计算机视觉检测技术精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的计算机视觉检测技术主题范文，仅供参考，欢迎阅读并收藏。

第1篇：计算机视觉检测技术范文

关键词：计算机视觉技术；C# ；；作物无损检测；软件设计

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）15-3640-03

数字农业和农业物联网技术作为现代农业最前沿的发展领域之一，是当今世界发展农业信息化，实现农业可持续发展的关键和核心技术。数字农业要求快速、实时、准确和定位化的获取植物生长信息，而农业物联网技术要求植物信息可实时动态感知，显然，传统的实验室测量分析和信息获取方法已经不能满足数字农业和农业物联网技术的发展要求。因此，研究和开发植物生命信息快速无损检测技术和传感仪器等软硬件平台已经成为现代农业承待解决的关键问题[1]。

目前，国内在作物无损检测方面的研究仪器主要是依赖进口，而相应的软件也是伴随着仪器而购买。此类软件，一般价格昂贵，而且在自主研究平台中，因为无法取得源代码而无法使用或升级，从而出现研究瓶颈。在各类无损化检测技术中，随着计算机视觉技术越来越广泛的应用，对应的软件系统的开发迫在眉睫[2]。

正是基于这样的背景，我们通过对目前应用比较广泛的C#进行研究，利用C#强大的数据处理能力和良好的用户界面开发，并结合强大的图像处理能力，进行作物实时检测软件平台的自主设计与开发。

1 计算机视觉技术简介

计算机视觉也称机器视觉，是采用摄像机或者数码相机将被检测图像转化为数字信号，再采用先进的计算机软件技术对图像信号进行处理，从而得到所需要的各种目标图像特征值。并由此实现模式识别，坐标计算等功能。然后再根据其结果输出数据，发出指令，再配合执行机构完成好坏筛选，位置调整，数据统计等自动化流程。与人工视觉相比较，计算机视觉的最大的优点是快速、精确、可靠，以及数字化。

随着数字农业和农业物联网技术的发展，计算机视觉技术将越来越广泛的应用于农业生产中，而构成计算机视觉系统的软件系统是整个计算机视觉系统的灵魂。随着硬件技术的不断发展完善，计算机视觉系统其功能是否强大，可以说完全取决于软件系统的能力。

2 软件系统设计

2.1 C#与

C#是由微软公司开发的一种面向对象的新型编程语言，它是从C和C++ 中派生出来的，保留了C/C++原有的强大功能，并且继承了C/C++的灵活性。同时由于是MicroSoft公司的产品，它又同Visual Basic一样具有简单的语法结构和高效的开发能力，可以使程序员快速的编写出基于.NET平台的应用程序。

一个基于C#框架，专门为C#开发者和研究者设计和开发的，这个框架提供了丰富的类库资源，包括图像处理，神经网络，模糊系统，遗传算法，人工智能和机器人控制等领域。该框架架构合理，易于扩展，涉及多个较前沿的技术模块，为相关开发人员或科研人员的工作提供了极大的便利。本系统就是采用C#程序设计语言，通过调用该框架来实现作物无损检查系统的开发。

2.2 系统设计与实现

本软件系统是在数码相机拍摄的作物图像的基础上，采用图像处理方法进行特征提取与分析，从而实现作物的无损检测。主要分为图像输入，图像预处理，特征提取，特征分析几个模块。

1） 图像输入

将要分析处理的图像读取到系统中来，为后面图像处理作准备。C#提供了三个最重要的图像处理类，即Bitmap类、BitmapData类和Graphics类。三种图像处理的方法，即提取像素法、内存法和指针法。从执行效率和实现难度综合考虑，本系统的开发采用内存法。

2） 图像预处理

图像预处理主要包括图像的大小调整，形态矫正，平滑和去噪等，以降低环境对拍摄照片造成的不利影响。提供了多个类，可以对图像进行平滑去噪等操作，本系统中采用了中值滤波算方法，对应中的Median类。

3） 特征提取

特征提取分析，是整个系统的核心所在，需要选取合适的图像分割算法，对图像进行处理，提取目标区域，为特征分析作准备。在本系统中采用了阈值分割技术，因为这种算法相对来说比较直接并且易于实现。

采用阈值分割技术，首先，必需确定一个阈值作为图像分割的阈值，在本系统中，采用自适应阈值法，由用户在软件的操作过程中进行设定，并且可以根据需要进行调整。然后，根据这个阈值对图像进行分割，并将其转化为二值图，如图（b）所示。从图中我们可以看到二值图像中存在大量的小孔，这种太小的孔洞对我们进行图像分析没有实际意义，并且会干扰结果的正确性，因此我们需要采用腐蚀和膨胀的形态学方法来进行填充孔洞，结果如图（C）所示。最后，我们需要根据需要提取目标区，涉及到连通区域的提取问题。最后，输出结果。

4） 特征分析

对图像分割结果进行分析，用于指导生产实践。我们可以对通过图像处理得到的目标区域进行分析，比如可以根据叶片颜色的变化判断叶绿素含量，进而推算出作物的营养状况，根据色素区域的大小计算出叶面积，根据不同区域的形状、大小判断病虫害等。

3 实验结果及分析

软件运行后主界面如图3所示。

为验证本系统的有效性，我们通过设定不同的阈值进行图像分割，并跟photoshop cs4软件中魔棒的工具作对比，来提取图片中的目标区域。测试图片大小为800px×610px，取特征点坐标P（310，70），该点的RGB值为（29，92，0），获取目标区域的总像素和绿色分量平均值，数据如表1所示。

从上述表中我们可以看出，本软件在图像处理目标区域的提取方面，提取到的目标区域较photoshop 提取的小，绿色分量平均值较photoshop更接近特征点数值，由此看出用本软件做图像分割准确性更高。

4 结束语与展望

计算机视觉具有非破坏性、快速、高效、信息量大等特点，目前已在主要的农作物和经济作物的养分诊断，植物病虫害的快速检测及预警预报等方面有了广泛应用，取得了较好的效果。随着计算机视觉技术和图像处理技术的发展，计算机视觉技术将更多的应用于植物长势预测、产量估计等方面。

通过本次研究，开发了一个交互界面良好的色素分量检测系统，能对图像在RGB分量上实现阈值分割，并实现目标区域的获取分析。该文主要提倡一种软件开发的理念，所设计开发的软件的针对性较强，还存在着很多的局限和不足，要作为计算机视觉类的通用软件，系统的稳定性和功能都还有待进一步提升。

参考文献：

[1] 刘飞.基于光谱和多光谱成像技术的油菜生命信息快速无损检查机理和方法研究[D].浙江：浙江大学博士学位论文，2011.

[2] 朱哲燕，陈红.基于MATLAB的作物信息光谱分析平台的设计与开发[J].科技资讯，2012（16）.

[3] 蒋丽华.基于计算机视觉技术的叶绿素含量检测系统[D].苏州：苏州大学硕士学位论文，2009.

[4] 赵春江.C#数字图像处理算法典型实例[M].北京：人民邮电出版社，2009.

[5] 何勇，刘飞，聂鹏程. 数字农业与农业物联网技术[J].农机论坛，2012（1）.

[6] 张起丽.基于数学形态学的彩色图像处理研究[D].西安：西北大学硕士学位论文，2009

[7] 冀高.基于数字图像处理的棉花群体特征提取[D].北京：北京邮电大学硕士学位论文，2007.

第2篇：计算机视觉检测技术范文

关键词：绝缘子；憎水性；稀疏表示；图像识别

中图分类号：TM855 文献标识码：A

与传统电瓷、玻璃绝缘子相比，复合绝缘子因其具有优异的耐污闪性能而在电力系统中被广泛使用.复合绝缘子的憎水性和憎水迁移性是其具有较强耐污闪性能的基础，然而其在运行中因受到紫外线、污秽、电磁场等条件的共同作用会出现老化现象，使得复合绝缘子憎水性下降，严重老化的绝缘子甚至会丧失其憎水性[1-2].因此有必要定期对运行中的复合绝缘子的憎水性进行检测，及时更换憎水性不合格的绝缘子.目前现场测量复合绝缘子憎水性的方法主要为喷水分级法[3]，该方法将复合绝缘子憎水性分为HC1至HC7 7个等级，其操作简单，对检测设备要求低，但完全依赖于人的主观判断，容易引起检测结果的不一致性.

