前言：中文期刊网精心挑选了机器视觉概念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。
机器视觉概念范文1
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.
机器视觉概念范文2
【关键词】机器视觉；研究型教学；课程建设；应用创新型
0 背景
2013年德国提出的工业4.0，用于提升本国制造业的智能化水平，为德国制造业的竞争力持续领先奠定理论基础；随着我国向生产强国迈进，政府于2014年提出中国版的工业4.0-中国制造2025，为我国制造业的智能化发展指明理论方向。智能化是传统制造业持续发展的关键，机器视觉是制造业智能化的关键。为了适应当前生产企业的发展和机器视觉技术应用人才的需求不断增加。为此，根据应用创新型本科人才培养模式的特点，改革现有教学内容和方法，结合最新教学手段和移动网络模式，实现教学现代化，提高学生整体素质，全面实现应用创新型人才培养目标[1]。
1 机器视觉课程建设
当今机器视觉课程开设的高校较少，本科阶段开设的更少。主要在于该课程是一门交叉课程，需要学生掌握多门相关学科的知识，如图像处理、模式识别、图像处理、传感器、光学成像、计算机等。根据光电信息工程专业的培养方案和适应长三角地方产业的发展，我系开设了这门与制造企业密切相关的课程―机器视觉。
当前机器视觉教学过程中主要存在以下几个突出的教学问题：1）注重教材知识点的讲解，忽略与产业的结合；2）注重教师为中心，忽略学生创新意识和创新能力的发展；3）注重传统教学建设，忽略网络时代下的教学建设。为了提高学生的学习兴趣，适应地方产业的发展，我院在应用创新型人才培养模式下进行机器视觉研究型课程教学改革[2]。
研究型教学课程建设以全面培养学生发现问题、提出问题、解决问题的能力为目标，以教师为辅，学生为主，自主研究性学习为手段，全面提高学生的创新能力。为了实现研究型教学课程建设的目标，需要对现有的教学内容和教学方式进行有效的改革[3]。
1.1 教学内容设计
机器视觉是人工智能快速发展的一个重要分支，也是产业快速发展的关键。为了适应长三角地方产业的发展，需要对现有机器视觉课程内容进行有效的改革，增加与地方产业相适应的内容，为此需从不同产业获取经典的实际案例讲解，将所讲内容蕴含在实际案例中。实际教学过程中，其内容主要涉及5个部分：
1）机器视觉的基本概念
包括机器视觉的背景、应用、发展历史、主要组成和机器视觉分类方法以及发展趋势，使学生了解机器视觉研究的内容和未来发展的趋势，掌握机器视觉的基本方法和基本原理。
2）机器视觉的硬件技术
涉及机器视觉的硬件：镜头技术、摄像机技术、光源技术、采集技术以及相机的标定技术，使学生了解机器视觉的基本硬件的原理，从而为机器视觉的进一步应用提供必须的基础。
3）图像处理技术
图像处理技术是机器视觉中的关键，为进一步处理提供有利的保证。主要涉及到图像增强、图像分割和图像的配准等内容，使学生掌握机器视觉中所用到的图像处理的基本知识和基本原理。
4）模式识别技术
模式识别是机器视觉中一项重要内容，也是机器视觉中能面向实际应用的关键，这部分内容主要涉及到分类的一些知识：如最近邻分类、Fisher分类、贝叶斯分类、神经网络和支持向量机等分类法，使学生掌握分类中一些基本方法和一些基本理论，同时了解一些当前比较热模式识别技术如深度学习等内容。
5）基于机器视觉的实际案例
面向实际应用，设计相关所学内容的演示和课后完成的实际实践内容，使学生能够应用所学到的机器视觉的一些基本知识和基本原理实现一些简单的来源生产中的一些应用，为将来就业提供一些有效的经验。
1.2 实验内容设计
实验是机器视觉研究型课程的重要环节。设计让学生感兴趣并且贴近企业生产的实验有利于研究型课程目标的实现。根据所学内容的需要，设计几个有代表性的且切近生产实际的实验，如伞齿轮上缺陷的检测和分类，油品质检测和彩虹工件尺寸测试等实验。
1.3 教学手段设计
