前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的計(jì)算機(jī)視覺(jué)開(kāi)發(fā)主題范文,僅供參考,歡迎閱讀并收藏。
關(guān)鍵詞:結(jié)算;工程量;取費(fèi)
中圖分類(lèi)號(hào):F830.46 文獻(xiàn)標(biāo)識(shí)碼:A
引言
房地產(chǎn)開(kāi)發(fā)項(xiàng)目是指建設(shè)方向開(kāi)發(fā)商提供已完工程,并按照規(guī)定向開(kāi)發(fā)商收取工程價(jià)款的過(guò)程,傳統(tǒng)的工程結(jié)算分為中間結(jié)算和竣工結(jié)算相結(jié)合的方法,隨著市場(chǎng)經(jīng)濟(jì)發(fā)展和建筑業(yè)改革的不斷深化,“標(biāo)價(jià)支付、竣工清算”的結(jié)算方式應(yīng)運(yùn)而生,該種結(jié)算方式既體現(xiàn)了建設(shè)項(xiàng)目招投標(biāo)的形成全過(guò)程管理連挑價(jià)值鏈的延伸,同時(shí)以行業(yè)管理為主體并實(shí)施統(tǒng)一管理的內(nèi)容,由于竣工結(jié)算直接影響房產(chǎn)商開(kāi)發(fā)項(xiàng)目所產(chǎn)生的經(jīng)濟(jì)利益大小,直接體現(xiàn)了工程造價(jià)系統(tǒng)控制的最終結(jié)果,因此對(duì)結(jié)算過(guò)程中存在的問(wèn)題進(jìn)行合理分析并制定相應(yīng)解決措施對(duì)合理控制房產(chǎn)項(xiàng)目結(jié)算價(jià)格具有重要意義。
1 房地產(chǎn)開(kāi)發(fā)項(xiàng)目工程結(jié)算中存在的問(wèn)題
1.1 高估冒算
當(dāng)前國(guó)內(nèi)對(duì)預(yù)結(jié)算編制中出現(xiàn)誤差的獎(jiǎng)懲制度制定并不完善,房產(chǎn)商對(duì)施工單位編制結(jié)算表表中存在誤差沒(méi)有相關(guān)約束機(jī)制,同時(shí)施工隊(duì)伍素質(zhì)參差不齊,追求經(jīng)濟(jì)效益最大化的思想指使其在編制結(jié)算中出現(xiàn)對(duì)工程量高估冒算的現(xiàn)象,具體可表現(xiàn)為技術(shù)人員對(duì)造價(jià)人員交底不詳細(xì)導(dǎo)致的多報(bào),施工方存在僥幸心理或?yàn)榱颂颖軐徲?jì)單位而無(wú)原則虛報(bào)等,同時(shí)由于當(dāng)前國(guó)內(nèi)定額變動(dòng)頻繁、計(jì)算程序較為復(fù)雜以及各個(gè)區(qū)域內(nèi)計(jì)算基礎(chǔ)不同等因素也導(dǎo)致工程量高估冒算現(xiàn)象[1]。
1.2 虛增工程量
因造價(jià)人員對(duì)定額理解不透徹,或新舊定額間存在差距,編制人員按照利于其工程量的定額進(jìn)行計(jì)算;在工程量計(jì)算時(shí)按照施工中材料進(jìn)場(chǎng)量進(jìn)行計(jì)算,而未按照定額規(guī)定計(jì)算規(guī)則進(jìn)行計(jì)算,或?qū)⒍~中規(guī)定的材料損耗計(jì)入導(dǎo)致材料用量增加;虛列工程項(xiàng)目,將未施工的項(xiàng)目列入結(jié)算內(nèi),或在計(jì)算工程量時(shí)采取重復(fù)計(jì)算或多計(jì)算等手段導(dǎo)致工程量增多。
1.3 錯(cuò)套定額
施工方在申報(bào)結(jié)算時(shí)套用定額時(shí)往往是就高不就低,施工中的低工程套用高價(jià)定額子目,該類(lèi)現(xiàn)象在土石方開(kāi)挖、混凝土標(biāo)號(hào)及石子粒徑等環(huán)節(jié)中易出現(xiàn);在套用定額時(shí)在鋼筋混凝土樓梯面層內(nèi)跨步同連接板結(jié)構(gòu)面層內(nèi)應(yīng)采用地面部分而采用樓面面層等現(xiàn)象,該類(lèi)現(xiàn)象均會(huì)導(dǎo)致造價(jià)增加[2]。
1.4 材料價(jià)格混亂
現(xiàn)代建筑中材料費(fèi)用約占總費(fèi)用的60-70%,因此材料價(jià)格在工程造價(jià)中占有核心地位,但近年來(lái)材料市場(chǎng)化在一定程度上導(dǎo)致了管理混亂和材料價(jià)格漲跌失控的局面;在材料使用時(shí)以次充好,而在結(jié)算中材料價(jià)格按照質(zhì)優(yōu)價(jià)高的上報(bào),施工中偷工減料或采用同設(shè)計(jì)型號(hào)不同的材料代替,在結(jié)算中材料價(jià)格調(diào)整時(shí)調(diào)漲不調(diào)跌,或只調(diào)整高于定額價(jià)格的材料而不調(diào)整低于定額的材料價(jià)格導(dǎo)致工程造價(jià)虛增。
1.5 未按標(biāo)準(zhǔn)取費(fèi)
現(xiàn)代建筑中工民建應(yīng)符合建筑面積、高度和跨度三個(gè)指標(biāo)中的兩個(gè)指標(biāo)方可,而構(gòu)筑物中符合一個(gè)指標(biāo)則可,因工程類(lèi)別不同其相應(yīng)的費(fèi)率也會(huì)發(fā)生變化而引起工程造價(jià)發(fā)生變化,同時(shí)按照市場(chǎng)價(jià)計(jì)入的項(xiàng)目以補(bǔ)充估價(jià)的形式存在而不能計(jì)取任何費(fèi)用,只能計(jì)取定額測(cè)定費(fèi)和稅金;在實(shí)際施工中未使用大型機(jī)械或特種機(jī)械而在結(jié)算時(shí)卻列入該類(lèi)費(fèi)用,或工程施工中未因趕進(jìn)度而夜間加班但在結(jié)算時(shí)卻列入夜間施工所增加的費(fèi)用等[3]。
2 結(jié)算中存在問(wèn)題的解決措施
2.1 工程量審核。工程量是工程資源投入的量化指標(biāo),也是結(jié)算審查工作中的關(guān)鍵,其是根據(jù)施工圖紙按照規(guī)定的計(jì)算規(guī)則進(jìn)行審查,若計(jì)算工程量增加則會(huì)導(dǎo)致工程直接費(fèi)用和間接費(fèi)用都相應(yīng)增加,因此在對(duì)施工方上報(bào)的結(jié)算審查中應(yīng)將工程量審查作為重中之重。
按計(jì)算規(guī)則審查。房產(chǎn)商在進(jìn)行結(jié)算審核時(shí)應(yīng)根據(jù)招投標(biāo)文件、施工合同以及施工圖紙等按照既定計(jì)價(jià)模式應(yīng)采用的計(jì)算規(guī)則進(jìn)行審核,應(yīng)注意工程量計(jì)算并非構(gòu)件實(shí)際體量計(jì)算,而是在編制定額時(shí)已做相應(yīng)簡(jiǎn)化,應(yīng)主要審核工程量計(jì)算規(guī)則是否同清單設(shè)置吻合、所報(bào)單項(xiàng)工程內(nèi)容是否與清單內(nèi)單項(xiàng)工程所包含的內(nèi)容一致,計(jì)價(jià)是否按照計(jì)價(jià)規(guī)范中的規(guī)則相符等,應(yīng)注意應(yīng)該扣除的部分是否已經(jīng)扣除等。
審查是否存在重算部分。隨著工程計(jì)價(jià)軟件的更新,施工方往往巧立名目對(duì)工程量進(jìn)行重復(fù)計(jì)算,或故意擴(kuò)大工程量或虛報(bào)工程量,所以在審核時(shí)應(yīng)認(rèn)真體會(huì)定額內(nèi)的說(shuō)明和計(jì)算規(guī)則以防止施工方重套工程量。
嚴(yán)審變更和簽證工程量。對(duì)施工過(guò)程中所發(fā)生的變更及簽證所設(shè)計(jì)的工程量應(yīng)結(jié)合實(shí)際情況進(jìn)行審查,確保實(shí)事求是,應(yīng)認(rèn)真審查變更及簽證手續(xù)是否齊全,確認(rèn)所涉及的項(xiàng)目是否已完成并通過(guò)驗(yàn)收,尤其是涉及的工程量較大且未能做合理解釋的不可單單以簽證為準(zhǔn),并且應(yīng)注意核減變更前所涉及的工程量;應(yīng)合理區(qū)分變更及簽證所涉及的責(zé)任方,對(duì)因施工方內(nèi)部原因?qū)е碌淖兏荒苡枰源_認(rèn),甚至應(yīng)防范施工方模仿責(zé)任人筆體簽字或私刻公章現(xiàn)象增加工程量現(xiàn)象。
2.2 套用定額單價(jià)的審查。若工程計(jì)價(jià)采用定額計(jì)費(fèi)則單價(jià)應(yīng)按照定額單價(jià)進(jìn)行計(jì)算,房產(chǎn)商在審查時(shí)應(yīng)重點(diǎn)審查定額套用是否合理,是否存在低價(jià)高套現(xiàn)象;對(duì)因選用材料不同、做法不同或材料斷面厚度不同而進(jìn)行定額換算現(xiàn)象,應(yīng)主要審查其換算是否按照規(guī)定執(zhí)行;對(duì)補(bǔ)充定額則應(yīng)審查其是否依據(jù)編制原則進(jìn)行;對(duì)執(zhí)行工程量清單的項(xiàng)目則因一般情況下采用綜合單價(jià)一次性包死而不做調(diào)整,若由于變更等出現(xiàn)新的子項(xiàng)則其單價(jià)應(yīng)按照以下依據(jù)實(shí)施,原報(bào)價(jià)中已有適用于該工程量則應(yīng)按照已有價(jià)格確定,有類(lèi)似工程時(shí)則可參照類(lèi)似價(jià)格確定,無(wú)類(lèi)似工程則應(yīng)由施工方提出相應(yīng)的變更價(jià)格后同開(kāi)發(fā)商機(jī)型協(xié)調(diào)決定;應(yīng)嚴(yán)格審查施工方是否存在將原定額內(nèi)已經(jīng)包括在單價(jià)內(nèi)的施工內(nèi)容單獨(dú)列項(xiàng)申報(bào)或?qū)①M(fèi)率中包含部分單獨(dú)列項(xiàng)重復(fù)申報(bào),或通過(guò)對(duì)定額單價(jià)的換算、混算等措施來(lái)抬高結(jié)算單價(jià)等現(xiàn)象。
2.3 費(fèi)用審查。對(duì)費(fèi)用審查應(yīng)結(jié)合當(dāng)?shù)夭块T(mén)規(guī)定及合同和招標(biāo)文件等確定費(fèi)率的時(shí)效性,所采用的取費(fèi)表是否與工程性質(zhì)相符,費(fèi)率計(jì)算是否正確以及價(jià)格調(diào)整是否符合相關(guān)規(guī)定等,對(duì)于施工過(guò)程中新增加的項(xiàng)目則應(yīng)重點(diǎn)審查施工方是否依據(jù)施工方投標(biāo)文件中費(fèi)率口徑等;對(duì)施工方報(bào)價(jià)時(shí)承諾的下浮率應(yīng)在結(jié)算時(shí)嚴(yán)格執(zhí)行,對(duì)合同外的部分則應(yīng)按照另行約定的下浮率進(jìn)行結(jié)算;若施工方未進(jìn)行下浮率承諾則應(yīng)執(zhí)行投標(biāo)報(bào)價(jià)與公示價(jià)相比的下浮率,并選擇承諾下浮率與公示價(jià)下浮率中較大的進(jìn)行結(jié)算;若項(xiàng)目存在預(yù)備費(fèi)則應(yīng)結(jié)合施工中該項(xiàng)費(fèi)用是否實(shí)際發(fā)生來(lái)進(jìn)行核減,但工程技術(shù)措施費(fèi)則不應(yīng)以工程量增減而進(jìn)行調(diào)整。
2.4 材料審查。在材料價(jià)格審查時(shí)應(yīng)重點(diǎn)審查用量大價(jià)格高或材料不透明的部分材料,房產(chǎn)商平時(shí)應(yīng)注意收集材料價(jià)格信息以及通過(guò)各種途徑了解相關(guān)材料價(jià)格,對(duì)于定額內(nèi)沒(méi)有相關(guān)價(jià)格的新型材料應(yīng)深入了解市場(chǎng)價(jià)格以及廠家產(chǎn)品質(zhì)量等信息便于在審查時(shí)有理有據(jù);應(yīng)重點(diǎn)審查相關(guān)材料定額價(jià)及市場(chǎng)價(jià)調(diào)整量或調(diào)整系數(shù)等,以防施工方報(bào)價(jià)中的水分;對(duì)施工中宜發(fā)生問(wèn)題的材料應(yīng)重點(diǎn)審查并現(xiàn)場(chǎng)核實(shí),對(duì)施工方報(bào)價(jià)中價(jià)格不明確的材料應(yīng)進(jìn)行必要的市場(chǎng)調(diào)查或各種途徑了解材料真實(shí)價(jià)格。
2.5 變更、簽證審查。對(duì)施工中發(fā)生的變更和簽證應(yīng)重點(diǎn)審查其合法性和合理性,堅(jiān)決杜絕在簽證費(fèi)用中已包含在合同價(jià)款匯總的費(fèi)用施工方再次巧立名目重新計(jì)費(fèi)的現(xiàn)象;應(yīng)重點(diǎn)審查簽證中是否存在工程量交叉而計(jì)費(fèi)重復(fù)的現(xiàn)象,若由于發(fā)生較大變更而導(dǎo)致清單發(fā)生較大變化則應(yīng)重新對(duì)清單類(lèi)別和數(shù)量進(jìn)行審核,并依據(jù)合同規(guī)定來(lái)確定計(jì)價(jià)模式和取費(fèi)費(fèi)率。
參考文獻(xiàn)
[1]羅紹.論房地產(chǎn)開(kāi)發(fā)施工和結(jié)算階段的造價(jià)控制[C].有科技與生活,2009(12).
