計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用精選(九篇)

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)技術(shù)及應(yīng)用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

【關(guān)鍵詞】農(nóng)產(chǎn)品 計(jì)算機(jī)視覺(jué)技術(shù) 品質(zhì)檢測(cè)

農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作中除了采取人工檢測(cè)法以外，還可以采取半自動(dòng)或自動(dòng)檢測(cè)法，如在水果分級(jí)檢測(cè)工作中的質(zhì)量分級(jí)檢測(cè)法、光電分選法以及大小分級(jí)法等。然而農(nóng)產(chǎn)品品質(zhì)會(huì)受到自然生長(zhǎng)環(huán)境或人為因素等方面的影響，農(nóng)產(chǎn)品的色澤、大小及形狀等并不相同，無(wú)法采取單一指標(biāo)進(jìn)行檢測(cè)。因此充分應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)農(nóng)產(chǎn)品的品質(zhì)進(jìn)行檢測(cè)，極為重要。

1 計(jì)算機(jī)視覺(jué)技術(shù)

計(jì)算機(jī)視覺(jué)技術(shù)又被稱為機(jī)器視覺(jué)技術(shù)，指的是通過(guò)人類設(shè)計(jì)，在計(jì)算機(jī)環(huán)境下，達(dá)到再現(xiàn)或模擬人類視覺(jué)相關(guān)的職能行為的一種技術(shù)，包括了印刷和手寫(xiě)文字的識(shí)別技術(shù)，圖像模式識(shí)別技術(shù)，物體三維表面形狀識(shí)別技術(shù)、距離識(shí)別以及速度感知等技術(shù)。該技術(shù)是諸多學(xué)科的結(jié)合與交叉，涉及到數(shù)學(xué)、生理學(xué)、信息處理、物理學(xué)、光學(xué)以及計(jì)算機(jī)等多種學(xué)科。探究計(jì)算機(jī)視覺(jué)技術(shù)的目的在于實(shí)驗(yàn)人類視覺(jué)的再現(xiàn)及延伸，即再現(xiàn)高等動(dòng)物的視覺(jué)系統(tǒng)，并對(duì)物體形狀以及類別進(jìn)行識(shí)別。

此外，計(jì)算機(jī)視覺(jué)技術(shù)處理的原始資料多是圖像，所以該技術(shù)和圖像處理以及模擬識(shí)別等有著緊密的聯(lián)系?，F(xiàn)階段，計(jì)算機(jī)視覺(jué)技術(shù)在諸多領(lǐng)域有著較為廣泛的運(yùn)用，包括了醫(yī)學(xué)輔助診斷、資源調(diào)查、衛(wèi)星圖像解釋、軍事指導(dǎo)、災(zāi)害監(jiān)測(cè)、氣象以及工業(yè)產(chǎn)品的外觀篩選及檢測(cè)等。同時(shí)研究該技術(shù)在農(nóng)業(yè)工程領(lǐng)域中的應(yīng)用，也成為了熱門話題。

2 在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中，計(jì)算機(jī)視覺(jué)技術(shù)的具體應(yīng)用

筆者在查閱相關(guān)文獻(xiàn)資料的基礎(chǔ)上，探究在農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作中，計(jì)算機(jī)視覺(jué)技術(shù)在產(chǎn)品表面缺陷以及損傷識(shí)別工作中的具體應(yīng)用；果形識(shí)別工作中的具體應(yīng)用；農(nóng)產(chǎn)品尺寸以及面積檢測(cè)工作中的具體應(yīng)用。

2.1 在產(chǎn)品表面缺陷以及損傷識(shí)別工作中的具體應(yīng)用

在對(duì)農(nóng)產(chǎn)品進(jìn)行分級(jí)的過(guò)程中，依然存在著一大問(wèn)題，即農(nóng)產(chǎn)品表面缺損以及損傷識(shí)別。而早在1984年就已經(jīng)出現(xiàn)了采取線掃描和模擬攝像機(jī)針對(duì)蘋果表面損傷進(jìn)行檢測(cè)的實(shí)驗(yàn)報(bào)道，實(shí)驗(yàn)結(jié)果顯示，采取數(shù)據(jù)技術(shù)能夠檢測(cè)出蘋果表面損傷，其檢測(cè)結(jié)果完全能夠達(dá)到人工分級(jí)的精度。與此同時(shí)，還出現(xiàn)了一種機(jī)器視覺(jué)系統(tǒng)，該系統(tǒng)將不規(guī)則的圖像信息與正常的圖像信息區(qū)分開(kāi)來(lái)，在去除蔬菜內(nèi)的雜物以及檢測(cè)農(nóng)產(chǎn)品的污點(diǎn)等方面能夠取得較好的應(yīng)用效果。此外，在1989年，國(guó)外出現(xiàn)了一種全新的計(jì)算方法，即運(yùn)用紅外線掃描攝像機(jī)，處理蘋果表面的灰度圖像，既能夠確定蘋果表面的損傷面積，還能夠區(qū)分不同損傷區(qū)。然而還技術(shù)是以機(jī)械裝置的設(shè)定為基礎(chǔ)，需要消耗2s的時(shí)間，對(duì)一個(gè)蘋果進(jìn)行檢測(cè)，蘋果表面缺陷分級(jí)精度以及損傷分級(jí)進(jìn)度并不高。

我國(guó)在1997年，出現(xiàn)了運(yùn)用計(jì)算機(jī)圖像處理技術(shù)對(duì)蘋果損壞自動(dòng)化檢測(cè)的試驗(yàn)研究，該試驗(yàn)結(jié)果顯示，該技術(shù)的損壞檢出率較高，能夠規(guī)避果梗區(qū)以及花萼區(qū)對(duì)于壞損區(qū)域識(shí)別的具體影響，且該檢測(cè)技術(shù)的魯棒性較強(qiáng)。

2.2 在果形識(shí)別工作中的具體應(yīng)用

果形識(shí)別是影響水果質(zhì)量的重要因素之一，對(duì)于水果品質(zhì)檢測(cè)有著重大意義。當(dāng)水果成熟后，水果的外形將會(huì)發(fā)生巨大的改變，且無(wú)法采取數(shù)學(xué)方法進(jìn)行鑒別，采取其他方式進(jìn)行果形識(shí)別極為重要。

