局指整个云平台，局部指某朵云，个体指独立主机。以下分别对普通云、繁殖云、视觉云和邻接云作定义。

定义2 普通云。普通蚂蚁在普通云中运行。云朵内每台主机存在n只普通蚂蚁，其以信息素为主要指导因素计算，每只蚂蚁完成一轮运算更新个体信息素；在局部周期内以云朵内部信息素为主，局部计算周期结束后，云内主机都需向普通云服务器汇集信息素和最优解，并更新云内局部信息素和最优解；在全局周期内以各云朵产生的全局信息素（来自全局最优解）为指导。并且，普通云服务器可获得全局云服务器的信息素，云内各主机又能从局部云服务器获取共享信息素，以有效更新个体私有信息素。

定义3 繁殖云。繁殖蚂蚁在繁殖云朵中运行，云中最优解可与全局最优解相互更新。云朵内的每台主机存在一只繁殖蚂蚁，蚂蚁按自身规则边运行边繁殖，一轮结束后产生的优秀解向繁殖云服务器汇报，同时获取局部最优解作为繁殖蚂蚁下轮行走路径。

定义4 视觉云。视觉蚂蚁在视觉云中运行。视觉云相对比较独立，不受其他云影响。云朵内每台主机运行n只视觉蚂蚁，其以自身规则运算，求出的优秀解在云内汇集，并向普通云和繁殖云提供局部最优解。

定义5 邻接云。邻接蚂蚁在邻接云中运行，其计算模式与视觉云类似，差异在于云内存在的是邻接蚂蚁，云内主机是按邻接蚂蚁规则进行。

定义6 每朵云内部的服务器称为局部云服务器，它管理云朵内的各主机；整个云计算平台的服务器称为全局云服务器，它管理每朵云的局部服务器。

每朵云在其内部独立计算，云内主机每轮计算结束就向局部云服务器提供最优解，同时各主机又会从局部云服务器获得云内最优解；局部云服务器根据解的质量向全局云服务器汇报最优解，并且全局云服务器也会提醒局部云服务器更新当前的最优解。普通云中以信息素指导工作，各个主机内存有个体私有信息素，也可访问局部共享信息素，并且信息素更新与最优解同步。因此，云朵内部相对独立运行与云朵之间相互作用，实现局部最优与全局最优并进。

2.3 设计分组蚁群优化算法

为了使蚁群优化算法能和云计算平台相适应，需对蚂蚁进行分布式并行处理，把其分配到不同的云朵中，同时要让各云朵内的蚂蚁并行运算。本文对基本蚁群算法进行改进，在蚂蚁家族中设立四种不同类型的蚂蚁，四种蚂蚁分别分布于不同的云，并行运算，共同协作，最优解共享，最终完成任务。其中：第一类蚂蚁具有繁殖功能，称为繁殖蚂蚁；第二类蚂蚁有视觉功能，称为视觉蚂蚁；第三类蚂蚁能感知邻接区域能力，称为邻接蚂蚁；最后一类是普通蚂蚁。

2.3.1 问题说明

根据第1章所描述的，在T时刻内获取M×N个CO2浓度值，这M×N个数据被分成m×n个区域，如图2所示。每个区域有Ci个数据，即R1区域有C1个点，R2有C2个点，…，Rmn有Cmn个点。现要从R1，R2，…，Ri，…，Rmn区域中各取一个数据组成m×n个数据，使其所组成的CO2分布最平滑。在本文中假设蚂蚁在寻优中是从第Ri个区域走向与其相邻接的区域，如图2，将M×N个数据划分为m×n个区域，区域按R1，R2，…,Rmn编号。

定义7 蚂蚁从R1区域选择点i，从R2区域选择点j，以此类推，直到走完Rmn区域的k点，这样所构成的行程称为蚂蚁路径或蚂蚁行程。

2.3.2 普通蚂蚁

1)普通蚂蚁定义。

在普通云中运行的蚂蚁称为普通蚂蚁，它能感知信息素，并根据各条路径上的信息量决定其转移方向。普通蚂蚁的信息素来自于本主机中的蚂蚁、普通云内的蚂蚁和其他云中表现优秀的蚂蚁，而对于蚂蚁自身不用考虑信息素的来源，其只需根据个体私有信息素表行走。

2)普通蚂蚁行走规则。

sklij表示Ri区域中的第k个点（设记为点Rki）到Rj区域中的第l个点（设记为点Rlj）的平滑度，则sklij=(|Δc|E)2+(F|Δd|)2+(|Δt|G)2，其中：Δc表示Rki与Rlj两点的CO2浓度差值，Δd表示RkiRlj两点距离，Δt表示Rki和Rlj点采集CO2数据的时间间隔，E，F，G是一个给定的常量。由于普通云中各主机蚂蚁并行运行，现考虑在主机H上，有M只蚂蚁，在t时刻点Rki和点Rlj之间的路径上的信息素浓度为τklij(t)；在0时刻，各条路径上信息量相等，设τklij(0)=C(C为常数)。蚂蚁a(a=1,2,…,M)在运动过程中，根据各条路径上的信息量决定转移方向。pklij（a,t）表示在t时刻蚂蚁a由点Rki到点Rlj的概率：

pklij（a,t）=［τklij(t)］α［ηklij］β∑m∈Rj［τkmij(t)］α［ηkmij］β, m∈Rj0，mRj (1)

其中:ηkmij为点Rki和点Rlj之间启发信息，一般取ηkmij=1/skmij；α为在RkiRlj两点上残留信息的重要程度；β为启发信息的重要程度；m表示Rj区域中的点。

经过n个时刻，M只蚂蚁在主机H上走完所有的区域，完成一次循环。每只蚂蚁所走过的点组成一个解。随着时间的推移，路径上原有的信息素会逐步挥发掉，同时，有蚂蚁经过的路径会留下相应的信息素，因此，要对各路径上的信息素进行更新：

τklij(t+1)=(1-ρ)*τklij(t)+Δτklij (2)

Δτklij=∑Ma=1Δτklij(a)(3)

其中：ρ为信息素挥发系数，取值范围为ρ ［0,1)；Δτklij表示本次循环中RkiRlj两点上的信息量的增量；Δτklij(a)表示蚂蚁a在本次循环中在RkiRlj两点之间的路径上留下的信息素，其值常按以下模型计算：

Δτklij(a)=QLa,蚂蚁在本次循环中经过点RkiRlj0,其他 (4)

