计算机视觉检测技术范文第1篇

关键词：计算机；视觉技术；玉米种子；质量；检测

中图分类号：S513 文献标识码：A 文章编号：1003-4374（2015）01-0047-04

引言

计算机视觉是提高人类生产、生活自动化和智能化程度的有效手段。目前，农产品分级与品质检测、种子品质检测、果实的采摘、病害检测等方面，机器视觉都有广泛研究。作为世界三大粮食作物之一，玉米在粮食贸易中所占比重不断升高。随着计算机技术进步，尤其是图像技术的发展，建立在视觉技术的测量方法也高速发展，要适应测量的现代化步伐，算法快速并且精度要高是图像实现测量途径的必然要求。在玉米生产中，种子质量是最为关键的因素之一，玉米的收获产量和产品品质与种子质量的优劣息息相关。十多年来，国内学者对应用机器视觉技术进行玉米种子检测方面开展了深入研究。本文主要综述这类研究，为今后该领域学者提供参考信息，从而加快系列研究的深入开展。

图像采集与模式识别

目前，CCD相机、扫描仪或数码相机是主要的图像采集设备。CCD相机在生产线的开发当中是最好的选择，而对静态检测设备而言面阵相机则是上选，如果应用场合是既有设备，那么数码相机等更为适用。由于在封闭的环境光照足够稳定，此时图像噪声干扰较小，免除标定这一环节，在后续处理时非常方便，所以图像采集通常是在封闭环境中进行。用于移动设备的相关软件的研究中，则有四个方面的情况需要着重考虑：第一，当前采集玉米图像时所用背景都是单一颜色，而在生产具体应用中则完全有可能是非单一颜色；第二，在用户使用过程中，光照条件不确定、特别是颜色特征对图像质量有影响。第三，玉米种子体积不大，当玉米种子的空间位置发生移动时，图像中种子的特征会随着改变。第四，在图像采集时，如采集的角度存在偏移，图像中玉米种子的形态也不会保持不变。

玉米种子纯度检测

种子最主要的质量指标之一是纯度，目前，形态学鉴定和蛋白质电泳分析法是主要的鉴定籽粒纯度方法。

国外学者从图像当中提取玉米种子形态方面的参数，并结合判别函数实现对玉米统计学的种子外形判断，实现玉米种子从非完整玉米种识别。当然，该方法效率不高，所费时间过多。

朱晓利用高光谱反射图像技术，提取多个波段种子图像特征，然后通过遗传算法选择最优波段图像，建立分级模型，达到对玉米种子纯度检测的目的。所建立的分类模型测试精度达到97.22%。

另一批学者针对纯度考虑图像识别这一方法实现识别玉米种子，首先是彩色相机获得图谱，通过基于阈值的二值化处理图像灰度变换、图像均衡化，实现和电泳图谱进行比对以期判断纯度水平，玉米种子纯度在计算机和人眼检测结果，得到一种高效测玉米种子纯度的方法，而这个技术对2个品种玉米的平均识别准确度接近100%。

综合几种玉米种子纯度检测方案，形态鉴定法方法简单，但效率与精度不高。随着检测识别算法的改进和计算机处理能力的提高，计算机视觉技术将比其他方法更高效更准确。

玉米种子品质自动检测

周红等为实现对种子评级，借助图像处理技术得到玉米种子轮廓。通过计算机模糊识别代替玉米种子形态传统鉴定法，目的是将识别水平大幅度提高；基于模糊数学以及统计学，得到隶属函数，从而制定对品种进行判别的规律，玉米种子得以判别，所构建的系统投资低，而且玉米种子品质的识别率为88%。

闫小梅等通过CCD相机，对玉米种子冠部和无胚芽面图像进行提取，利用图像预处理将单个籽粒分割出来，通过图像分割，将冠部核心区域和侧面黄色区域6个颜色特征提取出来，以Fisher判别理论和K-均值聚类为依据，将特征投影到一维空间，进行纯度识别，识别率不低于93.75%。