在1981年，有研究人員就針對(duì)形狀識(shí)別中的圖像特征進(jìn)行了探討，提倡采取結(jié)構(gòu)分析法以及外形輪廓曲線檢測(cè)法，針對(duì)水果外形進(jìn)行識(shí)別。并在1985年，以數(shù)字圖像分析技術(shù)以及模式識(shí)別技術(shù)為依據(jù)，針對(duì)番茄定向、番茄形狀、表面缺陷以及尺寸進(jìn)行分類的特殊算法，運(yùn)用灰度梯度曲線，明確番茄表面缺陷以及花萼位置等。而我國(guó)則在2000年，按照果實(shí)形狀分析，通過(guò)連續(xù)性指標(biāo)、半徑指標(biāo)、連續(xù)指標(biāo)對(duì)稱性、半徑指標(biāo)對(duì)稱性等特征參數(shù)，表示果形，并首次采取參數(shù)形狀分析法。

2.3 在農(nóng)產(chǎn)品尺寸以及面積檢測(cè)工作中的具體應(yīng)用

農(nóng)產(chǎn)品分級(jí)中，以農(nóng)產(chǎn)品外形尺寸為依據(jù)。在1987年，國(guó)外就已經(jīng)開(kāi)始研究機(jī)械視覺(jué)技術(shù)在牡蠣肉分級(jí)以及尺寸檢測(cè)工作中的具體應(yīng)用。并在1992年，針對(duì)人工檢測(cè)以及機(jī)器視覺(jué)檢測(cè)進(jìn)行進(jìn)行了對(duì)比分析，試驗(yàn)結(jié)果顯示，和人工檢測(cè)技術(shù)相比，采取視覺(jué)檢測(cè)技術(shù)，能夠提高檢測(cè)的精確度，減少檢測(cè)消耗時(shí)間；同時(shí)在評(píng)價(jià)以及推廣種質(zhì)資源中，準(zhǔn)確的測(cè)量以及詳細(xì)的記錄種質(zhì)形態(tài)的指標(biāo)，有著極為重要的意義。為了能夠精確、快速地計(jì)算出玉米種質(zhì)尺度，在1995年，有研究人員就提出了自動(dòng)化選擇技術(shù)，該技術(shù)在處理玉米種質(zhì)圖像中，其辨別精度極高。

而我國(guó)在2002年，有研究人員就針對(duì)水果品質(zhì)進(jìn)行動(dòng)態(tài)、實(shí)時(shí)監(jiān)測(cè)的智能化分級(jí)生產(chǎn)線進(jìn)行了研究，該生產(chǎn)線，首先通過(guò)水果輸送翻轉(zhuǎn)系統(tǒng)，利用滾筒式輸送翻轉(zhuǎn)裝置，將水果往前輸送，在輸送過(guò)程中，以水平軸為中心，保證水果表面能夠被系統(tǒng)檢測(cè)到，以此獲得圖像信息。然后利用計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)，對(duì)水果等級(jí)進(jìn)行判斷，明確圖像信息。該系統(tǒng)具備了視覺(jué)識(shí)別功能。最終通過(guò)分級(jí)系統(tǒng)，完成水果分級(jí)工作。

3 結(jié)語(yǔ)

在二十世紀(jì)七十年代以后，計(jì)算機(jī)視覺(jué)技術(shù)就已經(jīng)得到了較為迅速的發(fā)展，在我國(guó)，該技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的具體應(yīng)用也得到了人們的高度關(guān)注，同時(shí)也取得了一定的成效。計(jì)算機(jī)視覺(jué)技術(shù)作為人眼的延伸技術(shù)之一，其具備了人腦功能，運(yùn)用該技術(shù)代替以往的人工操作技術(shù)，已經(jīng)成為了農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作的必然發(fā)展趨勢(shì)。

參考文獻(xiàn)

[1]朱從容.計(jì)算機(jī)視覺(jué)技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用[J].浙江海洋學(xué)院學(xué)報(bào)（自然科學(xué)版），2008，10（04）：191-192.

[2]王勃，徐靜.計(jì)算機(jī)視覺(jué)技術(shù)在蘋果葉片營(yíng)養(yǎng)診斷上的應(yīng)用[J].農(nóng)機(jī)化研究，2008，（03）：887-888.

[3]李朝東，崔國(guó)賢，盛暢，等.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用[J].農(nóng)機(jī)化研究，2009，10（12）：667-668.

作者簡(jiǎn)介

陳超（1995-），男，福建省福州市人?，F(xiàn)為北京交通大學(xué)在校學(xué)生。研究方向?yàn)殡娮涌茖W(xué)與技術(shù)。

第2篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

關(guān)鍵詞： 數(shù)據(jù)挖掘技術(shù) 計(jì)算機(jī)考試 數(shù)據(jù)處理 數(shù)據(jù)庫(kù)

信息化發(fā)展帶動(dòng)了電子產(chǎn)品的生產(chǎn)，也可以說(shuō)是計(jì)算機(jī)的普及帶來(lái)了信息化發(fā)展，兩者是相輔相成的。計(jì)算機(jī)被越來(lái)越多地運(yùn)用到各行各業(yè)，本文主要分析的是計(jì)算機(jī)在教學(xué)中的使用。計(jì)算機(jī)的使用離不開(kāi)數(shù)據(jù)庫(kù)的支持，信息數(shù)據(jù)處理是計(jì)算機(jī)教學(xué)研究的一項(xiàng)重大課題，數(shù)據(jù)挖掘作為一種新型數(shù)據(jù)處理技術(shù)，得到了廣泛關(guān)注。對(duì)數(shù)據(jù)進(jìn)行處理、分析和挖掘的主要目的是發(fā)現(xiàn)學(xué)校教學(xué)管理和學(xué)生管理各個(gè)方面的有效信息，本文從計(jì)算機(jī)考試入手，進(jìn)行深入研究分析。