其中：Q为常数，La为蚂蚁a在本次循环中所行走路径的总CO2平滑度和。

2.3.3 繁殖蚂蚁

1)繁殖蚂蚁定义。

繁殖蚂蚁分为局部繁殖蚂蚁和全局繁殖蚂蚁，它能按前一轮最优解方向行走，繁殖出的新蚂蚁能进一步优化前一轮的最优解。记繁殖云中的蚂蚁集合为BC，存在蚂蚁k，在主机H上运行。它从起点出发，访问了所有区域，其行程解集记为{k,Pk,Lk|1≤k≤M},其中:k表示蚂蚁k, Pk表示蚂蚁k的路径, Lk表示蚂蚁k行程的CO2平滑度总和，M表示BC集合中蚂蚁数量。并记min=MIN(k,Pk,Lk), 1≤k≤M,则min表示行程中CO2平滑度最小的蚂蚁，Pmin表BC集合中CO2平滑度最小的路径，Lmin表示CO2最小平滑度和，本文把min作为局部繁殖蚂蚁。另记视觉云中的蚂蚁集合为VC, 邻接云中的蚂蚁集合为AC, 普通云中的蚂蚁集合为CC,设minc=MIN(BC,VC,AC,CC)为BC,VC,AC,CC集合中平滑度最小的蚂蚁，则在云全局计算周期内，将minc作为繁殖蚂蚁。在云局部周期内，繁殖蚂蚁按Pmin路径行走；在云全局周期内，繁殖蚂蚁按Pminc路径行走。繁殖蚂蚁每经过一点就能繁殖出一只新蚂蚁，新蚂蚁按自身规则向未走过的点行走。

2)繁殖蚂蚁行走规则。

在云计算平台中，设min为繁殖蚂蚁，其不受云内外的其他蚂蚁影响，按Pmin路径行走，经过点Rki (1≤i≤m×n,1≤k≤Ci)，以一定的概率繁殖出邻接蚂蚁、视觉蚂蚁、普通蚂蚁中的一只蚂蚁Ai，Ai选择不属于Pmin路径的点并以自身规则行走。Ai走完所有区域也作为这轮解集中的一个解。而min继续向前走，继续繁殖，直至完成路径Pmin。

2.3.4 视觉蚂蚁

1)视觉蚂蚁定义。

在视觉云中计算的蚂蚁称为视觉蚂蚁，可感知平滑度。它能感知当前节点下两个区域的平滑度，并以较大的概率往平滑度最小的方向行走。设视觉蚂蚁a位于当前点Roi，Rpj, Rqk ,使得sopij+spqjk最小，则蚂蚁a以较大的概率往Rpj行走(其中Ri与Rj相邻，Rj与Rk相邻)。

2)视觉蚂蚁行走规则。

在视觉云中的主机H上，设蚂蚁a在t时刻位于点Roi时，按概率Popij(a,t)选择下一个区域Rj的第p点。

Popij(a,t)=Ci/(Ci+Cj),使得sopij+spqjk最小

Cj/(Ci+Cj)(Ci-1), 使得sopij+spqjk非最小（5）

其中：Popij(a,t)表示蚂蚁a在t时刻从Ri区域的第o个点走向Rj区域的第p个点的概率，Ci和Cj表示Ri和Rj区域的点的个数。

2.3.5 邻接蚂蚁

1) 邻接蚂蚁定义。

邻接蚂蚁存在于邻接云中，它可感知与下个区域相邻接的、已走过区域的CO2浓度,能综合考虑邻接区域情况，并以此指导选择下一个区域的点，以较大概率选择与邻接区域比较光滑的点。

2) 邻接蚂蚁行走规则。

邻接蚂蚁a当前位于Ri区域中的k点，见图3，下一步要选择Rj区域中的一点。假设与Rj相邻接的区域有Rd、Ri、Re、Rf，其中Rd中的p点和Ri中的k点已走过，现以较大概率选择与Rpd、Rki所形成的平滑度最小的点，记为：

pkyij(a,t)=sykji+sypjd∑Cjx=1sxkji+sxpjd

其中：y∈Cj，pkyij(a,t)表示蚂蚁a在t时刻从点Rki到Rj区域的任意一点y的概率，sykji表示点Ryj到点Rki的平滑度值。

2.4 算法实现步骤

步骤1 云终端提交计算CO2浓度空间分布请求。

步骤2 云服务器形成四朵云：普通云、繁殖云、视觉云和邻接云，并把蚁群算法的计算任务分配到相应的朵云中。

步骤3 任务在云朵中的主机上并行进行。

1)普通云中运行的是普通蚂蚁，其按私有信息素表指导行走，云中各主机蚂蚁完成一轮后，从共享信息素表中获取新的信息素，继续下一轮行走，并以当前这轮中的优秀蚂蚁更新共享信息素表。云中各主机并行，以同样方式行走。当解达到给定要求时，终止。

2)繁殖云中运行的是繁殖蚂蚁，云中各主机蚂蚁取得云内局部最优解或全局最优解作为下一轮的繁殖蚂蚁，繁殖蚂蚁按前轮最优路径边走边繁殖，形成新的解集，再求出新的繁殖蚂蚁，继续求下轮的解集，并把每轮生成的优秀解提供给普通云更新共享信息素表。云中各主机并行，以同样方式行走。当解达到给定要求时，终止。

3)视觉云中运行的是视觉蚂蚁，云中各主机蚂蚁能感知当前节点下两个区域的平滑度，并以较大的概率往平滑度最小的方向行走。各主机以n只蚂蚁完成所有区域为一轮，将当前轮中优秀的解向上汇报，为普通云和繁殖云提供解集。当解未达到给定要求，继续下一轮；否则就终止。

4)邻接云中运行的是邻接蚂蚁，云中各主机蚂蚁也以自身规则行走，将产生的优秀解向上汇报，也为普通云和繁殖云提供解集，当解达到要求时终止；否则就继续循环。

步骤4 求出满足条件的解，寻优结束，解散云集。

步骤5 通过云服务器把最优解返回给云终端，云计算结束。

3 实验与仿真

为了验证算法的有效性，本文以浙江省临安市为测试地点，模拟100辆公交车装载CO2采集终端，在运行中实时采集CO2数据，本次实验共采集11080个数据，分成25×25的网格。并开发Clounding V2模拟软件，以信息技术实验室的60台主机组成云计算平台，并对实验数据进行大量测试，得出三个结论。

