前言：中文期刊网精心挑选了计算机视觉的作用范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
计算机视觉的作用范文1
关键词：计算机图形图像技术；视觉传达设计；实现意义
中图分类号：TP391.41
自从计算机产生以来，随着技术的不断发展和延伸，计算机软件技术已经逐渐地渗透到人们生活当中的各个角落。从视觉传达的方式上来看，视觉传达设计要素整个概念从很久以前就已经出现了，但是将视觉传达设计要素和计算机图形图像技术相结合的理论提出却是最近几十年间的事情。将计算机图形图像技术和视觉传达设计要素充分联系起来便可以使受视者更加方便且容易地对事物的概念和内在含义进行理解，因此可以说计算机图形图像技术对视觉传达设计要素具有十分重要的实现意义。
1 计算机图形图像技术与视觉传达设计的含义
计算机图形图像设计是指利用计算机的各种技术对其存储器中的设计数据进行处理，并将设计出来的图纸展示在显示器或是绘图软件上的一种手段。从视觉传达设计的角度出发，它是指对文字、色彩、图形、编排等基本要素的信息通过计算机技术进行有目的的创作，而我们通常把这种技术成为计算机图形图像技术[1]。
视觉传达是指以视觉符号为信息传递的通道，表达传播的方式通过视觉语言来进行，通常指的就是人与人之间通过“看”这种形式来进行的交流。视觉传达设计是指针对设计的内容进行处理使其具有视觉传达的功能。视觉传达设计多是指平面设计，以印刷物为媒介，主要包括书籍设计、企业形象设计、标志设计、包装设计、广告设计等。视觉传达设计主要针对色彩、图形、编排、文字等基本要素进行艺术创作，在人们的生活中有着极其重要的作用。
图形是有意识、有内涵创造出的视觉符号，它具有直观性。计算机图形图像技术在视觉传达领域得到了充分地应用，它的繁荣发展给视觉传达设计领域的发展带来了突破。在计算机技术迅速发展的今天，在视觉传达设计中应用计算机图形图像技术不仅可以丰富人们的文化和精神世界，对设计艺术的发展也起到了不容忽视的重要作用[2-3]。
2 计算机图形图像技术对视觉传达设计要素的意义
2.1 计算机图形图像技术对编排要素的实现意义
计算机图形图像技术对视觉传达当中的编排要素具有十分重要的意义，而编排要素所设计到的面非常之广，例如广告设计、影像创意等都与其有着密不可分的联系。对广告和影像的图片进行合理完美的编排能够带来与众不同的创意效果。设计艺术的一个主要分支是视觉创意设计，这一类设计往往没有带有明显的商业目的，但是它给喜欢设计的人们提供了一个广阔的设计空间，也就因为这样越来越多的设计者对计算机图像设计开始感兴趣，并在具体的学习过程中加入了自己的风格与特色，使视觉传达更具创造力。对视觉传达编排要素要求特别严格的工作是广告摄影及手绘，它的目的是运用视觉传达设计的手段将企业的包装风格、行为观念、经营理念、管理特色、营销策略与准则打造成一个完整统一的形象，它希望通过计算机图形图像技术的编排来使产品达到满意的效果[4]。除此之外，计算机图像设计的优点是想象力及创造力丰富，原本风马牛不相及的对象可以通过强大的图形处理软件编排在一起，利用各种替换和修改技术使图像发生本质性的变化。举例而言，对于果汁饮品瓶子进行编排设计也可以达到意想不到的效果，我们常常看到在瓶面上会有滴答的果汁掉入人物口中的图案设计，这样的设计不仅增强了视觉的逼真效果，也让人们感到新鲜可爱。这样的图形图像设计在市场上数不胜数，给饮品的生产厂家带来了很大的经济效益。
2.2 计算机图形图像技术对色彩要素的实现意义
所谓色彩就是人眼收到可见光以后对物体所产生的第一感觉的视觉反应，因此在视觉传达当中，色彩要素是其中一个比较重要的要素。计算机的图形和图像设计通过对色泽、明度和纯度等的调整和把握，可以将三维立体的效果进行再现，使人能够更加直观地观察到一个事物的本身。因此，计算机设计师可以借助计算机的图形和图像技术将生活当中丰富多彩的色彩充分地传达给受视者，这样受视者便可以通过计算机所传达的各式各样的色彩信息来充分地了解这个世界，而且还能将其充分地应用到生活当中的各个领域。比如，能够吸引消费者眼球的往往是新颖别致的包装设计，在我们的日常生活中，我们也能够看见各类商品的包装都是五花八门。服装的包装、食品的包装等都与计算机图形图像的视觉传达设计紧密联系[5]。实现商品价值和使用价值的手段往往是商品的包装，无论是我们看到的海报、宣传彩页，还是我们正在阅读的书籍封面，这些平面印刷品都具有丰富的视觉传达效果。要想引起人们的兴趣，首先要做的就是需要通过计算机图形图像设计软件对其进行新颖的颜色设计。只有这样才能引起人们的广泛兴趣，从而加深对其在文化性、知识性和思想性方面的认识。只要对产品进行不同的透明度、不同的色彩设置都能够传达不一样的视觉效果。
2.3 计算机图形图像技术对图形要素和文字要素的实现意义
计算机图形图像技术对图形要素的实现意义主要体现在图形图像的调整与制作和图形图像的划分两个方面。对采集来的图像计算机图形图像技术可以从两个方面对其进行调整与制作处理。一是方便设计需要，对图片可以进行滤镜特效、色彩调整和图像合成等处理。二是通过计算机绘图技术来进行绘制，例如一种图形或图像通过技术参数的设置可以在纵横两个轴上实现大数量的散布，与此同时更有颜色、透明度、形状等多种变化，这些变化都是在几秒钟内完成的，手绘是不能在这么短的时间内达到的。计算图形图像技术对图形图像进行了明确的划分，分为矢量图和位图。位图是按位对图标进行绘制，而矢量图则是以数字的方式对绘画过程中几何图形的各种要素进行记录并绘制。前者能够设计出色彩和亮度丰富的图像，而后者则能够将事物原本的轮廓和线条表现出来。此外，计算机的图形图像设计也可以应用到文字设计当中，并且操作起来非常的简单。在常用的软件中，只要在工具栏中选择设计“字体颜色”、“字体”、“字体”、“字体大小”，在选定后的区域输入想要输入的文字，之后也可以对文字进行艺术处理。文字在进过计算机图像设计的处理后会发生各种各样的变化，不仅增强了视觉传达的效果，也提高了作品的诉求率。例如商家在广告图片中各种各样的文字设计不仅增强了广告效果，也传递着快乐的氛围。因此，计算机图形图像设计可以使任何形式的文字都能够在视觉传达过程中实现其自身所蕴含的图形意义。
3 结束语
本研究主要针对计算机图形图像技术对视觉传达设计要素的实现意义等方面的内容做出了简要的分析和研究，文中笔者也提及了一些自己的主观看法。因此，在今后的时间里，相关的工作人员和技术人员需要不断地努力，争取将计算机图形图像技术和视觉传达设计要素更好地结合在一起，这样便能够使视觉传达更具有延续性和生命力。
参考文献：
[1]黄兰，何天泉.高校视觉传达专业计算机辅助设计的学科建设[J].艺术教育，2010（12）：45-46.