一、數(shù)據(jù)挖掘技術(shù)概述

隨著信息技術(shù)的迅猛發(fā)展，各行各業(yè)每年都積累了大量數(shù)據(jù)，推動(dòng)了數(shù)據(jù)的高效管理與應(yīng)用。數(shù)據(jù)管理從最早的手工開(kāi)始，后期發(fā)展為文件管理，再到現(xiàn)如今的數(shù)據(jù)庫(kù)管理。過(guò)去人們對(duì)現(xiàn)有數(shù)據(jù)管理還比較順利，但對(duì)過(guò)去幾年、幾十年甚至更長(zhǎng)時(shí)間的數(shù)據(jù)管理起來(lái)就相當(dāng)費(fèi)事，甚至可以說(shuō)是不太容易完成的任務(wù)?，F(xiàn)如今計(jì)算機(jī)技術(shù)日漸成熟，大量信息數(shù)據(jù)給數(shù)據(jù)庫(kù)管理帶來(lái)大量工作量，此時(shí)數(shù)據(jù)挖掘技術(shù)就是為了數(shù)據(jù)處理而應(yīng)運(yùn)而生的。對(duì)于數(shù)據(jù)查詢而言，可以方便快捷地查詢出所需數(shù)據(jù)，遠(yuǎn)遠(yuǎn)超出人類所能理解的概括范圍?，F(xiàn)有統(tǒng)計(jì)學(xué)和數(shù)據(jù)查詢分析技術(shù)能對(duì)數(shù)據(jù)進(jìn)行綜合分析和查詢，一定程度上解決人們處理分析數(shù)據(jù)的需求。數(shù)據(jù)挖掘技術(shù)不僅限于數(shù)據(jù)查詢，還可以根據(jù)有效數(shù)據(jù)對(duì)非預(yù)期潛在有價(jià)值的信息進(jìn)行再處理，從而得出更多有用的潛在信息。

人們?nèi)粘Ｉ钪须x不開(kāi)數(shù)據(jù)挖掘技術(shù)的應(yīng)用，如超市物品的陳列問(wèn)題上，經(jīng)營(yíng)者想要把人們可能同時(shí)購(gòu)買的商品擺放到一起，以便引起人們的購(gòu)買欲望，增加銷售量。藥店經(jīng)營(yíng)者想要了解人們購(gòu)買藥物時(shí)還會(huì)附帶購(gòu)買的商品，將治療不同病種的藥物與可能購(gòu)買的商品擺放到一起，附帶銷售。醫(yī)學(xué)研究人員希望從已有成千上萬(wàn)份病例中找出某種疾病病人的共同特征，以便為治愈這種疾病提供一些幫助。企業(yè)管理者想要了解整體員工的平均收入水平，提取出業(yè)績(jī)較好員工的個(gè)人信息等。

從以上實(shí)例研究中得出結(jié)論，現(xiàn)有信息管理依靠數(shù)據(jù)查詢統(tǒng)計(jì)，并通過(guò)做報(bào)表對(duì)數(shù)據(jù)進(jìn)行分析處理。先不說(shuō)其潛在信息并不能很好地挖掘出來(lái)，就其工作量來(lái)講，也是一項(xiàng)繁重而復(fù)雜的工作，很難保證數(shù)據(jù)的有效性和實(shí)用性。為了滿足人們對(duì)數(shù)據(jù)管理的需求，從現(xiàn)有信息數(shù)據(jù)中提取出更有價(jià)值的信息，數(shù)據(jù)挖掘技術(shù)得到了充分應(yīng)用。

數(shù)據(jù)挖掘技術(shù)可以從大量隨機(jī)數(shù)據(jù)中快速地進(jìn)行信息數(shù)據(jù)歸納整理，并從中分析出有效的潛在信息。一般會(huì)采用統(tǒng)計(jì)型和人工智能型數(shù)據(jù)處理方法，共同完成對(duì)數(shù)據(jù)管理的分析應(yīng)用。統(tǒng)計(jì)型數(shù)據(jù)處理采用傳統(tǒng)的統(tǒng)計(jì)學(xué)原理，對(duì)現(xiàn)有和過(guò)去很久的數(shù)據(jù)進(jìn)行概率分析，從而推理出數(shù)據(jù)中隱含的潛在有用信息。統(tǒng)計(jì)學(xué)由來(lái)已久，其優(yōu)點(diǎn)是精確度相對(duì)較高，簡(jiǎn)單易懂，并且使用比較廣泛。數(shù)據(jù)挖掘技術(shù)統(tǒng)計(jì)型可以準(zhǔn)確快速地挖掘出有用信息，大大提高工作效率，甚至大大減輕統(tǒng)計(jì)者的工作量。人工智能是在統(tǒng)計(jì)學(xué)原理基礎(chǔ)之上，通過(guò)訓(xùn)練和學(xué)量樣品集得出需要的模式或參數(shù)。將有共同模式或參數(shù)的數(shù)據(jù)通過(guò)機(jī)器人工智能，發(fā)現(xiàn)有價(jià)值的潛在信息。但也存在一定的局限性，不同的樣品集有特定的應(yīng)用領(lǐng)域，樣品集的選擇將直接影響數(shù)據(jù)結(jié)果，一般情況下會(huì)將多種技術(shù)結(jié)合起來(lái)使用，達(dá)到有力互補(bǔ)的目的，從而更高效準(zhǔn)確地分析出數(shù)據(jù)結(jié)果。

二、數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)考試中的應(yīng)用

通過(guò)上述對(duì)數(shù)據(jù)挖掘技術(shù)的概述，對(duì)數(shù)據(jù)挖掘的基本原理有了初步了解，將其運(yùn)用到教學(xué)中，必會(huì)事半功倍。數(shù)據(jù)挖掘技術(shù)運(yùn)用到教學(xué)管理中，不僅可以完善教學(xué)管理體制，還可以客觀分析出教學(xué)管理中存在的問(wèn)題。以教學(xué)管理中的計(jì)算機(jī)考試為例，分析計(jì)算機(jī)考試系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用，從而得出以下結(jié)果：