1)普通云、繁殖云、视觉云和邻接云中的蚂蚁数量比设为2∶2∶1∶1性能最佳。①仅取普通云和繁殖云，云内蚂蚁数量比设3∶1、2∶1、1∶1、1∶2、1∶3、1∶4，每种比例都做了8次实验，每次最优解在4821左右，计算出平均轮数，发现普通蚂蚁比繁殖蚂蚁为1∶1时，在取得4821解所需运行轮数最少，见图4。②仅取普通云和视觉云，云内蚂蚁数量比设4∶1、3∶1、2∶1、1∶1、1∶2、1∶3，每种比例也做了8次实验，在取得相同最优解时，普通蚂蚁比视觉蚂蚁为2∶1时，所需运行轮数最少，见图5。③仅取普通云和邻接云，云内蚂蚁数量比设4∶1、3∶1、2∶1、1∶1、1∶2、1∶3，每种比例也做了8次实验，发现普通蚂蚁比邻接蚂蚁为2∶1时，所需运行轮数最少，见图6所示。

因为蚁群优化算法以蚂蚁信息素更新为基础，所以普通蚂蚁对算法贡献最大；而繁殖蚂蚁能在前一轮最优解基础上强化搜索，能较好地找出更优的解，其贡献也非常大；视觉蚂蚁以较大概率向与当前节点最平滑的点行走，邻接蚂蚁以较

大概率选择与附近点所构成的平滑度最小，这行走规则与实际行走相符，故对算法也有一定贡献，而它们又往往会以一定的概率突破此规则，同时也避免算法停滞。最后选择普通云、繁殖云、方向云和视觉云之间比值2∶2∶1∶1性能最佳。2)云计算平台的蚁群优化算法收敛速度快、稳定性高、鲁棒性好。对模拟数据进行了8次实验，结果见图7。在8次实验中，前40轮中都快速收敛，平滑度从5600左右立即降至4860左右，寻优能力强。因为云平台有60台主机在并行工作，求解速度快，并且繁殖云、视觉云和邻接云为普通云作巨大贡献，使得蚂蚁信息素更新更趋向于有效解。40轮之后，8次实验基本都缓慢收敛，并在105轮左右基本趋向稳定，这时主要依赖繁殖云、视觉云和邻接云中以较优解为基础所生成的随机性蚂蚁在起作用，因此寻优速度降低；但因依赖之前的较优解，寻优不至于停滞。在105轮后基本结束，算法表现出稳定性高、鲁棒性好。并随机取了一次计算结果，通过ArcGIS软件的Kriging算法实现CO2分布描图，结果见图8，颜色越深说明CO2浓度越高。

3)对Clounding V2模拟软件进行改造，使其在单机上运行。在单机上运行8次所取平均解与云平台平均解进行比较，发现单机在780轮左右取到5200解（见图9），云计算中只需要在13轮左右就能达到（见图10）；单机在10860轮达到5000左右并基本达到稳定，而云计算在205转达到4750左右，可见云计算平台寻优能力远远高于单机。

4 结语

随着无线传感器网络的快速发展，对其采集到的海量数据进行存储与分析具有巨大的挑战。论文所提出的采用云计算平台对移动车载系统所采集的CO2数据进行融合有一定的创新性，尤其提出组合云模型，能给不同的云安排不同的任务，充分发挥每朵云的作用；同时也改造蚁群算法，使其能在云平台中运行，进一步提高组合云模型计算能力。

本算法虽然已经在60台主机上运行，但云的规模还比较小，下一步要在以下两方面所有突破：一要考虑是否能在整个校网中运行，使其存储、计算能力更大；二要考虑算法是否可在Hadoop云计算平台运行。

参考文献:

［1］

Intergovernmental Panel on Climate Change (IPCC). Climate change 2007: The physical science basis［M］.New York:Cambridge University Press, 2007:1-223.

［2］

中国承诺大幅降低单位GDP碳排放.中国日报网［EB/OL］.[2011-05-01]. 省略/hqzx/tjqhdh/2009.12/04/content_11364678.htm.

［3］

PU YI.FEN. Sensitivity test of the distribution of Indian ocean surface CO2 partial pressure on the physical and biochemical processes by a two.dimensional ocean carbon cycle model ［J］.Climatic and Environmental Research, 2009,14(3): 301-308.

［4］

张弥,温学发,于贵瑞,等.二氧化碳储存通量对森林生态系统碳收支的影响［J］.应用生态学报,2010,21(5):1201-1209.

［5］

BERBIGIER P, BONNEFOND J M, MELLMANN P. CO2 and water vapor fluxes for 2 years above Euroflux forest site［J］.Agricultural and Forest Meteorology,2001,10(8):183-197.

［6］

BALDOCCHI D. "Breathing" of the terrestrial biosphere: Lessons learned from a global network of carbon dioxide flux measurement systems［J］. Australian Journal of Botany,2008,5(6):1-26.

［7］

马晓明,王东海,易志斌,等.城市大气污染物允许排放总量计算与分配方法研究［J］.北京大学学报：自然科学版,2006,42(2):271-275.

［8］

IDSO S B, IDSO C D, BALLING C R. Seasonal and diurnal variations of near.surface atmospheric CO2 concent ration within a residential sector of the urban CO2 dome of Phoenix, AZ , USA［J］. Atmospheric Environment, 2002,36（10）:1655-1660.

［9］

GreenOrbs. A long.term kilo.scale wireless sensor network system in the forest［EB/OL］.[2011-06-01]. 省略.

［10］

郑湃,崔立真,王海洋,等.云计算环境下面向数据密集型应用的数据布局策略与方法［J］.计算机学报,2010,33(8):14720-1480.

［11］

赵俊华,文福拴,薛禹胜,等.云计算:构建未来电力系统的核心计算平台［J］.电力系统电动化,2010,34(15):1-8.

［12］

王鹏,孟丹, 詹剑锋,等.数据密集型计算编程模型研究进展［J］.计算机研究与发展,2010,47(11):1993-2010.

［13］

HANAWA T, BANZAI T, KOIZUMI H, et al. Large.scale software testing environment using cloud computing technology for dependable parallel and distributed systems［C］// 2010 The Third International Conference on Software Testing, Verification, and Validation Workshops. [S.l.]:IEEE, 2010:6-10.

［14］

Wikipedia. MapReduce framework［［EB/OL］. [2011-04-04]. en.省略/wiki/MapReduce.

［15］

CHU S C, RODDICK J F, PAN J S,et al.Parallel ant colony systems[J]. International Symposium on Methodologies for Intelligent Systems, LNCS 2871. Berlin: Springer,2003:279-284.