目前，国内外一些学者提出了基于绝缘子憎水性图像的智能检测方法，文献[4-5]采用图像预处理去除噪声和杂波，利用方向滤波、自适应滤波等方法提取图像的水珠或者水迹边缘，对水珠特征参数进行统计以后利用K邻近算法进行模式识别，从而确定憎水性等级.这种方法克服了目测的主观性，但是由于图像分割处理中很容易出现过度分割或者欠分割现象而导致分割失败，使得后续的特征值提取失准从而导致分类算法无法进行.如图1所示为运用先进的水平集方法对去噪后憎水性图像进行分割时，出现过分割和欠分割的现象.

本文采用稀疏表示分类算法（Sparse Representation Classification， SRC）对复合绝缘子憎水性图像进行识别与分类.稀疏表示的算法是由Wright等于2009年提出应用于人脸识别领域中的算法[6].在该方法中一个测试样本被所有训练样本稀疏线性表示，然后从中找出对测试样本表示误差最小的一类训练样本.这一研究为稀疏表示在图像识别中的应用开辟了新的方向.本文运用稀疏表示分类算法对复合绝缘子憎水性图像进行分类，通过对稀疏表示系数以及最小残差的计算找出样本库中与测试图像最接近的训练图像，从而判断测试图像所对应复合绝缘子的憎水性等级.

1稀疏表示算法

由于拍摄图片光照条件、拍摄角度、拍摄距离等实际因素的影响，即使是同一等级的水珠图像也会呈现出多种不同的效果，所以在选择训练样本时，要综合考虑各种水珠图像所可能呈现的情况.以HC1级别的憎水性图像为例，此时的复合绝缘子憎水性能较好，喷水后复合绝缘子伞裙表面会呈现出单个独立的水珠.但由于受到拍摄条件的影响，水珠的大小、形状、分布有很大的不同.为了能使训练样本最大限度的代表HC1级别憎水性图像的特征，选取具有不同大小水珠、不同光照条件、水珠分布疏密不一致、以及水珠重心倾斜不同角度的憎水性图像作为训练样本集.对于HC4～HC6级别的憎水性图像，由于这些类别复合绝缘子表面出现了不同程度的污秽，使得拍摄所得水珠图像的背景进一步复杂化，需要考虑背景中污秽的分布以及污秽等级的影响.本文所用到的部分HC1～HC6的训练样本图像如图2所示.

3实验结果统计与分析

3.1可理解性分析

一个分类模型的质量通常由两方面进行评估决定：分类试验的准确率以及该模型的可理解性.图4（a）和（b）给出了同属憎水性等级HC1级的两个测试样本，图4（c）和（f）为利用训练样本库里所有样本图像对测试样本进行稀疏表示所得的两组稀疏表示系数和利用式（6）计算得到的各类表示误差.从图4（c）中可以看出：第1类训练样本所对应的稀疏表示系数明显大于其他几类的稀疏表示系数.这说明训练样本集中第1类样本对稀疏表示的贡献最大，这也在图4（d）表示的各类测试误差中得到了体现.因此我们仅通过图4（c）就可判定测试样本属于第1类，即该憎水性图像所对应的复合绝缘子的憎水性属于HC1级.但是，在对第2个测试样本图像进行测试时，仅根据图4（e）的稀疏表示系数对其憎水性级别进行划分有一定的困难，各个类别所对应的稀疏表示系数变化跨度很大，系数之间大小相近的也很多.此种情况下通过进一步计算该测试图像与稀疏表示各类之间的残差来对测试图像进行分类.由图4（f）可知：第1类训练样本与测试图像之间的残差最小，以此可判定该测试样本属于第1类，即该憎水性图像所对应的复合绝缘子憎水性等级为HC1级.

通过这个例子可以看出，利用稀疏表示对复合绝缘子憎水性图像进行分类时，稀疏表示的系数具有以下两个特点：

1）测试样本所对应类别的训练样本参与该稀疏表示的比例最大.

2）同类测试样本所对应的稀疏表示系数都比较接近.

3.2实验结果分析

据文献[11]，憎水性为HC1～HC2级的复合绝缘子可以继续入网运行，HC3～HC5级时需要进行跟踪监测，HC6～HC7级的复合绝缘子必须退出运行.本文在实验测试阶段将复合绝缘子憎水性试验图像分成继续运行，继续观测，退出运行3大类.将HC1～HC2分为第1类，HC3～HC5分为第2类，HC6～HC7分为第3类.相对应的样本训练集也进行了相应的调整，形成了具备上述3大类共107幅标准憎水性图像的训练样本库即训练样本空间，其中第1类样本40幅，第2类样本30幅，第3类样本37幅.由于第1类样本图像中水珠较多，导致图像情况复杂，故相应增加了第1类样本图像的数量.

4结论

测试结果表明：运用稀疏表示分类算法对复合绝缘子憎水性图像进行检测分类具有较高的准确率和可行性.复合绝缘子图像光照情况复杂，水珠分布随机不规则，可见该算法对外界环境的改变具有一定的鲁棒性.与传统的憎水性图像识别分类方法相比，稀疏表示分类算法避开了复杂的图像分割和特征提取过程，大大简化了复合绝缘子憎水性检测步骤.如何通过丰富和优化憎水性图像训练样本库进一步提高算法准确率是今后努力的方向.

参考文献

[1]赵林杰，李成榕，熊俊，等. 基于带电检测的复合绝缘子憎水性评价[J]. 中国电机工程学报，2008，28（16）： 135-142.

[2]张福林. 复合绝缘子外绝缘基材硅橡胶表面的憎水性和憎水迁移性机理分析[J]. 华北电力技术， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克学，王泉德，王先培. 基于表面喷水图像分析的绝缘子表面憎水性检测方法[J].绝缘材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

第3篇：计算机视觉检测技术范文

关键词：肉类食品；品质检测；研究

随着经济的快速增长，国民生活的日益提高，我国肉类消费量也在快速增长，由肉类食品所引起的食物安全问题也不断增多，如“禽流感”、 “猪链球菌中毒”等.传统的检测技术费时费力,检测效率低,已经达不到现代检测所需的快速、准确、实时、无损等要求。 现代的肉品检测技术，注重实用性和精确性。仪器微型化、低耗能化、功能专用化、多维化、一体化、成像化；生物技术被大量应用；与计算机技术结合得越来越紧密；不断采用其它领域的新技术；生理学中的感觉器官生理变动规律和电生理学研究学方法等。

1 物理方法

1.1 计算机视觉技术

计算机视觉技术通过计算机模拟人的判别准则去理解和识别图像，用图像分析作出相应结论的实用技术，其中图像处理和图像分析是计算机视觉技术的核心。

计算机视觉技术可对其新鲜度作出判定；基于神经网络分类器的立体颜色直立图可用于分析鸡胴体全身缺陷。李刚等构建了由气体传感器阵列、数据采集单元、神经网络组成的智能检测辨识系统，通过猪肉样本的测试与分析表明，该方法可实时准确地识别肉类新鲜度，辨识准确率可达9 0 % 以上。Malone 等以图像处理方法和专家系统控制为基础，研发了一个分析系统，该系统可以根据图像分析的结果并参照数据库作出正确的判断，确定鱼片脊骨的位置，并操纵高压水切割器剔除鱼片中的脊骨。机器视觉系统也用于研究猪腰肉的品质波动和分级，如用400 ～700nm 的光纤反射测量系统可以检测出明显的PSE 猪腰肉，同时根据猪肉品质优劣进行分级。

1.2 超声波技术

超声波检测技术是利用肉品在超声波作用下的吸收特性、衰减系数、传播速度、本身的声阻抗和固有频率，测定肉品组成成分、肌肉厚度、脂肪厚度的快速无损在线检测、分级方法。

利用超声波可以测定肉品(活体或尸体) 的成分，如牛、羊、猪等的背膘厚度及脂肪含量。Benedito等应用超声波传播速度的变化检测发酵香肠的化学成分，发现在脂肪中温度每升高1 ℃超声波速减慢5.6m/s;在瘦肉中，超声波速随温度上升而上升。