關(guān)鍵詞:計(jì)算機(jī)視覺(jué)技術(shù);食品工業(yè);分級(jí);圖像處理
中圖分類(lèi)號(hào): TS207 文獻(xiàn)標(biāo)識(shí)碼:A
隨著微型個(gè)人計(jì)算機(jī)應(yīng)用的越來(lái)越廣泛,以及計(jì)算機(jī)在綜合學(xué)科中應(yīng)用的深入研究,現(xiàn)如今在工農(nóng)業(yè)、軍事國(guó)防、醫(yī)學(xué)衛(wèi)生等眾多領(lǐng)域的使用和研究方面計(jì)算機(jī)視覺(jué)技術(shù)都起到了至關(guān)重要的作用,為了節(jié)省人力、降低成本、減少誤差,該項(xiàng)技術(shù)在食品企業(yè)、科研院所、檢測(cè)機(jī)構(gòu)中的應(yīng)用更加普遍。如今,在農(nóng)產(chǎn)品藥物殘留檢測(cè)、水果重量分級(jí)、等級(jí)篩選、質(zhì)量監(jiān)管等方面計(jì)算機(jī)視覺(jué)技術(shù)有眾多應(yīng)用。
1 計(jì)算機(jī)視覺(jué)技術(shù)概述
計(jì)算機(jī)視覺(jué)技術(shù)是利用計(jì)算機(jī)、攝像機(jī)、圖像卡以及相關(guān)處理技術(shù)來(lái)模擬人的視覺(jué),用以識(shí)別、感知和認(rèn)識(shí)我們生活的世界[1]。該技術(shù)是模擬識(shí)別人工智能、心理物理學(xué)、圖像處理、計(jì)算機(jī)科學(xué)及神經(jīng)生物學(xué)等多領(lǐng)域的綜合學(xué)科。計(jì)算機(jī)視覺(jué)技術(shù)用攝像機(jī)模擬人眼,用計(jì)算機(jī)模擬大腦,用計(jì)算機(jī)程序和算法來(lái)模擬人對(duì)事物的認(rèn)識(shí)和思考,替代人類(lèi)完成程序?yàn)槠湓O(shè)定的工作。該技術(shù)由多個(gè)相關(guān)的圖像處理系統(tǒng)組成,主要包括光源提供系統(tǒng)、圖像提取系統(tǒng)、計(jì)算機(jī)數(shù)據(jù)運(yùn)算系統(tǒng)等。原理是:首先通過(guò)攝像機(jī)獲得所需要的圖像信息,然后利用信號(hào)轉(zhuǎn)換將獲得的圖像信息轉(zhuǎn)變?yōu)閿?shù)字圖像以便計(jì)算機(jī)正確識(shí)別[2]。隨著科學(xué)技術(shù)的發(fā)展,計(jì)算機(jī)技術(shù)在各個(gè)領(lǐng)域得到廣泛應(yīng)用,計(jì)算機(jī)視覺(jué)技術(shù)不僅在代替人類(lèi)視覺(jué)上取得了重大成就,而且在很多具體工作方便超越了人的視覺(jué)功能。計(jì)算機(jī)視覺(jué)計(jì)算有如此快速的發(fā)展,是因?yàn)榕c人類(lèi)的視覺(jué)相比該技術(shù)具有以下顯著優(yōu)勢(shì)[3]。
1.1 自動(dòng)化程度高
計(jì)算機(jī)視覺(jué)可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的多個(gè)外形和內(nèi)在品質(zhì)指標(biāo)進(jìn)行同時(shí)檢測(cè)分析,可以進(jìn)行整體識(shí)別、增強(qiáng)對(duì)目標(biāo)識(shí)別的準(zhǔn)確性。
1.2 實(shí)現(xiàn)無(wú)損檢測(cè)
由于計(jì)算機(jī)視覺(jué)技術(shù)對(duì)農(nóng)產(chǎn)品的識(shí)別是通過(guò)掃描、攝像,而不需要直接接觸,可以減少對(duì)所檢測(cè)食品的傷害。
1.3 穩(wěn)定的檢測(cè)精度
設(shè)計(jì)的運(yùn)行程序確定后,計(jì)算機(jī)視覺(jué)技術(shù)的識(shí)別功能就會(huì)具有統(tǒng)一的識(shí)別標(biāo)準(zhǔn),具有穩(wěn)定的檢測(cè)精度,避免了人工識(shí)別和檢測(cè)時(shí)主觀因素所造成的差異。
2 計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用
20世紀(jì)70年代初,學(xué)者開(kāi)始研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用,近幾十年電子技術(shù)得到快速發(fā)展,計(jì)算機(jī)視覺(jué)技術(shù)也越來(lái)越成熟。國(guó)內(nèi)外學(xué)者在研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對(duì)果蔬的外部形態(tài)(如形狀、重量、外觀損傷、色澤等)的識(shí)別、內(nèi)部無(wú)損檢測(cè)等方面。國(guó)內(nèi)有關(guān)計(jì)算機(jī)視覺(jué)技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代,比國(guó)外發(fā)達(dá)國(guó)家晚多達(dá)20a,但是發(fā)展很快。
2.1 計(jì)算機(jī)視覺(jué)技術(shù)在果蔬分級(jí)中的應(yīng)用研究
計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用研究相當(dāng)廣泛,從外部直徑、成熟度的檢測(cè)到內(nèi)部腐爛程度的檢測(cè)都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計(jì)算機(jī)算法計(jì)算水果的半徑,進(jìn)而得出果蔬的最大直徑。研究表明,該算法不僅降低了計(jì)算量而且提高了計(jì)算精度,此方法用于水果分級(jí)的誤差不超過(guò)2mm,高于國(guó)際水果分級(jí)標(biāo)準(zhǔn)所規(guī)定的5mm分類(lèi)標(biāo)準(zhǔn)差,可在工業(yè)生產(chǎn)中很好應(yīng)用。李慶中[5]也利用圖像的缺陷分割算法研究了計(jì)算機(jī)視覺(jué)技術(shù)在蘋(píng)果檢測(cè)與分級(jí)中的應(yīng)用,結(jié)果表明此算法能快速、有效地分割出蘋(píng)果的表面缺陷。孫洪勝等[6]以蘋(píng)果色澤特征比率的變化規(guī)律為理論基礎(chǔ),結(jié)合模糊聚類(lèi)知識(shí)利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)蘋(píng)果缺陷域,檢測(cè)不僅快速而且結(jié)果精確。劉禾等[7]通過(guò)研究認(rèn)為蘋(píng)果的表面缺陷可以利用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行檢測(cè),計(jì)算機(jī)視覺(jué)技術(shù)還可以將蘋(píng)果按照檢測(cè)結(jié)果進(jìn)行分級(jí),把檢測(cè)過(guò)的蘋(píng)果分成裂果、刺傷果、碰傷果和蟲(chóng)傷果等類(lèi)別。梨的果梗是否存在是梨類(lèi)分級(jí)的重要特征之一,應(yīng)義斌等[8]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)、圖像處理技術(shù)、傅立葉描述子的方法來(lái)描述和識(shí)別果形以及有無(wú)果柄,其識(shí)別率達(dá)到90%。楊秀坤等[9]綜合運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng),實(shí)現(xiàn)了具有精確度高、靈活性強(qiáng)和速度快等優(yōu)點(diǎn)的蘋(píng)果成熟度自動(dòng)判別。陳育彥等[10]采用半導(dǎo)體激光技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測(cè)蘋(píng)果表面的機(jī)械損傷和果實(shí)內(nèi)部的腐爛情況,初步驗(yàn)證了計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)蘋(píng)果表面的損傷和內(nèi)部腐爛是可行的。馮斌等[11]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)對(duì)水果圖像的邊緣進(jìn)行檢測(cè),然后確定水果的大小用以水果分級(jí)。試驗(yàn)表明,該方法比傳統(tǒng)的檢測(cè)方法速度快、準(zhǔn)確率高,適用于計(jì)算機(jī)視覺(jué)的實(shí)時(shí)檢測(cè)。朱偉[12]在模糊顏色的基礎(chǔ)上,分析西紅柿損傷部分和完好部分模糊顏色的差別,用分割方法對(duì)西紅柿的缺陷進(jìn)行分割,結(jié)果顯示準(zhǔn)確率高達(dá)96%。曹樂(lè)平等[13]人研究了溫州蜜柑的果皮顏色與果實(shí)可滴定酸含量以及糖分含量之間的相關(guān)性,然而根據(jù)相關(guān)性,樣品檢測(cè)的正確識(shí)別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個(gè)方向獲取蘋(píng)果的圖像,并通過(guò)計(jì)算機(jī)自動(dòng)分析圖像數(shù)據(jù),對(duì)蘋(píng)果的外徑、體積、以及圓形度等參數(shù)進(jìn)行處理,與人工檢測(cè)相比,計(jì)算機(jī)視覺(jué)技術(shù)具有檢測(cè)效率高,檢測(cè)標(biāo)準(zhǔn)統(tǒng)一性好等優(yōu)點(diǎn)。Blasco. J [15]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)分析柑橘果皮的缺陷,進(jìn)而對(duì)其在線分級(jí),正確率約為95%。趙廣華等[16]人綜合計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)、輸送轉(zhuǎn)換系統(tǒng)、輸送翻轉(zhuǎn)系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng),研制出一款適于實(shí)時(shí)監(jiān)測(cè)、品質(zhì)動(dòng)態(tài)的智能分級(jí)系統(tǒng),能夠很好地實(shí)現(xiàn)蘋(píng)果分級(jí)。王江楓等[17]建立了芒果重量與攝影圖像的相互關(guān)系,應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)桂香芒果和紫花芒果的重量和果面損傷,按重量分級(jí)其準(zhǔn)確率均為92%,按果面損傷分級(jí)的準(zhǔn)確率分別為76%和80%。
2.2 計(jì)算機(jī)視覺(jué)技術(shù)在禽蛋檢測(cè)中的應(yīng)用研究
禽蛋企業(yè)在生產(chǎn)過(guò)程中,產(chǎn)品的分級(jí)、品質(zhì)檢測(cè)主要采用人工方法,不僅需要大量的物力人力,而且存在勞動(dòng)強(qiáng)度大、人為誤差大、工作效率低等缺點(diǎn),計(jì)算機(jī)視覺(jué)技術(shù)可以很好的解決這類(lèi)產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽(yáng)靜怡等[18]利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)雞蛋蛋殼裂紋,利用攝像機(jī)獲取雞蛋圖像后,采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術(shù),獲得裂紋形狀并判斷,試驗(yàn)結(jié)果表明,計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋蛋殼裂紋的檢測(cè)準(zhǔn)確率高達(dá)98%。汪俊德等[19]以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ),設(shè)計(jì)出一套雙黃雞蛋檢測(cè)系統(tǒng)。該系統(tǒng)獲取蛋黃指數(shù)、蛋黃特征和蛋形尺寸等特征,和設(shè)計(jì)的數(shù)學(xué)模型對(duì)比來(lái)實(shí)現(xiàn)雙黃雞蛋的檢測(cè)和識(shí)別,檢測(cè)準(zhǔn)確率高達(dá)95%。鄭麗敏等[20]人通過(guò)高分辨率的數(shù)字?jǐn)z像頭獲取雞蛋圖像,根據(jù)圖像特征建立數(shù)學(xué)模型來(lái)預(yù)測(cè)雞蛋的新鮮度和貯藏期,結(jié)果表明,計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋的新鮮度、貯藏期進(jìn)行預(yù)測(cè)的結(jié)果準(zhǔn)確率為94%。潘磊慶等[21]通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測(cè)裂紋雞蛋,其檢測(cè)準(zhǔn)確率達(dá)到98%。Mertens K等[22]人基于計(jì)算機(jī)視覺(jué)技術(shù)研發(fā)了雞蛋的分級(jí)檢測(cè)系統(tǒng),該系統(tǒng)識(shí)別帶污漬雞蛋的正確率高達(dá)99%。
2.3 計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品中微生物含量中的應(yīng)用研究
計(jì)算機(jī)技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應(yīng)用得到快速發(fā)展,在微生物快速檢測(cè)中的應(yīng)用也越來(lái)越多,主要是針對(duì)微生物微菌落的處理。食品工業(yè)中計(jì)算機(jī)視覺(jué)技術(shù)在微生物檢測(cè)方面的研究和應(yīng)用以研究單個(gè)細(xì)胞為主,并在個(gè)體細(xì)胞的研究上取得了一定的進(jìn)展。殷涌光等[23]以顏色特征分辨技術(shù)為基礎(chǔ),設(shè)計(jì)了一套應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)快速定量檢測(cè)食品中大腸桿菌的系統(tǒng),該系統(tǒng)檢測(cè)結(jié)果與傳統(tǒng)方法的檢測(cè)結(jié)果具有很好的相關(guān)性,但與傳統(tǒng)方法相比,可以節(jié)省5d時(shí)間,檢測(cè)時(shí)間在18h以內(nèi),并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等[24]人等時(shí)間段測(cè)定培養(yǎng)基上的細(xì)胞密度,然后通過(guò)計(jì)算機(jī)技術(shù)建立時(shí)間和細(xì)胞密度之間的動(dòng)態(tài)關(guān)聯(lián),利用該關(guān)聯(lián)可以預(yù)測(cè)和自動(dòng)檢測(cè)微生物的生長(zhǎng)情況,如通過(guò)計(jì)算機(jī)控制自動(dòng)定量采集檢測(cè)對(duì)象,然后分析菌落的邊緣形態(tài),根據(jù)菌落的邊緣形態(tài)計(jì)算機(jī)可以顯示被檢測(cè)菌落的具置,并且根據(jù)動(dòng)態(tài)關(guān)聯(lián)計(jì)算機(jī)視覺(jué)系統(tǒng)可以同時(shí)處理多個(gè)不同的樣品。郭培源等[25]人對(duì)計(jì)算機(jī)視覺(jué)技術(shù)用于豬肉的分級(jí)進(jìn)行了研究,結(jié)果顯示計(jì)算機(jī)視覺(jué)技術(shù)在識(shí)別豬肉表面微生物數(shù)量上與國(guó)標(biāo)方法檢測(cè)的結(jié)果顯著相關(guān),該技術(shù)可以有效地計(jì)算微生物的數(shù)量。Bayraktar. B等[26]人采用計(jì)算機(jī)視覺(jué)技術(shù)、光散射技術(shù)(BARDOT)和模式識(shí)別技術(shù)相結(jié)合的方法來(lái)快速檢測(cè)李斯特菌,在獲取該菌菌落中的形態(tài)特征有對(duì)圖像進(jìn)行分析處理達(dá)到對(duì)該菌的分類(lèi)識(shí)別。殷涌光等[27]人綜合利用計(jì)算機(jī)視覺(jué)、活體染色、人工神經(jīng)網(wǎng)絡(luò)、圖像處理等技術(shù),用分辨率為520萬(wàn)像素的數(shù)字?jǐn)z像機(jī)拍攝細(xì)菌內(nèi)部的染色效果,并結(jié)合新的圖像處理算法,對(duì)細(xì)菌形態(tài)學(xué)的8個(gè)特征參數(shù)進(jìn)行檢測(cè),檢測(cè)結(jié)果與傳統(tǒng)檢測(cè)結(jié)果顯著相關(guān)(相關(guān)系數(shù)R=0.9987),和傳統(tǒng)檢測(cè)方法相比該方法具有操作簡(jiǎn)單、快速、結(jié)果準(zhǔn)確、適合現(xiàn)場(chǎng)快速檢測(cè)等特點(diǎn)。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器,獲取乳制品的掃描圖像,然后微生物的圖像特征,識(shí)別出微生物數(shù)量,并以此作為衡量乳制品質(zhì)量是否達(dá)標(biāo)的依據(jù),并對(duì)產(chǎn)品進(jìn)行分級(jí)。
2.4計(jì)算機(jī)視覺(jué)技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究
里紅杰等[30]通過(guò)提取貝類(lèi)和蝦類(lèi)等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征,對(duì)照數(shù)學(xué)模型,采用數(shù)字圖像處理技術(shù)、計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)貝類(lèi)和蝦類(lèi)等海產(chǎn)品的無(wú)損檢測(cè)和自動(dòng)化分類(lèi)、分級(jí)和質(zhì)量評(píng)估,并通過(guò)實(shí)例詳細(xì)闡述了該技術(shù)的實(shí)現(xiàn)方法,證實(shí)了此項(xiàng)技術(shù)的有效性。計(jì)算機(jī)視覺(jué)技術(shù)還可以檢驗(yàn)玉米粒形和玉米種子質(zhì)量、識(shí)別玉米品種和玉米田間雜草[31]。晁德起等[32]通過(guò)x射線照射獲取毛葉棗的透視圖像后,運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析評(píng)估,毛葉棗可食率的評(píng)估結(jié)果與運(yùn)用物理方法測(cè)得的結(jié)果平均誤差僅為1.47%,因此得出結(jié)論:計(jì)算機(jī)視覺(jué)技術(shù)可以應(yīng)用于毛葉棗的自動(dòng)分級(jí)。Gokmen,V等通用對(duì)薯片制作過(guò)程中圖像像素的變化來(lái)研究薯片的褐變率,通過(guò)分析特色參數(shù)來(lái)研究薯片中丙烯酰胺的含量和褐變率也關(guān)系,結(jié)果顯示兩項(xiàng)參數(shù)相關(guān)性為0.989,從而可以應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)預(yù)測(cè)加熱食品中丙烯酰胺的含量,該方法可以在加熱食品行業(yè)中得到廣泛應(yīng)用。韓仲志等人拍攝和掃描11類(lèi)花生籽粒,每類(lèi)100顆不同等級(jí)的花生籽粒的正反面圖像,利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)花生內(nèi)部和外部采集圖像,并通過(guò)圖像對(duì)其外在品質(zhì)和內(nèi)在品質(zhì)進(jìn)行分析,并建立相應(yīng)的數(shù)學(xué)模型,該技術(shù)在對(duì)待檢樣品進(jìn)行分級(jí)檢測(cè)時(shí)的正確率高達(dá)92%。另外,郭培源等人以國(guó)家標(biāo)準(zhǔn)為依據(jù),通過(guò)數(shù)字?jǐn)z像技術(shù)獲取豬肉的細(xì)菌菌斑面積、脂肪細(xì)胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標(biāo)來(lái)實(shí)現(xiàn)豬肉新鮮程度的分級(jí)辨認(rèn)。
3 展望
新技術(shù)的研究與應(yīng)用必然伴隨著坎坷,從70年代初計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中進(jìn)行應(yīng)用開(kāi)始,就遇到了很多問(wèn)題。計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的研究及應(yīng)用主要存在以下幾方面的問(wèn)題。
3.1 檢測(cè)指標(biāo)有限
計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品單一指標(biāo)或者以一個(gè)指標(biāo)作為分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)時(shí)具有理想效果,但以同一食品的多個(gè)指標(biāo)共同作為分級(jí)標(biāo)準(zhǔn)進(jìn)行檢測(cè)分級(jí),則分級(jí)結(jié)果誤差較大。例如,Davenel等通過(guò)計(jì)算機(jī)視覺(jué)對(duì)蘋(píng)果的大小、重量、外觀損傷進(jìn)行分析,但研究結(jié)果顯示,系統(tǒng)會(huì)把花粵和果梗標(biāo)記為缺陷,還由于蘋(píng)果表面碰壓傷等缺陷情況復(fù)雜,造成分級(jí)誤差很大,分級(jí)正確率只有69%。Nozer等以計(jì)算機(jī)視覺(jué)為主要技術(shù)手段,獲取水果的圖像,進(jìn)而通過(guò)分析圖像來(lái)確定水果的形狀、大小、顏色和重量,并進(jìn)行分級(jí),其正確率僅為85.1%。
3.2 兼容性差
計(jì)算機(jī)視覺(jué)技術(shù)針對(duì)單一種類(lèi)的果蔬分級(jí)檢測(cè)效果顯著,但是同一套系統(tǒng)和設(shè)備很難用于其他種類(lèi)的果蔬,甚至同一種類(lèi)不同品種的農(nóng)產(chǎn)品也很難公用一套計(jì)算機(jī)視覺(jué)設(shè)備。Reyerzwiggelaar等利用計(jì)算機(jī)視覺(jué)檢查杏和桃的損傷程度,發(fā)現(xiàn)其檢測(cè)桃子的準(zhǔn)確率顯著高于杏的。Majumdar.S等利用計(jì)算機(jī)視覺(jué)技術(shù)區(qū)分不同種類(lèi)的麥粒,小麥、燕麥、大麥的識(shí)別正確率有明顯差異。
3.3 檢測(cè)性能受環(huán)境制約
現(xiàn)階段的計(jì)算機(jī)視覺(jué)技術(shù)和配套的數(shù)學(xué)模型適用于簡(jiǎn)單的環(huán)境,在復(fù)雜環(huán)境下工作時(shí)會(huì)產(chǎn)生較大的誤差。Plebe等利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)果樹(shù)上的水果進(jìn)行識(shí)別定位,但研究發(fā)現(xiàn)由于光照條件以及周邊環(huán)境的影響,水果的識(shí)別和定位精度不高,不能滿足實(shí)際生產(chǎn)的需要。
綜上所述,可看出國(guó)內(nèi)外學(xué)者對(duì)計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用進(jìn)行了大量的研究,有些研究從單一方面入手,有些研究綜合了多個(gè)學(xué)科,在研究和應(yīng)用的過(guò)程中,取得了較大的經(jīng)濟(jì)效益,也遇到了很多問(wèn)題,在新的形勢(shì)下,計(jì)算機(jī)視覺(jué)技術(shù)和數(shù)碼拍攝、圖像處理、人工神經(jīng)網(wǎng)絡(luò),數(shù)學(xué)模型建設(shè)、微生物快速計(jì)量等高新技術(shù)相融合的綜合技術(shù)逐漸成為了各個(gè)領(lǐng)域?qū)W者的研究熱點(diǎn),以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的綜合技術(shù)也將在食品工業(yè)中發(fā)揮更加重要的作用。
參考文獻(xiàn)
[1] 寧紀(jì)鋒,龍滿生,何東健.農(nóng)業(yè)領(lǐng)域中的計(jì)算機(jī)視覺(jué)研究[J].計(jì)算機(jī)與農(nóng)業(yè),2001(01):1-3.