［16］

陈,章春芳.并行蚁群算法中的自适应交流策略［J］.软件学报,2007,18(3):617-624.

［17］

吕强,高彦明,钱培德.共享信息素矩阵:一种新的并行ACO方法［J］.自动化学报,2007,33(4):418-421.

［18］

WANG HUA, WANG GANG,MA JUN. A distributed ant colony algorithm based on cross.entropy for multi.constraints QoS routing［C］// The 9th International Conference on Advanced Communication Technology. [S.l.]: IEEE,2007:1809-1814.

［19］

TAKOVA K, KOROEC P, ILC J. A distributed multilevel ant colonies approach for graph partitioning[J]. Informatica, 2008,32(3):307-317.

计算机视觉的优点范文第2篇

关键词：单片机;视觉系统;优化

前言

在智能车车速不断提高的背景之下，赛车队的专用车型对其视觉系统的要求越来越高，循迹小车上要安装重要的传感器，这样的传感器可以是目前广泛应用于众多领域的摄像头。在智能汽车上，单片机能对数字信号进行及时有效的采集。该视觉系统设计的重点是要使设计能识别道路的路径。现阶段的汽车设计中，图像采集与处理技术已经被广泛应用，只有采用高速的处理器才能建立很好的图像控制系统，但是这样的设计不符合智能车设计所规定的使用平台和设计技术。

1.主要芯片

在该视觉系统的设计中，采用的主要芯片是MC9S12DG128，它属于16位的单片机，主要采用了增强型的CPU，其内部的总线时钟率较高，单片机内的资源丰富，具有不同类型的转换器等[1]。有具体的进行背景调试的模式，可以在任何情况下进行系统完整的背景调试，其工作的效率也会有一个很大的提高。

在具体的系统设计中，主要的芯片除了MC9S12DG128单片机，还有图像传感器。选用的图像传感器是由美国某家著名的汽车设计公司生产的，这种自带图像敏感阵列和转换元件，而且能提供不同格式的图像传感器具有较强的图像输出速度和分辨率，能自动增加图像的效益，自动进行曝光，调节白平衡，通过具体的总线设置开发系统的图像输出功能。

视觉系统中的存储器会按照一定的顺序对图像进行科学合理的读取，它允许接口电路简单、读取速度较快的动作同时进行。该系统采用的存储器具有高速度、低能耗、容量大的特点[2]，应用在具体的视觉设计中具有非常好的实际意义。

2.系统硬件结构设计

MC9S12DG128单片机的频率相对较低，而一般的摄像头的图像输出速度较高，其输出速率要达到30万像素，每一个像素信号的保持时间要有一定的时间限制，但是此种单片机的时间较短。

将图像传感器与单片机之间的数据缓存用一种简单的芯片来完成。在设计符合逻辑的电路的基础上，芯片中可以容纳大量的有传感器接受的图像数据，菜单可以从芯片中读取相应的数据[3]。图像采集中的系统的架构框架图如图1所示。

2.1摄像头同步信号分析。摄像头的同步信号英爱按照以下顺序进行分布，摄像头在完成一帧图像时要在两个正向脉冲之间完成;高电平时要在具体的时间限制内完成一行像素的扫描工作。准确的信号需要通过像素的同步信号才能读取一定的数值。高电平时输出的图像数据在两个脉冲之间有一定数量的正脉冲，每个正脉冲器件又有一定数量的不同类型的正脉冲。

2.2数字图像信号的采集。将图像传感器中输出的图像信号有效的存入存储器中，要通过一定的操作产生符合存储器要求的写时钟脉冲，然后将每一帧的同步信号引入单片机的输入口。当单片机检测到VSYN上跳时，高电平时的像素数据才是有效的，信号产生的下跳，能引导存储器输出图像数据。

3.单片机图像采集系统的优化

图像的有效采集要通过硬件结构可以让单片机来实现，大量数据的运动算能力有限，视觉系统的内部结构也不够完善。对其单片机的图像采集系统采用良好的方法及进行统一的优化，能使单片机更好的发挥其真正的性能，实现一些图像处理和采集工作，提高其工作效率。

3.1减小图像数据量。系统中的传感器具有较强的图像输出功能，在具体的设计研究中，设置其供内部使用的有效寄存器，可以使用特定区域的图像数据设置用户关心的图像信号。这样的情况下，图像的数据量可以大大减少，减少后期的处理难度，提高整个视觉系统的性能。

采用隔像素的方法降低视觉系统中的数据量，在一定的情况下加入计数电路，进行及时的像素采集，可以有效降低图像的数据量，在一定程度上减轻单片机的负担，保证系统图像的可用性。

3.2RFO异步读写图像数据。RFO异步读写系统拥有两套相对独立的读写指向，在两者都进行读写的过程中可以互不干扰。提高图像采集数据的工作效率就必须让图像输出比读写的速度快，最后保障图像的读写工作同时进行操作[4]。在这样的背景指导下，新的一帧图像如果开始被写入存储器后，就开始了单片机的读取数据的动作，在读取的过程中，有效减少单片机的资源浪费，使其获得最大的工作效率。

3.3优化程序算法。基于视觉系统的设计，单片机在一定范围内不能完成较为复杂的图像处理的众多算法。单片机的特性可以指导编写图像处理的算法，避免一些漏洞向的运算，要尽量的简化运算公式，或者采用大约的数字来进行计算，节约一些运算时间。基于图像分割的算法，在具体的视觉系统优化程序算法中确定最小的灰度，将计算的的值控制到最小。

在S12单片机的循迹小车的视觉系统设计中，存储器和单片机的图像处理系统具体的结构相对简单，而且不用花费太大的成本资源，具有很强的复制功能。尽管单片机不是很适合大数据型的图像处理，但是在具体的设计中通过一些优化的手段和方法，将其性能扩展，就可以完成一部分图像处理的工作，保证视觉系统的完整性[5]。将其视觉系统的采集系统设计应用在智能循迹小车上，使用单片机的运行，并配合图像传感器可以实现图像的采集和处理，从而及时的控制小车，使小车的整个运行达到完美的状态。

结语

在对智能汽车各项功能要求越来越多，越来越严格的背景之下，为了提高智能循迹小车的性能，在实际的比赛中取得较好的成绩和效果。在其视觉系统中利用单片机设计其图像采集系统，通过传感器实现对图像的采集的处理，分析主要的芯片功能和其优缺点，从不同的方面有效优化单片机图像采集系统，帮助循迹小车完成视觉系统的的设计，实现智能汽车行业的快速发展。（作者单位：东北林业大学）

参考文献：

[1]郑思敏.基于HCS12单片机的图形处理方案设计[J].现代电子技术，2010，33（4）：102-103.