Brondum 等使用超声波在线检测猪胴体的系统，该系统包括1 6 个超声波传感器，可以确定膘厚、肥瘦、产肉率(与胴体重量有关)、 主要切割点等指标，其在线检测速度可达1150 头/h ，能达到较高的准确率。目前较好的产品有丹麦S F KTechnology A/S 公司研制的在线检测产品。

用超声波图像检测脂肪厚度和腰部肌肉易受到操作人员、测量部位、超声波频率、被测物体的不规则性和肥瘦组织分布的不均匀性等因素的影响，而且实时超声波图像一般只能检测某部位的化学成分而不是全身成分。所以，超声波检测技术更多地应用在线自动快速无损检测，它具有适应性强、对人体无害、检测灵敏、使用灵活等特点。该技术在国外已逐渐进入肉品实际检测中，但我国在这方面的研究与应用尚未见报道。

1.3 电磁学检测技术

肉品的组织、成分、结构、状态等和其电磁特性有密切关系。如肉品从新鲜到腐败的过程中。其阻抗值就有一定的变化规律。

电磁扫描的原理是骨头和肌肉这些含水的物质比脂肪有更高的导电率，它和猪、羊的无脂肪瘦肉有较好的相关性。Higbie 等采用测量胴体全身电导率的方法来估计无脂瘦肉和全脂肪含量，通过对不同部位和条件下的猪胴体检测，发现可以用三或四变量公式预测无脂瘦肉重量，而且可以根据公式推算肉类各组分的含量，复相关系数R2>0.66。 测量猪酮体的电特性能有效确定猪肉不正常系水力及PSE 特性等早期衰变，因为系水力、pH 值、三磷酸腺苷(TP)的降低均与生物电阻抗以及相位变化有关。而电磁学检测的变化曲线与计算机视觉技术和超声波检验所得的变化曲线具有相似性。

2 仪器分析方法

2.1 高效液相色谱法

高效液相色谱法( H P L C ) 特别适用于高沸点、不能气化或热稳定性差的有机物的分离分析，在食品行业中常用于食品添加剂、农药残留和生物毒素的分析检测，具有灵敏度高、操作简便、结果准确可靠、重现性好且成本较低的优势。

检测抗生素的传统方法是微生物法，灵敏度较、低耗时较长，一次只能检测一种抗生素。反相HPLC 测定抗生素，简便快速，能同时监测多种抗生素，已成为肉品检测中的常用方法。汤丽芬等用反相HPLC 同时测定广州地区肉类4 种抗生素的残留量，结果表明；各抗生素的线性范围均为0.01～ 1.0 µg/ml，相关系数均为0.99 以上(n=5)；回收率均为95.6% ～ 106.0%； 日内日间变异系数均在允许范围内(小于15%)。

2.2 毛细管电泳安培法

1991 年Jorgenson 和Monnig 首次提出了高速毛细管电泳技术(HSCE 或fast-CE)，使分析时间缩短至几分钟内。毛细管电泳安培法具有灵敏度高、样品体积小的特点。但电泳时间多为5～30min，因此近年来芯片毛细管电泳技术是电泳的一大热点，芯片毛细管电泳技术实质上是将HSCE 的仪器微型化，采用窄内径且短的毛细管和提高分离场强的方式来提高分析速度，因此保持电泳高效的同时提高其分析速度是电泳技术的发展趋势。

杨冰仪等采用高速毛细管电泳安培法对市售肉类中的人工合成雌激素己烯雌酚(DES) 进行了测定，结果表明：参数优化后，DES 在60s 内可以得到较好的分离，检出限为1.0×10-8mol/L，DEC 浓度在1.48× 10-4～3.69 ×10-5mol/L，1.25×10-6～1.85×10-7mol/L 与峰面积分段呈良好的线性关系；迁移时间和峰面积的相对标准偏差分别为0.65%、2.2%。

2.3 近红外光谱分析技术

近红外技术NIR(nearinfrared)具有测量测信号数字化及分析过程绿色化的特点。在肉品检测中，它可以用来测定屠宰分割过程中和肉制品加工中原料肉和成品的水分、蛋白质、脂肪等指标；也能鉴别冷冻肉并测定其保水性、渗透性、肉汁损失率和干物质含量。

Ben-Gera 等采用红外透射技术，研究了肉制品乳浊液中脂肪和水分的含量。Lanza 利用近红外光谱分析研究了生猪肉和牛肉的水分、蛋白质、脂肪和卡路里含量，发现在波长为1100～ 2500nm 时，反射光谱与水分、脂肪和卡路里有较高的相关性(R0.987)，与蛋白质的相关系数(R)为0.885。此外，有研究表明：近红外光通过光纤反射的透射特性与牛肉剪切力相关(R=0.798～0.826)，与水分、蛋白质、脂肪等指标也有较好的相关性。Park 等通过分析近红外反射光谱以确定牛肉嫩度，采用主成分分析法(PCR，principal componen tregression)分析波长在1100～2498nm 处生肉的吸收光谱，发现其与测得的熟肉嫩度存在复相关系数R2=0.692，从而可以建立预测牛肉嫩度(口感)的分析模型。

但该方法成本较高且分析较复杂。目前丹麦、德国已开发出在线检测设备，而我国还没有类似的检测仪器。

2.4 核磁共振波谱分析技术

核磁共振波谱法是根据具有磁性质的原子核对射频磁场的吸收原理，以测定各种有机或无机成分的检测技术。它是一种无损检测技术，可以检测同一样品的不同原子核，以便从不同角度对样品进行观察；另外它还具有结构和动力学信息敏感性，可以观察样品的化学结构特征和分子迁移。31P 因其天然丰度高(100%)，在细胞中的含量高(DNA、磷脂及ATP等)；化学位移范围宽(约30)，共振谱线简单容易识别；在生物体内普遍存在，且与生命过程息息相关，而使31PNMR 技术在生物样品检测中使用最多。

31PNMR可用于检测肉品中添加磷酸盐的水解过程。Rongrong Li 研究了鸡肉中不同磷酸盐的水解过程，经检测发现TSPP 和TKPP 的水解最快，大约1.25h 就可以完全水解为Pi。采用31PNMR 技术可以快速无损地区别和量化肌肉组织中的有机和无机磷酸盐，为进一步解释磷酸盐的作用机理提供了方法。

3 现代分子生物学技术

3.1 核酸探针检测技术

核酸分子杂交可以用于待测核酸样品中的特定基因序列。该技术不仅具有特异性、灵敏度高的优点，而且兼备组织化学染色的可见性和定位性。在肉品检测中，核酸探针技术主要用于致病性病原菌的检测。

目前我国肉品致病菌的检验普遍采用传统的细菌学检验方法和血清学方法，方法繁琐，灵敏度和准确性都不高。核酸探针技术可检测出10-12～10-9 的核酸，可广泛应用于进出口动物性食品的检验，包括沙门氏菌、弯杆菌、轮状病毒、狂犬病毒等多种病原体。

核酸探针技术在实际应用中仍存在一些问题，如放射性同位素标记的核酸探针半衰期短、对人体有危害等（生物素标记的核酸探针虽然对人体无害，但受紫外线照射易分解），所以作为常规诊断特别是食品实验室较不适用。

3.2 生物芯片检测技术

生物芯片使研究中不连续的分析过程都集成在芯片上完成，实现检测的连续化、集成化、微型化、信息化，单位面积内可以高密度排列大量的生物探针，每平方厘米可达5 10 万个， 一次实验就可检测多种疾病或分析多种生物样品，已经广泛用于食品安全检测、食品微生物检测、动物疫病检测、转基因动植物检测等方面。

张庆峰等以卵清白蛋白为载体蛋白合成了雌二醇的结合物，并采用Cy3 新型荧光染料标记结合物，作为雌二醇的竞争物，建立了以竞争法为基础的检测肉品中雌二醇的免疫芯片新方法。该技术用生物芯片点样仪在醛基化玻片表面点样制备免疫微阵列，对雌二醇进行了定性定量检测。结果表明荧光信号随待测物浓度的降低而增强，待测物浓度在0.001～0.4µg/ml 的范围内有较好的线性趋势，检测范围为1 0.001 g/ml。

4 微生物检测技术

当前，微生物电子学、微机技术滤光技术、生物传感器等多项领域的突破，使得微生物快速检测技术得到了改进，正朝着快速、准确、简便及自动化的方向发展。利用传统微生物检测原理，结合先进技术，设计了形式各异的微生物检测仪器设备，正逐步广泛应用于肉品微生物检测。如ATBExpression细菌鉴定智能系统、全自动微生物快速鉴定仪器VITEK、微生物总数快速测定仪、自动菌落计数系统、应用电阻抗技术的全自动微生物监测系统。

参考文献

[1] 陈福生高志贤王建华. 食品安全检测与现代生物技术[M].北京化学工业出版社2004.