[2]童江涛.教学课件设计的视觉传达分析[J].艺术研究，2011（01）：32-33.
[3]钱璐.平面设计软件教学与绘画结合的探讨[J].美术大观，2011（06）：07-08.
[4]侯庭卓.Photoshop辅助色彩构成教学探索[J].艺术与设计（理论），2011（04）：28-29.
计算机视觉的作用范文2
关键词：计算机图形学；计算机视觉；可视化技术
中图分类号：TM862 文献标识码：A 文章编号：1671-2064（2017）01-0054-02
计算机图形学、计算机视觉以及可视化技术三者均是计算机领域重要组成部分，要做好计算机知识，就要先学好计算机图形学，但计算机图形学学习相对枯燥，尤其是算法教学难以理解，为解决这一问题，计算机视觉与可视化技术被应用到计算机图形学中。可见，三者之间存在一定的联系，因此，有必要对计算机图形学、计算机视觉以及可视化技术展开研究。
1 计算机图形学概述
1.1 计算机图形学目的
所谓的计算机图形学实际上就是怎样利用计算机表示图形，并利用计算机完成图形计算与处理，而这一过程的实现需要得到相关算法的支持。学习计算机图形学的目的是利用计算机技术为人们呈现既带有美感又不缺真实的图形（如下图1所示），为实现这一目标，就需要按照图形的要求创设合适的场景，并在一些光照模型的作用下，做好光照效果设计，在这一过程中需要计算机图形学能够与其他计算机技术相配合。经过计算机图形学出来的图像，多会以数字图像的方式展示出来，总的来说，计算机图形学与图像处理之间存在着一定的联系[1]。计算机图形学的涉及范围相对宽泛，不仅有图形硬件设计，还包括动画制作，虚拟现实等多个部分。此外，计算机图形学在动画制作中的应用频率也很高，如45分钟一集的动画影片中，85%的画面都需要用算机图形学来完成，由此可见，计算机图形学的应用频率极高，并在动画制作中发挥着不可替代的作用。因此，应重视计算机图形学的应用。
1.2 计算机图形学应用
随着计算机图形学的发展，它被应用到各个领域中，并发挥着重要作用。首先，在计算机辅助设计与制造中的应用，这是计算机图形学应用最多的领域，在计算机图形学被应用以后，不仅可以设计出更精准的图形，还能做好人机交互设计，强化修改能力。计算机图形学还被应用到三维形体重建中，利用该技术可以将原理的二维信息转化为三维信息，如在某次工程图纸设计中就应用了计算机图形学，经过一系列的处理以后，三维形体逐渐形成，最终实现了重建。其次，在医学领域中的应用。计算机图形学在医学领域中的应用多以计算可视化的形式展示出来，如在脑部手术中，医生为看清患处真实情况，经常需要利用在可视化技术的作用下将复杂的数据转化为图像，这时就体现了计算机图形学在其中的应用[2]。再者，在计算机动画中的应用，人们看到的动画影片就是计算机图形学作用的结果，以动画人物的行走为例，为保证动画人物的行走与自然人不存在过大差异，就需要应用大量的计算机技术，并在计算机图形学的作用下完成设计。最后，在计算机艺术中的应用。计算机图形学在计算机艺术中也有广泛应用，它不仅可以用于艺术制作，很多场景都是通过计算机图形学来完成的，现阶段，一些人正在利用计算机图形学创设人体模拟系统，其目的是让已故人士再次出现在荧屏上，这一目标的实现就需要得到计算机图形学的支持。
2 计算机视觉技术
2.1 计算机视觉技术含义
所谓的计算机视觉技术，实际上就是用计算机取代人眼做识别、跟踪以及测量等，同时也兼顾图形处理，其目的是让图像在计算机被处理以后更适于识别。对于计算机视觉技术来说，意在实现人工智能，主要是从图像与多维数据等方面实现人工智能系统设计[3]。计算机视觉是一种在相关理论与模型基础上发展起来的视觉系统，其主要构成部分有以下几种：
（1）程序控制，这一点主要体现在机器人设计上；（2）事件检测，多体现在图像监测上；（3）信息组织，主要体现在图像数据库等方面。计算机视觉三个阶段如图2所示，通过观察图1可以发现，计算机视觉存在于图像处理始终，从早期处理直到后期结束都存在，最终实现了3D描述，可见，计算机视觉具有十分重要的作用[4]。
2.2 计算机视觉技术的应用
现阶段，现代社会已经进入信息化时代，计算机技术也被应用到各个领域，并发挥着重要作用。计算机视觉的应用促使计算机实现了智能化，在该技术的支持下，计算机可以像人一样透过视觉看待世界万物，且具有良好的适应能力，但这一目标的实现还需要很长时间，需要一系列的努力才能实现。现阶段，计算机视觉应用最多的就是车辆视觉导航，然而，这种导航还没有实现完全自主导航，这也是需要进一步研究的地方。计算机视觉技术的适应性较好，特别适合在工业领域应用，即便是存在电子在干扰或温度变化较大的地方都能很好的运行，其整体效果也不会受到影响，再者，计算机视觉技术的嵌入性较好，成本相对较低，尤其适合在PC方案中使用，同时，具有一定的非接触能力，能够获取大量信息，且不受距离限制，总的来说，计算机视觉技术总体效果较好，适合利用在各种工业环境中应用，因此，应重视计算机视觉技术的应用[5]。同时计算机视觉还被应用到移动机器人设计中，主要是利用小波模板展示人体形态，然后做图像扫描，这样就可以顺利完成小波变换，进而了解到人的存在。同样，将计算机视觉应用到机器人设计上，可以自动检测出正在行动的人或车辆，而无法检测到静止的人，之所以会出现这样情况，主要是由于其中采用率步态分析法。