本文通過(guò)實(shí)例驗(yàn)證方法找出答案，首先是采用數(shù)據(jù)采集方法，從大量數(shù)據(jù)中提取出與所要挖掘的數(shù)據(jù)目標(biāo)相關(guān)的數(shù)據(jù)子集，該數(shù)據(jù)樣本的精選不僅減少數(shù)據(jù)處理量，還突出相關(guān)性規(guī)律，表明數(shù)據(jù)樣本的代表性和質(zhì)量尤為重要。在計(jì)算機(jī)考試系統(tǒng)中，會(huì)通過(guò)輸入考生信息進(jìn)行考試，考生的每個(gè)信息都定義為不同變量?？忌男彰?、性別、年齡、任課老師、所在班級(jí)等信息都是一個(gè)個(gè)不同的變量，這樣可以清晰地了解到每個(gè)考生的計(jì)算機(jī)考試情況。根據(jù)其做不同題型的長(zhǎng)短分析出考生擅長(zhǎng)什么樣的題型及在什么題型面前處于劣勢(shì)。根據(jù)其答題速度和準(zhǔn)確率可看出考生掌握知識(shí)能力如何，任課老師可根據(jù)學(xué)生的不同學(xué)習(xí)程度逐個(gè)擊破，有利于提高班級(jí)整體學(xué)習(xí)成績(jī)水平，這就是數(shù)據(jù)挖掘技術(shù)挖掘出的潛在信息價(jià)值。

數(shù)據(jù)挖掘技術(shù)是信息化時(shí)代的產(chǎn)物，將其運(yùn)用到教育教學(xué)中，可大大提高教學(xué)管理質(zhì)量?？煽焖儆行У亓私獾綄W(xué)生管理中出現(xiàn)的問(wèn)題，有利于教師及時(shí)解決這些問(wèn)題。計(jì)算機(jī)考試數(shù)據(jù)中應(yīng)用數(shù)據(jù)挖掘技術(shù)，不僅可以精準(zhǔn)地了解到學(xué)生潛在的學(xué)習(xí)問(wèn)題，還可以幫助老師更快地找到提高學(xué)生學(xué)習(xí)成績(jī)的方法。

信息化發(fā)展使信息數(shù)據(jù)量急劇增加，這個(gè)數(shù)據(jù)處理造成了困擾，為了更好地對(duì)信息數(shù)據(jù)進(jìn)行處理分析，從而準(zhǔn)確快速地提取出有效信息，數(shù)據(jù)挖掘技術(shù)起到了重要作用。計(jì)算機(jī)考試系統(tǒng)的完善可提高考試效率，奠定數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)教學(xué)中的重要地位?，F(xiàn)代是不斷變化的時(shí)代，也可以說(shuō)是信息化時(shí)代，時(shí)代離不開(kāi)信息化發(fā)展，要不斷進(jìn)步才能持續(xù)發(fā)展。數(shù)據(jù)挖掘技術(shù)勢(shì)必會(huì)成為計(jì)算機(jī)技術(shù)發(fā)展的第二大方向，是時(shí)展的要求所致。

參考文獻(xiàn)：

[1]吳英，劉俊熙.計(jì)算機(jī)考試數(shù)據(jù)分析中數(shù)據(jù)挖掘技術(shù)的應(yīng)用[J].制造業(yè)自動(dòng)化，2010（9）.

[2]方新麗.淺析數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)審計(jì)中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2013（5）.

第3篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

 

數(shù)據(jù)挖掘就是從大量的不完全的有噪聲的模糊的隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，抽取隱含在其中的、事先并不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。

 

決策樹(shù)算法作為常用的數(shù)據(jù)挖掘技術(shù)之一，其基本思想是將實(shí)例庫(kù)中記錄的大量有限的具體事實(shí)數(shù)據(jù)進(jìn)行歸納和分類并建立樹(shù)型結(jié)構(gòu)，以發(fā)現(xiàn)并形成隱含在大量實(shí)例中的若干形式化的分類判別規(guī)則，典型的決策樹(shù)算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。

 

利用決策樹(shù)評(píng)估教材質(zhì)量的基本思想

 

筆者以高校教學(xué)質(zhì)量建設(shè)中的重頭戲——教材建設(shè)為例來(lái)闡釋決策樹(shù)算法在教育統(tǒng)計(jì)學(xué)中的應(yīng)用。

 

從教材的教學(xué)水平，科學(xué)水平等兩大要素來(lái)對(duì)教材的質(zhì)量進(jìn)行合理分類，探索出科學(xué)合理的決策樹(shù)的模型，使之成為學(xué)校教材建設(shè)管理的理論方法，并在今后的教材管理中起著一定的指導(dǎo)作用。

 

教學(xué)水平：教材符合人才培養(yǎng)目標(biāo)及本課程教學(xué)的要求：取材合適、深度適宜、份量恰當(dāng);符合認(rèn)知規(guī)律;富有啟發(fā)性;便于學(xué)習(xí)。

 

科學(xué)水平：能反映本學(xué)科國(guó)內(nèi)外科學(xué)研究和教學(xué)研究的先進(jìn)成果;能完整地表達(dá)本課程應(yīng)包含的知識(shí);反映其相互聯(lián)系及發(fā)展規(guī)律;結(jié)構(gòu)嚴(yán)謹(jǐn)。

 

構(gòu)建決策樹(shù)模型

 

即利用訓(xùn)練集(教材建設(shè)數(shù)據(jù)庫(kù))建立并精化一棵決策樹(shù)。該過(guò)程可分為建樹(shù)和剪枝兩階段。其中，建樹(shù)是用每一個(gè)屬性將訓(xùn)練集劃分成一個(gè)或多個(gè)子集，遞歸地調(diào)用該過(guò)程，直到每個(gè)子集中的記錄都屬于同一類，最終得到?jīng)Q策樹(shù)。剪枝是為提高樹(shù)的精度及分類效率，而去掉因訓(xùn)練數(shù)據(jù)中的噪聲和孤立點(diǎn)等引起的不可靠或可能是噪聲的一些枝條。

 

利用決策樹(shù)研究影響教材質(zhì)量的因素

 

首先，將學(xué)生問(wèn)卷調(diào)查數(shù)據(jù)庫(kù)和教學(xué)管理部門所掌握的資料結(jié)合起來(lái)，分類整理，同時(shí)進(jìn)行規(guī)范化的數(shù)據(jù)清洗，得到創(chuàng)建決策樹(shù)模型的訓(xùn)練集，如表1所示。