[2] 李崢.基于計(jì)算機(jī)視覺(jué)的蔬菜顏色檢測(cè)系統(tǒng)研究[D].吉林:吉林大學(xué),2004.
[3] 曾愛(ài)群.基于計(jì)算機(jī)視覺(jué)與神經(jīng)網(wǎng)絡(luò)的芒果等級(jí)分類(lèi)研究[D].桂林:桂林工學(xué)院,2008.
[4] 韓偉,曾慶山.基于計(jì)算機(jī)視覺(jué)的水果直徑檢測(cè)方法的研究[J].中國(guó)農(nóng)機(jī)化,2011(05):25-29.
[5] 李慶中.蘋(píng)果自動(dòng)分級(jí)中計(jì)算機(jī)視覺(jué)信息快速獲取與處理技術(shù)的研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2000.
[6] 孫洪勝,李宇鵬,王成,等.基于計(jì)算機(jī)視覺(jué)的蘋(píng)果在線高效檢測(cè)與分級(jí)系統(tǒng)[J].儀表技術(shù)與傳感器,2011(06):62-65.
[7] 劉禾,汀慰華.水果果形判別人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報(bào),1996,12(0l):171-176.
[8] 應(yīng)義斌,景寒松,馬俊福.用計(jì)算機(jī)視覺(jué)進(jìn)行黃花梨果梗識(shí)別的新方法[J].農(nóng)業(yè)工程學(xué)報(bào),1998,14(02):221-225.
[9] 楊秀坤,陳曉光,馬成林,等.用遺傳神經(jīng)網(wǎng)絡(luò)方法進(jìn)行蘋(píng)果顏色白動(dòng)檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào),1997,13(02):193-176.
[10] 陳育彥,屠康,柴麗月,等.基于激光圖像分析的蘋(píng)果表面損傷和內(nèi)部腐爛檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(07):133-137.
[11] 馮斌,汪憋華.基于計(jì)算機(jī)視覺(jué)的水果大小檢測(cè)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2003,34(01):73-75.
[12] 朱偉,曹其新.基于模糊彩色聚類(lèi)方法的西紅柿缺陷分割[J].農(nóng)業(yè)工程學(xué)報(bào),2003,19(03):133-136.
[13] 曹樂(lè)平,溫芝元,沈陸明.基于色調(diào)分形維數(shù)的柑橘糖度和有效酸度檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,41(03):143-148.
[14] 劉剛,王立香,柳兆君.基于計(jì)算機(jī)視覺(jué)的蘋(píng)果質(zhì)量檢測(cè)[J].安徽農(nóng)業(yè)科學(xué),2012,40(08):5014-5016.
[15] Blasco J,Aleixos N,Molto puter vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering,2007,81(03):535-543.
[16] 趙廣華,飛,陸奎榮,等.智能化蘋(píng)果品質(zhì)實(shí)時(shí)分選系統(tǒng)[J].中國(guó)科技信息.
[17] 王江楓,羅錫文,洪添勝,等.計(jì)算機(jī)視覺(jué)技術(shù)在芒果重量及果面壞損檢測(cè)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào),1998(12):186-189.
[18] 歐陽(yáng)靜怡,劉木華.基于計(jì)算機(jī)視覺(jué)的雞蛋裂紋檢測(cè)方法研究[J].農(nóng)機(jī)化研究,2012(03):91-93.
[19] 汪俊德,鄭麗敏,徐桂云,等.基于計(jì)算機(jī)視覺(jué)技術(shù)的雙黃雞蛋檢測(cè)系統(tǒng)研究[J].農(nóng)機(jī)化研究,2012(09):195-199.
[20] 鄭麗敏,楊旭,徐桂云,等.基于計(jì)算機(jī)視覺(jué)的雞蛋新鮮度無(wú)損檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(03):335-339.
[21] 潘磊慶,屠康,詹歌,等.基于計(jì)算機(jī)視覺(jué)和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(11):332-337.
[22] Mertens K,De Ketelaere B,Kamers B,et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science,2005,84(10):1653-1659.
[23] 殷涌光,丁筠.基于計(jì)算機(jī)視覺(jué)的食品中大腸桿菌快速定量檢測(cè)[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2009,39(02):344-348.
[24] Lawless C,Wilkinson DJ,Young A,et al.Colonyzer: automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics,2010(08):38-44.
[25] 郭培源,畢松,袁芳.豬肉新鮮度智能檢測(cè)分級(jí)系統(tǒng)研究[J].食品科學(xué),2010,31(15):68-72.
[26] Bayraktar B,Banada PP,Hirleman ED,et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics,2006,11(03):34- 36.
[27] 殷涌光,丁筠.基于計(jì)算機(jī)視覺(jué)的蔬菜中活菌總數(shù)的快速檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(07):249-254.
[28] 魯靜.乳品微生物自動(dòng)檢測(cè)系統(tǒng)的設(shè)計(jì)[J].湖北第二師范學(xué)院學(xué)報(bào),2010,27(08):115-117.
[29] 劉侃.鮮奶含菌量快速檢測(cè)系統(tǒng)[D].華中科技大學(xué),2008.
[30] 里紅杰,陶學(xué)恒,于曉強(qiáng).計(jì)算機(jī)視覺(jué)技術(shù)在海產(chǎn)品質(zhì)量評(píng)估中的應(yīng)用[J].食品與機(jī)械,2012,28(04):154-156.
【關(guān)鍵詞】計(jì)算機(jī)視覺(jué);構(gòu)件;表面特征;檢測(cè)
表面缺陷檢測(cè)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(qiáng)對(duì)產(chǎn)品的表面缺陷提取以及質(zhì)量檢測(cè)顯得尤為重要,目前基于計(jì)算機(jī)視覺(jué)的構(gòu)件缺陷檢測(cè)系統(tǒng)已經(jīng)受到國(guó)內(nèi)外研究人員的重視,如何更好地將計(jì)算機(jī)視覺(jué)技術(shù)引入到產(chǎn)品表面質(zhì)量缺陷檢測(cè)中去是未來(lái)發(fā)展的重點(diǎn)。筆者將在下文中就此展開(kāi)詳細(xì)的闡述。
1.計(jì)算機(jī)視覺(jué)的基本工作原理
1.1系統(tǒng)結(jié)構(gòu)
計(jì)算機(jī)視覺(jué)是一項(xiàng)涉及范圍廣泛的技術(shù),他通過(guò)圖像采集裝置將檢測(cè)目標(biāo)轉(zhuǎn)化為圖像信號(hào),再經(jīng)過(guò)專門(mén)性的額圖像處理系統(tǒng)最終生成具體的表面特征。具體來(lái)講在圖像處理環(huán)節(jié)米旭濤根據(jù)圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進(jìn)行目標(biāo)提取,再比照系統(tǒng)預(yù)設(shè)的參照值得出最終的檢測(cè)結(jié)果,例如尺寸大小、顏色等師傅偶合格。計(jì)算機(jī)視覺(jué)處理系統(tǒng)包括了光源、鏡頭、計(jì)算機(jī)以及圖像采集裝置和處理系統(tǒng)等,這些系統(tǒng)綜合組成共同推動(dòng)了計(jì)算機(jī)視覺(jué)系統(tǒng)的正常穩(wěn)定運(yùn)行。
1.2計(jì)算機(jī)視覺(jué)硬件設(shè)計(jì)
計(jì)算機(jī)視覺(jué)系統(tǒng)的硬件平臺(tái)包括了照明系統(tǒng)、鏡頭相機(jī)以及圖像采集裝置和工控機(jī)四個(gè)部分,這四個(gè)部分缺一不可,共同組成了整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)。
1.2.1照明系統(tǒng)
照明系統(tǒng)是整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)的關(guān)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(gè)系統(tǒng)運(yùn)行的成敗。因此在照明方案的制定以及光源的選擇上應(yīng)該盡可能的突出物體特征參量,綜合考慮對(duì)比度以及亮度等因素,將計(jì)算機(jī)視覺(jué)系統(tǒng)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(shí)還需要結(jié)合被檢測(cè)物體的表面特征幾何形狀。針對(duì)構(gòu)件表面缺陷的照明方案,筆者認(rèn)為應(yīng)該選擇功率相對(duì)較大的LED光源,用低角度的方式進(jìn)行照明。
1.2.2相機(jī)鏡頭
相機(jī)系統(tǒng)是成像的關(guān)鍵,因此在相機(jī)鏡頭的選擇上應(yīng)該適用于具體的構(gòu)件。一般來(lái)說(shuō)相機(jī)鏡頭包括了兩方面內(nèi)容,一是線掃,二是面掃。通過(guò)二者的綜合運(yùn)用實(shí)現(xiàn)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(jì)算機(jī)視覺(jué)系統(tǒng)中位于圖像裁剪機(jī)設(shè)備和圖像處理設(shè)備之間的重要接口。是成像的中間環(huán)節(jié),發(fā)揮著不可或缺的作用。
2.基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取
基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取可以分為為三個(gè)重要部分,分別是圖像預(yù)處理部分:主要是指針對(duì)構(gòu)件進(jìn)行區(qū)域的定位,將非構(gòu)件的部分移出計(jì)算機(jī)視覺(jué)的缺陷提取技術(shù)中去,從而降低了后續(xù)工作的工作難度;其次是進(jìn)行缺陷定位,主要是指通過(guò)特定的技術(shù)和算法將缺陷從結(jié)果當(dāng)中直接分離出來(lái)。第三部分是缺陷特征的提取,也是系統(tǒng)處理的結(jié)果部分,是通過(guò)計(jì)算缺陷的程度以及缺陷大小,從而為后期的構(gòu)件維護(hù)提供參考依據(jù)。具體來(lái)說(shuō),這三個(gè)部分的操作主要體現(xiàn)在以下幾個(gè)方面:
2.1區(qū)域定位
區(qū)域定位是減少構(gòu)件處理和選擇時(shí)間的關(guān)鍵,能夠大大提高構(gòu)件缺陷提取的效率。構(gòu)件的表面的基本特征和大致集合框架提取是區(qū)域定位和的第一步,要將計(jì)算機(jī)區(qū)域定位和缺陷提取結(jié)合起來(lái),更好地實(shí)現(xiàn)缺陷分析。要做好構(gòu)件的區(qū)域定位首先需要明確構(gòu)件的基本種類(lèi)和特征:一是根據(jù)構(gòu)件的重用方式來(lái)說(shuō),可以分為白匣子、灰匣子、黑匣子從構(gòu)件的使用范圍來(lái)看又可以分為通用構(gòu)件和專用構(gòu)件;根據(jù)構(gòu)件的粒度的大小可以分為小。中大三種不同粒度的構(gòu)件;再次是從構(gòu)件的功能上來(lái)看可以分為系統(tǒng)構(gòu)件、支撐構(gòu)件以及領(lǐng)域構(gòu)件三個(gè)部分。四是從構(gòu)件的基本結(jié)構(gòu)特征來(lái)看可以分為原子構(gòu)件以及組合構(gòu)件。最后從構(gòu)件的狀態(tài)來(lái)說(shuō),又可以分為動(dòng)態(tài)和靜態(tài)構(gòu)件。因此從不同種類(lèi)的構(gòu)件進(jìn)行區(qū)域定位為視覺(jué)系統(tǒng)正常運(yùn)行創(chuàng)造了優(yōu)良的條件。
2.2缺陷提取
在進(jìn)行缺陷提取的過(guò)程中,難免會(huì)受到客觀的環(huán)境影響,比如噪聲、溫度以及濕度等對(duì)圖像處理的結(jié)果產(chǎn)生影響,因此需要對(duì)區(qū)域定位中產(chǎn)生的區(qū)域進(jìn)行濾波處理,然后再采用閾值分割的辦法進(jìn)行缺陷提取。具體操作步驟如下所示:
(1)計(jì)算出成像中的最小最大灰度值,并且設(shè)置初始閾值。
(2)根據(jù)閾值,結(jié)合圖像的分割目標(biāo),將圖像分割成為目標(biāo)和背景兩個(gè)部分,求導(dǎo)出平均灰度值。
(3)再根據(jù)新的平均灰度值計(jì)算出新的閾值。
(4)觀察閾值的初始值與新閾值之間的關(guān)系,如歌二者相等則整個(gè)計(jì)算過(guò)程就結(jié)束,如果不相等,則就需要進(jìn)一步計(jì)算。
通過(guò)閾值計(jì)算得出啊的最佳閾值分割效果圖,能夠進(jìn)行初步的缺陷預(yù)判,但是初步預(yù)判當(dāng)中還存在較多的不確定因素,主要包括兩類(lèi),一是在邊緣部分出現(xiàn)的細(xì)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(gòu)件表面有一些非常細(xì)小的缺陷,這些缺陷的影響較小,不會(huì)對(duì)構(gòu)件的性能造成影響,因此在進(jìn)行缺陷提取的過(guò)程中需要將這兩個(gè)因素排除在外,具體主要是指采用圖像形態(tài)學(xué)中開(kāi)運(yùn)算和閉運(yùn)算,從而達(dá)到對(duì)構(gòu)件中的明了細(xì)節(jié)和暗色細(xì)節(jié)的過(guò)濾。具體來(lái)說(shuō)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(diǎn)的上下左右灰度加權(quán)算法,對(duì)構(gòu)件表面的缺陷進(jìn)行檢測(cè)。再采用二值圖像邊界跟蹤法,將缺陷從構(gòu)件圖像中分離出來(lái)。
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(jì)算和定性過(guò)程,是將前期所得的數(shù)據(jù)結(jié)果以更加直觀的形式展現(xiàn)出來(lái),通過(guò)對(duì)比指標(biāo)參數(shù)判斷構(gòu)件的表面質(zhì)量是否合格,符合基本的生產(chǎn)標(biāo)準(zhǔn)。一般來(lái)說(shuō)常用的表示缺陷特征的標(biāo)準(zhǔn)有以下幾種:
(1)周長(zhǎng):周長(zhǎng)是對(duì)缺陷的邊界長(zhǎng)度的描述,在圖像特征上顯示則是指構(gòu)件成像上的缺陷區(qū)域的邊界像素?cái)?shù)量。
(2)面積:面積相對(duì)于周長(zhǎng)能夠更加直觀地反映整體缺陷的大小,它是缺陷區(qū)域中的像素的總數(shù),因此更高體現(xiàn)缺陷的影響規(guī)模。
(3)致密性:這是一個(gè)相對(duì)專業(yè)的缺陷指標(biāo)概念主要是指每平方面積上的平方周倉(cāng),是一個(gè)雙單位描述指標(biāo)。
(4)區(qū)域的質(zhì)心:區(qū)域質(zhì)心是描述缺陷的影響關(guān)鍵也就是缺陷區(qū)域內(nèi)的核心區(qū)域,是對(duì)整個(gè)區(qū)域的核心描述。
(5)最小外接矩形。
3.結(jié)語(yǔ)
綜上所述,構(gòu)件表面缺陷直接影響構(gòu)件的最終使用效果,構(gòu)件表面缺陷的檢測(cè)應(yīng)用領(lǐng)域也逐漸廣泛,而計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)缺陷中的優(yōu)越性更體現(xiàn)了基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取的研究?jī)r(jià)值。本文主要針對(duì)構(gòu)件表面缺陷的檢測(cè),綜合計(jì)算機(jī)視覺(jué)技術(shù)提出了具體的檢測(cè)方法和檢測(cè)工作原理,通過(guò)對(duì)表面缺陷的檢測(cè),力圖提高構(gòu)件的整體質(zhì)量。
【參考文獻(xiàn)】
[1]陳黎,黃心漢,王敏,何永輝,龔世強(qiáng).帶鋼缺陷圖像的自動(dòng)閾值分割研究[J].計(jì)算機(jī)工程與應(yīng)用,2002,(07).
[2]許豪,孔建益,湯勃,王興東,劉源泂.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷邊緣提取[J].機(jī)械設(shè)計(jì)與制造,2012,(06).
關(guān)鍵詞: 木材表面缺陷; 計(jì)算機(jī)視覺(jué); 檢測(cè)系統(tǒng); 木材加工
中圖分類(lèi)號(hào): TN911?34; TP391 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2017)12?0148?04
Abstract: Since the manual detection for wood surface defect in the process of wood processing exists the problems of low efficiency and large quality difference, a real?time on?line automatic detection system of wood surface defect was designed by means of computer vision technology. The system can find out whether the wood surface has defect, detect the size and location of the wood surface defect accurately, and store the information to guide the wood processing equipment for wood processing. The system has the characteristic of accurate and fast detection speed. The conclusion from various experiments indicates that the system′s recognition accuracy rate can reach up to 92.33%, and the average detection time is 2 ms, which shows that the system is feasible.