玉米收获后加工的重要环节之一就是对玉米种子质量进行分级，在玉米种子质量分级工作中，机器视觉技术优势明显，例如不会对玉米种子造成损坏、更好实现分级。相关学者提出从特征值按照一定的等级进行分类，采用典型神经网络与隶属函数方法对玉米种子实现分级，发现：BP神经网络处理时间更短，具有更好的实时性，为现实应用打下良好的基础。有学者将形态学加上种子分级设备，能够实现准确率高达90%以上的将种子分为4级的方法。吴继华等开发了一种种子品种实时检测系统，该系统是基于机器视觉，由CCD摄像机进行图像采集，每隔2s停止1次，在分析结束时就可以得到特征参数，二十粒种子只需一秒钟时间。Wan等18-19]将机器视觉应用在谷物类进行动态识别，并进行分类，得到图像就进行处理，并将信号传给对应的PLC，从而闭合电磁阀，以达到吹离目的。宋鹏等就分级系统在动态玉米品质检测，抓住玉米种子的特征，把种子分类形态以及颜色分别分为4级和3级，合格率分别为8 1.8%和93.04%，还能够实现玉米种子品种，应用Bayes分类器以及模式识别法实现识别玉米种子品种达到5种，识别准确率不低于92%；结合玉米颜色等信息，实现单倍体籽粒分类，待识别玉米单倍体后，将用气吸方式和二自由度并联机器人机构相结合进行分拣，精度不低于80%。

目前的玉米种子品质自动检测中，多采用可见光进行图像采集，然后通过综合处理分析种子的外部特征来确定品质等级。鲜有利用红外等不可见光生成的图像来进行品质分级，因而无法精确分析种子内部的品质特征，影响到检测精度。因此，运用不同波段图像分析玉米种子品质，将成为以后种子品质检测的一个重要方向。

玉米种子活力检测

漫射光法、热浸法、电导率测定、四唑染色法、冷浸法、发芽实验等是种子活力的常规检测方法。目前，有效结合图像识别与处理等技术以及发芽试验和四唑染色法等方法的优势，能够准确测定种子活力。赵新子等对活力识别进行论述，染色种胚后获取彩色图像，判断染色区域在种胚的面积占比，得到活力水平评判，识别率为94%。

张晓宇等通过处理和分析种苗图像，根据玉米种苗特征建立起可以方便、快速地获取苗高、苗鲜重等信息的相关统计模型，该模型直接用于玉米种子的发芽试验，以便获得准确可靠实验结果。该技术将作为玉米种子发芽试验新的检测手段，同时应用于其它植物种子发芽试验。

Zayas等通过形态学参数把玉米种子从被破坏的玉米种识别，结合统计学方面的判别函数，将被破坏的玉米种子剔除。为了检验播种材料，需要对种子发芽的规律以及所需条件进行研究，研究必须将玉米种子发芽进行系列实验，这时候对于发芽粒数以及苗高等种子的信息大多由人工获取。

玉米种子机械和霉菌损害检测

玉米种子质量检测的重要指标之一是种子是否有裂纹和发生霉变，采用视觉无损检测，我们发现如果光线对应入射孔直径设定在2.4mm时，所得背景是黑色的，如果入射光是白色光，采集得到的图像采用高速滤波法识别玉米籽粒裂纹处与其他部位的像素灰度值的不同，检测精度不低于百分之九十。有学者利用生霉粒对光照变化非常敏感的特点，光照变化对颜色标定是鉴定生霉粒的主要途径，认为机器视觉算法在精确性以及一致性方面具有非常明显的优势，这给玉米种子质量检测的提高打下良好的实践基础。

有学者基于图像分析等途径分析玉米应力裂纹，主要结论是重度裂纹最易于被识别出，达到完全被识别的水平；无裂纹以及中度裂纹则朝着变差方向发展，不能完全被识别，占比约有30%-12%。