[2]薛涛，邵贝贝.S12单片机BDM调试器使用技巧[J].电子技术应用，2009，35（2）：14-16.

[3]刘力.基于视频循迹的智能车软件设计[J].企业技术开发（学术版），2014，（2）：28-30.

计算机视觉的优点范文第3篇

关键词：计算机；视觉检测技术；原理；应用

中图分类号：TP391.41

受到CIMS的推动和影响，诸多企业的发展趋势逐步趋向于个性化以及自动化，这种大的发展趋势间接的对我国的计算机辅助技术提出了更高的要求，计算机相关技术的发展面临着更加严峻的挑战。就现阶段分析来看，计算机辅助检测技术在现代诸多企业中得到了广泛的应用。随着柔性制造系统的不断进步与发展，驱动图像处理软件、现场总线技术的日趋成熟，检测系统的灵敏性、智能化特点愈发受到人们的关注，在这种大的发展趋势之下，计算机视觉检测技术得到了较快的发展。基于计算机视觉系统现已经广泛应用于现场监控、工况监视等诸多环境之中。

1 关于对视觉技术的相关研究

1.1 基于计算机的视觉检测技术的原理分析和探究

图像技术主要指的就是通过各种途径所实现的对图像的获取以及进一步的深入加工和处理技术。根据视觉检测技术的抽象程度以及对图像处理方式的不同，可以大致将图像的处理和加工技术划分为三个最主要的层次，这三个层次分别是图像的加工处理、图像的分析以及对于图像的理解。将这三个层次进行进一步的结合，便是图像工程。计算机视觉检测技术是一门新兴的计算机检测技术，该技术建立在对计算机视觉研究的基础之上，吸收和借鉴相关的研究成果，借助于传感器来实施三维测量，进而有效获得被测物体的空间具置信息，故而可以很好的满足当代制造业的发展需求。区别于一般的图像处理系统，计算机视觉检测技术所获取的相关数据信息更为精准和迅速，其环境适应性更强。

基于计算机的视觉检测技术注重计算理论的辅导作用，以应用为目标进行视觉技术分析。自上世纪七十年代以来，我国关于对计算机视觉检测技术的研究又取得了显著的进步，并且逐步迈入更为实质性的研究阶段，在该阶段中，逐步开始从通过从多个角度（诸如光学角度、生理学角度以及投影射影角度等等）对其成像问题加以分析。以Marr为代表的专家更是建立了一些一般性的视觉性处理模型来辅助该技术的研究。

1.2 视觉检测技术中传感器的作用

在计算机的控制下配有相关的视觉检测系统，在该视觉检测系统中，主要有三个主要方面的主要作用：第一，对于视觉传感器模型的分析以及确定；第二，进行图像数据分散与整理的相关工作；第三，CAD模型的建立。传感器的主要作用就是对测量棒材的多个截面进行分析，将所收集得到的数据经由图像采集卡采集后，传到相关的图像处理系统中，进而进一步辅助准确的模型的建立。

2 基于计算机的视觉检测技术的应用研究分析

2.1 基于计算机的视觉检测技术的发展状况研究

在研究的初步阶段，相关技术人员借助于数字化的图像处理技术，主要就是为了进一步提高所获得的数字照片的清晰度和质量要求，进而更为精准、科学、规范的对照片所提供的信息加以辨别，为航空卫星图片的读取、识别和分类做准备。在这一系列的视觉工作中，其中最为主要和常见的工作主要是包括分类、识别判读以及三维结构的构建。

基于计算机的视觉检测技术借助于对计算机视觉技术，将所获得的被观察物品的相关信息加以信号转换，并传递给图像处理系统，图像处理系统通过甄别和判断不同照片像素的分布和亮度等讯息，将其进一步转换成为数字化信号，接下来由计算机的图像系统抽出符合目标特征的信号加以运算，对下一步的设备动作加以决定和执行。

就现阶段而言，我国的计算机视觉检测技术系统在诸多领域均有所应用，最为典型的领域诸如医学的辅助诊断、机器人的感应系统、智能化的人机接口等均是建立在该技术的基础之上。借助于计算机视觉技术这一手段，可以有效提高对产品检测的效率，提高精准度，这种新型的视觉检测技术相比较于传统的人眼在流水线上的跟进，其具有显著的优越性，其获取测量结构迅速、检测结果可以直接被观察、可以进行自动识别以及定位准确和实时性的特点，这就很好的避免了由于人的一些主观性因素所导致的误差出现。

二十世纪以来，基于生物特性的计算机视觉检测技术得到了空前的发展，具体表现在人脸识别、生硬识别、指纹识别以及虹膜的识别中，形式日趋灵活和复杂多变。借助于计算机的视觉检测技术，可以有效对用户的身份进行鉴定和识别、判定用户的特殊信息等。除此之外，还可以将基于计算机的视觉识别技术逐步推广到其他领域，如海关的安全检查以及出口、入口的安全控制等领域。

2.2 基于计算机的视觉检测技术的相关应用分析

2.2.1 数码相机中所采用的图像采集技术

视觉检测技术的一个显著特点就是有效提高了生产的柔性和自动化程度，本世纪以来，数码相机凭借其高分辨率，快速成像、显像，功能丰富多变以及性价比较高的特定风靡全球，逐步取代了传统的照相机，传统的照相机主要采用的是CCD 摄像头，其主要的核心及时采集卡，显然这种采集系统已经逐步落后于时展的脚步，现已逐步被淘汰。

2.2.2 微文字识别系统的相关研发和设计

随着科学技术的不断进步与发展，大规模集成电路得到了较快的进步，基于计算机的视觉检测系统的成本得到了极大的降低，基于计算机视觉检测技术的微文字识别系统的研发也被提到了日程中来。微文字识别系统的处理芯片大多是借助于数字信号处理芯片来实现图像的识别，进而借助先进的语音合成技术将朗读变为可能。此外，为了便于使用，该系统的体积被尽可能的缩小，并且可根据美观度和实用性等设计为各种形状。