[2] 赵杰文孙永海.现代食品检测技术[M].北京中国轻工业出版社2005.

[3] 陈纯.计算机图像处理技术与算法[M].北京清华大学出版社2003.

[4] 孙永海鲜于建川石晶.基于计算机视觉的冷却牛肉嫩度分析方法[J].农业机械学报2003 34(5) 102 105.

[5] 李刚曲世海郭培源张慧.基于神经网络的肉类新鲜度辨识技术[J].传感器技术2004 24(3) 15 17.

[6] 滕炯华袁朝辉王磊.基于气体传感器阵列的牛肉新鲜度识别方法研究[J].测控技术2002 21 (7) 1 2.

第4篇：计算机视觉检测技术范文

关键词：数字图像处理；测距；聚焦；频域

中图分类号：TP391.41 文献标识码：A 文章编号：2095-1302(2012)09-0016-03

Images ranging method based on frequency domain analysis

ZHU Xue-yi

(School of Microelectronics and Solid-State Electronics, University of Electronic Science and Technology, Chengdu 610054, China)

Abstract: Using digital image processing theories and methods, the digital image pre-processing mode, the target graphic detection and the ranging model construction are studied and analyzed. Combined with a ranging scheme of single camera, a focusing ranging technique based on frequency domain analysis is given to process images captured by the monocular camera and calculate the distance from target detection image to the camera based on frequency domain image signals. The technique saves lots of complex hardware and reduces the demands of digital image processing, which has the advantages of high ranging precision and fast processing speed.

Keywords: digital image processing; ranging; focusing; frequency domain

0 引 言

视觉是人类观察世界、认知世界的重要功能手段，人类感知外部世界主要通过视觉、触觉、听觉和嗅觉等感觉器官，其中80%的信息是由视觉获取的。计算机视觉就是人类利用计算机实现人的视觉功能，从而对客观世界三维场景进行感知、识别和理解。计算机视觉是一个相当新而且发展迅速的研究领域。

在对生物视觉系统的研究中，人们早就注意到，几乎所有具有视觉功能的生物都有两只眼睛。用两只眼睛同时观察物体，会有深度或远近的感觉，我们称之为视差。因此，在计算机视觉系统中，也常用两台或多台摄像机从两个或多个视点去观察同一场景，从而获得在不同视角下的一组图像，然后通过同一场景点在不同图像中的视差，推断出场景中目标物体的空间几何形状和位置，这种方法称为立体视觉。它是计算机视觉的一个重要分支，也是计算机视觉的核心研究内容之一。

视频和图像是对物质世界客观事物的形象而生动的描述，是最直接且具体的信息表达形式之一，是人类最重要的信息载体。随着科技的日益发展，人们需要一种更加先进快捷的工作方式，另外，人们对工作环境和工作条件也提出了更新、更高的要求，视频测距系统便在这种背景下应运而生。

视觉测距技术的发展对于距离测量有重要的意义。在基于数字图像处理技术的视觉测距系统中，使用单个CCD(Charge Couple Device)摄像机的系统称为单目摄像系统，而同时使用两台摄像机对同一景物进行摄像，并运用计算机分析两幅图像来确定物体的三维状况的系统称为双目摄像系统。双目摄像系统测量精度高，但计算速度较慢，成本较高。而单目摄像系统方法则比较简洁、快速，因此，本文对采用单目摄像系统检测目标物的测距方法进行研究。

1 测距技术在国内外的研究现状

目前，国内外对视觉测距技术的研究仍在不断的进行之中，还并没有形成国际统一的标准模式，各种数字图像处理技术和算法之间孰优孰劣仍在不断的探讨和比较中。当前，国内外的研究机构主要研究的测距技术包括超声波测距技术、微波雷达测距技术、激光雷达测距技术和视觉测距技术。

1.1 激光雷达测距

激光雷达测距具有测量时间短、量程长、精度高等特点，但激光雷达在恶劣天气环境下或逆光状态下的测距准确性降低，另外，其造价、耗能、对人眼安全等因素也对其进一步应用有一定影响。

1.2 超声波测距

超声波是指振动频率在20 kHz以上的机械波，具有声波传输的基本物理特性。超声波测距是根据超声波反射时间来计算与前方车辆之间的距离。超声波测距原理比较简单，成本低，但超声波的传输速度受天气影响较大，不同天气条件下的传输速度不同。

第5篇：计算机视觉检测技术范文

关键词 智能交通系统；计算机视觉；汽车流量

中图分类号：TN948 文献标识码：A 文章编号：1671-7597（2014）14-0048-01

基于视觉的图像处理器测量精度高，抗干扰能力强，许多自然及人为的干扰都可以被消除，运用预测技术可以再捕获瞬间丢失的目标，并且能实现对记忆的跟踪。它通常安装在路边或架空安装，不会重新铺设路面，也不会影响埋在地下的水和天然气管道，更不会干扰交通。 基于视觉的图像处理有其突出的优点，表现在：可以获得的目标信息非常巨大，获取信息的方法也非常方便。

1 研究的实用意义

车辆检测系统在智能交通系统中具有很重要的地位。机动车辆流量计数与监控为智能控制提供了相当重要的数据来源，通过计算机视觉的机动车流量统计系统可以检测很多交通参数，便于我们检测和监控，这些参数中的一个重要参数就是汽车

流量。

基于视频的检测法作为最有前途的方法之一，有以下优点。

1）能高效、准确、安全可靠地的监视和控制道路交通，能够提供高质量高分辨率的图像信息。

2）用于交通监视和控制的主要设备就是安装视频摄像机，现在我国所有城市基本都已经安装了视频摄像机，甚至高清视频摄像机。因为安装视频摄像机破坏性非常低、很方便、也很经济。

3）由计算机视觉得到的交通信息可以通过联网工作，非常有利于对道路交通网的监视以及控制。

4）由于目前对智能交通系统的安全性、实时性和可靠性的要求都非常高，计算机技术和图像处理技术的发展显得极其

重要。

2 研究内容

本研究主要包含两大部份：一部分就是采用分类和分割方法把采集到的视频图像的目标进行识别；另一部分就是通过定位方法来实现目标的跟踪。这两部份是缺一不可，紧密联系在一起的。

首先先介绍视频图像的目标识别，视频图像目标的识别方法有很多，但总体上主要有两种方法：一是大家熟悉的相关匹配法，二是特征匹配法。相关匹配法是通过找到最大相关值（最大相关值指的就是当前图像与参考图像间的相关系数的大小）所在的位置来确定当前输入图像中的目标位置。相关匹配法优点是可以在信噪比很小的条件下工作，对噪声抑制能力非常强，在计算形式上比较简单，很容易实现。但它的缺点也很明显，由于相关匹配法对几何和灰度畸变十分敏感，反而计算量偏大，造成的直接后果就是非常容易产生累积误差，而且最关键的就是不能充分利用视频图像目标的几何特性，就不能保证对识别目标的跟踪精度。相关匹配法比较适合于对目标的尺寸变化不大并且场景各部分的相关性不强，当前输入图像和参考图像的产生条件较为一致的场合。特征匹配方法是目前研究较多的一类图像匹配方法，它是通过目标的特征与输入图像中目标的特征来比较辨识目标。它首先提取输入图像和参考图像的相关特征信息，比如边缘、角点等。然后通过测量距离来比较输入图像与参考图像的特征集合，如果输入图像的特征集与参考图像的特征集距离是最小的（在满足给定约束条件下），则判定该目标被识别。它对目标的几何特征、灰度畸变一点都不敏感，但它充分利用了目标图像的特征信息，因而可以保证较高的跟踪精度。