Keywords: wood surface defect; computer vision; detection system; wood processing
0 引 言
木材表面缺陷是指降低木材商品價(jià)值和使用價(jià)值的各種特征的總稱,這些缺陷不但會(huì)影響木材強(qiáng)度,還嚴(yán)重影響木材加工和木制裝飾的質(zhì)量及外觀[1?3]。常用的木材表面缺陷檢測(cè)的方法有:人工檢測(cè)、超聲波檢測(cè)、X射線檢測(cè)、激光掃描、計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)[4]。
目前,計(jì)算機(jī)視覺(jué)技術(shù)已在許多領(lǐng)域得到了廣泛的應(yīng)用,在木材表面缺陷的檢測(cè)中也取得了顯著的成果[5?10]。文獻(xiàn)[11]中,提出一種改進(jìn)Sobel算子提取木材表面缺陷邊緣的算法,并使用神經(jīng)網(wǎng)絡(luò)模式識(shí)別檢測(cè)木材表面缺陷,該文獻(xiàn)介紹的方法能夠提高木材表面缺陷邊緣的檢測(cè)精度,識(shí)別的準(zhǔn)確率較高,但需要大量具有代表性的木材圖像作為訓(xùn)練樣本,算法的復(fù)雜性也導(dǎo)致檢測(cè)效率不高。文獻(xiàn)[12]提出一種基于數(shù)學(xué)形態(tài)學(xué)分割木材表面缺陷的方法,并使用最小二乘支持向量機(jī)分類(lèi)器檢測(cè)木材表面缺陷,缺陷分割算法能夠有效避免木材紋理對(duì)分割結(jié)果的影響,但在實(shí)際處理分割時(shí),需要根據(jù)應(yīng)用背景選擇不同的參數(shù)值來(lái)得到分割的種子點(diǎn),通用性有待提高。文獻(xiàn)[13]介紹了一種基于HIS空間二維最大信息熵的分割方法,它對(duì)木材表面缺陷圖像的分割結(jié)果較好,但是分割的處理時(shí)間較長(zhǎng),實(shí)時(shí)性不強(qiáng)。雖然對(duì)木材表面缺陷檢測(cè)的研究有很多,然而,應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù),實(shí)時(shí)在線檢測(cè)并定位木材表面缺陷卻未見(jiàn)報(bào)道。
木材加工過(guò)程中木材表面缺陷的檢測(cè)大多仍依賴人工完成,檢測(cè)的效率會(huì)隨著檢測(cè)人員的疲勞加重而有所下降,并且不同操作員的經(jīng)驗(yàn)差異導(dǎo)致同一塊木材的檢測(cè)結(jié)果也會(huì)有所不同[13]。因此,研究一種能夠代替人工進(jìn)行木材表面缺陷檢測(cè)的方法對(duì)木材加工行業(yè)非常重要。
本文利用計(jì)算機(jī)視覺(jué)技術(shù),開(kāi)發(fā)了一套木材表面缺陷在線實(shí)時(shí)檢測(cè)系統(tǒng),為木材加工行業(yè)提供了一個(gè)有效的方案。該系統(tǒng)可以檢測(cè)出木材表面缺陷的大小以及位置信息,通過(guò)串口通信模塊與下位機(jī)進(jìn)行雙向數(shù)據(jù)傳遞,進(jìn)而指導(dǎo)木材加工設(shè)備對(duì)已檢測(cè)木材進(jìn)行作業(yè)。
1 系統(tǒng)設(shè)計(jì)方案
系統(tǒng)結(jié)構(gòu)如圖1所示,主要包括木材表面缺陷檢測(cè)平臺(tái)和木材表面缺陷軟件檢測(cè)系統(tǒng)。檢測(cè)平臺(tái)主要包括傳送機(jī)構(gòu)、結(jié)構(gòu)光源、CCD工業(yè)相機(jī)、接近開(kāi)關(guān)等。CCD工業(yè)相機(jī)為維視MV?VD120SC,分辨率為1 280× 960,焦距為8 mm,幀率為15 f/s,像素尺寸為4.65 μm ×4.65 μm,傳感器光學(xué)尺寸為,信噪比大于54 dB,數(shù)據(jù)位數(shù)輸出 8 b,輸出方式為USB 2.0,供電要求為5 V(USB接口或外接電源供電),外形尺寸為56 mm×50.6 mm×50.6 mm。機(jī)架使用歐標(biāo)型3030鋁型材,由3030角碼、M5不銹鋼內(nèi)六角圓柱頭螺釘、M5配3030鋁型材的T型螺母、M8尼龍腳墊、12W?T8?LED燈管、UCP208立式軸承座、寬450 mm PVC輸送帶和滬工DC 5 V接近開(kāi)關(guān)等構(gòu)成。
軟件檢測(cè)系統(tǒng)通過(guò)數(shù)據(jù)線與相機(jī)相連,實(shí)時(shí)獲取傳送帶送來(lái)的木材圖像,并快速地進(jìn)行缺陷檢測(cè),最后將相關(guān)木材表面缺陷的信息傳遞給木材加工設(shè)備。木材經(jīng)傳送帶進(jìn)入相機(jī)拍攝區(qū)域時(shí),安裝在機(jī)架一側(cè)的接近開(kāi)關(guān)檢測(cè)到木材的接近并將信號(hào)傳給檢測(cè)系統(tǒng),檢測(cè)系統(tǒng)控制下位機(jī)使得傳送帶電機(jī)失電,傳送帶停止。下位機(jī)的計(jì)時(shí)器開(kāi)始計(jì)時(shí),隨之檢測(cè)系統(tǒng)控制相機(jī)獲取木材圖像,并檢測(cè)木材表面缺陷,并向下位機(jī)傳遞檢測(cè)結(jié)果,下位機(jī)再控制木材加工設(shè)備對(duì)木材進(jìn)行后續(xù)的加工。當(dāng)計(jì)時(shí)器計(jì)時(shí)到達(dá)設(shè)定的時(shí)間后,下位機(jī)使傳送帶電機(jī)得電,傳送帶移動(dòng)一個(gè)單位距離(確保與上一張檢測(cè)圖像無(wú)過(guò)多重復(fù),并無(wú)檢測(cè)區(qū)域丟失),然后電機(jī)失電,傳送帶停止,重復(fù)前面的步驟。當(dāng)木材完全離開(kāi)相機(jī)拍攝區(qū)域,接近開(kāi)關(guān)將信號(hào)傳給檢測(cè)系統(tǒng),檢測(cè)系統(tǒng)進(jìn)入待機(jī)狀態(tài)。整個(gè)系統(tǒng)的工作流程如圖2所示。
2 系統(tǒng)軟件設(shè)計(jì)
本軟件使用Microsoft Visual Studio 2013 作為開(kāi)發(fā)平臺(tái),采用C++作為主要開(kāi)發(fā)語(yǔ)言,操作界面使用MFC/C++開(kāi)發(fā)。通過(guò)調(diào)用OpenCV和CameraDS相關(guān)函數(shù)來(lái)實(shí)現(xiàn)實(shí)驗(yàn)圖像的獲取,具有獲取速度快,兼容大部分?jǐn)?shù)字?jǐn)z像機(jī)等優(yōu)點(diǎn)。
2.1 系統(tǒng)安全設(shè)計(jì)
如圖3所示,本軟件根據(jù)用戶不同的實(shí)際需求提供了自動(dòng)檢測(cè)和手動(dòng)檢測(cè)兩種模式。手動(dòng)模式下,用戶才可以對(duì)檢測(cè)系統(tǒng)的參數(shù)進(jìn)行設(shè)置,設(shè)置好參數(shù)后,按下“獲取圖片”按鈕,然后再按下“缺陷檢測(cè)”按鈕,信息提示窗口將顯示木材表面缺陷的中心坐標(biāo)、缺陷大小、缺陷檢測(cè)所用的時(shí)間等。按下“繼續(xù)”按鈕,傳送帶帶動(dòng)木材運(yùn)動(dòng)一個(gè)單位距離,傳送帶停止運(yùn)動(dòng),重復(fù)上述操作便可實(shí)現(xiàn)再一次的缺陷檢測(cè)。自動(dòng)模式下,系統(tǒng)會(huì)根據(jù)手動(dòng)模式下設(shè)置的參數(shù)進(jìn)行自動(dòng)檢測(cè)。
為了提高本系統(tǒng)的穩(wěn)定性與安全性,在安全操作方面做了一些設(shè)置。自動(dòng)模式和手動(dòng)模式兩種模式只能在一個(gè)檢測(cè)循環(huán)結(jié)束后進(jìn)行切換。例如,當(dāng)要從手動(dòng)模式切換到自動(dòng)模式,自動(dòng)模式的選擇只能在缺陷檢測(cè)完成后,“繼續(xù)”按鈕彈起后才起作用。而從自動(dòng)模式切換到手動(dòng)模式需要在缺陷檢測(cè)完成后,即信息提示框中顯示缺陷信息后方可實(shí)現(xiàn)。這樣的設(shè)置可防止傳送帶傳送時(shí)間出現(xiàn)差異,導(dǎo)致部分木材表面缺陷部位未能被檢測(cè)到,也可防止缺陷檢測(cè)中途遭到中斷。
2.2 參數(shù)設(shè)定
為了得到準(zhǔn)確的檢測(cè)結(jié)果,用戶首次使用本系統(tǒng)需要手動(dòng)設(shè)置與檢測(cè)有關(guān)的參數(shù),點(diǎn)擊“參數(shù)設(shè)定”按鈕,彈出對(duì)話框如圖4所示。
2.2.1 分割閾值設(shè)定
本軟件使用二值化函數(shù)對(duì)木材表面缺陷圖像進(jìn)行閾值分割,閾值的設(shè)定將直接影響檢測(cè)的結(jié)果。二值化函數(shù)的作用是將圖像中灰度值大于設(shè)定閾值(圖4中設(shè)為90)的像素點(diǎn)的灰度值修改為255(白色),小于或等于設(shè)定閾值的則被修改為0(黑色)。使得木材表面缺陷的部分變?yōu)楹谏?,木材正常的部分變?yōu)榘咨?/p>
2.2.2 時(shí)間間隔設(shè)定
“時(shí)間間隔”測(cè)試前先打開(kāi)相機(jī),在木材表面位于拍攝區(qū)域的下邊緣處作個(gè)小標(biāo)記,準(zhǔn)備好秒表,按下“測(cè)試”按鈕的同時(shí)按下秒表計(jì)時(shí),眼睛觀察拍攝區(qū)域,當(dāng)小標(biāo)記到達(dá)拍攝區(qū)域的上邊緣時(shí)停止計(jì)時(shí),將秒表上顯示的時(shí)間輸入到相應(yīng)的編輯框中。
2.2.3 最大舍棄面積設(shè)定
“最大舍棄面積”表示面積小于該值的區(qū)域?qū)⒉槐欢槿毕荻釛?,因?yàn)槟静谋砻婵赡艽嬖诨覊m、污點(diǎn)、木屑等,它們的面積相對(duì)于缺陷的面積小的多,應(yīng)該被舍棄。
2.2.4 像素標(biāo)定設(shè)定
“像素標(biāo)定”的含義為尋找圖像中像素點(diǎn)的距離與實(shí)際物理距離的轉(zhuǎn)換關(guān)系。例如:假設(shè)長(zhǎng)度為1 mm的小線段,在圖像中的像素距離為10,那么在圖像中像素距離為100的線段,實(shí)際長(zhǎng)度則為10 mm。根據(jù)這個(gè)轉(zhuǎn)換關(guān)系,只需統(tǒng)計(jì)缺陷部分區(qū)域的像素面積和中心位置即可知道木材表面缺陷的實(shí)際大小與位置。按下“測(cè)量”按鈕,在彈出對(duì)話框,按下“打_相機(jī)”,如圖5所示。按照右側(cè)的標(biāo)定操作說(shuō)明示意圖,在待測(cè)的木材上面放一把尺子,將尺子與參考線對(duì)齊,讀出參考線在尺子上的長(zhǎng)度。點(diǎn)擊“確定”退出當(dāng)前對(duì)話框,然后把參考線的長(zhǎng)度輸入到編輯框中。最后點(diǎn)擊“保存”退出“參數(shù)設(shè)定”對(duì)話框。
2.3 缺陷檢測(cè)
“參數(shù)設(shè)定”完成后,按下“打開(kāi)相機(jī)”按鈕,左側(cè)的框中將會(huì)動(dòng)態(tài)顯示圖像,再按下“獲取圖片”按鈕,框中顯示按下按鈕時(shí)獲取的那幀圖像。調(diào)節(jié)顯示框下的滑動(dòng)條可調(diào)節(jié)圖片的對(duì)比度,再按下后面的“保存”按鈕,可作為下次操作的參考數(shù)值。按下“缺陷檢測(cè)”按鈕,圖中的木材表面缺陷將會(huì)被框出來(lái),而且框中左上角顯示的編號(hào)與右側(cè)的提示框的序號(hào)對(duì)應(yīng),可方便查看檢測(cè)是否準(zhǔn)確。檢測(cè)的結(jié)果如圖6所示。缺陷大小的計(jì)算是通過(guò)統(tǒng)計(jì)缺陷輪廓的像素點(diǎn)的個(gè)數(shù),再根據(jù)像素標(biāo)定得到的轉(zhuǎn)換關(guān)系來(lái)轉(zhuǎn)換為實(shí)際面積的大小。而缺陷的中心默認(rèn)為矩形框的中心。
2.4 檢測(cè)結(jié)果的修改與保存
軟件界面的右上角的兩個(gè)按鈕可查看檢測(cè)結(jié)果的歷史記錄。本軟件還能夠?qū)z測(cè)的結(jié)果進(jìn)行修改和保存。點(diǎn)擊“保存結(jié)果”按鈕,軟件會(huì)將右側(cè)的信息提示框中的信息保存到Excel文檔中,點(diǎn)擊“修改結(jié)果”,將打開(kāi)Excel文檔,用戶可根據(jù)歷史記錄來(lái)修改或刪除軟件誤檢測(cè)的結(jié)果。
3 系統(tǒng)測(cè)試
3.1 系統(tǒng)測(cè)試環(huán)境
PC主機(jī)為CPU Intel Xeon E3?1230 v5 340 GHz;內(nèi)存為8 GB;操作系統(tǒng)為Window 10 專業(yè)版;主板為Gigabyte X150M?PLUS WS?CF;開(kāi)發(fā)平臺(tái)為Microsoft Visual Studio 2013;版本為12.0.21005.1;應(yīng)用程序框架為MFC;本地編譯工具為VC++;開(kāi)發(fā)語(yǔ)言為C++。
3.2 系統(tǒng)整體測(cè)試
測(cè)試方法:使用相機(jī)拍攝木材圖片,其中包含無(wú)缺陷、有污點(diǎn)、有缺陷、有劃痕、有灰塵的各種不一樣的木材圖片。分別統(tǒng)計(jì)每個(gè)樣本的準(zhǔn)確率Ai和檢測(cè)木材表面缺陷的準(zhǔn)確率A如下:
式中:Si為每個(gè)樣本檢測(cè)結(jié)果的總數(shù);Ei為每個(gè)樣本中誤檢測(cè)和漏檢測(cè)的數(shù)量總和;n為樣本總數(shù)。
部分木材表面缺陷檢測(cè)結(jié)果如圖7所示。假設(shè)下面9張木材照片為測(cè)試的總樣本,第1張照片有一個(gè)缺陷,且被正確檢測(cè)出來(lái),則S1=1,E1=0,A1=1,第2張照片有一個(gè)缺陷,且被檢測(cè)出來(lái),但有兩個(gè)誤檢測(cè)結(jié)果,則S2=3,E2=2,A2=0.33,同理,A3=1,A4=1,A5=1,A6=0.5,A7=1,A8=1,A9=1。最后算出檢測(cè)的準(zhǔn)確率:A=(A1+A2+…+ A9×100%=87%。
使用前面講述的測(cè)試方法對(duì)300張木材圖片進(jìn)行檢測(cè),統(tǒng)計(jì)出本軟件檢測(cè)木材表面缺陷的準(zhǔn)確率為92.33%,平均檢測(cè)時(shí)間為2 ms,能夠基本滿足木材加工企業(yè)的加工要求。
4 結(jié) 論
本文提出了一種基于OpenCV的木材表面缺陷檢測(cè)系統(tǒng),經(jīng)實(shí)驗(yàn)有如下結(jié)論:本系統(tǒng)能夠快速準(zhǔn)確地檢測(cè)定位木材表面的缺陷,檢測(cè)的準(zhǔn)確率達(dá)到92.33%,平均檢測(cè)的時(shí)間為2 ms;系統(tǒng)軟件操作界面簡(jiǎn)單易用,穩(wěn)定可靠,具有一定的實(shí)用性;該系統(tǒng)能夠靈活應(yīng)用到多種木材加工生產(chǎn)線上,具有較好的通用性。它為木材加工流水線實(shí)時(shí)自動(dòng)檢測(cè)木材表面缺陷提供了一種可實(shí)現(xiàn)的方法。
注:本文通訊作者為鄒湘軍。
參考文獻(xiàn)
[1] 王林,白雪冰.基于Gabor變換的木材表面缺陷圖像分割方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2010(5):1066?1069.
[2] 金仁蓮.關(guān)于木材缺陷及木材檢驗(yàn)技術(shù)要點(diǎn)探討[J].農(nóng)民致富之友,2016(2):140.
[3] 戴天虹,吳以.基于OTSU算法與數(shù)學(xué)形態(tài)學(xué)的木材缺陷圖像分割[J].森林工程,2014(2):52?55.
[4] 牟洪波.基于人工神經(jīng)網(wǎng)絡(luò)的木材缺陷檢測(cè)研究[D].哈爾濱:東北林業(yè)大學(xué),2006.
[5] TSAI D M, HUANG T Y. Automated surface inspection for statistical textures [J]. Image and vision computing, 2003, 21(4): 307?323.
[6] 王海濤,甄理,楊春霞,等.基于計(jì)算機(jī)視覺(jué)的鐵軌表面缺陷檢測(cè)系統(tǒng)[J].無(wú)損檢測(cè),2011(11):38?41.