2.2.3 特殊用纸水印在线检测系统

基于计算机的视觉检测技术可以在某一特定领域代替人的主观判断，诸如水印质量的自动检测方面。区别于普通的工作人员，计算机可以实现长时间工作，对于误差范围的控制可以通过设置等实现，而且在计算机执行任务期间，所受到的客观和主观因素相对较少，这就极大程度上避免了由于人的因素所导致的失误性操作，进而有效提高了工作效率以及检测的精准度。这一优点，在水印质量标准的认定中具有十分重要的意义和作用，通过研发一定的程序和软件，可以制定出一套操作性强、权威性较高的水印清晰度量化标准。

3 基于计算机的视觉检测技术的发展展望

综合分析来看，计算机视觉检测技术现已有大约四十年的历史，作为一种新兴的检测技术，该技术的显著优越性不言而喻，该检测技术以其高精度、反应灵敏迅速、智能化、自动化等特点被广泛应用于诸多领域和行业之中，并取得了显著的成，可以说，该技术具有十分广阔的发展前景。但是，不可否认，基于计算机的视觉检测技术并不是十分的成熟，在其设计和研发过程中仍然存在着诸多不足，而且视觉检测技术是一项设计到心理、生理等多方面知识的复杂性技术，涉及领域众多，更强大功能的实现需要人类知识的不断拓展和延伸，因此，必须意识到该检测技术发展道路上的困难和挑战。

4 结束语

随着科学技术的不断进步与发展，经济的发展对于新技术的研发提出了更高的挑战，再者由于广大人民群众生活质量的不断提高，对于生活水平也有了进一步的认识和了解。基于计算机的视觉检测技术的研发和进步，无疑更好推动了高速发展的经济，不断满足了人民群众日益提高生活需求。由此来看，深入对视觉检测技术的研究和探究无疑具有十分重要的作用，笔者衷心希望，以上关于对我国基于计算机的视觉检测技术的相关探究能够被相关负责人合理的吸收和采纳，进而更好的推动科学技术的创新和进步，推动经济的不断进步与发展。

参考文献：

[1]李旭港.计算机视觉及其发展与应用[J].中国科技纵横，2010（06）：42.

[2]张江明，张娟.浅谈制造业中计算机视觉检测技术的应用与发展[J].科技创新导报，2011（24）：1.

计算机视觉的优点范文第4篇

关键词：美术教学计算机辅助教学优越性

在科学技术发展的今天，集声、光、电等为一体的多媒体技术，以其高效、快捷、全面传授知识，保存、收集资料相互交流等优势，极大促进了整个教学的改革和发展。其中以形象直观的美术教学最为受益。计算机辅助教学，因其能激发学生的学习兴趣、促使学生主动学习、提高课堂教学效率等诸多优点，而成为现代课堂教学中最常用的教学手段之一，广泛应用在中小学各学科的教学中，美术教学也不例外。使用计算机辅助教学，能更好地突出教学重点，突破教学难点。特别是在突破传统教学的诸多难点上，计算机可以发挥无可比拟的优越性。中小学美术教学中的难点，是在教材的教授过程中，学生对知识的难以理解之点，技法的难以掌握之处。以下举例介绍计算机辅助教学解决中小学美术教学难点的一些应用。

1获得独特的视觉效果

使用计算机辅助教学可以充分利用计算机的特点，根据教学需要，获得独特的数码虚拟视觉效果，协助教师突破教学中的难点。美术欣赏课有很强的直观性，使用计算机辅助教学，通过数码投影仪，就可以将作品清楚地放大展示，让学生在欣赏课上能够真正地“欣赏”。以七年级第十四册《现代生活的视觉语言》一课为例，通过欣赏不同年代、不同形式的标志，使学生开阔眼界，丰富知识。标志很小，教师拿在手中展示，学生想要看清楚都很费劲，更别说欣赏了，对教师而言，同样也不便于知识的讲解。而若通过计算机和数码投影仪，将各种标志投影成2米见方的影像，就可以让课堂上的每个学生都能看得清楚，达到最佳的审美感受。同时还可以放大局部进行有针对性地观察，教师结合知识重点、难点进行分析讲解。由此，视觉的传达与知识的传授相得益彰，让学生在审美体验中学习和提高。

欣赏三维造型艺术时，计算机辅助教学不仅可以用通常的视觉方式，让学生欣赏到物体在某一视觉角度的造型或其内部构造，而且可以做出“动感显示”效果，让三维物体旋转起来，欣赏到它的各个侧面，让学生体会到物体的立体感、空间感。比如九年级第十八册《现代建筑》一课中，计算机辅助教学可以按预先设置路线，带领学生虚拟浏览一座建筑物的内部装饰、陈设，使学生有现场感、真实感，真切地感受到不同时代、不同地域、不同空间的建筑风格，同时，也会真正理解它的三维结构。利用计算机辅助教学，产生真实新奇的视觉效果，独特的感染力，将使学生对这一课留下难忘的印象。

2动态展示变化的过程

计算机具有强大的多媒体功能，集文字、图像、图形、声音、动画和视频为一体。教师可以根据教学需求，通过计算机表现许多传统教学技术不能表现的事物和现象，如演示形象生动的动画，声情并茂的有声画面，色彩丰富的教学图片等。CAI可以使抽象问题形象化，静态问题动态化，在解决那些教师难以表述而学生又难以理解的问题上，动态展示变化的过程，突破教学难点。

在工艺与设计课的教学中，有关工艺制作的程序、步骤和方法复杂、严谨，技法的要点、难点较多，教师要做大量的示范。教师要想利用课堂时间演示一个完整制作过程，不是一件容易的事，如绘制“简单图案”教学，仅其中的上色环节，就不是一遍两遍能完成的，非常耽误时间，而且没有办法让全班学生都能看清楚。在传统教学中，很多教师往往只好口头教授，稍作演示，这样的教学，学生往往不能掌握技法上的难点。利用计算机辅助教学，我们可以将图案制作的完整程序制作成图文并茂的幻灯片进行放映，从绘制草图、拷贝、涂色，到最后调整、修改，色彩转换，都非常方便、快捷，整个过程展示清晰明了又独特，学生边看放映边学习，印象深刻，教学难点轻松解决。

3通过整合培养美术欣赏能力

美术欣赏能力的培养历来是美术教育教学的难点。把艺术作品不同元素间的相互关系在大脑中形成反射，调动学生的多种感觉器官，利用知识经验进行综合加工，是形成审美情感和审美理解的过程。使用计算机，可以容易地将多种媒体融合在一起，并方便地展示给学生，突破美术欣赏能力的培养教学中的难点问题。