上面介绍了视频图像目标的识别，现在介绍本研究第二部分：通过定位方法来实现目标的跟踪。对于图像目标的跟踪方法通常有下面几个方法。

亮度中心法，其实这种方法计算很简单，只要确定了一个点，就能完成定位。这个点就是一个跟踪点，它就是具有最高灰度的像素点（来自获得的视频目标图像）或这个点上的一个邻域。这种方法、性能很稳定、容易实现，工程上运用的很多。但这种跟踪非常容易受干扰，因为它主要适用于红外和其他放射性目标的跟踪。

最佳空间滤波法是常用跟踪方法之一，它完全是在亮度中心法的基础上建立起来的，为了提高跟踪性能，就要把目标的大小、形状、运动特性等特征都完全利用起来。但目前这类方法也有明显缺点，在实用性、定位精度上和计算量方面都有较大的限制。

投影、形心法是通过目标的投影或形心来确定目标的实际位置和运动姿态。对比前面两种跟踪方法，投影、形心法的优点是计算量非常小，容易通过硬件方式来实现。缺点是它的抗干扰性能力比较差，主要用于均匀背景下跟踪孤立目标。

从以上对研究内容的介绍，现有的各类识别和定位方法都各有优缺点，要想找到一个合适的方法，都达不到满意的效果。要想取得较好的性能，都只能在目标尺寸相对对比度变化都不大、对噪声的干扰又比较小、图像灰度的空间变化并不明显的理论环境中。然而实际的环境通常是变化无常的，通过一种方法来实现目标的识别与跟踪很难有合适的效果。最近几年，结合这些方法的优点和缺点，混合定位识别的方法确能将上述各类基本的识别方法进行混合定位，使它们能够合二为一，相互补充。这代表着目标识别方法非常具有理论研究和应用价值，是一个重要发展方向。

3 技术路线

研究的技术路线（如图1）：首先提取出摄像机采集到的视频，该视频是以帧为单位的图片文件形式。然后对图像数据进行数学上的处理，比如二值化、提取边缘等。这样就可以识别汽车的位置进行定位，最后对识别出来的汽车数量通过计数器计数。

4 研究实现

通过基于计算机视觉的研究，我们设计出了能够实现机动车流量的检测和计数的系统。并且该系统能够对运动目标进行识别与跟踪定位，对出现多目标遮挡和丢失目标，还可以重新匹配。

5 结束语

本文创新之处就是将上述各类基本的识别方法进行混合定位，使它们能够相互补充。这代表着目标识别方法非常具有理论研究和应用价值，是一个重要发展方向。

参考文献

[1]章毓晋.图像工程（第2版）[M].清华大学出版社，2007.

[2]夏文龙.基于计算机视觉的汽车流量检测研究[D].四川大学，2003.

[3]葛群辉，浅谈基于视觉的高速公路车流检测技术[J].科技资讯，2010（2）.

[4]刘萌萌，基于无标度摄像机的车流跟踪与速度估计算法研究[D].西南交通大学，2005.

第6篇：计算机视觉检测技术范文

关键词 行人检测技术；车载化境；模型构建

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）181-0031-02

通过利用计算机视觉相关技术，判断视频中是否存在行人，分析架设在车辆上的摄像机得到的视频，假设存在行人给出其确切的位置，这就是车载视觉系统中的行人检测。作为智能车辆的重要组成部分，车载行人检测系统可以保证行人的生命财产安全，有效提升驾驶安全性，近些年长期受到了业界的重视程度。通过着装、尺度、视角、遮挡、姿态等，在车载环境下的实时行人检测技术，有一些常见的外观差异问题存在于一般人体检测中。也具有一些摄像机的自身运动考虑、检测要求实时、光线变化要求鲁棒的难点，这是自身所特有的。

对象识别及感兴趣区域分割这两大模块，存在实时性及鲁棒性的双重要求，一般都包含在现有车载环境下的实时行人检测系统之中。

1 车载环境下实时行人检测模型的构建

算法是行人检测预警系统的核心，特征分析法及模型匹配法是行人检测算法通常所包含的两种方法。实用性不强，作为独立的行人检测技术，相比较而言，基于特征的行人检测算法因其自身所具有的优势特色，是当前主要的研究方向。本文模型引入了一种窗口拆分法和引进的上下文扫描算子，使现有的行人算法应用于车载设备成为可能，使原本耗时的算法在车载嵌入式系统上具有可以满足实时性要求的应用效率。验证过程及检测过程是算法所包含的两个过程。

1.1 行人检测

1.3 行人验证

之前的研究是行人检测中使用最广泛的特征之一，已经成功的用HOG特征来进行物体检测与识别。但是使用HOG特征只是在对误报进行筛选，对整帧图像进行计算是非常耗时的，HOG特征的运算时间就明显的降低，仅仅是有限的一些窗口需要验证，是分类检验阶段。使用SVM分类器及HOG特征验证之前得到的可能行人区域。在计算每一个窗口的HOG特征之前，需要先重新将感兴趣区域的窗口转换成为64Pixel×128Pixel。使用已离线训练好的线性SVM分类器进行检测前，先将计算完成一个3780维度的特征向量来描述窗口，从而对非行人及行人进行区分，此过程可以减少误报。

1.4 分类器及样本库

现有的公开样本库，不适用针对侧面行人的检测进行训练，尽管在各自不同的研究方向上表现出了良好的性能。横过街道的行人，是行人检测预警系统的主要应用对象，所以文章采集了侧面行人的样本库，使用车载设备在城市街道。此样本库就为实时性的提升简化了条件，是因为场景针对性强，算法的复杂程度相对较小。首先使用基于AdaBoost及Viola方法来完成训练，是因为需要训练AdaBoost及SVM两类不同的分类器。使用了n个20Pixel×40Pixel的正样本的，是在侧面行人整体样本的训练中，为训练一个级联分类器，x个不小于正样本大小的负样本。应用LIBLINEAR工具，训练线性SVM分类器，使用了19 587个负样本及5 189个64Pixel×128Pixel的正样本完成训练。

2 结论

可以满足实时性的要求，需借助窗口拆分法及OCS得到的行人检测系统。在使用了窗口拆分法及OCS之后，促使行人检测算法在车载实时系统中的应用成为可能，保持了相同级别准确率。未来应当改进快速检测算法的准确率及效率，继续深入研究针对不同工况下的侧面行人的检测，要和已有的疲劳驾驶系统整合，要在未来的应用中完成车道变线预警的判断功能，形成一个功能更加完备的车载主动安全辅助系统。

参考文献

[1]郭爱英，徐美华，冉峰，等.基于CS-SD的车载环境下实时行人检测模型[J].交通运输工程学报，2016（6）：132-139.

[2]王国华，刘琼，庄家俊.基于局部特征的车载红外行人检测方法研究[J].电子学报，2015（7）：1444-1448.