3 可视化技术
3.1 可视化技术含义
可视化技术是一种综合了计算机图形学与图像处理于一体的技术，它可以将复杂的数据转化为图像并在屏幕上展示出来。在可视化技术中，融合了以上两种技术的特点，并在多个领域都有应用，随着可视化技术的应用，不仅有效实现了数据表示，还强化了数据处理能力，更对数据决策分析有一定作用[6]。现阶段，虚拟现实技术已经成为可视化技术主要发展方向。
3.2 可视化技术的应用
首先，在计算机图形学教学中的应用，计算机图形学相对枯燥，相关知识也很抽象，不便于学生理解，在计算机图形学中最重要的部分是曲线曲面，而这些曲线曲面多是与数学模型有关，具有一定的抽象性，学生理解难度较大，以往教师只能通过一系列的公式演算帮助学生理解，尽管这样依然难以让学生掌握曲线变化情况，学生依旧无法正确理解。为减少这种情况的发生，可视化技术被应用到计算机图形学教学中，教师将抽象的知识用动画的形式展示出来，学生只要观看动画，拖动一定的控制点就可以了解到曲线变化情况，这样一来不仅增加了教学趣味性，学生也可以随意变动曲线，让复杂的知识变得简单，深化学生对计算机图形学知识的深度理解，同时，利用可视化技术在一定条件下，还可以完成代码编译，如在Actoin ScriPt中做编译，这样也可以增强学生的理解能力[7]。
其次，在医学领域中的应用。医学领域对于可视化技术的应用主要体现在放射治疗与矫正手术上。通过可视化技术可以屏幕上看到手术整个过程，并将原来细节部位放大，手术医生观察的更加细致，手术成功几率也会大幅度提升，患者生命也能得到保证（如图3所示）。如在对某名患者进行身体检查的过程中需要应用到可视化技术，由于通过检查会获得大量数据，而这些数据又相对复杂，但在可视化技术下就可以通过图表、曲线图或立柱图的方式展示出来，经过可视化技术的作用，了解到患者的血糖为5.6mmol/L，医生可以根这一数据做出诊断，而不必再分析这些数据。据不完全统计，80%的医疗检查工作都是需要利用可视化技术。
地质勘探是我国最重要的工作之一，由于多数矿藏都深埋地下，即便使用探测仪受多种因素影响也无法了解到实际矿藏情况，这就需要应用到可视化技术，在可视化技术的作用下，相关工作人员可以了解到地下有无矿藏，如果存在矿藏，相关工作人员也可以了解到矿藏所在位置与实际储备量，进而为矿藏开采奠定基础。如在地质勘探中，相关工作人员利用可视化技术做地形图整理，然后从中提取地形数据，再用CATIA做导入，这样就可以完成地形模型创建，这样就完成了三维地质模型创建工作，同时在相关工作台的影响下，还可以完成地形数据导入，进而生成一定的地形云点，如果其中存在错误，可视化技术也可以将其中的错误内容删除，这些都是可视化技术所带来的好处[8]。由此可见，可视化技术已经成为地质勘探中不缺少的技术。
最后，在气象预报中的应用（如图4所示）。利用可视化技术能够将数据转化为图像，通过观察图像就可以了解到云层变化情况，同时也能了解到实际风力大小与风走向等，气象预报人员就可以根据图像做出精准分析，需要了解气象变化的人也能了解到现实情况，如果气象条件恶劣，相关工作人员也可以及时做出工作调整，减少危险事件的发生。据不完全统计，可视化技术在气象预报中的应用频率高达100%，由此挽回的经济损失高达13.2亿元，可见，可视化技术在气象预报中的应用十分有必要，因此，应重视可视化技术在气象预报中的应用。
4 结语
通过以上研究得知，计算机图形学、计算机视觉以及可视化技术三者各具特色，三者间也存在一定的关系，尤其是可视化技术综合了前两者的特点，并融合了其他技术，在很多领域中都有应用。可视化技术是现阶段应用最多的一种技术，在计算机图形学教学中也有应用，并发挥着不可替代的作用。本文分析了计算机图形学、计算机视觉以及可视化技术的含义与应用，希望能为相关人士带来有效参考，正确利用这些技术。
参考文献：
[1]陈敏雅，金旭东.浅谈计算机图形学与图形图像处理技术[J].长春理工大学学报，2011（01）：138-139+146.
[2]柳海兰.浅谈计算机图形学的发展及应用[J].电脑知识与技术，2010（33）：9551-9552.
[3]滑瑞朋.计算机图形学的应用及研究[J].山西科技，2012（05）：37-38+45.
[4]刘涛，仲晓春，孙成明，郭文善，陈瑛瑛，孙娟.基于计算机视觉的水稻叶部病害识别研究[J].中国农业科学，2014（04）：664-674.
[5]关然，徐向民，罗雅愉，苗捷，裘索.基于计算机视觉的手势检测识别技术[J].计算机应用与软件，2013（01）：155-159+164.
[6]许志杰，王晶，刘颖，范九伦.计算机视觉核心技术现状与展望[J].西安邮电学院学报，2012（06）：1-8.