 

根據(jù)評(píng)估預(yù)期的要求，將所有教材的評(píng)估結(jié)果分為兩類：

 

Class p：綜合評(píng)價(jià)=“優(yōu)秀”

 

Class n：綜合評(píng)價(jià)=“一般”

 

從上表顯示的數(shù)據(jù)可知，綜合評(píng)價(jià)為“一般”的教材有9種， 綜合評(píng)價(jià)為“優(yōu)秀”的教材有6種，從而可以計(jì)算出樣本分類的期望信息：

 

—∑Pi log2(pi)=

 

I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]

 

=—(—0.444—0.53)=0.974

 

下面以綜合評(píng)價(jià)是否為“優(yōu)秀”作為衡量標(biāo)準(zhǔn)分別計(jì)算由各個(gè)屬性劃分子集的信息熵，以及各自的信息增益度。

 

計(jì)算“教學(xué)水平”的信息增加益度

 

從而算出信息熵E(教學(xué)水平)=

 

I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43

 

再計(jì)算出其信息增益度

 

GainI(p，n)—E(教學(xué)水平)=0.974—0.507=0.467

 

計(jì)算“科學(xué)水平”的信息增益度

 

計(jì)算信息熵E(科學(xué)水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再計(jì)算出其信息增益度GainI(科學(xué)水平)=I(p，n)—E(科學(xué)水平)=0.974—0.783=0.191

 

計(jì)算“教材編者職稱”的信息增益度

 

從而算出信息熵E(教材編者職稱)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再計(jì)算出其信息增益度GainI(教材編者職稱)—I(p，n)—E(教材編者職稱)=0.974—0.424=0.55

 

計(jì)算“教材編者學(xué)歷”的信息增益度

 

計(jì)算信息熵E(教材編者學(xué)歷)=I(3，1)+I(3，3)+I(0，5)=0.667再計(jì)算出其信息增益度GainI(教材編者學(xué)歷)=(p，n)—(教材編者學(xué)歷)=0.974—0.667=0.307

 

由此可以得知“教材編者職稱”的信息增益度最大，它是最能區(qū)別訓(xùn)練集實(shí)例中教材質(zhì)量的屬性，應(yīng)作為決策樹(shù)的根節(jié)點(diǎn)。根據(jù)各個(gè)屬性的信息增益度的大小，可以構(gòu)建該訓(xùn)練集實(shí)例的決策樹(shù)如下圖1所示：

 

由該決策樹(shù)可以得出諸如以下結(jié)論：

第4篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

【關(guān)鍵詞】計(jì)算機(jī) 視覺(jué) 圖像處理 技術(shù)

一、引言

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，在20世紀(jì)60年底產(chǎn)生了計(jì)算機(jī)視覺(jué)學(xué)這一學(xué)科。計(jì)算機(jī)視覺(jué)是借助計(jì)算機(jī)以及各種設(shè)備，進(jìn)行生物視覺(jué)模擬的一種技術(shù)。計(jì)算機(jī)視覺(jué)學(xué)的主要任務(wù)，是借助已掌握的圖片、視頻等資料，進(jìn)行計(jì)算與處理，和人類及其他生物的視覺(jué)過(guò)程一樣，

得到相應(yīng)形式的三維數(shù)據(jù)信息。計(jì)算機(jī)視覺(jué)學(xué)的發(fā)展，在工業(yè)、農(nóng)業(yè)的生產(chǎn)中，地質(zhì)勘探、天文、醫(yī)學(xué)觀察等領(lǐng)域也有著重要的應(yīng)用價(jià)值。因此，視覺(jué)學(xué)的研究和應(yīng)用轉(zhuǎn)化受到了越來(lái)越多的重視。

二、計(jì)算機(jī)視覺(jué)學(xué)的圖像分割研究

（一）數(shù)據(jù)驅(qū)動(dòng)的分割研究

在計(jì)算機(jī)視覺(jué)學(xué)應(yīng)用過(guò)程中，經(jīng)常進(jìn)行的數(shù)據(jù)驅(qū)動(dòng)分割有下面幾項(xiàng)內(nèi)容：第一種是邊緣檢測(cè)的分割、第二種是區(qū)域分割、第三種是邊緣和區(qū)域相互結(jié)合的分割。第一種基于邊緣檢測(cè)的分割，這種分割的基本方法：首先對(duì)檢測(cè)圖像的邊緣點(diǎn)進(jìn)行檢測(cè)，然后根據(jù)一定的法則進(jìn)行輪廓的連接，獲得分割的區(qū)域?；谶吘墮z測(cè)的分割其難點(diǎn)是邊緣檢測(cè)時(shí)如何處理好抗噪聲性能、檢測(cè)的精度之間的矛盾。所以，在研究的過(guò)程中，提出了多種多尺度邊緣檢測(cè)的方法，按照實(shí)際問(wèn)題進(jìn)行多尺度邊緣信息設(shè)計(jì)等方案，以獲得更為合適的抗噪性能和檢測(cè)的精度。第二種基于區(qū)域的分割，它的基本思想是按照?qǐng)D像數(shù)據(jù)的特點(diǎn)，將整個(gè)圖像的空間劃分成為幾個(gè)不同的區(qū)域進(jìn)行圖像處理。

（二）計(jì)算機(jī)視覺(jué)學(xué)模型驅(qū)動(dòng)的分割

經(jīng)常使用的模型驅(qū)動(dòng)分割有下面三種，第一種模型是基于動(dòng)態(tài)輪廓的模型、第二種模型是組合優(yōu)化模型、第三種模型是目標(biāo)幾何與統(tǒng)計(jì)模型。第一種是基于動(dòng)態(tài)輪廓的模型用在進(jìn)行分割目標(biāo)的動(dòng)態(tài)輪廓，因?yàn)槠淠芰亢瘮?shù)使用的是積分運(yùn)算，有著很好的抗噪性能，對(duì)于目標(biāo)的局部模糊也不敏感，所以其適用性很廣。但這種分割方法容易收斂到局部最優(yōu)，因此要求初始輪廓應(yīng)盡可能靠近真實(shí)輪廓。通過(guò)組合優(yōu)化的方法進(jìn)行分割問(wèn)題的處理，是使用一目標(biāo)函數(shù)綜合表示分割的相關(guān)要求以及約束，把分割變?yōu)槟繕?biāo)函數(shù)的優(yōu)化求解。因?yàn)槟繕?biāo)函數(shù)多數(shù)情況下作為多變量函數(shù)存在的，因此可以通過(guò)使用隨機(jī)優(yōu)化的方法來(lái)實(shí)現(xiàn)。