在计算机辅助的美术欣赏课中，把音乐和美术、电影与美术有机地结合起来，可以图文并茂、声色俱全的表现深刻主题，能充分有效的培养学生的审美理解力、创造力。如欣赏《格尔尼卡》时，如果只看课本中的小幅图片，学生会因为对作品内容及产生背景缺乏一定的认识，而印象不深，难以产生共鸣，影响了学生对美术作品的审美欣赏。计算机辅助教学可以将画子投影到大屏幕上，用声情并茂的语言稍加提示作品背景、内容，通过鼠标指针，指点画中细节，引导学生观察，同时播放合适的背景音乐……这时学生就开始自觉地“设身处地”，进入某种情景，产生审美同情。

计算机视觉的优点范文第5篇

关键词： 机器视觉； 图像检测； 航空轮胎； 表面质量

中图分类号： TP 23文献标识码： A

引言近年来，随着生产工艺飞速发展，人们开始关注产品的外观质量，比如印刷品、包装、工艺品等以外观质量为重要附加价值的产品，又比如航空轮胎等表面缺陷会直接影响到使用效果甚至会给使用者的生命财产安全带来无可挽回的损失的产品。众所周知，机器视觉已经发展成为重要的工业生产加工手段之一，在中国成为全球重要的制造中心之一的背景下，中国成为继美国、欧洲和日本后的全球第四大机器视觉市场，同时也是最具发展潜力的市场。一方面外国企业积极入驻中国带来了巨大的视觉系统需求，另一方面国内企业不断扩大生产规模，加大了对视觉系统的需求，以航空轮胎为例，未来十年，国家将在大飞机项目中投入500～600亿资金，大飞机项目的发展，必将会带动航空轮胎行业大规模的发展，对航空轮胎的质量要求也会更加严格。1国内外相关技术研究国外对机器视觉技术的研究，由于开展的比较早，而且具有资金、技术以及硬件方面的优势，已经走在了国内的前面。国外的机器视觉系统的应用领域涉及到了社会生产的各个方面，有原始的在线监视，也有外观检测以及动作、行为控制，许多工业加工成套生产设备都集成了机器视觉系统，成为加工生产线的标配，比如印刷生产线上的机器视觉质量控制系统，又比如汽车制造业中的移动三坐标测量系统[1]。由于经济和技术原因，国内绝大多数图像处理技术公司都以国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少，也很少有成功案例。但是，随着国内经济发展和技术手段不断提高，对产品质量检测要求就更高，对在线检测设备的需求也就更大，具有巨大的市场潜力。计算机、摄像机等电子技术的飞速发展大大提高了机器视觉系统的硬件水平，同时图像处理理论和算法的快速发展也给机器视觉系统提供了强大的软件支持。但是，仍然伴随着一些问题，主要有以下两点：光学仪器第35卷

第3期谢，等：机器视觉在轮胎检测领域的应用研究

（1）算法的精确性提高伴随着计算量的成倍增加，处理时间就成为了实时检测的软肋；（2）硬件的分辨率提高了，图像的分辨率、精度也随之提高了，但是数据量计算量都因此成倍增加。因此，如何保证检测的实时性和准确性，是机器视觉系统在工业应用中需要解决的核心问题。2视觉检测核心技术

2.1机器视觉图像处理技术机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。有大量的文献和著作给与介绍和讨论，其中比较著名的马颂德的《计算机视觉》介绍了计算机视觉的算法和理论，以及Richard Hartley的《Multiple View Geometry in Computer Vision》介绍了在计算机视觉中的几何理论和方法[2]。机器视觉中的图像处理方法，主要包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既优化了图像的视觉效果，又便于处理器对图像进行分析、处理和识别[3]。机器视觉理论应用于现代检测领域，是上世纪末本世纪初计算机视觉的一个新的研究方向。它使用计算机视觉的理论方法来识别物体的关键点，经过分析处理以后，转换成坐标数据，然后产生检测数据。国内已有学者把机器视觉技术运用于检测领域[4]。但是在轮胎检测领域，机器视觉技术的应用还仅仅停留在理论之上，还没有可实际应用的商品化的设备，更不用说结合机器视觉和嵌入式两种技术的便携式检测仪了。

2.2嵌入式技术嵌入式系统一般指非PC系统，有计算机功能但又不称之为计算机的设备或器材。它是以应用为中心，软硬件可裁减的，适应对功能、可靠性、成本、体积、功耗等综合性严格要求的专用计算机系统。嵌入式系统几乎包括了生活中的所有电器设备，如掌上PDA、移动计算设备、电视机顶盒、手机上网、数字电视、多媒体、汽车、微波炉、数字相机、家庭自动化系统、电梯、空调、安全系统、自动售货机、蜂窝式电话、消费电子设备、工业自动化仪表与医疗仪器等。嵌入式系统有以下几大优点[56]：（1）嵌入式系统通常是面向特定应用的，它通常都具有低功耗、体积小，集成度高等特点；（2）嵌入式系统和具体应用有机地结合在一起，它的升级换代也是和具体产品同步进行的，因此嵌入式系统产品一旦进入市场，就具有较长的生命周期；（3）由于空间和各种资源相对不足，嵌入式系统的硬件和软件都必须设计，量体裁衣、去除冗余，力争在同样的硅片面积上实现更高的性能，这样才能在具体应用中对处理器的选择更具有竞争力。本研究选取嵌入式系统中的DSP（数字信号处理器）来进行开发，具体型号为TI公司的TMS320。它具有很高的编译效率和执行速度，在信号处理方面具有优势，它的特点如下：（1）程序和数据具有独立的存储空间，有着各自独立的程序总线与数据总线，可以同时对数据和程序进行寻址，大大提高了数据处理能力；（2）由于广泛采用了流水线操作，减少了指令的执行时间，可以同时运行8条指令；（3）与一般计算机不同，乘法（除法）不由加法和移位实现，它具有硬件乘法器，乘法运算可以在一个指令周期内完成；（4）指令周期降到了1.67 ns。随着工作频率进一步提高，指令周期将进一步缩短；（5）拥有自己独特的专门为数字信号处理而设计的指令系统；（6）相比传统的处理芯片，它还具有体积小、功耗小、使用方便、实时处理迅速、处理数据量大、处理精度高、性能价格比高等许多优点。3轮胎检测系统构成