计算机视觉的作用范文3
关键词：图像处理 计算机视觉 立体视觉
在实际工程实践中，由于受现场条件和测试技术本身的限制，结构动位移的测试往往存在一定的困难和挑战，这也使动位移并未成为结构动力性能评估中一个常见的评估指标。结构动位移响应是直接反映结构在动力荷载作用下安全性和整体性的重要参考指标。随着工程结构或构件建造得越来越柔和复杂结构模型试验研究的发展，如大跨度桥梁、高层建筑、索结构等的现场测试以及结构振动台试验、风洞试验等，结构动位移的测试显得尤为重要。
计算机视觉是研究计算机模拟生物外显或宏观视觉功能的科学与技术，是一个发展十分迅速的研究领域，其研究手段涉及甚广，如图像处理、机器视觉、医学图像分析、模式识别、计算机图形学、人工智能等。当计算机通过视觉传感器（比如相机或摄像机等）试图分析三维空间的物体时通常只能给出二维图像，通过计算机分析和处理图像信息，可以重构实物的三维几何信息，包括其形状、位置、姿态、运动等。因此，通过计算机视觉技术实现结构动位移的测量是可行的。上世纪八十年代中期以来，随着计算机软、硬件技术的不断发展，在土木工程领域，国内外很多学者尝试将计算机视觉技术用于结构的几何测试，包括结构的位移（静、动位移）、裂缝、表观外形等。Aw和Koo采用数码照相机来进行预设目标的坐标测量，经过基于计算机视觉理论的光束法优化后，其测试精度为2.24mm。Nieder？st和Maas利用数码摄像机来测试混凝土梁在脱水收缩过程中的变形情况，其在相机视场为80cm时测试精度可达0.03mm。相类似地将计算机视觉技术用于结构特性的测量例子还有很多，比如混凝土管片变形检测，梁破坏试验中的变形测量，远距离桥梁变形测量，轨道梁破损状况的检测等。相比于结构静态几何特性的测试，结构动态特性的测试应用相对不多。Olaszek利用摄像机来摄录桥梁的振动情况，并以计算机视觉技术进行结构动位移重构分析，得出的动位移测试精度为1mm左右。Yoshida等采用立体视觉技术来测试一块薄板的三维振动特性。
一、单相机标定
二、基于立体视觉的两相机立体标定
三、图像点跟踪
图像点跟踪是基于立体视觉的结构位移测试手段中的重要环节。在图像（或视频）分析过程中，点跟踪的精度会直接影响位移测试的最终结果。在实际测试中，本文采用两个黑方格组成的目标模板粘贴在所测结构的表面，方格尺寸均为30×30mm，两方格的交叉角点作为图像分析的跟踪点。
四、三维点重构
计算机视觉的作用范文4
【关键词】计算机视觉；构件；表面特征；检测
表面缺陷检测以及特征提取，所涉及的范围是非常广泛的，包括了铁轨表面缺陷、带钢表面缺陷以及织物表面缺陷等。因此加强对产品的表面缺陷提取以及质量检测显得尤为重要，目前基于计算机视觉的构件缺陷检测系统已经受到国内外研究人员的重视，如何更好地将计算机视觉技术引入到产品表面质量缺陷检测中去是未来发展的重点。笔者将在下文中就此展开详细的阐述。
1.计算机视觉的基本工作原理
1.1系统结构
计算机视觉是一项涉及范围广泛的技术，他通过图像采集装置将检测目标转化为图像信号，再经过专门性的额图像处理系统最终生成具体的表面特征。具体来讲在图像处理环节米旭涛根据图像的具体像素以及图像分布和颜色、亮度、饱和度等进行目标提取，再比照系统预设的参照值得出最终的检测结果，例如尺寸大小、颜色等师傅偶合格。计算机视觉处理系统包括了光源、镜头、计算机以及图像采集装置和处理系统等，这些系统综合组成共同推动了计算机视觉系统的正常稳定运行。
1.2计算机视觉硬件设计
计算机视觉系统的硬件平台包括了照明系统、镜头相机以及图像采集装置和工控机四个部分，这四个部分缺一不可，共同组成了整个计算机视觉系统。
1.2.1照明系统
照明系统是整个计算机视觉系统的关键，尤其是在光源和照明方案的配合上更是直接影响了整个系统运行的成败。因此在照明方案的制定以及光源的选择上应该尽可能的突出物体特征参量，综合考虑对比度以及亮度等因素，将计算机视觉系统的光源与照明方案相匹配，选择需要的几何形状以及均匀度等，同时还需要结合被检测物体的表面特征几何形状。针对构件表面缺陷的照明方案，笔者认为应该选择功率相对较大的LED光源，用低角度的方式进行照明。
1.2.2相机镜头
相机系统是成像的关键，因此在相机镜头的选择上应该适用于具体的构件。一般来说相机镜头包括了两方面内容，一是线扫，二是面扫。通过二者的综合运用实现更好地成像效果。
1.2.3图像采集卡
图像采集卡主要是指在计算机视觉系统中位于图像裁剪机设备和图像处理设备之间的重要接口。是成像的中间环节，发挥着不可或缺的作用。
2.基于计算机视觉的构件表面缺陷特征提取
基于计算机视觉的构件表面缺陷特征提取可以分为为三个重要部分，分别是图像预处理部分：主要是指针对构件进行区域的定位，将非构件的部分移出计算机视觉的缺陷提取技术中去，从而降低了后续工作的工作难度；其次是进行缺陷定位，主要是指通过特定的技术和算法将缺陷从结果当中直接分离出来。第三部分是缺陷特征的提取，也是系统处理的结果部分，是通过计算缺陷的程度以及缺陷大小，从而为后期的构件维护提供参考依据。具体来说，这三个部分的操作主要体现在以下几个方面：
2.1区域定位
区域定位是减少构件处理和选择时间的关键，能够大大提高构件缺陷提取的效率。构件的表面的基本特征和大致集合框架提取是区域定位和的第一步，要将计算机区域定位和缺陷提取结合起来，更好地实现缺陷分析。要做好构件的区域定位首先需要明确构件的基本种类和特征：一是根据构件的重用方式来说，可以分为白匣子、灰匣子、黑匣子从构件的使用范围来看又可以分为通用构件和专用构件；根据构件的粒度的大小可以分为小。中大三种不同粒度的构件；再次是从构件的功能上来看可以分为系统构件、支撑构件以及领域构件三个部分。四是从构件的基本结构特征来看可以分为原子构件以及组合构件。最后从构件的状态来说，又可以分为动态和静态构件。因此从不同种类的构件进行区域定位为视觉系统正常运行创造了优良的条件。
2.2缺陷提取
在进行缺陷提取的过程中，难免会受到客观的环境影响，比如噪声、温度以及湿度等对图像处理的结果产生影响，因此需要对区域定位中产生的区域进行滤波处理，然后再采用阈值分割的办法进行缺陷提取。具体操作步骤如下所示：
（1）计算出成像中的最小最大灰度值，并且设置初始阈值。
（2）根据阈值，结合图像的分割目标，将图像分割成为目标和背景两个部分，求导出平均灰度值。
（3）再根据新的平均灰度值计算出新的阈值。
（4）观察阈值的初始值与新阈值之间的关系，如歌二者相等则整个计算过程就结束，如果不相等，则就需要进一步计算。