（三）計(jì)算機(jī)視覺(jué)學(xué)圖像分割的半自動(dòng)方法

通過(guò)對(duì)人工參與程度的分，我們可以得出圖像分割，主要有三種類型即：人工圖像分割、半自動(dòng)圖像分割、自動(dòng)圖像分割等。人工圖像分割指的是操作者使用鼠標(biāo)，將分割區(qū)域的輪廓進(jìn)行勾畫(huà)的方法，人工圖像分割的缺點(diǎn)是費(fèi)時(shí)費(fèi)力，而且很容易就會(huì)受到一些主觀因素的影響，并且人工圖像分割的可重復(fù)性較差。自動(dòng)圖像分割不需要借助人機(jī)交互就能完成，但是也很難實(shí)現(xiàn)同一批圖像處理的滿意分割效果。半自動(dòng)分割這種形式指的是將人機(jī)交互同自動(dòng)分割結(jié)合在一起，半自動(dòng)分割可以實(shí)現(xiàn)對(duì)不同圖像與處理需求的適應(yīng)，并且可以大大降低計(jì)算過(guò)程的復(fù)雜性。在計(jì)算機(jī)技術(shù)不斷發(fā)展的背景下，計(jì)算速度和容量有了大幅度的提升，計(jì)算機(jī)圖像處理及視覺(jué)應(yīng)用取得了豐碩的成果。

三、計(jì)算機(jī)視覺(jué)技術(shù)的分析

（一）以模型為研究對(duì)象的處理方法

在以模型世界作為研究對(duì)象的視覺(jué)學(xué)研究過(guò)程中，以Roberts的開(kāi)創(chuàng)性工作作為一種標(biāo)志，在他的工作過(guò)程中，引進(jìn)了三維物體與二維物體成像的關(guān)系，使用較為簡(jiǎn)單的邊緣特征提取、組合線段等手段和方法。他對(duì)三維關(guān)系的分析只是按照簡(jiǎn)單的邊緣線段的約束關(guān)系，缺乏對(duì)人類或其他動(dòng)物視覺(jué)系統(tǒng)感知三維空間關(guān)系的充分考慮。但是早期的這些研究工作，對(duì)計(jì)算機(jī)視覺(jué)學(xué)的研究和發(fā)展發(fā)揮了良好的促進(jìn)意義，但是對(duì)于較為復(fù)雜的景物就不能夠奏效。

（二）以計(jì)算理論為主體的視覺(jué)模型

隨著計(jì)算機(jī)視覺(jué)研究的不斷深入，在二十世紀(jì)七十年代，計(jì)算機(jī)視覺(jué)技術(shù)的研究，開(kāi)始向著更為理性的階段發(fā)展，主要表現(xiàn)在：不同本征特性的恢復(fù)，恢復(fù)的內(nèi)容有三維形狀恢復(fù)、運(yùn)動(dòng)恢復(fù)、光源恢復(fù)等等。研究的出發(fā)點(diǎn)是光學(xué)、生理學(xué)以及射影幾何的視角出發(fā)，對(duì)成像及其逆等問(wèn)題進(jìn)行研究。在這個(gè)過(guò)程中，一些學(xué)者提出了以表示作為核心、通過(guò)算法作為中間轉(zhuǎn)換過(guò)程的視覺(jué)處理模型，例如：著名的計(jì)算機(jī)視覺(jué)學(xué)研究者M(jìn)arr就提出了這些觀點(diǎn)，在他的理論里面，對(duì)表示的重要意義進(jìn)行強(qiáng)調(diào)，并且從不同層面上對(duì)信息處理問(wèn)題進(jìn)行了研究。

（三）計(jì)算機(jī)視覺(jué)的應(yīng)用研究

在現(xiàn)實(shí)生活和生產(chǎn)的過(guò)程中，計(jì)算機(jī)視覺(jué)主要應(yīng)用在照片資料、視頻資料處理上，例如：航空照片的處理、衛(wèi)星照片的編譯、醫(yī)學(xué)領(lǐng)域的輔診斷、移動(dòng)機(jī)器人視覺(jué)導(dǎo)航等等。其中，工業(yè)機(jī)器人手眼系統(tǒng)的研發(fā)，成為計(jì)算機(jī)視覺(jué)應(yīng)用最具代表性的成果之一。因?yàn)楣I(yè)生產(chǎn)、施工等現(xiàn)場(chǎng)等因素具有一定的復(fù)雜性，這種環(huán)境下的光照、成像特點(diǎn)等等可以控制，這就使得計(jì)算機(jī)視覺(jué)的應(yīng)用更為簡(jiǎn)單，對(duì)于系統(tǒng)的實(shí)際構(gòu)成有著很好的作用。移動(dòng)機(jī)器人與工業(yè)機(jī)器人不同之處就是移動(dòng)機(jī)器人具有一定的行為能力，這就需要研究者解決機(jī)器人的行為規(guī)劃問(wèn)題。在移動(dòng)機(jī)器人種類、智能化水平不斷提升的背景下，對(duì)視覺(jué)能力的要求也越來(lái)越高，這也使得計(jì)算機(jī)視覺(jué)有了更為廣闊的應(yīng)用前景。

四、結(jié)語(yǔ)

綜上所述，計(jì)算機(jī)視覺(jué)學(xué)作為人類科技發(fā)展和社會(huì)進(jìn)步的一種學(xué)科體現(xiàn)，在前進(jìn)和發(fā)展的過(guò)程中，通過(guò)研究者和應(yīng)用者的不斷總結(jié)和探究，取得了豐碩的成果。在未來(lái)視覺(jué)技術(shù)發(fā)展的道路上，仍然有大量的工作需要進(jìn)行研究。