3.1研究目标机器视觉用于产品表面缺陷检测需要面对以下主要问题：（1）数据处理量非常庞大；（2）如何快读匹配图像；（3）如何快速实现缺陷分割并剔除伪缺陷；（4）如何选取缺陷特征，用以实现缺陷识别。以具体产品为例，相对其他轮胎产品，航空轮胎对质量检测的要求较为严格，只要航空轮胎的检测技术到位，其他轮胎产品也基本可以检测。以航空轮胎的缺陷检测为例，根据GB/T 9747-2008《航空轮胎试验方法》、GB/T 13652-2004 《航空轮胎表面质量》和GB 15323-1994 《航空轮胎内胎》等标准的要求，研究表面缺陷在线检测的图像处理方案；开发一套基于机器视觉的产品表面缺陷的在线检测设备，同时根据GB/T 13653-2004 《航空轮胎X射线检测方法》所述，配合X射线发射仪，利用一对一的服务器/客户机构架的机器视觉对标准中所描述的航空轮胎的一系列缺陷，如断层、气泡和裂口等进行高精度、高实时性、高连续性以及非接触式的在线缺陷检测。具体技术指标：（1）能检测出最小直径0.3 mm的轮胎内部缺陷（即横向纵向最小均为0.3 mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率要求大于90%；（2）对缺陷部位进行定量和定位分析：读出缺陷的尺寸（误差0.5 mm），测出缺陷距离轮胎表面的深度，决定缺陷在轮胎内部的位置；（3）在线检测设备的检测检测速度与X射线管旋转速度同步，X射线管旋转一周即完成一个轮胎一个圆周的缺陷检测。

3.2研究内容和技术路线

3.2.1确定机器视觉检测系统的基本框架在数据量大时，采用一个处理器搭配一台摄像机的一对一方式。在产品表面检测中，由于航空轮胎的圆周面比较大，数据量也就比较大，通常采用的机器视觉单摄像机方式，很难满足圆周面检测分辨率高、数据量大的要求，而多台摄像机能满足分辨率和数据量的要求，却又相应带来实时性差的问题。若采用多台摄像机的方式，就需要配备多套成像系统，一套成像系统造价在10万元左右，基于成本和计算数据量的考虑，本研究选用一对一方式，利用分时运动克服单台摄像机采集数据量不足的缺点。具体来说，就是在经典的服务器/客户端模式架构的基础上设计一种基于机器视觉的系统结构以实现轮胎圆周面产品表面缺陷的在线检测，该结构主要由四部分组成：服务器（嵌入式系统）、客户端（图像处理子系统）、信号模块（PLC）、输出单元。系统框架如图1所示。每隔一定的时间（系统初步设定为5 s），服务器通过PLC控制步进电机驱动轮胎做圆周转动，每转过一个固定角度（系统定为120°），服务器就调动客户端完成此区域内相对独立的视觉检测任务，一次间隔只检测轮胎的三分之一（120/360），经过3个时间间隔，客户端即完成了整个轮胎360°的全面检测，然后利用拼接原理把各部分拼接起来，统一到一个坐标系下。拼接测量的关键是利用重叠区计算出各次测量时基准的不同，然后消除不同，统一在一个坐标系下。拼接测量的方法可以直接计算出被测轮胎的全面信息。为了保证服务器和客户端之间图像检测数据可靠、实时的交互，本研究采用千兆以太网的方式传输数据。作为整个检测系统的管理控制单元和人机交互接口，服务器不仅要完成检测任务的调度，还要可以设定检测参数，接收和实时显示客户端上传的图像数据和处理结果（缺陷等），并将信息存入数据库中。此外，服务器还接收PLC传来的位置检测信号，用于与客户端的同步，并且根据检测结果中的位置信号，对执行机构发出动作信号，标记并剔除有缺陷的产品。在客户端处理核心中安装有图像采集卡，接收服务器设置的参数和任务调度，控制采集卡和摄像机完成图像实时采集，利用图像处理算法处理和分析图像数据，将最终得到的缺陷位置和分类信息上传给服务器，保存缺陷图像以备查。

3.2.2设计编写表面缺陷检测的图像处理方案在表面缺陷检测中，根据图像数据的特点，本研究提出以下图像处理过程：缺陷分割、特征提取及缺陷分类。首先是缺陷分割：在表面缺陷检测的时候，利用图像处理算法，处理采集到的产品表面图像，将缺陷从复杂的背景图像中分离出来。接着是特征提取：提取缺陷后，对缺陷的各种标识性属性进行提取，主要是几何特征和灰度统计特征，以保证后续的缺陷分类和识别。几何特征指的是轮廓特征，比如长度、形状、面积、重心等。灰度统计特征指的是分布位置、统计值、均方差等等。还有缺陷分类：本研究采用改进的BP算法[7]对网络进行训练，构建神经网络分类器来实现轮胎缺陷分类，为了提高检测系统对伪缺陷的适应性，本研究将部分伪缺陷也作为网络输出并对其进行训练。由于图像处理中需要运用大量的计算机内存处理算法，为避免编程中出现内存泄露进而造成计算机内存资源流失的现象，决定采用对内存进行托管的C#语言进行编程。

3.2.3服务器和客户机系统之间的同步服务器/客户端模式架构的机器视觉系统具有独立性和并行性的特点，它不得不面临的一个重要问题是如何解决服务器和图像处理子系统之间的同步问题，包括摄像机同步采集、数据同步处理和轮胎运动同步控制等。本研究利用摄像机本身的外同步特性，采用对摄像机提供统一的线扫描触发信号保证摄像机采集同步。机器视觉系统基本组成模块见图2。

4结论实际测量结果证明，应用视觉检测方法可以较好地解决传统测量方法中时间长、工作量大、测量效率低的问题。该方法能够充分利用现代计算机技术的优势，设备简单、易用，克服了传统测量仪器的许多误差来源，具有快速、准确、非接触测量的优点。在实验室中初步完成了实验系统的核心部分（如图3所示），与传统的测量方法相比，原先需要15 min的测量时间，现在只需要15～30 s就可完成，操作也更加简单便捷。该系统可检测出最小直径0.3 mm的轮胎内部缺陷（即横向纵向最小均为0.3 mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率为96%。

参考文献：

[1]彭向前.产品表面缺陷在线检测方法研究及系统实现[D].武汉：华中科技大学，2008.

[2]ZHANG Z.Determining the Epipolar geometry and its uncertainty[J].A Review Int Journal on Computer Vision，1998，27（2）：161-195.

[3]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.

[4]朱方文.基于LAP方法的机器人灵巧手控制[D].上海：上海大学，2006.

[5]张嘉琪.基于嵌入式系统图像处理平台的万寿菊水分状态检测系统的研究[D].重庆：西南大学，2009.