张俊雄等实现表面裂纹检测：在获取单粒玉米种子的图像后采用Sobel算子得到玉米种子边缘并通过分割阈值、腐蚀以及膨胀等传统图像处理，从而可以判断满足什么样的条件可以判定为种子尖端点，并能实现尖端部分拿掉；将R通道膨胀，同时细线化处理B通道图像结果，并执行减运算操作，根据连通性判别有无裂纹，识别率超过90%。

计算机视觉检测技术范文第2篇

关键词：计算机；视觉技术；图书馆；应用探讨

引言

俗话说“书是人类进步的阶梯”，各大高校以及各大城市都建有图书馆，图书馆可以满足人们对各种知识的需求，因此对图书馆的管理工作也是十分重要。如今科技不断的发展，计算机视觉技术被运用到图书馆管理中。计算机视觉是用摄影机和电脑来代替人眼进行检测、监控、识别和测量等的机器视觉，它能够对收集来的图片和视频进行处理，然后获得相应的三维信息。计算机视觉是一门综合性的学科也是一个富有挑战性的领域，它已经被应用到各个领域中，它的重要性不言而喻。

一、计算机视觉技术的特点

（一）检测范围广泛

人眼的检测范围毕竟有限，有些细微的方面人眼是检测不到的，比如红外线、超声波等，但是计算机视觉技术却是可以检测到人眼所检测不到的范围。计算机视觉技术可以将红外线和超声波处理成图像呈现出来，它的检测范围十分广泛而且是不加选择的进行检测，可以说它的使用大大拓展了人眼的视野。

（二）检测安全可靠

我们都知道电子产品如果接触使用必然是会受到一定辐射的，但是计算机视觉与以往的检测机器不同，它是不需要与被测者进行接触的，观测者和被测者都是十分安全不会受到丝毫损伤的，而且它在使用的过程中并不会像人眼一样感到疲惫，它可以一直进行高效率的工作，因此对其检测结果也是十分的可靠的。

二、视觉技术在图书馆工作中的应用分析

（一）图书剔旧和修补

图书馆是人们知识的殿堂，是思想文化知识不断扩展的地方，因此图书馆的剔旧是一项十分重要的工作。图书馆的空间毕竟有限，一些相对陈旧而利用率较低的参考文献是需要不定期的进行筛选的，这些资料通常都是表面发黄、布满灰尘和封面破旧等，而图书馆的剔旧工作大多是由工作人员亲自到书库中进行挑选，这样不仅工作量大、耗时长还有可能会存在遗漏的现象，而且资料上的灰尘也会给工作人员的身体健康带来影响。

图书馆会收藏一些珍贵的古籍和字画，但是时间一长，受到温度、湿度等的影响会造成古籍和字画表面发黄、纸张变脆甚至会出现虫眼，这时候就需要对古籍字画进行修补工作。这项工作大多由工作人员亲力亲为，会给工作人员带来一定的健康影响，如果使用计算机视觉技术代替人们来进行工作，会大大减少工作人员的工作强度，同时也保证了工作效率。

（二）管理职工人员

图书馆中职工人员的正常有序的工作是保证图书馆正常运行的关键之处，在进行图书馆职工人员的管理上可以引用计算机视觉技术。以往的职工签到可能会出现代签现象，而计算机视觉技术可以采用图像视觉处理技术对职员进行磁卡、眼膜、人脸识别等进行签到，杜绝了以往签到工作所存在的弊端。同时，在图书馆工作处理中，计算机视觉技术也可以帮助职工人员处理一些难题，让图书馆工作能够有序高效的进行。

（三）监控检测系统

如今图书馆的书籍是完全向人们开放的，人们可以自由进行借阅，以往的人工检测会造成猜疑和尴尬，也会加大图书馆管理人员与读者之间的磨擦。计算机视觉技术的使用可以全自动化进行监控和检测，避免了以往人工监测所出现的问题。图书馆的书籍借阅管理工作异常重要，计算机视觉技术可以全程自动化进行高效工作，可以进行无人看管检测读者进出携带书籍文献和借阅空间的监控等，大大提高了工作效率，让图书馆的借阅工作顺利有序的进行。