对于研究型课程来说，课程所涉及到的实验或者课后作业一般很难在有限的课堂时间内完成，因此学生需要学会通过网络查阅相关资料、了解实验或课后作业的目的，不断通过发现问题，提出问题和解决问题，全面提高自身创新能力。所设实验或课后作业都是来源生产实际，因此是若干个知识点的融合所形成。在实践过程中规定了教学目标、方法和实践步骤以及评价方法。一般是要求学生分组完成，并且分阶段讨论汇报，在反思中不断改进所用的方法，提高实验的质量，同时也在不算提高自己的发现问题，解决问题的能力[4]。
对于课堂教学，实施以学生为中心，教师为辅的教学模式。教师只讲解与实际案例相关的知识点，以任务的形式引导学生边学边做，通过分组合作的形式完成。教师主要引导学生，以提问题开始，以解决问题结束，随着任务不断完成，学生也逐渐学会发现问题和解决问题的方法。通过这种任务式的教学，学生为中心，教师引导，师生互动，学生从被动到主动，从机械思维到创新思维的有效转变。
为了适应当代大学生的上课注意力时间短的特点，开发和完善网络课程和移动平台课程建设。通过这些平台，把上课内容和参考的内容等教学资源上网免费开放，使得学生可以在空闲时间自主选择学习的内容，完善了正常上课教学的不足，提高了学生自主学习的能力。
1.4 考核设计
传统的考核机制就是考试加上平时成绩，大大制约了课程教学的发展。为了进步提高学生学习兴趣和分析问题、解决问题的能力，需要对现有的考核机制进行改革，除了保留现有的考核方式，但大大降低了他所占的比例，增加项目小组口头报告和小组之间互评成绩，这两部分各占总分的10%。口头报告根据学生讨论内容和讨论深度给予成绩，小组之间互评根据各个小组的互评成绩的平均成绩作为小组的成绩。这样的考核可以有利于调动学生的积极性，提高学生分析问题，解决问题的能力[5]。
2 结语
本文根据中国制造2025和应用创新型人才培养模式下的培养目标，研究了机器视觉研究性课程的教学改革，提出了新的研究性课程改革方案，增加与地方产业密切联系的课程研究内容，改善了教学方式，改革传统的教学评价方式，提高了学生学习主动性，增加了学生分析问题，解决问题的能力。最终实现机器视觉研究型课程建设，达到培养适应新时代应用创新型本科优秀人才的目的。
【参考文献】
[1]李志梅，何金花.应用型人才培养模式下本科数据库管理系统课程教学研究与实践[J].教育教学论坛，2017（4）：165-166.
[2]王之元，周云，易晓东，等.机器人操作系统研究型课程建设[J].计算机教育，2016，1：77：80.
[3]孟祥林.美法日研究型课程设置之比较及对我国的启示[J].湖南师范大学教育教学学报，2004，3（6）.
机器视觉概念范文3
关键词 机器视觉；智能交通；交通标志；路标定位；路标识别
中图分类号：TP391.4 文献标识码：A 文章编号：1671-7597（2014）05-0046-01
由于信息的采集技术得到了长足的发展，信息处理方式越来越多样化，机器视觉逐渐成为人们生活中的关键技术之一。所谓机器视觉就是用计算机来模拟人的视觉功能的技术，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、测量和控制。随着机器视觉技术的引入，智能交通技术得到了飞速的发展。智能公交、电子警察、交通信号控制、交通视频监控等智能技术为城市交通运输系统的疏导与协调作出了重大贡献。先进驾驶辅助系统作为关键技术之一，不但能帮助司机更好驾驶，并且能在一定程度上避免交通事故的发生。交通路标识别作为其核心技术，在城市交通的安全上具有深远的意义。大体上，交通路标识别技术主要包含两方面，即路标区域的分割和路标指示信息的识别。
1 路标区域的提取
对路标区域与背景区域的分割是在HSI颜色空间上进行的。HSI是用色调、饱和度和亮度来描述颜色空间的，与人的视觉系统保持一致。色度是描述纯色的属性，与光波的波长有关，它表示人的感官对不同颜色的感受；饱和度给出一种纯色被白光稀释的程度的度量，饱和度越大，颜色看起来就会越鲜艳；亮度是一个主观的描述，体现了无色的强度概念。