[7] 趙紅穎,于微波.計(jì)算機(jī)視覺(jué)技術(shù)在發(fā)動(dòng)機(jī)缺陷檢測(cè)系統(tǒng)中的應(yīng)用[J].光學(xué)精密工程,2000,8(3):283?286.
[8] 胡亮,段發(fā)階,丁克勤,等.帶鋼表面缺陷計(jì)算機(jī)視覺(jué)在線檢測(cè)系統(tǒng)的設(shè)計(jì)[J].無(wú)損檢測(cè),2003(6):287?290.
[9] 熊建平.基于計(jì)算機(jī)視覺(jué)的墻地磚表面缺陷檢測(cè)[J].電子測(cè)量技術(shù),2015(5):53?55.
[10] FUNCK J W, ZHONG Y, BUTLER D A, et al. Image segmentation algorithms applied to wood defect detection [J]. Computers and electronics in agriculture, 2003, 41(1/3): 157?179.
[11] 尹建新.基于算機(jī)視覺(jué)木材表面缺陷檢測(cè)方法研究[D].杭州:浙江工業(yè)大學(xué),2007.
關(guān)鍵詞:OpenCV;人臉檢測(cè);實(shí)時(shí)
中圖分類(lèi)號(hào):TP391.41
人臉檢測(cè)(Face Detection)是指對(duì)于給定的圖像或視頻,采用一定的策略對(duì)其進(jìn)行搜索以確定其中是否含有人臉,如果是則返回一臉的位置、大小和姿態(tài)。人臉檢測(cè)是人臉識(shí)別的重要環(huán)節(jié),運(yùn)用攝像機(jī)或攝像頭采集含有人臉的視頻流,并進(jìn)行實(shí)時(shí)的人臉檢測(cè)是目前主流的應(yīng)用。
OpenCV(Open Source Computer Vision Library)是開(kāi)源的計(jì)算機(jī)視覺(jué)代碼庫(kù),它輕量級(jí)而且高效,由一系列C函數(shù)和少量C++類(lèi)構(gòu)成,實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)的接口,實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法[1]。
1 系統(tǒng)設(shè)計(jì)
本系統(tǒng)采用了OpenCV的基于boost篩選式級(jí)聯(lián)Haar分類(lèi)器,該分類(lèi)器是通過(guò)成千上萬(wàn)的物體各個(gè)角度的訓(xùn)練圖像訓(xùn)練出來(lái)的,它先對(duì)圖像進(jìn)行直方圖均衡化處理,并將圖像歸一化到同樣大小,然后標(biāo)記是否包含要檢測(cè)的物體,在人臉檢測(cè)方面比較擅長(zhǎng)。系統(tǒng)加載分類(lèi)器后,利用OpenCV的視頻捕獲函數(shù)實(shí)時(shí)捕獲連接在電腦上的攝像頭讀入的視頻流,并將抓取的視頻幀轉(zhuǎn)換為圖像,然后對(duì)圖像進(jìn)行人臉檢測(cè)和標(biāo)定,具體流程圖如圖1所示:
圖1 系統(tǒng)流程圖
2 系統(tǒng)實(shí)現(xiàn)
本系統(tǒng)在WindowsXP操作系統(tǒng)下使用VC++6.0基于OpenCV1.0進(jìn)行開(kāi)發(fā)。系統(tǒng)具體實(shí)現(xiàn)如下:
(1)初始化聲明。通過(guò)CvMemStorage*captureFaceStorage=cvCreateMemStorage(0);語(yǔ)句創(chuàng)建一個(gè)內(nèi)存存儲(chǔ)器,來(lái)統(tǒng)一管理各種動(dòng)態(tài)對(duì)象的內(nèi)存,參數(shù)為0時(shí)創(chuàng)建的內(nèi)存塊默認(rèn)大小為64k。然后分別聲明分類(lèi)器對(duì)象、圖像對(duì)象級(jí)聯(lián)名稱及識(shí)別函數(shù)等成員:
Static CvHaar Classifier Cascade* cascade=0;
Ipl Image *frame,*frame_copy=0;
Char* capture Face Cascade_name=haarcascade_frontalface_alt2.xml;
(2)加載分類(lèi)器。通過(guò)cvLoad函數(shù),加載調(diào)用CvHaarClassifierCascade類(lèi)的分類(lèi)器文件“haarcascade_frontalface_alt2.xml”:
cascade=(CvHaarClassifierCascade*)cvLoad(captureFaceCascade_name,0,0,0);
(3)捕獲視頻。通過(guò)cvCreateCameraCapture函數(shù)捕獲攝像頭,捕獲視頻后循環(huán)執(zhí)行抓取幀操作cvGrabFrame(cap)和獲取圖像操作cvRetrieveFrame(cap)操作,從而將幀轉(zhuǎn)換成圖像,以便于處理。
(4)圖像格式轉(zhuǎn)換。一般從硬盤(pán)讀入的圖片或者通過(guò)cvCreateImage方法創(chuàng)建的IplImage圖片默認(rèn)的origin屬性為0,即顯示的時(shí)候都是正的。而由攝像頭或者視頻文件獲取的幀圖像origin屬性為1,此時(shí)顯示的圖像掃描順序是從下到上,它會(huì)將幀圖像的第i行賦值給圖像的第height-i行,因此采集的圖像會(huì)出現(xiàn)倒立現(xiàn)象,為此,應(yīng)將復(fù)制的圖像的origin屬性調(diào)整為與幀圖像的origin屬性一致。此時(shí)需要使用cvFlip(frame,frame_copy,0)函數(shù),實(shí)現(xiàn)對(duì)幀圖像沿X軸的翻轉(zhuǎn)。
(5)識(shí)別與檢測(cè)人臉。本部分主要實(shí)現(xiàn)人臉檢測(cè)功能,首先將從實(shí)時(shí)視頻中提取的圖像進(jìn)行灰度化處理:
然后調(diào)整新圖像gray,使它精確匹配目標(biāo)small_img的大小,并利用cvEqualizeHist函數(shù)進(jìn)行灰度圖像直方圖均衡化處理,最終通過(guò)cvHaarDetectObjects函數(shù)檢測(cè)出人臉:
(6)標(biāo)定檢出的的人臉。繪制目標(biāo)圓形區(qū)域,標(biāo)定出檢測(cè)出的人臉:
最后通過(guò)cvShowImage("result",img)顯示出檢測(cè)后的圖像,如果檢測(cè)到人臉,顯示效果圖。
3 結(jié)束語(yǔ)
基于的攝像頭實(shí)時(shí)人臉檢測(cè)系統(tǒng)的實(shí)現(xiàn)充分說(shuō)明了OpenCV技術(shù)在實(shí)現(xiàn)人臉檢測(cè)方面的效率高、功能強(qiáng)的特點(diǎn),OpenCV必將在計(jì)算機(jī)視覺(jué)、圖形圖像處理領(lǐng)域有著廣泛地應(yīng)用前景。
參考文獻(xiàn):
[1]Gray Bradski,Adrian Kaebler.Learning OpenCV:Computer Vision with the OpenCV Library[M].USA:O Reilly media,2008.
[2]梁路宏.人臉檢測(cè)研究綜述[J].計(jì)算機(jī)學(xué)報(bào),2002(05):449-458.
作者簡(jiǎn)介:徐占鵬(1979.01-),男,山東棲霞人,講師,碩士,研究方向:計(jì)算機(jī)應(yīng)用、計(jì)算機(jī)圖形圖像處理和計(jì)算機(jī)視覺(jué)。
【關(guān)鍵詞】電力系統(tǒng);發(fā)展趨勢(shì);新技術(shù)發(fā)展
0 前言
電力系統(tǒng)是我國(guó)國(guó)名經(jīng)濟(jì)的基石。電力系統(tǒng)是由發(fā)電、變電、輸電、配電和用電等環(huán)節(jié)組成的電能生產(chǎn)與消費(fèi)系統(tǒng)?,F(xiàn)代社會(huì)需要的是安全可靠經(jīng)濟(jì)的電能。電力系統(tǒng)主要由發(fā)電輸電變電配電及用電等5部分組成。電力系統(tǒng)是一個(gè)具有復(fù)雜的大系統(tǒng)由于用戶的不斷增加的需求,電網(wǎng)對(duì)于技術(shù)的要求水平也提出了越來(lái)越高的要求。
1 電力系統(tǒng)自動(dòng)化的發(fā)展趨勢(shì)總的發(fā)展趨勢(shì)的特點(diǎn)研究
1.1 電力系統(tǒng)自動(dòng)化的圖形化特點(diǎn)
因?yàn)殡娏ο到y(tǒng)聯(lián)網(wǎng)工程的正式啟動(dòng),電力系統(tǒng)的調(diào)度管理、數(shù)據(jù)計(jì)算分析呈現(xiàn)出傳輸路徑的交叉性,信息更新越來(lái)越高速這樣的幾種特點(diǎn)。在計(jì)算機(jī)技術(shù)和通信技術(shù)的快速發(fā)展下,電力系統(tǒng)技術(shù)整合也在蓬勃發(fā)展著。電力系統(tǒng)信息數(shù)據(jù)處理上已經(jīng)不再使用傳統(tǒng)的處理方式,而是使用圖形化處理這樣的新技術(shù),這樣看到圖形,電力系統(tǒng)管理者就能了解電力系統(tǒng)的變化發(fā)展趨勢(shì),也就能對(duì)未來(lái)電力系統(tǒng)軟件開(kāi)發(fā)帶來(lái)絲絲先機(jī)。
1.2 電力系統(tǒng)自動(dòng)化的遠(yuǎn)程化特點(diǎn)
過(guò)去電力系統(tǒng)的硬件平臺(tái)大部分是計(jì)算機(jī),外加使用擴(kuò)展測(cè)控法對(duì)接口電路工作開(kāi)展監(jiān)測(cè)。此類(lèi)的設(shè)計(jì)有很多的優(yōu)勢(shì),這種類(lèi)型的設(shè)計(jì)的周期很長(zhǎng),擴(kuò)展性也很好。但是這樣的設(shè)計(jì)方式也具有著高成本、大體積、大功耗以及靈動(dòng)性差的多種缺點(diǎn)?,F(xiàn)在,正是有著網(wǎng)絡(luò)技術(shù)的不斷更新和電子技術(shù)的不斷進(jìn)步,遠(yuǎn)動(dòng)終端設(shè)備已經(jīng)變?yōu)樵絹?lái)越接近最優(yōu)化、智能化和小型化、協(xié)調(diào)化。因此,建立在此基礎(chǔ)之上的電力系統(tǒng)也具備了遠(yuǎn)程化的特點(diǎn),使電力系統(tǒng)自動(dòng)化在控制系統(tǒng)方面的發(fā)展更加貼近智能化。
1.3 電力系統(tǒng)自動(dòng)化的分布化特點(diǎn)
發(fā)電率范圍在幾十兆瓦至幾千瓦之間并且模型較小的發(fā)電單元,它的地點(diǎn)處于用戶周?chē)€有有高效和可靠特點(diǎn)的稱為電力系統(tǒng)自動(dòng)化技術(shù)分布化。分布式發(fā)電主要包括以液體或氣體為燃料的內(nèi)燃機(jī)、太陽(yáng)能發(fā)電、微型燃?xì)廨啓C(jī)和風(fēng)力發(fā)電等等的其他一些發(fā)電方式。這種發(fā)電技術(shù)具有很好的靈活性,能夠給與用戶各不相同的感受。還能為邊遠(yuǎn)商業(yè)區(qū)域提供可靠的電力資源,讓他們使用具有再生特點(diǎn)的資源進(jìn)行多次發(fā)電,這樣的電能還具有穩(wěn)定度高的特點(diǎn),是具有分度化的特色。極端及技術(shù)、新材料技術(shù)和電力電子技術(shù)都要作為支柱技術(shù)被在其中使用。
2 電力系統(tǒng)與新技術(shù)的結(jié)合
2.1 與智能計(jì)算機(jī)的結(jié)合
計(jì)算機(jī)視覺(jué)技術(shù)就是與智能計(jì)算機(jī)的結(jié)合之一。使用計(jì)算機(jī)視覺(jué)技術(shù)能夠方便的獲得多種圖像信息。在電力系統(tǒng)中應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)。目前,計(jì)算機(jī)視覺(jué)技術(shù)使用在電力系統(tǒng)中的作用是修改遙控系統(tǒng)在此同時(shí)提高它的性能。這主要表現(xiàn)在使用在線監(jiān)測(cè)和開(kāi)展無(wú)人操作或者環(huán)境監(jiān)視,紅外圖像監(jiān)測(cè)是電力設(shè)備在線監(jiān)測(cè)常用方法中效果最好的。它既有這使用方便,又有著精準(zhǔn)度較高的特點(diǎn)。紅外圖像識(shí)別方面主要就是使用計(jì)算機(jī)視覺(jué)技術(shù),這樣能取得較好的效果。計(jì)算機(jī)視覺(jué)技術(shù)的工作原理是在科學(xué)獲取電力設(shè)備實(shí)時(shí)紅外圖像和電力設(shè)備正常工作時(shí)圖像后,將兩者開(kāi)展對(duì)比。如果出現(xiàn)不正常。也就因此能夠證明電力設(shè)備出現(xiàn)問(wèn)題。第開(kāi)展無(wú)人操作或者環(huán)境監(jiān)視是使用微波雙鑒探測(cè)器進(jìn)行協(xié)助,將差分圖像以及流光法一起使用對(duì)移動(dòng)物體開(kāi)展監(jiān)測(cè)。如果出現(xiàn)不正?,F(xiàn)象,那么系統(tǒng)就可以識(shí)別出來(lái),并且警告我們。因?yàn)橛?jì)算機(jī)視覺(jué)技術(shù)還處于起步階段,其存在一定的不足之處。雖然計(jì)算機(jī)視覺(jué)技術(shù)發(fā)展迅速,但計(jì)算機(jī)視覺(jué)技術(shù)發(fā)展的并不完善,因?yàn)閳D像識(shí)別自身的復(fù)雜性的原因,所以現(xiàn)階段還不能實(shí)現(xiàn)完全的無(wú)人操作。正是因?yàn)橛兄@些原因,在大多數(shù)情況下,計(jì)算機(jī)視覺(jué)技術(shù)只能夠作為一種輔助技術(shù)。
2.2 與微機(jī)保護(hù)系統(tǒng)的結(jié)合
在電力系統(tǒng)自動(dòng)化技術(shù)發(fā)展速度過(guò)快并且伴隨著相關(guān)微機(jī)設(shè)備應(yīng)用范圍越來(lái)越普遍的情況下。人們?cè)絹?lái)越嚴(yán)格的要求微機(jī)保護(hù)系統(tǒng)。更簡(jiǎn)單的說(shuō),也就是原有的電力系統(tǒng)自動(dòng)化技術(shù)當(dāng)中的微機(jī)保護(hù)系統(tǒng)已經(jīng)無(wú)法滿足社會(huì)發(fā)展的需要。人們需要的微機(jī)保護(hù)系統(tǒng)應(yīng)該具備更加牢靠與穩(wěn)定的可以對(duì)通信進(jìn)行保護(hù)的能力。這樣才能夠達(dá)到人們希望人機(jī)互動(dòng)的效果。這樣的系統(tǒng)在對(duì)硬件提高出高要求的同時(shí)也對(duì)軟件業(yè)產(chǎn)生了更加具體的要求。例如,我國(guó)在上世紀(jì)末將第一套微機(jī)線路保護(hù)設(shè)備投入使用,并且該設(shè)備因?yàn)樾阅苷紦?jù)極大的優(yōu)勢(shì)從而獲得世界各國(guó)用戶的普遍認(rèn)可。
在繼電保護(hù)設(shè)備中,我們更加需要完善的問(wèn)題就是設(shè)備的實(shí)時(shí)性。設(shè)備的實(shí)時(shí)性直接關(guān)乎電網(wǎng)的安全穩(wěn)定,它直接受到其影響。假如設(shè)備實(shí)時(shí)性出現(xiàn)缺陷,會(huì)給電力系統(tǒng)帶來(lái)難以補(bǔ)救損失的可能性?,F(xiàn)階段在我國(guó)電力系統(tǒng)中應(yīng)用的嵌入式系統(tǒng)通常來(lái)說(shuō)主要為C/C++語(yǔ)言。這是因?yàn)樵撓到y(tǒng)不僅靈活性高并且可移植性也很強(qiáng)。同時(shí)該系統(tǒng)還使用了能夠隨時(shí)改變的模塊化,目的在于處理好各種存在可能性會(huì)產(chǎn)生的問(wèn)題但是卻又不能夠進(jìn)行更換的難題。在提供便利的同時(shí)也能夠盡最大的努力滿足用戶各種要求。