第7篇：计算机视觉检测技术范文

关键词:视觉检测技术;F150视觉传感器; 玻锥生产线

中图分类号:TP212文献标识码:A文章编号:1672-3198(2009)18-0306-01

1 引言

机器视觉技术作为计算机科学的一个重要分支,在近三十年中有迅速的发展。由于机器视觉系统可以快速获取大量信息并自动进行数据处理,易于设计信息及加工控制信息集成。因此在现代自动化生产过程中,机器视觉系统被广泛用于工业监视、成品检验、质量控制和数据测量等领域。工业视觉系统是实现现场工业自动化的基础技术,尤其是要求高速化或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。玻锥生产线的自动化程度很高,目前用视觉识别系统取代人工进行检测不仅可以减轻工人劳动强度,而且能减少次品和提高生产效率。但是机器视觉系统也有它的局限性,因此对于不同的检测对象或不同的工艺要求要具体分析,采取不同的检测方案。故在此介绍在安飞公司的玻壳生产线中采用机器视觉取代人工视觉进行检测的应用方法。

2 欧姆龙 F150视觉系统简介

(1)基本原理:机器视觉检测系统通常采用CCD(Charge Couple Device)。摄像机摄取检测图像并将其转化为数字信号,再采用先进的计算机硬件与软件技术对图像数字信号处理,得到所需的目标图像特定值,并在此基础上实现模式识别、坐标计算、灰度分布图等功能。机器视觉检测系统能够根据检测结果快速的显示图像、输出数据、指令。执行机构可配合其完成位置调整、好坏筛选、数据统计等自动化流程。与人工视觉相比,机器视觉最大的优点是精确、快速、可靠、稳定以及信息数字化。机器视觉系统主要由图像的获取、图像的处理和输出显示组成。

图像获取设备包括光源、摄像机等,其中关键的部件为摄像机中的CCD由分布于其上的各个像元光敏二极管的线性阵列或矩形阵列构成,通过顺序输出每个二极管的电压脉冲,实现将图像光信号转换成电信号的目的。输出的电压脉冲序列可以直接以RS-170制式输入标准显示器,或者输入计算机的内存进行数值化处理。CCD是目前最常用的机器视觉传感器,图像处理设备包括相应的软件和硬件系统。输出设备与过程相连,包括监视界面、过程控制器和报警装置等。摄像数据通过计算机对标准和故障图形的分析和比较,若发现不良产品,则发出NG信号报警,并通知PLC进行下一步处理。机器视觉检测的结果可以作为计算机辅助质量CAQ(Computer Aided Quality)系统的信息来源,也可以和其他控制系统集成。

(2)主要性能指标:安飞公司玻锥生产线视觉检测系统采用欧姆龙公司的F150视觉传感器。系统像素为512×480,可以记录二十三个个不同物件的标准画面,存储二十三个画面不合格物件图像,即可确定二十三种不合格的情况,以便于在生产中进行比较和回馈。图像处理采用二值化方法。数据及图像的存储通过RS232接口与PLC相连。摄影机和光源装置为F150-C1×E-C型。其中摄影机部分为1/3寸CCD摄像元件,电子快门有1/100、1/500、1/2000、1/10000s等多种选择。检测范围为50mm×50mm。

(3)系统基本构成:系统中起核心作用的是控制器,基于二值化和灰度理论,可处理CCD镜头以像素为单位由光信号转换而来的电信号,并提供测量模式、输入输出和通信手段。控制器通过专用信号线与摄像机相连。使用者可手持编程器在显示器上选择测量模式,检查区域及设定检查条件。最后在控制器中产生特定信号,由可编程控制器接收,控制执行元件完成特定的动作如取像、检测、执行等。

视觉检测系统的基本结构如图1。

3 系统应用

(1)硬件连接(如图2) 。

(2)通讯参数设置:通讯方式:RS232,传输速率:9600bps,传输字长:8位,停止位:1位,奇偶校验:无。

(3)判断条件设置:为使摄像机得到更准确的测量值,需先将待测物体放在照相机与光源中间,并在照相机的视野范围内调整光源强度,之后由检测物自身的形状、颜色及透光度来设定快门速度(shutter speed )、滤波( filitering)和背景抑制级别( BGS Levels ),设定好后必须能够看清楚被检测物的轮廓,并且轮廓边缘不能闪烁,否则摄像机将不能检测到理想效果。在安飞公司中摄像机快门速度设为1/2000S,滤波设为强过滤,背景抑制级别上限取255下限取156。

(4)检查项目和领域设定:接着设定搜索领域(region),进行方向、颜色、边缘层和位置的设定,之后进入位置补偿(position compensation)调节补偿区域及方向,最后进入数据(date)中设置表达式,在此表达式设为R1.EG-R0.EG。以上设置结束后存储设定内容,将模式更换为运行(RUN)模式进行检测。使用者可以手持式编程器的触发按键{Trigger})进行单次的测量,也可以通过可编程控制器发出“开始检测(MEASURE/C) ”命令来进行触发测量,用“结束检测 (MEASURE/E) ”来结束测量。在安飞公司的玻锥生产中就采用了后一种方法,数据将根据需要进行显示并传输到可编程控制器。

(5)摄像机检测主菜单如下:

(6)系统功能。

本系统主要实现的功能如下:摄像机共进行两次照相首次照相首先检测切割完小头的玻锥,检测切割是否成功。当检测值不在预设的正常值范围内时显示器显示NG符号,同时PLC发出报警信号将产品排除生产线。当检测正常时,程序正常进行,摄像机检测的数据自动显示在显示屏上,之后PLC使管径下移,照相机二次照相照出锥体与管径的间距,将数据传送至PLC,由PLC进行下一步处理并在显示屏上刷新数据。在实际应用中,我们注意到光源的亮度对生产的影响很大,当亮度过高时由于反光会造成检测误差,而过低时则不会正常显像。

4 结语

OMRON公司的F150视觉传感器自在安飞公司玻锥生产线应用以来,系统运行稳定、可靠。其测量精度可以达到±0.001mm,完全达到生产工艺要求。该方法方便、快捷、有效地实现玻锥与管径间的测量。本系统采用的是欧姆龙公司中端的F150系统,而其最新推出的F160系统,则可以满足更高端的指标要求,但同时成本会也有一定的提高。使用者可结合不同检测系统的成本及工业现场实际要求,比较灵活的采用不同的系统。

第8篇：计算机视觉检测技术范文

（1.西安计量技术研究院，陕西西安710068；2.西安理工大学，陕西西安710048）

摘要：针对基于三维扫描的商品过度包装智能检测系统中检测摄像机与被测物间三维轴线求解复杂的问题，提出一种在过度包装检测系统中检测摄像机与被测物间三维轴线求解方法。该方法利用棋盘格做标记板，在计算机上利用OpenCV对标记图像进行识别处理，利用三维重建原理对坐标进行二维到三维的变换和空间点重建，实现三维扫描下摄像机与被测物之间的三维轴线求解。在实验中，该方法测试数据达到该系统对精度的要求。所提方法中测量装置结构简单，在转换过程中不需要对标记进行边缘检测，减少了计算量，同时使测量效率得到提高，降低求解的复杂程度。

关键词 ：过度包装检测；标记板；坐标转换；角点识别

中图分类号：TN942.2?34 文献标识码：A 文章编号：1004?373X（2015）18?0022?04

收稿日期：2015?03?25

基金项目：陕西省工业科技攻关项目（2014K05

0 引言

随着商品经济的发展，市场形成供大于求的局面，商品对包装促销作用的要求越来越高。因此，在产品的销售过程中经常会出现过度包装[1]的现象。按照市场规律分析，其产生的原因主要在于生产者、设计者、消费者、决策者4 个方面。而在技术上对过度包装进行检测，便有了很大的需求。基于三维建模的商品过度包装智能检测过程包含前期的摄像机标定和转台标定、三维扫描、形态辨识与建模[2]、异类形体包装体积智能换算，以及包装空隙率运算与是否过度包装判定等基本环节，如图1所示。

对商品的三维数据采集需要从多个角度进行采集，并将这些从不同视角观察的三维数据通过对齐复位过程表示于同一坐标系中，对散乱点云进行配准[3]恢复其原有的位置关系。为此，在三维数据采集中摄像机与被测物间空间坐标的转换就成为该检测系统精确测量与判定的基础。

在单目视觉下或者是在双目视觉下进行物体三维信息的重建[4]工作时，都需要进行三维信息的还原，通常采用双目测量技术。双目测量技术是计算机视觉[5]检测技术的一个重要组成部分，利用2个摄像机模拟人眼的结构对空间特征点进行测量。为了保证被测物随转台旋转之后测量的准确性，需要对转台参数进行标定，找出旋转台的旋转轴线[6]。这其中就涉及到了转台参数计算这个重要环节。在数据采集过程中有被动式采集和主动式采集2种方法[7]。在三维重建中2种采集方式都可以使用[8]，二者的区别在于，被动式没有受控的主动光源，无需复杂的设备，并且与人类的视觉习惯比较接近，其测量技术主要用于受环境约束不能使用激光或者特殊照明光的场合；主动式数据采集有受控光源，二者互有优劣。本文采用的是被动式采集，利用棋盘格做标记板，在计算机上对图像进行检测识别，将坐标进行变换和空间点重建，来实现双目视觉下摄像机与被测物之间三维轴线求解。