标准交通路标主要有蓝色和黄色两种底色。对于蓝色路标，背景颜色为蓝色并且占据大部分面积，路标指示的描述部分为白色；对于黄色路标，背景颜色为黄色并且占据大部分面积，路标指示部分的描述部分为红色。黄色与蓝色在HSI颜色空间呈现类聚性：对于蓝色，H取值在132到175之间，S取值在100到240之间，I取值在53到179之间；对于黄色，H取值在28到48之间，S取值在114到240之间，I取值在61到175之间。
基于此两种颜色特征可以在目标图像中进行路标嫌疑区域分割；通过形态学处理可以去掉较小空洞以及路标指示的描述信息；最后依据连通域的面积与形状等判断并提取出路标区域。形态学处理是一种对邻域的运算形式。通过形态学处理不但可以过滤由于噪音或者其他原因引起的一些较小的不可能为路标背景的区域，减少候选区域和提高检测速度，而且可以填补路标中由于路标指示信息灰度不同导致的较小空洞，降低了误判的可能性。
路标区域提取的具体步骤如下所示。
Step1：在HSI颜色空间里依据颜色通道取值范围对目标图像进行二值化处理。
Step2：对二值图像进行膨胀处理，腐蚀掉路标指示描述等干扰。
Step3：查询连通区域边界。
Step4：依据连通区域的面积和形状来定位出路标区域。
如果目标中只有蓝色路标像素点，则该路标是以蓝色为底色的路标；如果目标中只有黄色路标像素点，则该路标是以黄色为底色的路标。
2 路标指示识别
路标指示信息的识别主要依据尺度不变特征提取与模板匹配的方法。
尺度不变特征提取方法包含尺度不变性与旋转不变性的特点。所谓尺度不变性是指不管物体是远是近，都能进行正确的辨识；所谓旋转不变性是指当物体发生旋转时，依然能正确的识别它。尺度不变特征提取算法主要有SIFT算法和SURF算法。SIFT算法是最有效的，SURF算法对SIFT算法进行了简化，在运算速度上提高了3倍，综合性能要更优。
在指示信息识别之前需要建立路标特征数据库。依据路标底色的不同，需要建立蓝色路标数据库和黄色路标数据库。
模板匹配就是用路标数据库中的每个模板一一与目标图像中的路标区域进行匹配，计算相似度，相似度最大的一组就是对应的路标指示信息。其中进行匹配的方面就是尺度不变的特征。另外，路标的背景颜色部分足够表示该路标的所有特征了，因为背景提取图恰到好处的得到了路标指示的边框部分，所以提取背景部分可以进行路标识别。
路标指示识别的具体步骤如下所示。
Step1：建立路标特征数据库。
Step2：在HSI颜色空间中提取出路标区域中的指示边框部分。
Step3：提取出来的部分作为尺度不变特征提取算法的输入图像，进行特征点检测和特征向量提取。
Step4：将提取出来的特征点、特征向量与数据库中的标准路标的特征点、特征向量进行比对，得出匹配结果。
按照以上步骤处理后，如果所有匹配相似度都很低，说明目标图像中不存在交通路标。
3 结论
文章阐述了交通路标识别技术的实现方法。路标区域定位部分主要依据路标底色的颜色特征并在HSI颜色空间完成，从而极大的提高了定位的实时性；路标指示识别部分利用模板匹配的方法来实现，基于尺度不变特征提取算法的特征点匹配对尺度变化、旋转变化、照度变化和视角变化具有良好的鲁棒性。
参考文献
[1]唐向阳，张勇，李江有，等.机器视觉关键技术的现状及应用展望[J].昆明理工大学学报（理工版），2004，29（2）：36-39.
[2]许祥祥.计算机视觉技术的应用研究[J].硅谷，2013（16）：114-114.
[3]王宇锋.国内外智能交通系统现状简介[J].硅谷，2008（23）：181-181.
[4]李峰.智能交通系统在国外的发展趋势[J].国外公路，1999，19（1）：1-5.
[5]孙龙林.先进驾驶辅助系统的发展现状和趋势[J].汽车电器，2009（7）：4-7.
[6]朱双东，陆晓峰.道路交通标志识别的研究现状及展望[J].计算机工程与科学，2007，28（12）：50-52.
[7]阮秋琦.数字图像处理学[M].电子工业出版社，2007.
[8]刘小飞.基于边缘检测和形态学的车牌定位[J].硅谷，2012（12）：24-24.
[9]彭皓.局部不变特征提取算法的研究及其在图像识别中的应用[J].电子测量技术，2009（2）：135-139.
[10]张锐娟，张建奇，杨翠.基于SURF的图像配准方法研究[J].红外与激光工程，2009，38（1）：160-165.