2.3 與GPS安全監(jiān)控系統(tǒng)的結(jié)合
GPS的全稱是全球定位系統(tǒng)。這是一個(gè)衛(wèi)星系統(tǒng)。它能具有導(dǎo)航、定位、授時(shí)等功能的原因是它可以保證在地球上任意一點(diǎn)都可以同時(shí)被觀測(cè)到。高精度、高效率和低成本都是GPS定位技術(shù)具有的優(yōu)點(diǎn)。正是在這些優(yōu)點(diǎn)的幫助下,它才能在各類(lèi)大地測(cè)量控制網(wǎng)獲得加強(qiáng)改造,也因此具有了較為普及的應(yīng)用。目前,GPS技術(shù)出現(xiàn)了一個(gè)不斷進(jìn)步的境地,而將GPS技術(shù)使用到電力系統(tǒng)當(dāng)中的條件也越來(lái)越松。電力系統(tǒng)使用GPS動(dòng)態(tài)安全監(jiān)控系統(tǒng)后取得效果很好。不僅能夠?qū)ο到y(tǒng)開(kāi)展實(shí)時(shí)且有效的監(jiān)控,同時(shí)還能夠?qū)PS定位技術(shù)的精準(zhǔn)度高并且效率快以及成本低的優(yōu)勢(shì)完全體現(xiàn)出來(lái)。可以對(duì)管轄區(qū)內(nèi)的大地測(cè)量控制電網(wǎng)進(jìn)行合理的監(jiān)測(cè)。電力系統(tǒng)使用GPS動(dòng)態(tài)安全監(jiān)控技術(shù)后?;贕PS的動(dòng)態(tài)安全監(jiān)控系統(tǒng)指的是電力系統(tǒng)采用GPS所實(shí)現(xiàn)的光纖通信技術(shù)和同步測(cè)量技術(shù)。電力系統(tǒng)的動(dòng)態(tài)安全監(jiān)測(cè)管理主要包括動(dòng)態(tài)相量測(cè)量系統(tǒng)、定時(shí)系統(tǒng)、中央信號(hào)處理系統(tǒng)和通信系統(tǒng)四個(gè)部分的內(nèi)容。使用GPS和EMS監(jiān)控系統(tǒng)能夠做到對(duì)數(shù)據(jù)的動(dòng)態(tài)、集中處理、定時(shí)等,為相量的控制提供條件。實(shí)現(xiàn)動(dòng)態(tài)檢測(cè)是我們必須做的,同時(shí)也是是電力系統(tǒng)發(fā)展的要求。
動(dòng)態(tài)安全監(jiān)控系統(tǒng)是基于GPS統(tǒng)一時(shí)鐘的新一代EMS。各種各樣的電磁暫態(tài)故障記錄器和集中在穩(wěn)態(tài)運(yùn)行監(jiān)控和數(shù)據(jù)采集(SCADA)系統(tǒng)是電力系統(tǒng)目前主是在錄音的過(guò)程中使用的監(jiān)控工具。前面具有記錄數(shù)據(jù)冗余,記錄時(shí)間短,缺乏溝通不同的錄音機(jī),讓困難分析系統(tǒng)作為一個(gè)整體的動(dòng)態(tài)特性:后者記錄數(shù)據(jù)刷新間隔時(shí)間,但是用于系統(tǒng)的穩(wěn)態(tài)特性。很難分析整個(gè)系統(tǒng)的動(dòng)態(tài)行為的原因是都有一個(gè)共同的、缺乏精確的時(shí)間戳之間的聯(lián)合不同位置即記錄數(shù)據(jù)只是部分有效。新一代的基于GPS動(dòng)態(tài)安全監(jiān)控系統(tǒng),是一個(gè)相結(jié)合的新的和現(xiàn)有的SCADA的動(dòng)態(tài)安全監(jiān)控系統(tǒng)。在這樣的新技術(shù)下,GPS同步相量測(cè)量技術(shù)和光纖通訊技術(shù)和實(shí)施總量控制提供了條件。
在大型電力系統(tǒng)的穩(wěn)定性和振動(dòng)監(jiān)測(cè)中常用的GPS系統(tǒng)的研究獲得了一定的成果。在現(xiàn)實(shí)生活中已投入運(yùn)行,例如GPS同步相量測(cè)量裝置監(jiān)控系統(tǒng)在南方電網(wǎng)投運(yùn)。中國(guó)南方電網(wǎng)功率角振蕩天骨干接觸線己廣泛應(yīng)用在網(wǎng)格中的500千伏線路可以在實(shí)時(shí)調(diào)度中心觀察。
3 結(jié)語(yǔ)
電力系統(tǒng)自動(dòng)化技術(shù)無(wú)疑具有著很大的潛力在計(jì)算機(jī)技術(shù)、信息技術(shù)、控制技術(shù)的發(fā)展下,也將有更多的技術(shù)出現(xiàn)。隨著它們的出現(xiàn),電力系統(tǒng)將更加自動(dòng)化,為人們提供更好的電能。
【參考文獻(xiàn)】
關(guān)鍵詞:EMGU;智能監(jiān)控;目標(biāo)跟蹤
隨著視頻監(jiān)控技術(shù)的發(fā)展,其架構(gòu)從模擬化轉(zhuǎn)向了數(shù)字化,利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)視頻信號(hào)進(jìn)行分析理解,并以此為基礎(chǔ)對(duì)視頻監(jiān)控系統(tǒng)進(jìn)行控制,不斷提高系統(tǒng)的智能化和自動(dòng)化。本文將EMGU應(yīng)用到智能監(jiān)控系統(tǒng)的開(kāi)發(fā)過(guò)程,并實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的自動(dòng)跟蹤。
1 EMGU簡(jiǎn)介
OpenCV(Open Source Computer Vision Library)是一個(gè)跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù),實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。Emgu CV是.NET平臺(tái)下對(duì)OpenCV圖像處理庫(kù)的封裝[1],也就是.NET版的OpenCV。EMGU具有跨平臺(tái)的特點(diǎn),兼容C#、、C++等編程語(yǔ)言,并且可以實(shí)現(xiàn)特征檢測(cè)與跟蹤、運(yùn)動(dòng)分析、目標(biāo)分割與識(shí)別等圖像高級(jí)處理功能[2]。
1.1 EMGU在VS2010中的配置
⑴下載EMGU安裝包(以libemgucv-windows-x86-2.4.0.1717版本為例)并進(jìn)行安裝,安裝完成后將emgucv-windows-x86 2.4.0.1717\bin目錄添加到系統(tǒng)環(huán)境變量中;
⑵導(dǎo)入U(xiǎn)I插件,單擊VS2010中的工具->選擇工具箱項(xiàng)->.NET Framework組件菜單,單擊瀏覽按鈕進(jìn)入EMGU安裝目錄bin下選擇Emgu.CV.UI.dll,將ImageBox 和HistogramCtrl組件添加到工具箱中;
⑶在解決方案中加入 EmguCV 的引用[3]:包括Emgu.CV.dll、Emgu.CV.ML.dll、Emgu.CV.UI.dll、Emgu.Util.dll以及ZedGraph.dll等。
1.2 系統(tǒng)設(shè)計(jì)目的及拓?fù)浣Y(jié)構(gòu)
開(kāi)發(fā)的智能監(jiān)控系統(tǒng)通過(guò)IMOS平臺(tái)來(lái)獲取告警信息和視頻源,當(dāng)系統(tǒng)接收到IMOS平臺(tái)通知的告警信息后,開(kāi)始對(duì)IMOS平臺(tái)的監(jiān)控視頻流進(jìn)行分析,主要完成圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)的檢測(cè)、人體目標(biāo)的識(shí)別和自動(dòng)跟蹤等操作,進(jìn)而通過(guò)IMOS平臺(tái)控制攝像機(jī)云臺(tái)跟蹤運(yùn)動(dòng)目標(biāo),將目標(biāo)始終鎖定在被監(jiān)控視野內(nèi)。系統(tǒng)的拓?fù)浞桨溉鐖D1所示。
1.3 目標(biāo)跟蹤分析與實(shí)現(xiàn)
目標(biāo)跟蹤是利用監(jiān)控視頻的圖像信號(hào),對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)、識(shí)別和定位,并自動(dòng)控制云臺(tái)和攝像機(jī)的運(yùn)動(dòng),跟蹤和鎖定目標(biāo)。在目標(biāo)檢測(cè)階段若有多個(gè)目標(biāo)同時(shí)出現(xiàn)時(shí),則由系統(tǒng)自動(dòng)選取一個(gè)最有利(運(yùn)動(dòng)物體區(qū)域范圍最大)的目標(biāo)進(jìn)行跟蹤,達(dá)到目標(biāo)跟蹤監(jiān)控自動(dòng)化。部分關(guān)鍵代碼如下:
//YUV格式轉(zhuǎn)換
Bitmap frameBGR = ConvertYUV2Bitmap(srcY, srcU, srcV, (int)w, (int)h);
mage frame = new Image(frameBGR);
frame._SmoothGaussian(3);
//更新圖像幀和背景模型,以自適應(yīng)環(huán)境變化[4]
#region use the BG/FG detector to find the forground mask
currentForm._detector.Update(frame);
Image forgroundMask = currentForm._detector.ForgroundMask;
#endregion
currentForm._tracker.Process(frame, forgroundMask);
//選擇運(yùn)動(dòng)物體區(qū)域范圍最大目標(biāo)并繪制跟蹤框
Maxblob.Size = sizeF;
foreach (MCvBlob blob in currentForm._tracker)
{
if ((blob.Size.Height * blob.Size.Width) > (Maxblob.Size.Height * Maxblob.Size.Width))
Maxblob = blob;
}
frame.Draw((Rectangle)Maxblob, new Bgr(0.0, 0.0, 255.0), 1);
// 當(dāng)跟蹤框面積大于預(yù)設(shè)面積時(shí),跟蹤目標(biāo)開(kāi)啟
if ((Maxblob.Size.Height * Maxblob.Size.Width >= 50))
{
//當(dāng)跟蹤框的坐標(biāo)與前置坐標(biāo)偏差超過(guò)閥值時(shí),開(kāi)始轉(zhuǎn)動(dòng)云臺(tái)
if (((Maxblob.Center.X - currentForm.pointCenter.X) >= 10) )
{
currentForm.SendMessage(MW_PTZ_CMD_E.MW_PTZ_PANRIGHT);
... ...
}
}
2 總結(jié)
本文探討了EMGU在智能監(jiān)控系統(tǒng)開(kāi)發(fā)過(guò)程中的應(yīng)用,并給出了EMGU在VS2010中的配置過(guò)程。結(jié)合IMOS平臺(tái),對(duì)運(yùn)動(dòng)目標(biāo)的自動(dòng)跟蹤過(guò)程進(jìn)行了分析,對(duì)于智能監(jiān)控系統(tǒng)的開(kāi)發(fā)具有一定的參考價(jià)值。
[參考文獻(xiàn)]
[1]王燕,曹銀杰,郎豐法,等.基于Emgu CV的數(shù)字相機(jī)圖像采集[J].電子科技.2012,25(4):31-32.
[2]趙霞,陸小龍,廖明.基于OpenCV的角鐵中線檢測(cè)方法[J].中國(guó)測(cè)試.2010,36(3):27-29.
【關(guān)鍵詞】機(jī)器視覺(jué);應(yīng)用研究
機(jī)器視覺(jué)是一門(mén)涉及人工智能、計(jì)算機(jī)科學(xué)、圖像處理、模式識(shí)別、神經(jīng)生物學(xué)、心理物理學(xué)等諸多領(lǐng)域的交叉學(xué)科。機(jī)器視覺(jué)主要利用計(jì)算機(jī)來(lái)模擬人或再現(xiàn)與人類(lèi)視覺(jué)有關(guān)的某些智能行為,從客觀事物的圖像中提取信息進(jìn)行處理,并加以理解,最終用于實(shí)際檢測(cè)和控制。隨著現(xiàn)代計(jì)算機(jī)技術(shù)、現(xiàn)場(chǎng)總線技術(shù)與大規(guī)模集成電路技術(shù)的飛速發(fā)展,機(jī)器視覺(jué)技術(shù)也日臻成熟,已經(jīng)廣泛應(yīng)用在國(guó)民經(jīng)濟(jì)發(fā)展的各行業(yè)。
1.機(jī)器視覺(jué)系統(tǒng)組成
一個(gè)典型的機(jī)器視覺(jué)應(yīng)用系統(tǒng)包括圖像捕捉、光源系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機(jī)械控制執(zhí)行模塊,如圖1所示。首先采用CCD攝像機(jī)獲得被測(cè)目標(biāo)的圖像信號(hào),然后通過(guò)A/D轉(zhuǎn)換成數(shù)字信號(hào)傳送給專用的圖像處理系統(tǒng),根據(jù)像素分布、亮度和色彩等信息,進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征,然后再根據(jù)預(yù)設(shè)的判別標(biāo)準(zhǔn)輸出判斷結(jié)果,去控制驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)進(jìn)行相應(yīng)處理。
總之,隨著機(jī)器視覺(jué)技術(shù)自身的成熟和發(fā)展,可以預(yù)計(jì)它將在現(xiàn)代和未來(lái)制造企業(yè)中得到越來(lái)越廣泛的應(yīng)用。
2.機(jī)器視覺(jué)技術(shù)的應(yīng)用
在國(guó)外,機(jī)器視覺(jué)的應(yīng)用主要體現(xiàn)在半導(dǎo)體及電子行業(yè),其中大概40%-50%都集中在半導(dǎo)體行業(yè)。具體如PCB印刷電路;SMT表面貼裝;電子生產(chǎn)加工設(shè)備;機(jī)器視覺(jué)系統(tǒng)還在質(zhì)量檢測(cè)的各個(gè)方面已經(jīng)得到了廣泛的應(yīng)用,并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。
而在中國(guó),以上行業(yè)本身就屬于新興的領(lǐng)域,再加之機(jī)器視覺(jué)產(chǎn)品技術(shù)的普及不夠,導(dǎo)致機(jī)器視覺(jué)在以上各行業(yè)的應(yīng)用幾乎空白。目前隨著我國(guó)隨著配套基礎(chǔ)建設(shè)的完善,技術(shù)、資金的積累,各行各業(yè)對(duì)采用圖像和機(jī)器視覺(jué)技術(shù)的工業(yè)自動(dòng)化、智能化需求開(kāi)始廣泛出現(xiàn),國(guó)內(nèi)有關(guān)大中專院校、研究所和企業(yè)近兩年在圖像和機(jī)器視覺(jué)技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試,逐步開(kāi)始了工業(yè)現(xiàn)場(chǎng)和其它領(lǐng)域的應(yīng)用。
(1)工業(yè)中的應(yīng)用
雖然機(jī)器視覺(jué)技術(shù)從20世紀(jì)80年代才開(kāi)始起步,但由于其突出的優(yōu)點(diǎn),在各種工業(yè)領(lǐng)域被廣泛應(yīng)用,特別是近幾年發(fā)展十分迅速,國(guó)內(nèi)外的成果也是層出不窮。