通过阈值计算得出啊的最佳阈值分割效果图，能够进行初步的缺陷预判，但是初步预判当中还存在较多的不确定因素，主要包括两类，一是在边缘部分出现的细小毛刺，由于与缺陷的距离较近，因此在初步缺陷提取中容易形成误判、再次是在构件表面有一些非常细小的缺陷，这些缺陷的影响较小，不会对构件的性能造成影响，因此在进行缺陷提取的过程中需要将这两个因素排除在外，具体主要是指采用图像形态学中开运算和闭运算，从而达到对构件中的明了细节和暗色细节的过滤。具体来说缺陷的分割提取采用的是Sobel算子。主要是利用了图像像素点的上下左右灰度加权算法，对构件表面的缺陷进行检测。再采用二值图像边界跟踪法，将缺陷从构件图像中分离出来。
2.3缺陷特征提取
缺陷特征提取，又可以称之为缺陷的定量计算和定性过程，是将前期所得的数据结果以更加直观的形式展现出来，通过对比指标参数判断构件的表面质量是否合格，符合基本的生产标准。一般来说常用的表示缺陷特征的标准有以下几种：
（1）周长：周长是对缺陷的边界长度的描述，在图像特征上显示则是指构件成像上的缺陷区域的边界像素数量。
（2）面积：面积相对于周长能够更加直观地反映整体缺陷的大小，它是缺陷区域中的像素的总数，因此更高体现缺陷的影响规模。
（3）致密性：这是一个相对专业的缺陷指标概念主要是指每平方面积上的平方周仓，是一个双单位描述指标。
（4）区域的质心：区域质心是描述缺陷的影响关键也就是缺陷区域内的核心区域，是对整个区域的核心描述。
（5）最小外接矩形。
3.结语
综上所述，构件表面缺陷直接影响构件的最终使用效果，构件表面缺陷的检测应用领域也逐渐广泛，而计算机视觉技术在检测缺陷中的优越性更体现了基于计算机视觉的构件表面缺陷特征提取的研究价值。本文主要针对构件表面缺陷的检测，综合计算机视觉技术提出了具体的检测方法和检测工作原理，通过对表面缺陷的检测，力图提高构件的整体质量。
【参考文献】
[1]陈黎，黄心汉，王敏，何永辉，龚世强.带钢缺陷图像的自动阈值分割研究[J].计算机工程与应用，2002，（07）.
[2]许豪，孔建益，汤勃，王兴东，刘源泂.基于数学形态学的带钢表面缺陷边缘提取[J].机械设计与制造，2012，（06）.
计算机视觉的作用范文5
关键词 模式分析 计算机视觉 教学改革
中图分类号：G643.2 文献标识码：A DOI：10.16400/ki.kjdkz.2016.03.015
Research and Practice on Course Group of Pattern Analysis and
Visual Processing for Graduated Students
SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi
（College of Computer Science and Technology， Nanjing University of
Aeronautics and Astronautics， Nanjing， Jiangsu 210016）
Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.
Key words pattern analysis； computer vision； teaching reform
1 背景
我校模式分析与智能计算研究所师资团队是江苏省“青蓝工程”创新团队，主要研究领域包括智能数据分析、图像处理和机器视觉等方向，承担研究生和本科生的模式识别、机器学习、数据挖掘、智能信息检索、数字图像处理、计算机视觉等课程的教学任务。以往的教学过程中虽然积累了丰富的教学经验，但当前新知识不断涌现、新技术发展迅猛，对模式分析与视觉处理课程群的知识体系、实践体系改进提出了新的挑战。
近年来，国内外高校在该类课程教学上，已涌现出众多新理念、新方法。Coursera联合创始人Andrew Ng推出的机器学习课程，开启了教育领域的MOOC时代，引领了教育教学方法的新革命。①深圳大学、②江苏科技大学③分别进行了基于CDIO工程教育理念的计算机视觉课程教学改革实践，实现多层次项目设计的教学模式改革，讲座式、讨论式、实践式教学方法的探索。国防科技大学④在计算机视觉课程中引入研讨式教学模式，通过案例教学、小组研讨的方式来替代传统的教学方式。华中科技大学⑤从教学内容国际化、教学方式国际化、教学成果国际化三个方面开展了计算机视觉课程的国际化建设。另外，也有高校进行了图像工程课程群建设，⑥基于图像分析与计算机视觉应用课程结合的项目协同创新能力培养实践。⑦
在分析上述国内外高校该类课程改革的基础上，我们重点以模式分析与视觉处理课程群的实践教学体系改革为切入点，优化师资队伍结构，梳理课程群知识体系，优化课程授课模式，完善课程群实践体系，改革实践考核模式，实现学生国际化视野、理论联系实际、工程实践和创新能力全面提升的目标。
2 模式分析与视觉处理课程群特点
模式分析与视觉处理课程群涵盖了模式识别、机器学习、数据挖掘、数字图像处理、计算机视觉等多门课程。该类课程存在以下特点。
（1）该类课程属于多学科交叉，涉及的知识面既广又深。由于该方向涉及计算机科学与技术、应用数学、自动化、电子科学与技术、信息工程等多学科内容，而学生在大学本科阶段很难学习和了解如此多的知识模块，这对研究生阶段学习来说，具有相当大的挑战。同时，对于每个知识模块，所要求的数学基础较高，理论具有相当的深度，理解和掌握不容易。
（2）该类课程既重视扎实的基础理论，也强调良好的工程实践能力。该类课程的基础理论教学一直受到各高校的重视。随着近年来产业界的迅猛发展，计算机视觉应用层出不穷，对学生的工程实践也提出了更高要求，需要能够在系统层次上有整体认知，同时要能对各功能模块进行优化，提升系统的整体性能。
（3）该类课程所面向的选修学生面广。该类课程既是多学科交叉，也面向计算机应用、电子科学与技术、自动化、应用数学等不同研究方向、不同水平层次的研究生开设。这对课堂教学和实验实践也带来更大挑战。
3 模式分析与视觉处理课程群改革举措
针对上述分析的课程群特点，我们重点以实践体系改革为突破口，通过优化师资队伍结构，梳理课程群知识体系，优化课程授课模式，完善课程群实践体系，改革实践考核模式等举措，实现学生国际化视野、理论联系实际、工程实践和创新能力全面提升的目标。
3.1 师资队伍结构优化
为了学生能够适应模式分析与视觉处理产业的快速发展，在课程群建设过程中更强调学生的工程实践和创新能力培养。这首先对师资队伍结构提出了新的要求。
近年来，课程教学团队引进海内外具有深厚理论功底和较强工程能力的高水平师资4名，大大充实了机器学习、数据挖掘、图像处理等课程的教学力量。对于现有教师队伍，鼓励教师跟产业一线企业广泛合作，目前已与华为、中兴等企业在视频检索、智能交通视觉处理等方面开展了实质合作。这些来源于产业界的高质量课题对科研和教学起到了良好的促进作用。
与此同时，通过研究生工作站、企业短期实习等渠道，鼓励企业高级研发人员参与到学生实践能力培养环节中，将实际项目进行适当切分或提炼，实现该类课程实践环节的模块化、专题化训练。