三、视觉技术在图书馆工作中的应用问题的研究

（一）循序渐进的结合

计算机视觉作为一个新兴技术，虽然已经被运用到各个领域内，但是在引进入图书馆的管理中，如果想要快速的取代传统的管理模式，无论是工作人员还是工作理念都不可能及时接受这种改变的。新技术的融入必须要循序渐进，找到与传统的管理模式的结合点，然后进行慢慢磨合，达到与传统相结合的效果，这样人们才能够接受一种新技术的使用，不仅提高了工作效率减轻了工作人员的工作负担，也能够更好的发挥出计算机视觉技术的真正作用。

（二）提高专业人员的业务水平

新的技术需要新的业务水平来支持，如果没有相应的业务水平是没有办法发挥出新技术应有的作用。计算机视觉技术通过计算机成像系统来代替人类的视觉感官，能够自主适应环境、自主工作的能力。计算机视觉技术在不断的更新中，它的使用功能也是越来越多，操作方法越来越复杂，这时就需要图书馆的工作人员对计算机视觉技术有细的了解，能够熟练操作和运用计算机视觉技术。图书馆管理阶层应该组织工作人员进行培训工作，让他们接收新的知识掌握新的技术，不断的提高图书馆工作人员的业务水平，才能够保证图书馆工作高效进行。

（三）读者素质和应用手段的提高

现代化图书馆要想实现工作和服务的全面自动化，就需要有现代化技术的支持，计算机视觉技术的引用虽然是一个现代化技术的支持，但是如今仅停留在生物特征的识别领域。比如图书馆如今普遍有门禁系统，这也仅停留在计数功能和监控可冲消磁条的识别和认定上，如果有些读者素质不高故意去掉这些生物识别，图书馆的门禁系统就没有办法阻止这些读者的进入进出。因此，提高读者的素质和计算机视觉技术的应用手段，才能够保证计算机视觉技术在图书馆被广泛的进行使用。

结束语

计算机视觉检测技术范文第3篇

【关键词】机器视觉；应用研究

机器视觉是一门涉及人工智能、计算机科学、图像处理、模式识别、神经生物学、心理物理学等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。随着现代计算机技术、现场总线技术与大规模集成电路技术的飞速发展，机器视觉技术也日臻成熟，已经广泛应用在国民经济发展的各行业。

1.机器视觉系统组成

一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。首先采用CCD摄像机获得被测目标的图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，根据像素分布、亮度和色彩等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别标准输出判断结果，去控制驱动执行机构进行相应处理。

总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

2.机器视觉技术的应用

在国外，机器视觉的应用主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路；SMT表面贴装；电子生产加工设备；机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。

而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致机器视觉在以上各行业的应用几乎空白。目前随着我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大中专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场和其它领域的应用。

（1）工业中的应用

虽然机器视觉技术从20世纪80年代才开始起步，但由于其突出的优点，在各种工业领域被广泛应用，特别是近几年发展十分迅速，国内外的成果也是层出不穷。

在国外，机器视觉技术广泛应用于机器零部件的装配、非接触测量、产品质量检测、在线过程控制、数控机床加工、过程监控等领域。英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0。1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系列汽车的车身检测。

机器视觉在国内的应用主要集中于检测与定位等几个方面，这样的工业产品占据了中国市场的绝大部分。机器视觉在工业检测中的应用最为常见的是对各种机械零件的几何尺寸进行测量，在半导体及电子行业，国内高等院校和科研单位也研究出基于机器视觉的管脚尺寸自动检测装置。此外，机器视觉还被用于对于如刀具等工业设备的检测和数控机床的加工。在很多工业领域存在着高精度定位的问题，如钻床数控系统钻头定位、金属板材数控加工轨迹坐标定位等。目前机器视觉技术由于其高精度的优点在这方面得到广泛的应用。华中科技大学在金属板材数控加工中利用机器视觉技术对加工轨迹坐标定位。提出一种基于机器视觉的非接触式加工轨迹坐标定位方法，完成了金属板材数字化成形中支撑模型的非接触式高精度快速定位。湖南大学进行了钻头视觉定位研究，在视觉定位中采用间接定位方式，间接实现钻头刃磨初始状态的定位。中国计量学院等单位进行了基于机器视觉的PCB数控钻机定位研究。大量的实践证明采用机器视觉系统进行定位并且综合运用数控伺服传动技术以及各种先进控制技术能够有效实现精确定位。利用机器视觉系统节约了大量的人力和物力，降低了产品生产成本。