在國(guó)外,機(jī)器視覺(jué)技術(shù)廣泛應(yīng)用于機(jī)器零部件的裝配、非接觸測(cè)量、產(chǎn)品質(zhì)量檢測(cè)、在線過(guò)程控制、數(shù)控機(jī)床加工、過(guò)程監(jiān)控等領(lǐng)域。英國(guó)ROVER汽車(chē)公司800系列汽車(chē)車(chē)身輪廓尺寸精度的100%在線檢測(cè),是機(jī)器視覺(jué)系統(tǒng)用于工業(yè)檢測(cè)中的一個(gè)較為典型的例子,該系統(tǒng)由62個(gè)測(cè)量單元組成,每個(gè)測(cè)量單元包括一臺(tái)激光器和一個(gè)CCD攝像機(jī),用以檢測(cè)車(chē)身外殼上288個(gè)測(cè)量點(diǎn)。汽車(chē)車(chē)身置于測(cè)量框架下,通過(guò)軟件校準(zhǔn)車(chē)身的精確位置。測(cè)量單元的校準(zhǔn)將會(huì)影響檢測(cè)精度,因而受到特別重視。每個(gè)激光器/攝像機(jī)單元均在離線狀態(tài)下經(jīng)過(guò)校準(zhǔn)。同時(shí)還有一個(gè)在離線狀態(tài)下用三坐標(biāo)測(cè)量機(jī)校準(zhǔn)過(guò)的校準(zhǔn)裝置,可對(duì)攝像頂進(jìn)行在線校準(zhǔn)。檢測(cè)系統(tǒng)以每40秒檢測(cè)一個(gè)車(chē)身的速度,檢測(cè)三種類(lèi)型的車(chē)身。系統(tǒng)將檢測(cè)結(jié)果與人、從CAD模型中撮出來(lái)的合格尺寸相比較,測(cè)量精度為±0。1mm。ROVER的質(zhì)量檢測(cè)人員用該系統(tǒng)來(lái)判別關(guān)鍵部分的尺寸一致性,如車(chē)身整體外型、門(mén)、玻璃窗口等。實(shí)踐證明,該系統(tǒng)是成功的,并將用于ROVER公司其它系列汽車(chē)的車(chē)身檢測(cè)。
機(jī)器視覺(jué)在國(guó)內(nèi)的應(yīng)用主要集中于檢測(cè)與定位等幾個(gè)方面,這樣的工業(yè)產(chǎn)品占據(jù)了中國(guó)市場(chǎng)的絕大部分。機(jī)器視覺(jué)在工業(yè)檢測(cè)中的應(yīng)用最為常見(jiàn)的是對(duì)各種機(jī)械零件的幾何尺寸進(jìn)行測(cè)量,在半導(dǎo)體及電子行業(yè),國(guó)內(nèi)高等院校和科研單位也研究出基于機(jī)器視覺(jué)的管腳尺寸自動(dòng)檢測(cè)裝置。此外,機(jī)器視覺(jué)還被用于對(duì)于如刀具等工業(yè)設(shè)備的檢測(cè)和數(shù)控機(jī)床的加工。在很多工業(yè)領(lǐng)域存在著高精度定位的問(wèn)題,如鉆床數(shù)控系統(tǒng)鉆頭定位、金屬板材數(shù)控加工軌跡坐標(biāo)定位等。目前機(jī)器視覺(jué)技術(shù)由于其高精度的優(yōu)點(diǎn)在這方面得到廣泛的應(yīng)用。華中科技大學(xué)在金屬板材數(shù)控加工中利用機(jī)器視覺(jué)技術(shù)對(duì)加工軌跡坐標(biāo)定位。提出一種基于機(jī)器視覺(jué)的非接觸式加工軌跡坐標(biāo)定位方法,完成了金屬板材數(shù)字化成形中支撐模型的非接觸式高精度快速定位。湖南大學(xué)進(jìn)行了鉆頭視覺(jué)定位研究,在視覺(jué)定位中采用間接定位方式,間接實(shí)現(xiàn)鉆頭刃磨初始狀態(tài)的定位。中國(guó)計(jì)量學(xué)院等單位進(jìn)行了基于機(jī)器視覺(jué)的PCB數(shù)控鉆機(jī)定位研究。大量的實(shí)踐證明采用機(jī)器視覺(jué)系統(tǒng)進(jìn)行定位并且綜合運(yùn)用數(shù)控伺服傳動(dòng)技術(shù)以及各種先進(jìn)控制技術(shù)能夠有效實(shí)現(xiàn)精確定位。利用機(jī)器視覺(jué)系統(tǒng)節(jié)約了大量的人力和物力,降低了產(chǎn)品生產(chǎn)成本。
(2)農(nóng)業(yè)中的應(yīng)用
計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)上的應(yīng)用研究,起始于20世紀(jì)70年代末期,主要應(yīng)用于植物種類(lèi)的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)等。隨著計(jì)算機(jī)軟硬件技術(shù)、圖形圖像處理技術(shù)的迅猛發(fā)展,它在農(nóng)業(yè)上的應(yīng)用研究有了較大的突破,在農(nóng)業(yè)領(lǐng)域的生產(chǎn)前、生產(chǎn)中、收獲時(shí)和產(chǎn)后的各個(gè)環(huán)節(jié)中,均可以利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)實(shí)現(xiàn)這些農(nóng)業(yè)生產(chǎn)的視覺(jué)化。計(jì)算機(jī)視覺(jué)在產(chǎn)前的應(yīng)用主要是檢驗(yàn)種子質(zhì)量;在產(chǎn)中的應(yīng)用包括田間雜草識(shí)別、植物生長(zhǎng)信息的監(jiān)測(cè)、病蟲(chóng)害的監(jiān)視和營(yíng)養(yǎng)脅迫診斷等方面;在農(nóng)作物收獲時(shí)的應(yīng)用主要體現(xiàn)在農(nóng)業(yè)機(jī)器人的研制與開(kāi)發(fā)上;在產(chǎn)后的應(yīng)用包括水果分級(jí)和農(nóng)產(chǎn)品的加工等。在農(nóng)田作業(yè)機(jī)械上,機(jī)器視覺(jué)技術(shù)被不斷的開(kāi)發(fā)和應(yīng)用。農(nóng)藥的粗放式噴灑正是農(nóng)業(yè)生產(chǎn)中效率最低、污染最嚴(yán)重的環(huán)節(jié)。利用機(jī)器視覺(jué)技術(shù)可以實(shí)現(xiàn)農(nóng)藥的精量噴灑,近年來(lái),機(jī)器視覺(jué)技術(shù)在播種機(jī)械方面的應(yīng)用主要是檢測(cè)播種質(zhì)量;在自動(dòng)收獲機(jī)等農(nóng)田自動(dòng)作業(yè)機(jī)械上,更需要依靠機(jī)器視覺(jué)系統(tǒng)來(lái)確定作物行與機(jī)械的相對(duì)位置,以控制自動(dòng)作業(yè)機(jī)械在作物行間自動(dòng)行進(jìn),
機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用可提高生產(chǎn)的自動(dòng)化水平,解放勞動(dòng)力,具有良好的應(yīng)用前景。同時(shí)還應(yīng)看到,由于農(nóng)業(yè)對(duì)象的特點(diǎn),機(jī)器視覺(jué)理論和技術(shù)的局限性以及硬件條件的限制,機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)的應(yīng)用距離實(shí)用和普及還有相當(dāng)長(zhǎng)的距離。相信隨著相關(guān)技術(shù)的發(fā)展,很多問(wèn)題會(huì)得到好的解決,機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用會(huì)極大地加快農(nóng)業(yè)現(xiàn)代化的進(jìn)程。
(3)醫(yī)學(xué)上的應(yīng)用
隨著藥品和醫(yī)療器械安全性問(wèn)題重要性的不斷提升,越來(lái)越多的生產(chǎn)廠商將機(jī)器視覺(jué)技術(shù)引入實(shí)際生產(chǎn)中來(lái),以達(dá)到提高生產(chǎn)效率,加強(qiáng)產(chǎn)品品質(zhì)保障的目的。同樣,在醫(yī)療系統(tǒng)中機(jī)器視覺(jué)也得到了越來(lái)越多的應(yīng)用。
機(jī)器視覺(jué)科技醫(yī)藥領(lǐng)域的應(yīng)用主要分為醫(yī)學(xué)與藥物兩部分。機(jī)器視覺(jué)技術(shù)在醫(yī)學(xué)疾病診斷方面的應(yīng)用主要體現(xiàn)在兩個(gè)方面:一是對(duì)(X射線成像、顯微圖片、B超、CT、MRI)圖像增強(qiáng)、標(biāo)記、渲染處理,主要利用數(shù)字圖像處理技術(shù)、信息融合技術(shù)對(duì)X射線透視圖、核磁共振圖像、CT圖像進(jìn)行適當(dāng)疊加,然后進(jìn)行綜合分析協(xié)助醫(yī)生診斷;二是利用專家知識(shí)和3D重構(gòu)對(duì)物體三維信息與運(yùn)動(dòng)參數(shù)進(jìn)行分析并給出形象準(zhǔn)確的解釋,如診斷與手術(shù)等。機(jī)器視覺(jué)技術(shù)的應(yīng)用不僅節(jié)省了人力,而且大大提高了準(zhǔn)確率和效率。在藥物方面,機(jī)器視覺(jué)系統(tǒng)對(duì)藥用瓶的缺陷檢測(cè),也包括了藥用玻璃瓶范疇,也就是說(shuō)機(jī)器視覺(jué)也涉及到了醫(yī)藥領(lǐng)域,其主要檢測(cè)包括尺寸檢測(cè)、瓶身外觀缺陷檢測(cè)、瓶肩部缺陷檢測(cè)、瓶口檢測(cè)等。除此之外,對(duì)藥劑雜質(zhì)的檢測(cè)、對(duì)醫(yī)學(xué)用具質(zhì)量的檢測(cè)、對(duì)藥物外包裝泄露的檢測(cè)等等都在保障著藥物的質(zhì)量安全,保障著人們的生命健康。
(4)交通領(lǐng)域的應(yīng)用
隨著計(jì)算機(jī)的普及和相關(guān)軟件的不斷更新升級(jí),機(jī)器視覺(jué)技術(shù)在交通領(lǐng)域所發(fā)揮的作用愈為重要。機(jī)器視覺(jué)技術(shù)在交通領(lǐng)域的應(yīng)用范圍較廣,主要包括視頻檢測(cè)系統(tǒng)、智能車(chē)輛的安全保障系統(tǒng)、車(chē)牌識(shí)別和交通指揮等。
視覺(jué)技術(shù)應(yīng)用于視頻檢測(cè)時(shí),視頻檢測(cè)系統(tǒng)的目標(biāo)就是用數(shù)字圖像處理和計(jì)算機(jī)視覺(jué)技術(shù),通過(guò)分析交通圖像序列來(lái)對(duì)車(chē)輛、行人等交通目標(biāo)的運(yùn)動(dòng)進(jìn)行檢測(cè)、定位、識(shí)別和跟蹤,
并對(duì)目標(biāo)的交通行為進(jìn)行分析、理解和判斷,從而完成各種交通流數(shù)據(jù)的采集、交通事件的檢測(cè),并盡快進(jìn)行相應(yīng)處理。視頻的交通事件和參數(shù)檢測(cè)系統(tǒng)有高度的網(wǎng)絡(luò)化和智能化,可實(shí)現(xiàn)遠(yuǎn)程監(jiān)控和設(shè)置。視覺(jué)技術(shù)應(yīng)用于智能車(chē)輛安全保障系統(tǒng),主要用于路徑識(shí)別與跟蹤、障礙物識(shí)別、駕駛員狀態(tài)監(jiān)測(cè)、駕駛員視覺(jué)增強(qiáng)等。德國(guó)UBM大學(xué)Dick-manns教授領(lǐng)導(dǎo)的智能車(chē)輛研究小組一直致力于動(dòng)態(tài)機(jī)器視覺(jué)領(lǐng)域的研究,研制的EMS-Vision視覺(jué)可較好地模擬人眼功能。車(chē)牌識(shí)別技術(shù)(VLPR)是計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要研究課題,是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。隨著圖像處理技術(shù)的日趨成熟,更多算法的融入綜合,使得車(chē)牌識(shí)別技術(shù)逐漸成熟。單一算法很難達(dá)到良好的識(shí)別效果,只有多種方法結(jié)合,才能實(shí)現(xiàn)車(chē)牌識(shí)別的高效性和準(zhǔn)確性。過(guò)去的10多年里,有些國(guó)家已經(jīng)成功開(kāi)發(fā)了一些基于視覺(jué)的道路識(shí)別和跟蹤系統(tǒng)。其中,具有代表性的系統(tǒng)有:LOIS系統(tǒng)、GOLD系統(tǒng)、RALPH系統(tǒng)、SCARF系統(tǒng)和ALVINN系統(tǒng)等。
機(jī)器視覺(jué)技術(shù)在交通各領(lǐng)域都發(fā)揮著越來(lái)越重要的不可替代的作用。在取得較大成績(jī)的同時(shí)仍有不足。其一應(yīng)盡快開(kāi)發(fā)出具有高性價(jià)比的實(shí)用化的激光距離成像系統(tǒng),能夠獲取高質(zhì)量的原始圖片至關(guān)重要;其二,處理各種交通事件的及時(shí)性決定了所有的圖像處理的速度應(yīng)盡可能的快,目前的各種算法都各有優(yōu)劣,如何能在最短的時(shí)間內(nèi)完成圖像的識(shí)別工作成為我們下一步要努力的方向。
3.發(fā)展趨勢(shì)
在機(jī)器視覺(jué)賴以普及發(fā)展的諸多因素中,有技術(shù)層面的,也有商業(yè)層面的,但制造業(yè)的需求是決定性的。制造業(yè)的發(fā)展,帶來(lái)了對(duì)機(jī)器視覺(jué)需求的提升;也決定了機(jī)器視覺(jué)將由過(guò)去單純的采集、分析、傳遞數(shù)據(jù),判斷動(dòng)作,逐漸朝著開(kāi)放性的方向發(fā)展,這一趨勢(shì)也預(yù)示著機(jī)器視覺(jué)將與自動(dòng)化更進(jìn)一步的融合。未來(lái),中國(guó)機(jī)器視覺(jué)發(fā)展主要表現(xiàn)為以下一些特性:
(l)隨著產(chǎn)業(yè)化的發(fā)展對(duì)機(jī)器視覺(jué)的需求將呈上升趨勢(shì)。
(2)統(tǒng)一開(kāi)放的標(biāo)準(zhǔn)是機(jī)器視覺(jué)發(fā)展的原動(dòng)力。
(3)基于嵌入式的產(chǎn)品將取代板卡產(chǎn)品。
(4)標(biāo)準(zhǔn)化一體化解決方案是機(jī)器視覺(jué)發(fā)展的必經(jīng)之路。
(5)機(jī)器視覺(jué)系統(tǒng)價(jià)格持續(xù)下降、功能逐漸增多。
4.結(jié)語(yǔ)
機(jī)器視覺(jué)技術(shù)經(jīng)過(guò)20年的發(fā)展,已成為一門(mén)新興的綜合技術(shù),在社會(huì)諸多領(lǐng)域得到廣泛應(yīng)用。大大提高了裝備的智能化、自動(dòng)化水平,提高了裝備的使用效率、可靠性等性能。隨著新技術(shù)、新理論在機(jī)器視覺(jué)系統(tǒng)中的應(yīng)用,機(jī)器視覺(jué)將在國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域發(fā)揮更大的作用。
參考文獻(xiàn)
[1]李福建,張?jiān)?機(jī)器視覺(jué)系統(tǒng)組成研究[J].自動(dòng)化博覽,2004(2):61-63.
[2]范祥,盧道華,王佳.機(jī)器視覺(jué)在工業(yè)領(lǐng)域中的研究應(yīng)用[J].現(xiàn)代制造工程,2007(6):129-133.
[3]張萍,朱政紅.機(jī)器視覺(jué)技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2007, 30(10):1292-1295.
[4]馬彥平.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用與展望[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃,2009,30(4):21-27.
[5]饒秀勤.基于機(jī)器視覺(jué)的水果品質(zhì)實(shí)時(shí)檢測(cè)與分級(jí)生產(chǎn)線的關(guān)鍵技術(shù)研究[博士學(xué)位論文].杭州:浙江大學(xué),2007.
[6]馮新宇,龐艷輝.車(chē)牌識(shí)別技術(shù)實(shí)現(xiàn)方法初探[J].交通科技與經(jīng)濟(jì),200712:50-511.
[7]徐琨,賀昱曜,王夏黎.基于背景模型的運(yùn)動(dòng)車(chē)輛檢測(cè)算法究[J].微計(jì)算機(jī)信息,2007,4-1:120-1211.