综上，通过引培并举，优化校内师资队伍结构；通过校企合作，积极吸引企业师资参与。良好的师资队伍为该类课程的实践体系改革提供了有力支撑。
3.2 课程群知识体系梳理与授课模式改革
模式识别、机器学习、数据挖掘、智能信息检索、数字图像处理、计算机视觉等课程既有一定的逻辑关系，也存在相互交叉的混杂关系。一般认为，模式识别、机器学习是模式分析与视觉处理领域的基础理论课程，数据挖掘是建立在模式识别、机器学习和数据库基础上的应用类课程，智能信息检索则是数据挖掘基础上更为具体的应用实现。数字图像处理为计算机视觉课程提供了基础支撑，计算机视觉则是在综合利用模式识别、机器学习、数字图像处理、数据挖掘等知识模块基础上面向应用的系统实现。但是，这些课程也存在着知识点的交叉或重复。例如，模式识别和机器学习中都有贝叶斯参数估计、支持向量机模型等知识点，但视角和侧重点有所不同；图像处理、计算机视觉中都有颜色模型、成像模型等知识点，也同时存在与模式识别、机器学习交叉的知识点。
我们针对来自不同研究领域的学生群体，对该课程群的知识点进行系统梳理，既避免知识点的重复讲授，也防止重要知识点的缺漏。课程教师集体讨论，形成每门课程的核心知识集，和针对不同研究领域的选讲知识集。学生在学习课程时，在掌握核心知识集的基础上，结合自己的研究方向选择相关的选讲知识集学习。
在课程教材和参考书的选择上，注重挑选国际上有影响力的教材。例如，模式识别的参考书为Richard O. Duda等人编著的Pattern Classification；机器学习的参考书为Tom M. Mitchell编著的Machine Learning和Christopher M. Bishop编著的Pattern Recognition and Machine Learning；数据挖掘的参考书为Jiawei Han等人编著的Data Mining：Concepts and Techniques；数字图像处理的参考书为K. R. Castleman编著的Digital Image Processing；计算机视觉的参考书为D. A. Foryth编著的Computer Vision： A Modern Approach和Richard Szeliski编著的Computer Vision： Alogrithms and Applications。这些教材已被国内外著名大学普遍采用。同时，每门课程都提供相关的国内外顶级会议和期刊的列表，供学生课后追踪研究领域的热点问题。
在课堂授课环节上，注意采用灵活多样的授课方式。对于核心基础知识模块，以教师讲授为主，同时提供国内外该类课程的热门MOOC网址给学生参考。对于选讲知识模块，鼓励学生事先结合各自研究方向有目的自学，在学生报告的基础上进行课堂讨论方式进行。充分发挥学生学习的主体作用，也便于教师了解学生的水平和学习状况。
除此以外，不定期邀请国内外著名学者来校做学术报告，让学生充分了解该研究领域的最新前沿动态，并就热点问题进行专题讨论。
3.3 课程群实践体系完善与考核方式改革
工程实践和创新能力的培养是该课程群改革的重要目标。我们在上述师资队伍结构优化、课程群知识体系梳理与授课模式改革的基础上，着力进行课程群实践体系的改革与完善。我们通过多层次菜单式的实验项目选择、项目牵引的创新能力训练、学生综合研究能力的全面考查等方面来实现。
首先，整合和优化课程群实践内容，实现多层次菜单式灵活选择。根据各研究领域的要求进行灵活搭配，根据学生个体的能力与水平选择适当规模和难度的实践内容，通过课程内的基础实验、课程间的综合实验、课程群的创新实验来选择和组合，如图1所示。
图1 多层次菜单式实验内容示意图
基础型实验内容主要是各课程核心知识点的实验验证，主要包括模式识别，机器学习，数据挖掘，图像处理与分析，计算机视觉等课程的实验。要求选课学生对这些基础实验必做，打下良好的研究基础。
综合探索型实验在基础型实验基础上，既有单门课程内总的综合实验，也有课程间知识的综合应用。主要分为两大块，包括模式分析与机器学习方向的综合实验，以及图像处理与机器视觉方向的综合实验。实验目的主要是针对这两大块方向重点知识的综合分析和比较，能够熟练掌握和灵活应用。例如模式分析、机器学习、数据挖掘等方向都用到的线性判别分析、支持向量机、均值聚类等内容；图像处理与机器视觉中的图像特征抽取、视觉系统选型、目标检测、特定平台的算法优化等内容。学生可根据各自研究方向有目的的选择两块综合实验的大部分内容。
在综合型实验基础上，该课程群通过若干创新型实验来检验学生理论知识掌握程度和实践方法应用能力，为后续的研究课题开展打下良好的科研素养。主要内容包括人脸识别、二维条码识别、车辆属性识别、智能视觉监控、以及企业来源的关键技术等。这些项目实践既涉及用到图像处理与机器视觉的内容，也涉及模式分析与机器学习方向的知识。并且需要学生在综合运用相关知识的基础上有创新能力。
其次，重视各类项目牵引的创新能力训练。一方面，鼓励教师从国家自然科学基金、企业合作项目等研究中提炼出问题规模和难度适中的训练项目，作为课程群的综合能力训练项目。另一方面，鼓励学生参加挑战杯、全国研究生智慧城市技术与创意设计大赛等各类具有挑战性的竞赛项目，以赛代练，提升学生的工程实践和创新能力。同时，也鼓励学生利用百度、微软等相关研究领域的企业实习机会，参与产品一线的工程实践能力训练。
再次，注重考核环节，实现科研素养和实践能力的全面考查。只有严格、公平、公正的考核，才能保证实验实践的质量和水平，才能提升学生的科研素养和实践能力。我们主要在手段、方式方法上进行了改进。在题目选择上，根据学生个体水平和研究领域要求的差异，在选题上有适当的难易区分度，让每位学生都有锻炼和提升的机会；在考核方式上，采用结题书面报告来检验学术论文的写作能力，采用程序演示检验系统的设计与实现水平，采用上台汇报的方式检验学生的表达能力，多管齐下全面检查学生的综合科研素养；在考核成绩评定上，采用现场教师和学生共同评分的方式，公平合理；最后，通过网站展示、发表学术小论文、专利、软件著作权等方式展示和公开优秀成果，激发学生的学习热情，并由此形成积累，有利于学生实验实践氛围的传承。
4 结语
本文在分析国内外高校模式分析与视觉处理类课程群改革现状的基础上，以学生国际化视野、理论联系实际、工程实践和创新能力全面提升为目标，重点开展了师资队伍结构优化、课程群知识体系梳理、课程授课模式改革、课程群实践体系完善和实践考核模式改革等工作，取得了良好的效果，并为校内其他课程群的教学改革作为示范推广。
注释
① https：///learn/machine-learning/
② 郭小勤，曹广忠.计算机视觉课程的CDIO教学改革实践.理工高教研究，2010.29（5）：98-100，148.