[11]田娟，郑郁正.模板匹配技术在图像识别中的应用[J].传感器与微系统，2008，27（1）：112-114.
作者简介
机器视觉概念范文4
云，正让一切都变得智能化。在云带来的广泛影响中，结合移动互联网与物联网的发展，维斯・南德拉尔提出了在2015年及未来的五大趋势。
机器视觉带来全新感受
获得更大的计算能力是云计算带来的最核心的价值之一。现在，实现机器的视觉理解能力正在成为现实，结合高分辨率相机传感器的发展与云计算带来的“无限”的计算能力，维斯・南德拉尔表示，随着步入2015年，机器视觉，即通过机器来描述和理解图像的能力，有望超越人类识别。
他认为，曾经一度停滞不前的机器视觉技术将重新迸发活力，更多地被应用到智能终端当中。当智能手机的机器视觉能够比人类更好地识别图像，想象一下，你打算带一瓶酒去参加圣诞节的百乐餐，拿出手机就可以捕捉到这瓶酒的图像，然后通过视觉搜索就能够得到关于这瓶酒的所有信息，而它比文本搜索的准确率高出30%，这将是非常美妙的体验。
通过将这种能力运用到监控、医疗、电子商务等诸多领域，新的“数字互动”的体验将给我们带来全新的感受。
语音再登流行
尽管从业务的角度来看，语音正在不断下滑。但是，维斯・南德拉尔认为，未来，语音将越来越多的被用于与环境的相互作用。他提到，这正是首席技术官通常会思考的问题，那就是“世界上有哪些事情是我相信但其他人都不相信的？”虽然语音业务在下滑，但是语音却是物联网时代我们同我们的互联家庭进行互动的最完美途径。
现在，通过语音接口来实现的服务已经开始引领一场新的革命。语音识别使得社会与物联网衔接，正在从一个应用程序转变成开启新应用的完美接口。维斯・南德拉尔提到：想象一个场景，你问你的雨伞今天是否可能下雨，是否应该带它出门，而你的雨伞回答道“应该带上我，今天会下雨”，这是一件多么酷的事情。随着语音识别技术的进步，未来将提供更加巨大的机会，这一技术有望成为2015年引人注目的一线新技术之一。
让云不再是孤岛
现在，无论对于企业还是个人，越来越多的业务要通过云来实现彼此的连接。维斯・南德拉尔认为，当今的云更像是由提供给消费者的应用组成的一座座孤岛。如果数据需要在不同云端间移动和交流，必然给用户带来感知的时间延迟。而用户需要的是无缝的体验。因此，2015年，我们将会看到更多解决方案的出现，来实现让写在一个云环境或虚拟数据中心的应用程序被投影到另一个云，来实现云的相互沟通。
他表示，虽然这样的解决方案的部署可能面临着需要花费数月的时间来建立广域网的连接，但是跨云的模式必将兴起。我们将会看到的很多技术进步都会围绕着“我怎样才能建立云端的动态连接？”以及“我应该怎样创造一种能够互操作的语言，使不同云之间可以无缝地交流？”这些问题展开。
跨云模式将使得公有云、私有云和虚拟私有云的所有组合通过广域网的连接来作为一种服务模式，成为企业向云端进化的路径。
注重安全设计
物联网的发展正在创造巨大的利益，但与此同时，一个不容忽视的事实是，自互联网诞生之日起，各种安全问题就随之而生，物联网所带来的数据安全问题也不容忽视。
“对此，虽然业界一直专注于保密性和身份验证，但是假设物联网世界中有五百亿个末端，真正的问题并不是保护从这些末端流出的信息，而是封闭这些末端。”维斯・南德拉尔表示。
在2014年初被发现并曝光的一个路由器安全问题让我们记忆尤深。法国的一名安全系统工程师发现某些型号的Linksys和Netgear的无线路由器存在后门，允许恶意用户把这些设备的设置重置为厂商设置、默认的路由器管理员用户名和口令。
维斯・南德拉尔用房子的例子来形象地比喻这一安全问题：就如同对于你房子里的东西，你可以想怎样保护就怎样保护，甚至在有些地方，你开动装甲车来保卫你房子里的财产都是可以的，但如果有人能从你家的前门进来，用什么措施来保护都还是不够安全的。
如何才能够真正驾驭和保护物联网的数据财产？“注重数据的完整性和安全设计使你成为你的数据的主人。”维斯・南德拉尔表示，“数据的完整性如同能够在你的数据上罩一张网，当你不希望你的数据曝光时就可以收网，而当你希望你的数据曝光时便可以授权使用。”
因此，通过安全的设计来实现在整个生命周期保证数据的完整性，这将是物联网发展至关重要的方向，也将为2015年信息安全和隐私保护设定新的议题。