關(guān)鍵詞: 機(jī)器視覺(jué); 圖像檢測(cè); 航空輪胎; 表面質(zhì)量
中圖分類(lèi)號(hào): TP 23文獻(xiàn)標(biāo)識(shí)碼: A
引言近年來(lái),隨著生產(chǎn)工藝飛速發(fā)展,人們開(kāi)始關(guān)注產(chǎn)品的外觀質(zhì)量,比如印刷品、包裝、工藝品等以外觀質(zhì)量為重要附加價(jià)值的產(chǎn)品,又比如航空輪胎等表面缺陷會(huì)直接影響到使用效果甚至?xí)o使用者的生命財(cái)產(chǎn)安全帶來(lái)無(wú)可挽回的損失的產(chǎn)品。眾所周知,機(jī)器視覺(jué)已經(jīng)發(fā)展成為重要的工業(yè)生產(chǎn)加工手段之一,在中國(guó)成為全球重要的制造中心之一的背景下,中國(guó)成為繼美國(guó)、歐洲和日本后的全球第四大機(jī)器視覺(jué)市場(chǎng),同時(shí)也是最具發(fā)展?jié)摿Φ氖袌?chǎng)。一方面外國(guó)企業(yè)積極入駐中國(guó)帶來(lái)了巨大的視覺(jué)系統(tǒng)需求,另一方面國(guó)內(nèi)企業(yè)不斷擴(kuò)大生產(chǎn)規(guī)模,加大了對(duì)視覺(jué)系統(tǒng)的需求,以航空輪胎為例,未來(lái)十年,國(guó)家將在大飛機(jī)項(xiàng)目中投入500~600億資金,大飛機(jī)項(xiàng)目的發(fā)展,必將會(huì)帶動(dòng)航空輪胎行業(yè)大規(guī)模的發(fā)展,對(duì)航空輪胎的質(zhì)量要求也會(huì)更加嚴(yán)格。1國(guó)內(nèi)外相關(guān)技術(shù)研究國(guó)外對(duì)機(jī)器視覺(jué)技術(shù)的研究,由于開(kāi)展的比較早,而且具有資金、技術(shù)以及硬件方面的優(yōu)勢(shì),已經(jīng)走在了國(guó)內(nèi)的前面。國(guó)外的機(jī)器視覺(jué)系統(tǒng)的應(yīng)用領(lǐng)域涉及到了社會(huì)生產(chǎn)的各個(gè)方面,有原始的在線監(jiān)視,也有外觀檢測(cè)以及動(dòng)作、行為控制,許多工業(yè)加工成套生產(chǎn)設(shè)備都集成了機(jī)器視覺(jué)系統(tǒng),成為加工生產(chǎn)線的標(biāo)配,比如印刷生產(chǎn)線上的機(jī)器視覺(jué)質(zhì)量控制系統(tǒng),又比如汽車(chē)制造業(yè)中的移動(dòng)三坐標(biāo)測(cè)量系統(tǒng)[1]。由于經(jīng)濟(jì)和技術(shù)原因,國(guó)內(nèi)絕大多數(shù)圖像處理技術(shù)公司都以國(guó)外產(chǎn)品為主,沒(méi)有或者很少涉足擁有自主知識(shí)產(chǎn)權(quán)的機(jī)器視覺(jué)在線檢測(cè)設(shè)備,對(duì)視覺(jué)技術(shù)的開(kāi)發(fā)應(yīng)用停留在比較低端的小系統(tǒng)集成上,對(duì)需要進(jìn)行大數(shù)據(jù)量的實(shí)時(shí)在線檢測(cè)的研究很少,也很少有成功案例。但是,隨著國(guó)內(nèi)經(jīng)濟(jì)發(fā)展和技術(shù)手段不斷提高,對(duì)產(chǎn)品質(zhì)量檢測(cè)要求就更高,對(duì)在線檢測(cè)設(shè)備的需求也就更大,具有巨大的市場(chǎng)潛力。計(jì)算機(jī)、攝像機(jī)等電子技術(shù)的飛速發(fā)展大大提高了機(jī)器視覺(jué)系統(tǒng)的硬件水平,同時(shí)圖像處理理論和算法的快速發(fā)展也給機(jī)器視覺(jué)系統(tǒng)提供了強(qiáng)大的軟件支持。但是,仍然伴隨著一些問(wèn)題,主要有以下兩點(diǎn):光學(xué)儀器第35卷
第3期謝,等:機(jī)器視覺(jué)在輪胎檢測(cè)領(lǐng)域的應(yīng)用研究
(1)算法的精確性提高伴隨著計(jì)算量的成倍增加,處理時(shí)間就成為了實(shí)時(shí)檢測(cè)的軟肋;(2)硬件的分辨率提高了,圖像的分辨率、精度也隨之提高了,但是數(shù)據(jù)量計(jì)算量都因此成倍增加。因此,如何保證檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性,是機(jī)器視覺(jué)系統(tǒng)在工業(yè)應(yīng)用中需要解決的核心問(wèn)題。2視覺(jué)檢測(cè)核心技術(shù)
2.1機(jī)器視覺(jué)圖像處理技術(shù)機(jī)器視覺(jué)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺(jué)系統(tǒng)是指通過(guò)機(jī)器視覺(jué)產(chǎn)品(即圖像攝取裝置,分CMOS和CCD兩種)將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào),傳送給專用的圖像處理系統(tǒng),根據(jù)像素分布和亮度、顏色等信息,轉(zhuǎn)變成數(shù)字化信號(hào);圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征,進(jìn)而根據(jù)判別的結(jié)果來(lái)控制現(xiàn)場(chǎng)的設(shè)備動(dòng)作。有大量的文獻(xiàn)和著作給與介紹和討論,其中比較著名的馬頌德的《計(jì)算機(jī)視覺(jué)》介紹了計(jì)算機(jī)視覺(jué)的算法和理論,以及Richard Hartley的《Multiple View Geometry in Computer Vision》介紹了在計(jì)算機(jī)視覺(jué)中的幾何理論和方法[2]。機(jī)器視覺(jué)中的圖像處理方法,主要包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。經(jīng)過(guò)這些處理后,輸出圖像的質(zhì)量得到相當(dāng)程度的改善,既優(yōu)化了圖像的視覺(jué)效果,又便于處理器對(duì)圖像進(jìn)行分析、處理和識(shí)別[3]。機(jī)器視覺(jué)理論應(yīng)用于現(xiàn)代檢測(cè)領(lǐng)域,是上世紀(jì)末本世紀(jì)初計(jì)算機(jī)視覺(jué)的一個(gè)新的研究方向。它使用計(jì)算機(jī)視覺(jué)的理論方法來(lái)識(shí)別物體的關(guān)鍵點(diǎn),經(jīng)過(guò)分析處理以后,轉(zhuǎn)換成坐標(biāo)數(shù)據(jù),然后產(chǎn)生檢測(cè)數(shù)據(jù)。國(guó)內(nèi)已有學(xué)者把機(jī)器視覺(jué)技術(shù)運(yùn)用于檢測(cè)領(lǐng)域[4]。但是在輪胎檢測(cè)領(lǐng)域,機(jī)器視覺(jué)技術(shù)的應(yīng)用還僅僅停留在理論之上,還沒(méi)有可實(shí)際應(yīng)用的商品化的設(shè)備,更不用說(shuō)結(jié)合機(jī)器視覺(jué)和嵌入式兩種技術(shù)的便攜式檢測(cè)儀了。
2.2嵌入式技術(shù)嵌入式系統(tǒng)一般指非PC系統(tǒng),有計(jì)算機(jī)功能但又不稱之為計(jì)算機(jī)的設(shè)備或器材。它是以應(yīng)用為中心,軟硬件可裁減的,適應(yīng)對(duì)功能、可靠性、成本、體積、功耗等綜合性嚴(yán)格要求的專用計(jì)算機(jī)系統(tǒng)。嵌入式系統(tǒng)幾乎包括了生活中的所有電器設(shè)備,如掌上PDA、移動(dòng)計(jì)算設(shè)備、電視機(jī)頂盒、手機(jī)上網(wǎng)、數(shù)字電視、多媒體、汽車(chē)、微波爐、數(shù)字相機(jī)、家庭自動(dòng)化系統(tǒng)、電梯、空調(diào)、安全系統(tǒng)、自動(dòng)售貨機(jī)、蜂窩式電話、消費(fèi)電子設(shè)備、工業(yè)自動(dòng)化儀表與醫(yī)療儀器等。嵌入式系統(tǒng)有以下幾大優(yōu)點(diǎn)[56]:(1)嵌入式系統(tǒng)通常是面向特定應(yīng)用的,它通常都具有低功耗、體積小,集成度高等特點(diǎn);(2)嵌入式系統(tǒng)和具體應(yīng)用有機(jī)地結(jié)合在一起,它的升級(jí)換代也是和具體產(chǎn)品同步進(jìn)行的,因此嵌入式系統(tǒng)產(chǎn)品一旦進(jìn)入市場(chǎng),就具有較長(zhǎng)的生命周期;(3)由于空間和各種資源相對(duì)不足,嵌入式系統(tǒng)的硬件和軟件都必須設(shè)計(jì),量體裁衣、去除冗余,力爭(zhēng)在同樣的硅片面積上實(shí)現(xiàn)更高的性能,這樣才能在具體應(yīng)用中對(duì)處理器的選擇更具有競(jìng)爭(zhēng)力。本研究選取嵌入式系統(tǒng)中的DSP(數(shù)字信號(hào)處理器)來(lái)進(jìn)行開(kāi)發(fā),具體型號(hào)為T(mén)I公司的TMS320。它具有很高的編譯效率和執(zhí)行速度,在信號(hào)處理方面具有優(yōu)勢(shì),它的特點(diǎn)如下:(1)程序和數(shù)據(jù)具有獨(dú)立的存儲(chǔ)空間,有著各自獨(dú)立的程序總線與數(shù)據(jù)總線,可以同時(shí)對(duì)數(shù)據(jù)和程序進(jìn)行尋址,大大提高了數(shù)據(jù)處理能力;(2)由于廣泛采用了流水線操作,減少了指令的執(zhí)行時(shí)間,可以同時(shí)運(yùn)行8條指令;(3)與一般計(jì)算機(jī)不同,乘法(除法)不由加法和移位實(shí)現(xiàn),它具有硬件乘法器,乘法運(yùn)算可以在一個(gè)指令周期內(nèi)完成;(4)指令周期降到了1.67 ns。隨著工作頻率進(jìn)一步提高,指令周期將進(jìn)一步縮短;(5)擁有自己獨(dú)特的專門(mén)為數(shù)字信號(hào)處理而設(shè)計(jì)的指令系統(tǒng);(6)相比傳統(tǒng)的處理芯片,它還具有體積小、功耗小、使用方便、實(shí)時(shí)處理迅速、處理數(shù)據(jù)量大、處理精度高、性能價(jià)格比高等許多優(yōu)點(diǎn)。3輪胎檢測(cè)系統(tǒng)構(gòu)成
3.1研究目標(biāo)機(jī)器視覺(jué)用于產(chǎn)品表面缺陷檢測(cè)需要面對(duì)以下主要問(wèn)題:(1)數(shù)據(jù)處理量非常龐大;(2)如何快讀匹配圖像;(3)如何快速實(shí)現(xiàn)缺陷分割并剔除偽缺陷;(4)如何選取缺陷特征,用以實(shí)現(xiàn)缺陷識(shí)別。以具體產(chǎn)品為例,相對(duì)其他輪胎產(chǎn)品,航空輪胎對(duì)質(zhì)量檢測(cè)的要求較為嚴(yán)格,只要航空輪胎的檢測(cè)技術(shù)到位,其他輪胎產(chǎn)品也基本可以檢測(cè)。以航空輪胎的缺陷檢測(cè)為例,根據(jù)GB/T 9747-2008《航空輪胎試驗(yàn)方法》、GB/T 13652-2004 《航空輪胎表面質(zhì)量》和GB 15323-1994 《航空輪胎內(nèi)胎》等標(biāo)準(zhǔn)的要求,研究表面缺陷在線檢測(cè)的圖像處理方案;開(kāi)發(fā)一套基于機(jī)器視覺(jué)的產(chǎn)品表面缺陷的在線檢測(cè)設(shè)備,同時(shí)根據(jù)GB/T 13653-2004 《航空輪胎X射線檢測(cè)方法》所述,配合X射線發(fā)射儀,利用一對(duì)一的服務(wù)器/客戶機(jī)構(gòu)架的機(jī)器視覺(jué)對(duì)標(biāo)準(zhǔn)中所描述的航空輪胎的一系列缺陷,如斷層、氣泡和裂口等進(jìn)行高精度、高實(shí)時(shí)性、高連續(xù)性以及非接觸式的在線缺陷檢測(cè)。具體技術(shù)指標(biāo):(1)能檢測(cè)出最小直徑0.3 mm的輪胎內(nèi)部缺陷(即橫向縱向最小均為0.3 mm)并能對(duì)缺陷進(jìn)行分類(lèi)識(shí)別,主要包括結(jié)構(gòu)類(lèi)、氣泡類(lèi)和夾雜物類(lèi),對(duì)缺陷的檢出率要求大于90%;(2)對(duì)缺陷部位進(jìn)行定量和定位分析:讀出缺陷的尺寸(誤差0.5 mm),測(cè)出缺陷距離輪胎表面的深度,決定缺陷在輪胎內(nèi)部的位置;(3)在線檢測(cè)設(shè)備的檢測(cè)檢測(cè)速度與X射線管旋轉(zhuǎn)速度同步,X射線管旋轉(zhuǎn)一周即完成一個(gè)輪胎一個(gè)圓周的缺陷檢測(cè)。
3.2研究?jī)?nèi)容和技術(shù)路線
3.2.1確定機(jī)器視覺(jué)檢測(cè)系統(tǒng)的基本框架在數(shù)據(jù)量大時(shí),采用一個(gè)處理器搭配一臺(tái)攝像機(jī)的一對(duì)一方式。在產(chǎn)品表面檢測(cè)中,由于航空輪胎的圓周面比較大,數(shù)據(jù)量也就比較大,通常采用的機(jī)器視覺(jué)單攝像機(jī)方式,很難滿足圓周面檢測(cè)分辨率高、數(shù)據(jù)量大的要求,而多臺(tái)攝像機(jī)能滿足分辨率和數(shù)據(jù)量的要求,卻又相應(yīng)帶來(lái)實(shí)時(shí)性差的問(wèn)題。若采用多臺(tái)攝像機(jī)的方式,就需要配備多套成像系統(tǒng),一套成像系統(tǒng)造價(jià)在10萬(wàn)元左右,基于成本和計(jì)算數(shù)據(jù)量的考慮,本研究選用一對(duì)一方式,利用分時(shí)運(yùn)動(dòng)克服單臺(tái)攝像機(jī)采集數(shù)據(jù)量不足的缺點(diǎn)。具體來(lái)說(shuō),就是在經(jīng)典的服務(wù)器/客戶端模式架構(gòu)的基礎(chǔ)上設(shè)計(jì)一種基于機(jī)器視覺(jué)的系統(tǒng)結(jié)構(gòu)以實(shí)現(xiàn)輪胎圓周面產(chǎn)品表面缺陷的在線檢測(cè),該結(jié)構(gòu)主要由四部分組成:服務(wù)器(嵌入式系統(tǒng))、客戶端(圖像處理子系統(tǒng))、信號(hào)模塊(PLC)、輸出單元。系統(tǒng)框架如圖1所示。每隔一定的時(shí)間(系統(tǒng)初步設(shè)定為5 s),服務(wù)器通過(guò)PLC控制步進(jìn)電機(jī)驅(qū)動(dòng)輪胎做圓周轉(zhuǎn)動(dòng),每轉(zhuǎn)過(guò)一個(gè)固定角度(系統(tǒng)定為120°),服務(wù)器就調(diào)動(dòng)客戶端完成此區(qū)域內(nèi)相對(duì)獨(dú)立的視覺(jué)檢測(cè)任務(wù),一次間隔只檢測(cè)輪胎的三分之一(120/360),經(jīng)過(guò)3個(gè)時(shí)間間隔,客戶端即完成了整個(gè)輪胎360°的全面檢測(cè),然后利用拼接原理把各部分拼接起來(lái),統(tǒng)一到一個(gè)坐標(biāo)系下。拼接測(cè)量的關(guān)鍵是利用重疊區(qū)計(jì)算出各次測(cè)量時(shí)基準(zhǔn)的不同,然后消除不同,統(tǒng)一在一個(gè)坐標(biāo)系下。拼接測(cè)量的方法可以直接計(jì)算出被測(cè)輪胎的全面信息。為了保證服務(wù)器和客戶端之間圖像檢測(cè)數(shù)據(jù)可靠、實(shí)時(shí)的交互,本研究采用千兆以太網(wǎng)的方式傳輸數(shù)據(jù)。作為整個(gè)檢測(cè)系統(tǒng)的管理控制單元和人機(jī)交互接口,服務(wù)器不僅要完成檢測(cè)任務(wù)的調(diào)度,還要可以設(shè)定檢測(cè)參數(shù),接收和實(shí)時(shí)顯示客戶端上傳的圖像數(shù)據(jù)和處理結(jié)果(缺陷等),并將信息存入數(shù)據(jù)庫(kù)中。此外,服務(wù)器還接收PLC傳來(lái)的位置檢測(cè)信號(hào),用于與客戶端的同步,并且根據(jù)檢測(cè)結(jié)果中的位置信號(hào),對(duì)執(zhí)行機(jī)構(gòu)發(fā)出動(dòng)作信號(hào),標(biāo)記并剔除有缺陷的產(chǎn)品。在客戶端處理核心中安裝有圖像采集卡,接收服務(wù)器設(shè)置的參數(shù)和任務(wù)調(diào)度,控制采集卡和攝像機(jī)完成圖像實(shí)時(shí)采集,利用圖像處理算法處理和分析圖像數(shù)據(jù),將最終得到的缺陷位置和分類(lèi)信息上傳給服務(wù)器,保存缺陷圖像以備查。
3.2.2設(shè)計(jì)編寫(xiě)表面缺陷檢測(cè)的圖像處理方案在表面缺陷檢測(cè)中,根據(jù)圖像數(shù)據(jù)的特點(diǎn),本研究提出以下圖像處理過(guò)程:缺陷分割、特征提取及缺陷分類(lèi)。首先是缺陷分割:在表面缺陷檢測(cè)的時(shí)候,利用圖像處理算法,處理采集到的產(chǎn)品表面圖像,將缺陷從復(fù)雜的背景圖像中分離出來(lái)。接著是特征提取:提取缺陷后,對(duì)缺陷的各種標(biāo)識(shí)性屬性進(jìn)行提取,主要是幾何特征和灰度統(tǒng)計(jì)特征,以保證后續(xù)的缺陷分類(lèi)和識(shí)別。幾何特征指的是輪廓特征,比如長(zhǎng)度、形狀、面積、重心等?;叶冉y(tǒng)計(jì)特征指的是分布位置、統(tǒng)計(jì)值、均方差等等。還有缺陷分類(lèi):本研究采用改進(jìn)的BP算法[7]對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,構(gòu)建神經(jīng)網(wǎng)絡(luò)分類(lèi)器來(lái)實(shí)現(xiàn)輪胎缺陷分類(lèi),為了提高檢測(cè)系統(tǒng)對(duì)偽缺陷的適應(yīng)性,本研究將部分偽缺陷也作為網(wǎng)絡(luò)輸出并對(duì)其進(jìn)行訓(xùn)練。由于圖像處理中需要運(yùn)用大量的計(jì)算機(jī)內(nèi)存處理算法,為避免編程中出現(xiàn)內(nèi)存泄露進(jìn)而造成計(jì)算機(jī)內(nèi)存資源流失的現(xiàn)象,決定采用對(duì)內(nèi)存進(jìn)行托管的C#語(yǔ)言進(jìn)行編程。
3.2.3服務(wù)器和客戶機(jī)系統(tǒng)之間的同步服務(wù)器/客戶端模式架構(gòu)的機(jī)器視覺(jué)系統(tǒng)具有獨(dú)立性和并行性的特點(diǎn),它不得不面臨的一個(gè)重要問(wèn)題是如何解決服務(wù)器和圖像處理子系統(tǒng)之間的同步問(wèn)題,包括攝像機(jī)同步采集、數(shù)據(jù)同步處理和輪胎運(yùn)動(dòng)同步控制等。本研究利用攝像機(jī)本身的外同步特性,采用對(duì)攝像機(jī)提供統(tǒng)一的線掃描觸發(fā)信號(hào)保證攝像機(jī)采集同步。機(jī)器視覺(jué)系統(tǒng)基本組成模塊見(jiàn)圖2。
4結(jié)論實(shí)際測(cè)量結(jié)果證明,應(yīng)用視覺(jué)檢測(cè)方法可以較好地解決傳統(tǒng)測(cè)量方法中時(shí)間長(zhǎng)、工作量大、測(cè)量效率低的問(wèn)題。該方法能夠充分利用現(xiàn)代計(jì)算機(jī)技術(shù)的優(yōu)勢(shì),設(shè)備簡(jiǎn)單、易用,克服了傳統(tǒng)測(cè)量?jī)x器的許多誤差來(lái)源,具有快速、準(zhǔn)確、非接觸測(cè)量的優(yōu)點(diǎn)。在實(shí)驗(yàn)室中初步完成了實(shí)驗(yàn)系統(tǒng)的核心部分(如圖3所示),與傳統(tǒng)的測(cè)量方法相比,原先需要15 min的測(cè)量時(shí)間,現(xiàn)在只需要15~30 s就可完成,操作也更加簡(jiǎn)單便捷。該系統(tǒng)可檢測(cè)出最小直徑0.3 mm的輪胎內(nèi)部缺陷(即橫向縱向最小均為0.3 mm)并能對(duì)缺陷進(jìn)行分類(lèi)識(shí)別,主要包括結(jié)構(gòu)類(lèi)、氣泡類(lèi)和夾雜物類(lèi),對(duì)缺陷的檢出率為96%。
參考文獻(xiàn):
[1]彭向前.產(chǎn)品表面缺陷在線檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D].武漢:華中科技大學(xué),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]章毓晉.圖像處理和分析[M].北京:清華大學(xué)出版社,1999.
[4]朱方文.基于LAP方法的機(jī)器人靈巧手控制[D].上海:上海大學(xué),2006.
[5]張嘉琪.基于嵌入式系統(tǒng)圖像處理平臺(tái)的萬(wàn)壽菊水分狀態(tài)檢測(cè)系統(tǒng)的研究[D].重慶:西南大學(xué),2009.
級(jí)別:北大期刊
榮譽(yù):Caj-cd規(guī)范獲獎(jiǎng)期刊
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)期刊全文數(shù)據(jù)庫(kù)(CJFD)
級(jí)別:北大期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:統(tǒng)計(jì)源期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)