③ 史金龙，白素琴，庞林斌，钱强.研究生机器视觉课程的CDIO教学改革实践.计算机教育，2013.9：40-43.
④ 陈芳林，刘亚东，沈辉.在《计算机视觉》课程中引入研讨式教学模式.当代教育理论与实践，2013.5（7）：112-114.
⑤ 王岳环，桑农，高常鑫.计算机视觉课程的国际化教学模式.计算机教育，2014.19：101-103.
计算机视觉的作用范文6
关键词 机器视觉；现代农业；应用；问题；展望
中图分类号 TP391.4 文献标识码 A 文章编号 1007-5739（2014）08-0335-01
Application of Machine Vision Technique in Modern Agriculture
WANG Wen-jing
（Department of Electronic Information，Foshan Polytechnic，Foshan Guangdong 528137）
Abstract The basic concepts，principle and system of machine vision were introduced.The application status of machine vision in modern agricultural production was discussed.Based on the analysis and research status at home and abroad，current problems and future direction of the development was proposed for machine vision applications in modern agriculture.
Key words machine vision；modern agricultural；application；problems；prospects
随着“在工业化、城镇化深入发展中同步推进农业现代化”这项重要任务在“十二五”规划中的提出，我国的农业有了迅猛发展，农业与自动化技术的研究和应用得到了高度的重视，但是与国外发达国家还有一定的差距。机器视觉技术是促进农业生产和管理自动化水平提高的一种高效的手段。目前，该技术在国内外农业领域的各个环节已经有了较大突破，如种子质量检测、田间杂草识别、植物生长信息监测、病虫害监测等。机器视觉技术不仅节约了人力、物力的消耗，而且提高了生产质量和效率。
1 机器视觉技术的基本概念、原理以及系统组成
机器视觉也称之为计算机视觉，是一种利用机器代替人眼进行观察、测量与判断的技术，首先利用摄像机获取目标的图像，然后通过计算机算法将图像进行数字化处理和颜色、形状和尺寸等的测量与判别[1]。
机器视觉系统主要由光源、摄像机、采集卡和计算机构成。摄像机通过光电传感器将被测物光形象转化为电信号，并且以图像的形式记录保存下来。图像采集卡是连接摄像机和计算机的纽带，主要作用是把电信号转化为数字信号，并将数字信号传输到计算机进行保存和处理。在实际应用中，为了能够获得高亮度和高对比度的图像，通常需要使用光源提供的灯光照明，以便图像的获取和处理。
2 机器视觉技术在现代化农业中的应用
2.1 在农业生产前的应用
进行种子质量检测。农作物种子质量的好坏对作物产品的优劣与作物产量的高低有着直接的影响作用，在农业生产过程中有着至关重要的地位。成 芳等[2]详细介绍了机器视觉系统的原理和发展动态，并且从系统软件、硬件和国内外研究现状等方面综合描述了机器视觉在种子质量检测中的运用。陈兵旗等[3]利用机器视觉技术对水稻种子进行了精选，首先提取长宽比和面积等特征参数，并建立有关稻种类型的数据库，进而对稻种类型进行判断，然后通过扫描线数和扫描线上黑白像素的变化次数来判断种子是否破裂，最后利用不同阈值提取的稻种面积差来判断稻种是否霉变。试验证明：该方法能对种子种类、发霉和破损情况等进行判断，具有较高的准确率。
2.2 在农业生产中的应用
2.2.1 作物生长信息监测。农作物的生长调控、缺素诊断、产量分析与预测都是以作物生长信息为基础和依据的，因此，通过机器视觉的方法对农作物的生长信息进行监测，成为当今机器视觉在农业中的研究热点之一。张云鹤等[4]设计了农作物茎秆直径变化测量系统，通过测量图像中作物茎秆直径像素数、图像中参照物直径像素数和参照物的实际直径求取作物茎秆直径。使用该系统对黄瓜茎杆进行直径测量，绝对误差在0.002 mm以内。王文静等[5]设计了一个基于机器视觉的水下鲆鲽鱼类质量估计系统。该系统利用机器视觉和图像处理技术对不同生长发育阶段的半滑舌鳎进行了检测，提取了鱼的面积、等效椭圆长宽比和圆形度因子等形状参数，并将各参数分别与质量进行数据拟合建立二维和三维维模型。试验证明：该方法能够较好地估计出生物的质量。
2.2.2 病虫害与杂草监测。病虫害和杂草直接危害着农作物的生长，如果没有得到及时的控制，会直接影响到农作物的质量与产量。因此，检测并获取害虫的分布情况、位置、生长情况等对农作物的生产具有巨大的意义。邱道尹等[6]设计了一个基于机器视觉的大田害虫检测系统，利用神经网络分类的方法对常见的几类害虫进行了分类。通过现场试验证明，该方法简单可行、识别率高。毛文华等[7]以国内外的研究为例，系统、详细地介绍了机器视觉在杂草识别中的研究和应用情况，分析了采用植物纹理、颜色、多光谱和形状等特征来识别杂草的理论根据以及存在的问题和难点。尹建军等[8]利用摄像机采集标定靶图像，根据摄像机的透视模型对图像进行处理，求出48个靶点质心的像素坐标，然后通过DLT最小二乘法建立摄像机隐参数矩阵。实践证明，该方法对杂草定位的误差在23 mm以内，能够满足杂草识别与智能化喷施的需求。