參考文獻(xiàn)：

[1]韓祥波， 劉戰(zhàn)麗. 計(jì)算機(jī)圖像處理技術(shù)在農(nóng)產(chǎn)品檢測(cè)分級(jí)中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學(xué) ， 2013，（34）

[2]趙萍， 李永奎， 林靜， 白雪衛(wèi). 數(shù)字圖像處理技術(shù)在農(nóng)產(chǎn)品方面的應(yīng)用[J]. 農(nóng)機(jī)化研究 ， 2012，（11）

第5篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

[關(guān)鍵詞] 物流企業(yè)； 自動(dòng)化； 算法

[中圖分類號(hào)] F252； TP39 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2013）06- 0058- 03

0 引 言

隨著物流業(yè)被列入我國(guó)十大行業(yè)振興計(jì)劃，物流業(yè)已經(jīng)成為我國(guó)經(jīng)濟(jì)發(fā)展的不可缺少的重要組成部分。物流業(yè)是我國(guó)經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，是推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展的重要支柱性產(chǎn)業(yè)之一。隨著國(guó)家持續(xù)加強(qiáng)和改善宏觀調(diào)控政策，物流業(yè)發(fā)展環(huán)境和條件不斷改善，物流業(yè)保持了較快的增長(zhǎng)速度。但由于中國(guó)物流業(yè)起步較晚，存在物流成本較高、管理落后等問(wèn)題，離一體化、信息化的物流業(yè)還有一定差距。中國(guó)物流業(yè)只有應(yīng)用現(xiàn)代物流的理念，采用先進(jìn)的信息技術(shù)與運(yùn)作方式，才能應(yīng)對(duì)擁有技術(shù)、資金和管理優(yōu)勢(shì)的外國(guó)企業(yè)的競(jìng)爭(zhēng)。實(shí)現(xiàn)傳統(tǒng)物流業(yè)向現(xiàn)代物流業(yè)的轉(zhuǎn)變，也是物流業(yè)自身結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級(jí)的需要，是整個(gè)國(guó)民經(jīng)濟(jì)發(fā)展的必然要求。我國(guó)經(jīng)濟(jì)要集約式發(fā)展，必然需要推進(jìn)現(xiàn)代物流?，F(xiàn)代物流的根本宗旨是降低物流成本、提高物流效率、滿足客戶需求，其中信息化是現(xiàn)代物流的核心。隨著信息技術(shù)的不斷更新和物流企業(yè)自身的發(fā)展，使得新興的信息業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)之間相互介入，模糊了新興信息技術(shù)及業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)的界限，從而模糊了物流業(yè)的產(chǎn)業(yè)屬性和產(chǎn)業(yè)界限， 即發(fā)生了產(chǎn)業(yè)融合現(xiàn)象。產(chǎn)業(yè)融合是由于技術(shù)進(jìn)步和放松管制的原因，發(fā)生在產(chǎn)業(yè)邊界和交叉處的技術(shù)融合，在經(jīng)過(guò)不同產(chǎn)業(yè)或行業(yè)之間的業(yè)務(wù)、組織、管理和市場(chǎng)的資源整合后，改變了原有產(chǎn)業(yè)產(chǎn)品和市場(chǎng)需求的特征，導(dǎo)致產(chǎn)業(yè)的企業(yè)之間競(jìng)爭(zhēng)合作關(guān)系發(fā)生改變，從而最終造成產(chǎn)業(yè)界限的模糊化甚至重劃產(chǎn)業(yè)界限。

產(chǎn)業(yè)融合促進(jìn)了傳統(tǒng)產(chǎn)業(yè)創(chuàng)新， 進(jìn)而推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與產(chǎn)業(yè)發(fā)展，即產(chǎn)生創(chuàng)新性優(yōu)化效應(yīng)。物流信息化的重要性已經(jīng)引起國(guó)內(nèi)很多學(xué)者的重視，并紛紛提出相應(yīng)的觀點(diǎn)和建議。馬?。?005）認(rèn)為物流企業(yè)將在建立呼叫中心、應(yīng)用系統(tǒng)領(lǐng)域和網(wǎng)絡(luò)計(jì)算機(jī)領(lǐng)域出現(xiàn)信息化融合的趨勢(shì)，并提出物流企業(yè)應(yīng)采取的戰(zhàn)略。鄧小瑜（2011）等從技術(shù)融合、產(chǎn)品融合、業(yè)務(wù)融合、產(chǎn)業(yè)衍生4個(gè)層面闡述了物流業(yè)如何進(jìn)行信息化建設(shè)。物流業(yè)與信息業(yè)的融合包含通過(guò)融合信息技術(shù)提高來(lái)增強(qiáng)企業(yè)競(jìng)爭(zhēng)力和將信息業(yè)務(wù)增加到物流服務(wù)中形成新的業(yè)務(wù)2個(gè)方面。

視頻攝像頭在日常生活中非常普遍，但是利用率較低，大部分監(jiān)控系統(tǒng)都是提供視頻數(shù)據(jù)的線性存儲(chǔ)，成為事后證據(jù)查找的有效手段。近年來(lái)，隨著計(jì)算機(jī)視覺(jué)的發(fā)展，很多學(xué)者開(kāi)始研究視頻理解，尤其是針對(duì)視頻信息檢測(cè)與識(shí)別技術(shù)，建立有效的算法，實(shí)現(xiàn)底層圖像處理技術(shù)與高層視頻內(nèi)容分析之間的關(guān)聯(lián)，從而推動(dòng)了計(jì)算機(jī)視覺(jué)在物流領(lǐng)域的應(yīng)用，提高物流企業(yè)的競(jìng)爭(zhēng)力。

1 計(jì)算機(jī)視覺(jué)的相關(guān)知識(shí)