解放数据价值
数据是在物联网的新货币，当物联网的第一波浪潮已经带着厂商各自的应用到来，数据被锁在各个应用之中的。而当今人们更希望将这些数据联合起来，或者放到一个大的平台上，这样就可以提取并使用这些数据，从而为消费者创造新的、有意义的、便利的产品。
机器视觉概念范文5
【关键词】四旋翼飞行器 定位 IMU GPS 光流 UWB
一、引言
四旋翼飞行器具有机械结构简单、运动灵活、姿态多样、可扩展性好和易维护等优点，因而其在勘探、测绘、救援、航拍等领域扮演越来越重要的角色。而这些领域无一不要求相当的精确度、可靠性和自主性，这些都对飞行器的控制系统提出了苛刻的要求。系统中的传感器给控制系统提供各种参数，控制系统处理这些参数后改变电机转速从而改变飞行器的飞行姿态。常规四旋翼平台搭载的实现自主定位导航的传感器是GPS模块，辨识方向的是罗盘模块，进行飞行控制的是惯性测量模块（IMU），用于测量高度的是压力传感器，另有超声波测距仪、激光测距仪等传感器用于探测航路中的障碍物进而在飞行中动态避障。机器视觉系统是一套通过图像摄取装置将被摄取目标转换成图像信号，通过专用的图像处理系统，将像素分布及颜色、亮度等信息转变为数字信号传送给图像处理系统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设备动作的一套系统。机器视觉具有被动性和轻量化的特性，同时可依靠单一传感器实现大量信息的采集和处理，在四旋翼飞行器这一对精度要求很高、数据量大、但空间有限的平台上的应用有十分广阔的前景。光流传感器便是一种可以实现机器视觉的简单装置，主要由一个装载在机身上的低像素摄像头组成，它与IMU及飞行控制计算机等配合，对摄像头所得图像进行实时计算和解读，还原出当前所处的三位动态结构图。
本文重点探究基于机载小型GPS模块及光流传感器的四旋翼飞行器精确定位运动及其应用展望。
二、GPS定位系统
GPS模块是实现四旋翼飞行器定位和导航的首选，搭建平台时可利用GPS模块测定飞行器所在位置的经纬度坐标信息，并利用高度计和超声波传感器结合进行飞行高度的测定，同时用IMU模块（三维陀螺仪和加速度计）在GPS导航模块的支持下实现四旋翼飞行器的惯性导航自主飞行。
运作时向机载单片机输入一系列点的GPS坐标，同时通过机载GPS系统得到当前载体的定位数据，并与存储的定位坐标做实时比对，由机载飞行控制计算机计算生成对应最优航线，并根据IMU模块及高度计、超声波传感器得到的数据实时修正航线，同时将定位坐标实时发回地面站，由地面计算机处理并显示当前位置、线路及飞行状态。
三、光流技术
一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的，当人的眼睛观察运动物体时，物体的景象在人眼的视网膜上形成一系列连续变化的图像，这一系列连续变化的信息不断“流过”视网膜（成像平面），像一种光的“流”，故称之为光流。光流表达了图像的变化，由于它包含了目标物体运动的信息，因此可被观察者用以确定目标的运动情况。
光流的概念由Gibson在1950年提出，指空间运动中的物体在观察成像平面上的像素运动的瞬时速度，光流技术就是利用图像序列中像素在时间域上的变化及相邻帧之间的相关性来找到上一帧与当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。研究光流场的目的就是从图片序列中近似得到不能直接得到的运动场。其中运动场可理解为物体在三维真实世界中的运动，光流场是运动场在二维图像平面（人眼或者摄像头）的投影。
从生物学中昆虫飞行时将光流用于3D飞行控制的行为得到启发，光流技术被应用在了飞行器的动态定位和导航中。四旋翼飞行器搭载的光流传感器所利用的摄像头有分辨率低、帧率高的特点，可以实现较快的数据处理与更新。利用光流传感器对捕捉的图像进行分析，实时获取飞行器自身位置及运动情况，并将测得数据信息实时传输回地面站PC机分析处理。
为计算出物体的运动信息，如今已发展出了很多确定当前时刻下一帧的被测物位置的光流计算方法。由二维速度场与灰度的联系，引入光流约束方程，可得到光流计算的基本算法，接下来基于不同的理论基础，各种光流计算方法被创造出来，如今利用OpenCV库代码向单片机系统的移植可以比较容易地实现所需的光流计算。