2.2.3 营养胁迫诊断。在农业生产管理中，由于缺素初期的作物和正常情况没有太大差别，很难被察觉和诊断，而利用机器视觉的方法能够比较及时、准确的判断，进而降低损失。
毛罕平等[9]在作物营养元素亏缺的识别和自动检测中，利用植物的叶片特征和遗传算法进行优化组合，挑选出能够用在分类器设计方面的特征向量。试验证明，利用二叉树分类法的模糊K近邻法对缺元素的番茄进行识别和测试，其误差在15%以内。张彦娥等[10]利用机器视觉技术和图像处理技术研究了一种温室黄瓜叶片营养信息检测系统，通过求取叶片含水率、含氮率与含磷率分别与各个分量之间的相关性；试验证明：该方法获取叶片颜色分量、亮度指标等参数，能够作为计算机视觉技术作物长势和作物营养信息监测的指标。
2.3 在农业生产中的应用
2.3.1 农业机器人。对农业机器人的应用主要利用机器人技术进行视觉导航技术的研究，是目前比较受关注的课题之一。视觉导航技术的研究为农业机器人的自动除草、施肥和施药等工作奠定了良好的基础。
周 俊等[11]在综合分析农田自然环境的基础上，提出了农业机器人视觉导航中多分辨率路径识别算法，并将色彩特征分析法应用于路径识别中，利用小波分析变化法进行边缘检测，结果表明，结合导航系统期望跟踪的路径特点分析可以比较准确的识别路径。安 秋等[12]通过AVR单片机的下位机来控制4个电机的速度和实现与上位机的串口通讯功能，提出了将线性扫描法和最小二乘法结合使用的思路，实现了农业机器人的视觉导航算法，使机器人能够在农作物之间行走。
2.3.2 品质分级。利用机器视觉的方法对农作物进行分级，可以减少主观因素的影响，并且为生产自动化的发展奠定了基础。
蒋益女等[13]对苹果质量等级识别的机器视觉检测技术进行了研究，对苹果图像进行梗蒂、缺陷识别后，提取目标区域，并求出纹理和几何特征参数等，并通过Pearson对参数进行相关性分析和SFFS对特征进行选择，去掉冗余的特征，最后使用KNN分类方法对苹果进行分类。试验结果表明，该识别方法对苹果等级识别与人工判别结果非常接近，可以推广到其他产品质量等级检测和识别。李江波等[14]对鲜香菇外部品质计算机视觉检测与分级进行了研究，首先对摄像机采集的图像进行预处理后，获取香菇菇盖的圆形度、最大直径、色调均值等特征参数对香菇进行分级。试验证明，利用BP神经网络法对香菇进行分级的准确度为94.2%。
3 存在的问题及未来的展望
随着机器视觉技术的发展和农业自动化水平的提高，机器视觉技术在农业中的应用研究越来越多，但是由于农作物形状的多样性、周围环境的复杂性、理论和实际的差异性等因素制约着机器视觉技术在农业中的应用发展。为了解决这些问题，笔者认为应从试验条件、系统硬件和软件设计3个方面着手。如在设置和模拟试验条件和硬件系统设计时，应多方位、全面地考虑到实际情况和国内外先进技术，使设计更加完善。在系统软件算法的开发阶段，需要将机器视觉和图像处理算法多与神经网络、人工智能等相结合使用，寻求出适用性强的新算法[15]。
在现代农业中引入机器视觉技术，不仅可以提高农业生产和发展的自动化水平，而且可以使人类从重复的劳动中解放出来，有着广阔的发展空间和应用前景。一方面，与人类视觉相比，机器视觉具有快速、非接触性、无损和准确的特点，可以提高农业生产效率，促进农业生产和管理自动化方向和发展。另一方面，计算机、自动化控制技术、机器视觉技术的进一步发展和综合集成，也将会为机器视觉在农业生产中的应用开辟新的空间。
4 参考文献
[1] 赵晓霞.计算机视觉技术在农业中的应用[J].科技情报开发与经济，2004，14（4）：124-125.
[2] 成芳，应义斌.机器视觉技术在农作物种子质量检验中的应用研究进展[J].农业工程学报，2001，17（6）：175-179.
[3] 陈兵旗，孙旭东，韩旭，等.基于机器视觉的水稻种子精选技术[J].农业机械学报，2010，41（7）：165-173.
[4] 张云鹤，乔晓军，王成，等.基于机器视觉的作物茎秆直径变化测量仪研发[J].农机化研究，2011（12）：158-160.
[5] 王文静，徐建瑜，吕志敏，等.基于机器视觉的水下鲆鲽鱼类质量估计[J].农业工程学报，2012，28（16）：153-157.
[6] 邱道尹，张红涛，刘新宇，等.基于机器视觉的大田害虫检测系统[J].农业机械学报，2007，38（1）：120-122.
[7] 毛文华，王一鸣，张小超，等.基于机器视觉的田间杂草识别技术研究进展[J].农业工程学报，2004，20（5）：43-46.
[8] 尹建军，沈宝国，陈树人.基于机器视觉的田间杂草定位技术[J].农业机械学报，2010，41（6）：163-166.
[9] 毛罕平，徐贵力，李萍萍.基于计算机视觉的番茄营养元素亏缺的识别[J].农业机械学报，2003，34（2）：73-75.
[10] 张彦娥，李民赞，张喜杰.基于计算机视觉技术的温室黄瓜叶片营养信息检测[J].农业工程学报，2005，21（8）：102-105.
[11] 周俊，姬长英.农业机器人视觉导航中多分辨率路径识别[J].农业机械学报，2003，34（6）：120-123.
[12] 安秋，顾宝兴，王海青.农业机器人视觉导航试验平台[J].河南科技大学学报：自然科学版，2012，33（3）：42-45.
[13] 蒋益女，徐从富.基于机器视觉的苹果质量等级识别方法的研究[J].计算机应用于软件，2010，27（11）：99-101.