1 双目视觉下三维坐标转换原理

在需要进行轴线求解的领域中，现在一般有以下几种常见的方法：第1种是对于计算机视觉测量中轴线标定的方法主要标准平面或高精度半径已知的标准球[9]来实现。通过被标定的视觉测量设备首先从多个旋转位置获取标准平面或标准球的表面三维数据，然后根据三维点数据拟合出平面或球的表面方程，最后根据平面或标准球的几何特征求取出旋转台的旋转轴线位置。第2 种方法是利用球形标靶[10]，旋转若干个位置（至少3 个）通过灰度值跳变像素粗略寻出标靶的边缘，然后根据边缘上相邻像素点之间的曲率变化对边缘进行筛选，得到准确地球形标靶边缘点，使用最小二乘法获取球形标靶的圆心，此后通过每个圆心三维点数据进行拟合平面进而求取轴线。

本文对上述方法进行了总结和分析，结合实际的项目，提出了利用棋盘格做标定板来进行轴线标定的方法。在此对该方法进行详细的介绍。

1.1 测量装置环境搭建

在双目视觉系统下，把转台置于2个摄像机的视场内，并且把用于摄像机标定的棋盘格置于转台上，其位置没有特殊要求，最好是平放在转台上或与转台成一定角度，方便转台在旋转更大角度时，摄像机可以检测棋盘格上角点，此装置用棋盘格代替传统的标记圆和标记球。双目视觉轴线标定的原理示意图如图2所示。

图2中棋盘格摆放位置并不固定，摆放的标准就是需要让棋盘格整体处于双目摄像机的视场范围内，可以检测出棋盘格的角点即可，所以摆放位置取决于摄像机与旋转台的相对位置。

1.2 对标记点的检测

之所以选择棋盘格，是因为在进行摄像机标定时发现摄像机可以很好地识别棋盘格的角点，通过OpenCV或者Matlab 中的识别程序[11]对角点进行检测。通过程序可以得到角点的二维像素坐标和转换所需要的摄像机内外参数矩阵，相较传统的标记圆和标记球而言，简化了工序和计算质心的步骤。选择标记点的时候尽量选择远离圆心的某点，这样可以大大减少计算误差。转动圆盘，至少旋转三个角度分别记录下所选择标记点在左摄像头和右摄像头下的坐标，分别记作Ql1 ，Ql2 ，Ql3和Qr1 ，Qr2 ，Qr3 ，其中Ql1 和Qr1 ，Ql2 和Qr2 ，Ql3 和Qr3 是空间中同一点在左右摄像机里对应的点。

1.3 对标记点的坐标转换

以上3点分别是在左右摄像机下的坐标，通过几何关系，空间点在左右摄像机下对应的坐标可以惟一确定这个空间点。

对这3点的空间三维坐标进行求解，来确定这3点在空间中的确定位置。如图3所示，Ql1 与Qr1 是空间点Q1 在左摄像机与右摄像机中分别对应的点，依据三角几何的变换关系可以通过左右摄像机对应的2点惟一确定空间中点Q1 。

利用计算机视觉将坐标点进行转换，已经分别检测出Q1 在左摄像机下的坐标，在右摄像机下的坐标为，假定摄像机已经标定，通过标定程序可以得到摄像机的内外参数矩阵，进而很容易得到投影矩阵[12]，分别记作M1与M2 ：

式中(u1,v1,1) 与(u2 ,v2 ,1) 表示Ql1 与Qr1 的齐次坐标，同样(x,y,z,1) 是Q1 齐次坐标，mkij (k = 1,2 ; i = 1,2,3 ; j = 1,2,3,4)分别表示的第i 行和j 列元素，通过式（1）和式（2）联立求解，可以将式（1）和式（2）中左边的比例系数消去，得到式（3）：

依据式（3），利用最小二乘法可以求解超定方程组，得出x ，y ，z 。同理，对Ql2 ,Qr2 和Ql3,Qr3 这二组数据利用上述步骤也分别进行转换，此时便可以得到圆盘上3 个标记点的三维坐标，可以分别记作Q1(x1,y1,z1) ，Q2 (x2 ,y2 ,z2 ) ，Q3(x3,y3,z3) 。

1.4 求轴线的方向

即转轴R 归一化矢量。

1.5 求旋转轴线上的一点坐标

通过式（15）可以求出圆心坐标。

从上面的步骤可以简单地得出该方法求轴线的一般过程，将轴线标定的装置搭建好之后，对坐标点进行检测和空间转换，使得求解所需要的数据在同一个空间坐标系下。然后通过上述的方法求解轴线的方向，为了计算简单，选取轴线与旋转平面的交点作为该向量上需要求的一点。这样便可以得到确定轴线的所有数据，即轴线的方向和该旋转轴上的一点。

2 实验结果与误差分析

正文内容双目视觉下的轴线标定采用2个CCD 摄像机，将其分别固定在水平臂的两端，在2个摄像机的重合视场内，放置由步进电机和步进电机驱动器组成的旋转台。为了对进行物体精确的三维重建，利用上述原理对旋转轴进行标定，旋转轴线的标定精度很大程度上决定了物体三维重建的误差大小。

在本实验中选择棋盘格作为标定板，放置在转台上，将双目摄像机固定，可以在很大一个转角内进行测量，距离近时可以进行360°无死角测量，进行实验时需要选择多个角点用于标定，这样做是为了消除数据的噪声影响。

对于一组数据，倘若标准差或者方差越小说明其数据波动越小，也就意味着标定的精度越高。表1的数据是进行了6 次实验得出的结果，可以看到标准差接近于0，说明实验数据比较稳定，精确度较高。

表1 中：a，b，c 分别代表是旋转轴方向的三维坐标值；x，y，z，分别代表标记点所在圆圆心的三维坐标值。

双目视觉下轴线标定的误差来源主要有对棋盘格角点的识别误差和转台转动的精度误差，对于第1种误差，不需要转台的测量每个点的旋转度数，所以这种误差的主要来源是二维图像中角点的位置的识别误差。采用的识别程序标定对角点的识别误差平均值是0.44 个像素点，为了提高角点的检测精度，和轴线的测量精度，可以采用一次测量多个点（大于3个）求解超定方程，和多此求解轴线矢量和标记点所在圆的圆心，进而进行数据拟合。对于第2种误差来源，完全决定于旋转平台的平整度以及精密程度。

3 结语

本文基于过度包装智能检测项目，提出了在过度包装检测系统下一种检测摄像机与被测物间三维轴线求解方法，对现有的标定技术进行了一定的革新和优化。该方法不需要特殊的标定板，简化了测量装置。经过试验数据分析，精确度较高，可以将噪声对数据和整个标定结果的影响降低很多，具有较好的鲁棒性。在坐标转换时不需要额外的操作和工序，简化了转换步骤。该方法具有较好的通用性，可以在其他应用中使用。

参考文献

[1] HAI R H，CHI Y J. Modifying soy protein isolate by microwave?assisted phosphorylation to improve emulsification properties [J]. Journal of the Chinese Cereals and Oils Association，2009，24（6）：40?42.

[2] 张梅，文静华，张祖勋，等.基于特征关系图的似二次曲面物体三维几何建模[J].光电子·激光，2010，21（8）：1252?1256.

[3] 张旭东，吴国松，胡良梅，等.基于TOF三维相机相邻散乱点云配准技术研究[J].机械工程学报，2013，49（12）：8?23.

[4] LI X S，QIN K Y，YAO P，et al. 3D Reconstruction of space based on binocular vision [C]// Proceedings of the 6th Interna?tional Symposium on Precision Mechanical Measurements. [S.l.]：SPIE，2014：1861?1865.

[5] 马颂德，张正友.计算机视觉：计算理论与算法基础[M].北京：科学出版社，1998.

[6] PANG F，LAU H，SONG H，et al. A tool ? free calibration method for turntable?based 3d scanning systems [J]. IEEE Com?puter Graphics & Applications，2014，1（1）：10?11.