四、空间定位技术
在室内不具备室外的开扩环境，因此定位也出现了许多困难。人们通常使用电磁波进行定位，常见的定位方式有时差定位技术、信号到达角度测量技术、到达时间定位和到达时间差定位等。近年来随着科技的发展又产生了UWB定位技术，它的频带从3.1GHz到10.6GHz，如此高的频率非常适合于短距离快速通讯，非常适合室内这种环境。在接收到精确的位置以及物体分布后便可在狭窄的室内计算出导航路线。这种探测方式在一定程度上弥补了光流传感器不能提前预知周围环境的不足，与光流传感器相互纠错可将错误率降低，也进一步保证了室内的安全。
五、应用及市场
四旋翼飞行器的轻量、灵活、操作灵敏的特性决定了其在物品短距离递送中的应用前景十分广阔，尤其是一些特殊场景下满足特殊要求的递送业务中，四旋翼飞行器的角色将很难替代。如今市场上已经出现了四旋翼飞行器用于快递蛋糕、书籍等服务的尝试，而其价值可以在一些有特别需求的行业中利用本文所述的精确定位运动技术得以体现，如饮料精准递送、写字楼室内精确快递等领域的需求一旦被发掘，其市场潜力将会十分巨大。
六、总结
为实现四旋翼飞行器的精确定位及导航运动，机身需搭载的传感器除了常规的IMU模块（陀螺仪和加速度计）、高度计和GPS模块以外，还可以使用光流传感器、超声波探测器等模块提高测量精度。其中光流传感器可以利用图像匹配在修正路径、保持悬停等动作中起到重要作用，还可以在GPS信号不可用等情况下实现精确定位导航；超声波探测器在机身高度测量中普遍可以提供高于普通高度计的测量精度，为后续基于载体空间位置信息的路经计算、姿态调整等过程提供更加精确和可靠的数据。
参考文献：
机器视觉概念范文6
关键词：烟丝除杂；硬件设计；机器视觉；图像处理；纯净度
Abstract： It introduces a tobacco removing apparatus device which is applied in the tobacco cutting， leaf threshing？and re-drying production lines， including system structure， working principle， hardware and software design. The？system？adopts？machine？vision？technology， using original new generation image processing algorithm that combines several characteristic parameters of foreign materials， such as colors， shapes and textures， to achieve the purpose of eliminating foreign materials doped in tobacco while delivering at a high speed on the conveyorbelt superiorly efficiently and with？high accuracy， thus， avoids tedious manual labor and maximizes the purity of tobacco.
Keywords：tobacco impurity removal； hardware design； machine vision； image processing algorithm； the purity of tobacco
0 引言
随着工业自动化技术的迅速发展，自动化检测与控制系统逐步替代我国传统产业[1-2]。烟叶中含有的杂物，燃烧过程中会产生有害物质，且对产品品质产生影响，在线异物剔除已经成为烟丝生产线上不可或缺的工序。早期，烟草行业采用抛落抽风等方式将与片烟悬浮速度相差较大的杂物剔除[3-4]，难免存在误差，而且对于悬浮速度相近的杂物难以剔除。另一种方法是采用金属探测仪检测和剔除金属异物，人工辅助剔除其他异物，费时费力，且剔除率受人为影响比较大。少数卷烟厂引进国外烟草异物剔除设备，但价格昂贵且配件更换困难，售后服务不到位。在图像获取和采集及处理之间增加图像增强功能目前已有较多研究，例如PCNN[5-6]、Retinex[7-10]、直方图均衡、同态滤波[11-12]等算法。但上述算法的实时性都较差，不适合应用在烟草异物剔除系统中。本文所设计的烟丝除杂设备基于图像处理，在制丝和打叶复烤生产线中广泛应用，为企业节约开支，成为卷烟品质控制的重要设备之一，对于提高我国烟草行业的国际竞争力也有重要意义。