（2）农业中的应用

计算机视觉技术在农业上的应用研究，起始于20世纪70年代末期，主要应用于植物种类的鉴别、农产品品质检测与分级等。随着计算机软硬件技术、图形图像处理技术的迅猛发展，它在农业上的应用研究有了较大的突破，在农业领域的生产前、生产中、收获时和产后的各个环节中，均可以利用计算机视觉技术来实现这些农业生产的视觉化。计算机视觉在产前的应用主要是检验种子质量；在产中的应用包括田间杂草识别、植物生长信息的监测、病虫害的监视和营养胁迫诊断等方面；在农作物收获时的应用主要体现在农业机器人的研制与开发上；在产后的应用包括水果分级和农产品的加工等。在农田作业机械上，机器视觉技术被不断的开发和应用。农药的粗放式喷洒正是农业生产中效率最低、污染最严重的环节。利用机器视觉技术可以实现农药的精量喷洒，近年来，机器视觉技术在播种机械方面的应用主要是检测播种质量；在自动收获机等农田自动作业机械上，更需要依靠机器视觉系统来确定作物行与机械的相对位置，以控制自动作业机械在作物行间自动行进，

机器视觉技术在农业生产上的应用可提高生产的自动化水平，解放劳动力，具有良好的应用前景。同时还应看到，由于农业对象的特点，机器视觉理论和技术的局限性以及硬件条件的限制，机器视觉技术在农业生产的应用距离实用和普及还有相当长的距离。相信随着相关技术的发展，很多问题会得到好的解决，机器视觉技术在农业生产中的应用会极大地加快农业现代化的进程。

（3）医学上的应用

随着药品和医疗器械安全性问题重要性的不断提升，越来越多的生产厂商将机器视觉技术引入实际生产中来，以达到提高生产效率，加强产品品质保障的目的。同样，在医疗系统中机器视觉也得到了越来越多的应用。

机器视觉科技医药领域的应用主要分为医学与药物两部分。机器视觉技术在医学疾病诊断方面的应用主要体现在两个方面：一是对（X射线成像、显微图片、B超、CT、MRI）图像增强、标记、渲染处理，主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加，然后进行综合分析协助医生诊断；二是利用专家知识和3D重构对物体三维信息与运动参数进行分析并给出形象准确的解释，如诊断与手术等。机器视觉技术的应用不仅节省了人力，而且大大提高了准确率和效率。在药物方面，机器视觉系统对药用瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。除此之外，对药剂杂质的检测、对医学用具质量的检测、对药物外包装泄露的检测等等都在保障着药物的质量安全，保障着人们的生命健康。

（4）交通领域的应用

随着计算机的普及和相关软件的不断更新升级，机器视觉技术在交通领域所发挥的作用愈为重要。机器视觉技术在交通领域的应用范围较广，主要包括视频检测系统、智能车辆的安全保障系统、车牌识别和交通指挥等。

视觉技术应用于视频检测时，视频检测系统的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，

并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。视频的交通事件和参数检测系统有高度的网络化和智能化，可实现远程监控和设置。视觉技术应用于智能车辆安全保障系统，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。德国UBM大学Dick-manns教授领导的智能车辆研究小组一直致力于动态机器视觉领域的研究，研制的EMS-Vision视觉可较好地模拟人眼功能。车牌识别技术（VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。过去的10多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪系统。其中，具有代表性的系统有：LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。

机器视觉技术在交通各领域都发挥着越来越重要的不可替代的作用。在取得较大成绩的同时仍有不足。其一应尽快开发出具有高性价比的实用化的激光距离成像系统，能够获取高质量的原始图片至关重要；其二，处理各种交通事件的及时性决定了所有的图像处理的速度应尽可能的快，目前的各种算法都各有优劣，如何能在最短的时间内完成图像的识别工作成为我们下一步要努力的方向。