[7] HERN C，áNDEZ C，ESTEBAN E，SCHMITT F. Silhouette and stereo fusion for 3D object modeling [J]. Computer Vision and Image Understanding，2004，96（3）：367?392.

[8] FANG W，HE B W. Automatic view planning for 3D recon?struction and occlusion handling based on the integration of ac?tive and passive vision [C]// Proceedings of the 2012 IEEE In?ternational Symposium on Industrial Electronics. Hangzhou，China：IEEE，2012：1116?1121.

[9] 胡民政，习俊通.面向结构光三维测量的两轴转台标定[J].上海交通大学学报，2010，44（4）：506?511.

[10] 王鹏，孙长库.双目视觉转轴标定方法：中国，CN101216296A[P].2008?07?09.

[11] ZHANG Z Y. A flexible new technique for camera calibration [J]. IEEE Transactions on Pattern Analysis and Machine Intel?ligence，2000，22（11）：93?98.

[12] 陈洪磊，贺建峰，刘俊.基于二维检索的投影矩阵算法[J].计算机工程，2013，39（2）：229?232.

作者简介：王凯（1977—），男，陕西西安人，信息化管理中心主任，硕士。研究方向为测量信息管理。

第9篇：计算机视觉检测技术范文

关键词：柑橘；分级；感官鉴评；相关性

中图分类号：S666 文献标识码：A 文章编号：0439-8114（2012）20-4631-03

柑橘是中国产量最大的水果种类之一，同时也是重要的外贸果品，但是由于采摘后检测、分级技术落后，造成上市的柑橘等级混杂，良莠不齐，商品价值受到影响，特别是在国际市场上缺乏竞争力。目前中国的柑橘分级主要依靠人工完成，分级结果因劳动者的个体差异而一致性较差，效率较低[1，2]。利用机器视觉进行柑橘分级可以同时对多个标准，包括水果的尺寸大小[3]、颜色[3，4]、形状[5-7]、表面缺陷等外观品质进行综合分级。其分级的客观性强、标准稳定、一致性好、效率高，而且非接触、无伤害，是解决人工分级问题的有效途径之一，也是目前计算机视觉技术在农业应用中的一个研究热点[1，2]。针对人工感官鉴评的各个指标及其相关性进行定量的分析与评价，可为机器视觉分级提供参考。

1 材料与方法

1.1 材料

于市场采购外观差异较大、成熟程度不同的温州蜜柑100个作为试验样本，依序贴上标签，供感官鉴评试验使用。

1.2 方法

1.2.1 感官鉴评指标分析 参照温州蜜柑的有关鉴评标准[1]，对过去的鉴评方法进行了部分修改，重点对橘皮颜色、光滑度、橘皮厚薄、橘子软硬程度、口感和水分6项指标进行评分，最后按总分从高到低将所有样品得分划分为4个区间，从而将样品分为4个等级。具体评分标准如下。

橘皮颜色（10分）：着色程度为九成及以上给10分，五至八成给7～9分，两至四成给4～6分，一成及以下给1～3分。光滑度（10分）：油胞细小、表皮光亮给7～10分，油胞较大、偶尔有疤痕给4～6分，有较多疤痕给1～3分。橘皮厚薄（10分）：果皮很薄给7～10分，中等给4～6分，很厚给1～3分。橘子软硬程度（10分）：较软给7～9分，较硬给4～6分，很硬和很软给1～3分。口感（10分）：酸甜适口给7～9分，较酸给4～6分，非常酸或非常甜给1～3分。水分（10分）：水分大给7～9分，水分适中给4～6分，水分少给1～3分。

1.2.2 感官鉴评过程 在2011年10月15～30日两周内，于华中农业大学理学院应用物理系开放实验室，分4次对共100个柑橘样本进行了感官鉴评，就外形（橘皮颜色，光滑度，橘皮厚薄）、质地（橘子软硬程度）、风味（口感，水分）共3个维度6个指标获取了100个样本的感官鉴评数据。整个鉴评过程由食品质量与安全专业的6名高年级本科生完成，每位鉴评人员对每个柑橘样本就6个指标进行评分，总分为60分，每个样本每个指标的最终得分为6个鉴评人员给分的平均值，每个样本的总分为其6个指标的平均分之和。

2 结果与分析

2.1 感官鉴评试验结果

通过对100个试验样本总评得分进行分析，得出其中最高分为46.83分，最低分为25.67分，均分为38.31分，标准差为5.08分，得分分布区间间距为21.16分。将分布区间4等分，每等分间距大小为5.29分，将所有柑橘分为4个等级。

4个等级水果的平均分如表1所示。由表1可知，4个等级的水果在橘皮颜色上的得分差异最大，而橘皮厚薄并没有随着等级的降低呈单调下降的趋势。4个级别的柑橘各指标得分的标准差如表2所示，由表2可知，各个级别各个指标的得分分散程度不一样，其中以4级果光滑度得分的分散程度最大。

2.2 感官鉴评结果分析

2.2.1 感官鉴评指标的相关性分析 为了对感官鉴评诸因素间的相互关系进行分析，通过对100个样本6个指标的得分计算相关系数矩阵，其结果如表3所示。由表3可知，橘皮颜色和总分的相关系数最高，而橘皮厚薄与总分的相关系数很低。6个指标与总分的相关系数为橘皮颜色>水分>橘子软硬程度>口感>光滑度>橘皮厚薄。另外，橘子软硬程度与水分之间有高度的相关性，且橘皮颜色、水分与口感的相关性较高。

2.2.2 感官鉴评各指标得分及总分的散点图 为了更直观地显示各指标得分的分布情况，分别绘制了100个样本的各指标得分-总分的散点分布图，如图1所示。由图1A可知，一级果与二级果的橘皮颜色得分并没有完全拉开，但一、二级果与三、四级果的橘皮颜色得分差异较明显。由图1B可知，一、二、三级果在光滑度得分上差异不明显，但与四级果拉开了较大差距。由图1C可知，4个级别的柑橘在橘皮厚薄得分上差异不明显，这也印证了橘皮厚薄与总分相关性很小。由图1D可知，一、二、三级果在橘子软硬程度得分上有较明显差异，但四级果的橘子软硬程度得分分布区间很大，与其他3个等级没有明显差距。由图1E可知，4个等级的水果在口感得分上具有较大差异。由图1F可知，前3个等级的水果在水分得分上有比较明显的差异，但四级果的水分得分分布比较分散，与三级果没有明显差异。

3 小结与讨论

本研究通过对柑橘感官鉴评诸要素综合分析，以期为用机器视觉方法对柑橘分级提供一些指导性意见。研究发现，橘皮颜色与总分有很高的相关性，这也保证了通过机器视觉方法对柑橘进行分级的可行性[3，4]。另外，水分作为与总分相关性排位第二高的指标，也说明可以通过对水分进行非接触的无损检测技术提高机器视觉分级方法的有效性。作为相关性第三高的橘子软硬程度指标，可以考虑在流水线上安装压力传感器，在橘子翻滚过程中对其软硬程度进行检测。同时，试验结果表明各项评价指标得分与样本总分的相关性大小有较大差异，表明在设计柑橘等水果的品质评价指标时，应考虑每项指标的重要性程度、给予不同的分值；在考虑采用多项指标对水果进行机器视觉分级时，应综合考虑给予不同指标以不同的权重，从而保证分级系统设计的方案合理有效。

参考文献：

[1] 卓春宣.2006年福建金柑鉴评结果分析及其对策[J].福建果树，2007，142（3）：19-20.

[2] 周晓蓉，黎培辉，杨 坚.柑橘人工分级的误差分析[J].农机化研究，2010（4）：30-33.

[3] 张俊雄，荀 一，李 伟，等.基于计算机视觉的柑橘自动化分级[J].江苏大学学报（自然科学版），2007，28（2）：100-103.

[4] 何东健，杨 青，薛少平，等.果实表面颜色计算机视觉分级技术研究[J].农业工程学报，1998，14（3）：202-205.

[5] 赵 静，何东键.果实形状的计算机识别方法研究[J].农业工程学报，2001，17（2）：165-167.