1 总体结构
异物检测剔除装置主要由进料输送机、视频系统、气流平衡柜、电控系统等四个主要部件组成。这四个组件协调工作，主输送带上的烟叶经鼓风机系统对叶片进行摊薄，上下摄像机对烟叶进行图像采集，传给图像处理平台做分析、识别，剔除阀对其中的异物进行分拣、剔除。整体用不锈钢制造，易于清洁、保养。
2 硬件设计
2.1 基于棱镜分光的彩色高速线阵相机
相机是异物剔除装置的眼睛，是非常重要的关键器件。本设备采用的基于棱镜分光的彩色高速线阵工业相机，能有效保证所采集图片的质量，从而为检测和剔除提供可靠的保障。
此类相机核心感光器件由分光棱镜和3片CCD组成[13]，相对于传统的加装拜尔滤镜的单片CCD相机来说，棱镜分光3CCD相机能把入射光分解成红绿蓝三种色光，由3片CCD分别独立负责其中一种色光的成像，色彩还原性、亮度和清晰度都比单CCD好，所以成像效果更好。一般只有高端工业级相机才会采用此技术。
此外，高速线阵相机与通常用的面阵CCD不同的是：线阵CCD图像扫描输出的是一条线上的像素，而不是一个面上的像素。当物体在CCD下不停的移动时，这些线就组合成一个延绵不断的面。采用线阵CCD的另一个好处是扫描频率很高，达到11KHz（即每秒钟11000条扫描线），即使对于高速运动中的物料，也能形成高分辨率的图像。而通常使用的面阵CCD扫描频率为25/30Hz，远低于线阵CCD的扫描频率，并且在物体高速运动时，面阵CCD还可能会导致图像模糊，使图像处理单元无法准确识别异物。
本设备使用的基于棱镜分光的彩色高速线阵工业相机可识别的颜色种类数量为1616，777，216（解析成三原色），最小尺寸分辨率为1200毫米/4096=0.3毫米，大大优于国外同类设备。
2.2 LED光源
光源对于一个图像识别系统而言，起到非常关键的作用。传统照明光源一般采用荧光灯或者陶瓷金属卤素灯，荧光灯一般寿命较短，光衰至额定照度的80%仅3000小时；而金属卤素灯虽然寿命相对于荧光灯较长，但线性均匀度较差。文采设备采用的全新LED光源具有亮度高、寿命长以及线性均匀度好的特点，相对于传统光源，LED光源是迄今为止最适合异物剔除系统的光源。单条LED光源光强可达20000流明；光源线性均匀度好，相机成像图像一致性好、色彩还原性好，对于图像识别十分有利。
2.3 靶向水冷系统
图像识别一般对照明光源的亮度都有较高的要求，高亮度一般都会伴随着高热量，即使最新的LED照明技术也避免不了这一特性。如果没有高效的散热方式，则光源的寿命会大打折扣，所以高热量的产生对光源的冷却系统提出了更高的要求。传统照明系统一般采用风冷方式散热，散热慢，且效率低。本设备采用独创的靶向水冷系统，直接针对于光源本身冷却，以极高的效率大大降低了LED线性光源的工作温度，使其温度均衡保持在摄氏30度以内，因此有效延长了LED光源的使用寿命，能确保用户正常使用至少2万小时而无需更换备件（光强衰减度控制在10%以）。
2.4全彩有源LED背景色
可编程的全彩有源LED背景灯，对于消除阴影、提高黑色异物和黄色异物的检出率更加有效。本设备采用全彩色有源LED制成线阵背景光源。采用三基色（RGB）贴片封装LED，通过改变LED的控制电流，改变其发光颜色，这样就使得LED背景灯的发光颜色可以在线编程，根据物料的品种不同，控制LED发出不同的背景色。
相对于传统的反射光背景，全彩有源LED背景能更有效的突出异物在叶片上的显示效果，并能消除叶片及异物的阴影干扰，使得异物更容易识别。采用这项技术后，对传统难以剔除的异物（比如麻绳、黑胶皮、橡胶、纸箱板）效果更好。同时也大大降低了叶片带出率。
2.5图像处理平台