3.发展趋势

在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。未来，中国机器视觉发展主要表现为以下一些特性：

（l）随着产业化的发展对机器视觉的需求将呈上升趋势。

（2）统一开放的标准是机器视觉发展的原动力。

（3）基于嵌入式的产品将取代板卡产品。

（4）标准化一体化解决方案是机器视觉发展的必经之路。

（5）机器视觉系统价格持续下降、功能逐渐增多。

4.结语

机器视觉技术经过20年的发展，已成为一门新兴的综合技术，在社会诸多领域得到广泛应用。大大提高了装备的智能化、自动化水平，提高了装备的使用效率、可靠性等性能。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各个领域发挥更大的作用。

参考文献

[1]李福建，张元培.机器视觉系统组成研究[J].自动化博览，2004（2）：61-63.

[2]范祥，卢道华，王佳.机器视觉在工业领域中的研究应用[J].现代制造工程，2007（6）：129-133.

[3]张萍，朱政红.机器视觉技术及其在机械制造自动化中的应用[J].合肥工业大学学报（自然科学版），2007， 30（10）：1292-1295.

[4]马彦平.计算机视觉技术在农业生产中的应用与展望[J].中国农业资源与区划，2009，30（4）：21-27.

[5]饶秀勤.基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[博士学位论文].杭州：浙江大学，2007.

[6]冯新宇，庞艳辉.车牌识别技术实现方法初探[J].交通科技与经济，200712：50-511.

[7]徐琨，贺昱曜，王夏黎.基于背景模型的运动车辆检测算法究[J].微计算机信息，2007，4-1：120-1211.

计算机视觉检测技术范文第4篇

第3期谢珺，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.

计算机视觉检测技术范文第5篇

关键词：智能交通；计算机视觉；车辆检测；运动矢量场；时域滤波；空域滤波

中图分类号：TN911文献标识码：A文章编号：1009-3044(2012)15-3670-04

Vehicle Detection Algorithm Based on Spatial and Temporal Filtering of Motion Vector Field

SUN Li-hu, XIONG Lin, FAN Zhi-qiang, HUANG Yi, GAO Zi-feng

(College of Electronic Information Engineering, South-central University for Nationalities, Wuhan 430074,China)

Abstract：Vehicle detection system based on computer vision is the basic parts of intelligent transportation system, which is in the founda? tion of capturing video images, through effective algorithm of computer vision to realize the video of the vehicle target position detection; existing vehicle detection algorithm have high complexity and low accuracy; this paper proposed a vehicle detection algorithm based on pat? tern classification and motion vector field filtering; and this low-complexity algorithm can identify vehicles quickly; especially the proposed method has good performance when the target is small or blocked.

Key words: intelligent transportation; computer vision; vehicle detection; motion vector field; spatial filtering; temporal filtering

随着社会经济的快速发展，人们生活水平不断提高，各种汽车的保有量大幅度增加，怎样提高交通效率就显得越来越重要，目前世界各国都投入了大量的人力和物力对智能交通系统(ITS)进行研究[1]。交通监视系统是智能交通系统中的一个重要环节。近年来，基于视频检测的方法随着计算机技术，图像处理，人工智能和模式识别等技术的不断发展，在交通流检测中得到了越来越广泛的应用，相对于其它交通流量检测技术而言，它具有以下优势[2～3]：

1)视频检测可以检测较大的交通场景面积；

2)相对于其它检测方法，投资少，费用低；视频传感器等设备，例如摄像头，易于安装和调试，且对路面设施不会产生破坏；

3)使用视频检测技术可以采集到更多的交通流量参数。

动态视频目标检测技术是智能化视频分析的基础，随着计算机视觉以及视频分析技术的进一步发展，视频目标检测面临着许多新的应用，以图像分割为基础的视频目标识别检测技术在智能交通等方面有着广泛的应用。