在流水线上，物料移动速度非常快，可达5米/秒。在如此高的速度下，为了成像清晰，必须扫描频率非常快，一般采用11K行/秒，每行2K象素，每象素是24位真彩颜色。这样，仅仅图像采集速度就在528Mb/秒，如此海量的数据需要进行高级的形状、纹理方面的图像处理，基于PC体系的工控机根本无法胜任。为了解决这一问题，采用基于嵌入式FPGA+DSP硬件体系的高速图像处理平台。
嵌入式FPGA+DSP图像处理卡内含多达88个矩阵CPU内核，运算速度是DSP的128倍，完全能够满足高级算法的要求。传统的异物检测剔除装置对异物的识别算法，一般采用基于DSP的硬件基础，受限于算法运行速度，而无法采用更先进的形状、纹理识别算法，只能采用单一的颜色识别方法。
基于上述FPGA+DSP硬件平台的独创新一代先进算法融合了颜色、形状、纹理等异物特征参数[14]，对麻绳、黑胶皮、绿胶皮、黄色纸壳、传送带碎片等（采用传统算法难以剔除）异物的剔除效果更好。
嵌入式设计，图像采集处理功能集于一身，无需经工控机处理，相对于传统的使用工控机作为处理中心的剔除装置更加稳定可靠。算法固件化，大大提升了运算速度的同时更增加了系统可靠性。
2.6基于工业以太网的分布嵌入式体系结构
本设备采用基于工业以太网的分布嵌入式体系结构，大大减少了系统不稳定因素。各采集处理单元相对独立，相机与采集处理卡一一对应，不因一个处理单元故障而影响其他处理单元正常工作；上位机起到人机界面的作用，不参与实际采集处理过程。
3 设备维护
传统异物剔除装置一般需要人工建模，保存为牌号，使用时由工作人员调出已有的牌号。人工建模一般需要较为专业的人员，操作相对复杂，而且每批烟叶的特征不尽相同，所以原先建立好的模板并不最适合本批次烟叶。
本设备应用自动建模软件，摒弃了牌号的概念，针对每一批次烟叶，独立自动设置该批次烟叶的最优模板，直至该批次烟叶生产完毕，大大降低了对操作工的要求和劳动强度。同时，该模板仅用于该批次烟叶，用毕即作废，不再使用，从而提高了采样模板与被检测烟叶的一致性。
下表为KEY测试用标准异物：
4 结论
采用机器视觉系统的烟丝异物检测剔除装置，有效的剔除、分拣出了异物，经测试使用，本设备指标优异，剔除率高，带出率低，异物有效剔除率大于85%，叶片带出率小于0.6%。由于不需要人工挑拣异物，省工省时，剔除质量得到保证，品质可控。自烟丝异物检测剔除装置投入使用以来，系统运行稳定，性能可靠，完全达到了设计预期各项技术指标，解决了传统残烟处理烟丝回收率低，烟丝中含异物率高，烟丝结构差等问题，显著提高了回收烟丝的质量，对降低卷烟厂的原料消耗有积极意义。
参考文献：
[1]李琳.CMOS数字成像技术在电力系统图像监控中的应用[J]. 光学精密工程，2002，10（1）：84-88
[2]张业鹏.机器视觉在工业测量中的应用与研究[J].光学精密工程，2001，9（4）：324-329
[3]张俊荣，李艳华，张望兴，等.一种多功能烟叶风选除杂方法及设备：中国，2010106189466[P].2010-12-31.
[4]李晓，熊安言.FX6型就地风选器在梗签风选中的应用[J].烟草科技，2006（8）：9-11.
[5]张煜东，王水花，周振宇，等.基于HVS与PCNN的彩色图像增强[J].中国科学：信息科学，2010，40（7）：909-924.
[6]陈锐，马义德，郑晓，等.基于PCNN和视觉特性的图像对比度增强[J].微计算机信息，2010，26（4-1）：108-112.
[7]程芳瑾，杜晓骏，马丽，等.基于Retinex的低照度图像增强[J].电视技术，2013，37（15）：4-10.
[8]肖进胜，单姗姗，段鹏飞，等.基于不同色彩空间融合的快速图像增强算法[J].自动化学报，2014，40（4）：697-705.
[9]江兴方，王戈，沈为民.一种色彩改进型Retinex彩色图像增强方法[J].光电子・激光，2008，19（10）：1402-1404.
[10]许欣，陈强，孙怀江，等.快速Retinex 彩色图像增强[J].计算机工程与应用，2010，46（5）：4-6.
[11]禹晶，李大鹏，廖庆敏.基于颜色恒常性的低照度图像视见度增强[J].自动化学报，2011，37（8）：923-930.
[12]韩丽娜，熊杰，耿国华，等.利用HSV空间的双通道同态滤波真彩图像增强[J].计算机工程与应用，2009，45（27）：18-20.