1.1 計(jì)算機(jī)視覺(jué)的概念

20世紀(jì)80年代初，Marr從信息處理的角度，提出了第一個(gè)比較完善的計(jì)算機(jī)系統(tǒng)視覺(jué)框架。計(jì)算機(jī)視覺(jué)是指利用計(jì)算機(jī)模擬人眼的視覺(jué)功能，對(duì)圖片或視頻進(jìn)行采集、加工、處理和識(shí)別，從中提取三維景物的形態(tài)和運(yùn)動(dòng)信息，解決物流、工業(yè)、商業(yè)等領(lǐng)域產(chǎn)品圖像自動(dòng)檢測(cè)識(shí)別問(wèn)題，提高檢測(cè)識(shí)別效率和自動(dòng)化程度。計(jì)算機(jī)視覺(jué)自動(dòng)識(shí)別技術(shù)作為一門交叉學(xué)科，近年來(lái)受到各相關(guān)行業(yè)的高度重視。計(jì)算機(jī)視覺(jué)的處理流程為：攝像機(jī)圖像采集圖像處理計(jì)算機(jī)幀存儲(chǔ)、圖像識(shí)別控制邏輯顯示器顯示。

1.2 亮度要求

基于計(jì)算機(jī)視覺(jué)的硬件環(huán)境中，亮度是非常重要的因素。在計(jì)算機(jī)視覺(jué)中亮度的作用是突出物體的重要特征或使物體本身可見(jiàn)，而弱化物體其他不需要的特征或物體所處的背景。如果物體太亮或太暗，都會(huì)影響對(duì)物體的處理。

彩色物體反射光譜的某些部分，吸收其他部分。因此開(kāi)發(fā)人員可以利用這個(gè)特點(diǎn)來(lái)提高某些物體的可視度。開(kāi)發(fā)人員可以利用顏色之間的對(duì)比增強(qiáng)某種顏色或抑制其相反的顏色。例如，如果一個(gè)紅色的物體在一個(gè)綠色背景中則應(yīng)該加強(qiáng)紅色，這時(shí)可使用紅色照明。這樣紅色的物體會(huì)顯得明亮，同時(shí)會(huì)變暗綠色的對(duì)象。

LED是目前用于計(jì)算機(jī)視覺(jué)的主要照明技術(shù)，相比白熾燈、日光燈等使用時(shí)間短、亮度逐漸減弱的特點(diǎn)，LED燈的壽命超過(guò)100萬(wàn)小時(shí)，而且耗電小，產(chǎn)生熱量少。

1.3 計(jì)算機(jī)和攝像機(jī)的接口

常用的計(jì)算機(jī)和攝像機(jī)接口包括IEEE 1394、Ethernet、USB2.0 and Gigabit Ethernet等。

1.4 RGB介紹

RGB 顏色空間是實(shí)際應(yīng)用最多的一個(gè)顏色空間，在使用計(jì)算機(jī)進(jìn)行圖像處理時(shí)，數(shù)字圖像一般用RGB 空間存儲(chǔ)和表示，分3個(gè)通道：紅（Red）、綠（Green）和藍(lán)（Blue），分別反映了顏色在某個(gè)通道的亮度值。3種原色光不同比例混合即使得人得到不同顏色的感知，這就是RGB顏色空間的由來(lái)。RGB 空間中每種顏色都能用三維空間中的一個(gè)點(diǎn)來(lái)表示。

2 計(jì)算機(jī)視覺(jué)在物流領(lǐng)域的優(yōu)勢(shì)

隨著物流業(yè)的迅速發(fā)展，計(jì)算機(jī)視覺(jué)在條形碼識(shí)別、運(yùn)動(dòng)物流跟蹤方面逐漸得到應(yīng)用。與傳統(tǒng)方法相比，計(jì)算機(jī)視覺(jué)應(yīng)用在物流領(lǐng)域的優(yōu)勢(shì)為以下方面。

2.1 靈活、低成本

物流系統(tǒng)中一般采用傳感器來(lái)收集相關(guān)信息，但是傳感器的位置是固定的，如果需要多方位的信息，必須同時(shí)需要多個(gè)傳感器才能完成。利用計(jì)算機(jī)視覺(jué)攝像機(jī)和計(jì)算機(jī)來(lái)完成，只需要通過(guò)程序的設(shè)置和一臺(tái)攝像機(jī)就可實(shí)現(xiàn)多方位信息的收集。

2.2 高效、準(zhǔn)確

在一些人眼難以滿足要求的場(chǎng)合，或不適于人工工作的環(huán)境下，用計(jì)算機(jī)視覺(jué)來(lái)代替人工視覺(jué)可以提高生產(chǎn)效率、信息的準(zhǔn)確率。

3 計(jì)算機(jī)視覺(jué)在流水線中多方位跟蹤計(jì)數(shù)的算法

物流企業(yè)在流水線產(chǎn)品的計(jì)數(shù)方法目前主要采用傳感器，而利用攝像機(jī)所提供的視頻信息可以實(shí)現(xiàn)多方位的跟蹤。計(jì)算機(jī)視覺(jué)是一個(gè)集成系統(tǒng)，圖像分析的時(shí)間有限，算法必須簡(jiǎn)單有效。本文采用的物流流水線視頻圖像如圖1所示。圖中紅色矩形表示流水線中傳輸?shù)奈锲?，綠色區(qū)域?yàn)榱魉€中的物品處理區(qū)域。

系統(tǒng)會(huì)在視頻圖像中設(shè)計(jì)①、②、③、④四個(gè)計(jì)數(shù)區(qū)域，在物品進(jìn)行相關(guān)處理前進(jìn)行計(jì)數(shù)。計(jì)數(shù)方法為將每幀圖像變?yōu)楹诎讏D，圖像中的紅色變?yōu)榘咨?，其余都變?yōu)楹谏．?dāng)每幅圖像中的紅線部分中的白色像素超過(guò)一定閾值時(shí)，認(rèn)為物體撞線，如圖2所示，這時(shí)確定有需要計(jì)數(shù)的物品通過(guò)，可以開(kāi)始計(jì)數(shù)。

3.1 主要算法

3.2 算法的運(yùn)行結(jié)果

OpenCV是Intel公司開(kāi)發(fā)的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)。它提供了幾百個(gè)C/C++函數(shù)，實(shí)現(xiàn)了計(jì)算機(jī)視覺(jué)領(lǐng)域中大部分最常用的算法。利用Intel開(kāi)發(fā)的開(kāi)源視覺(jué)庫(kù)Intel OpenCV和VC6.0將上述算法轉(zhuǎn)換為對(duì)應(yīng)的源代碼，可實(shí)現(xiàn)4個(gè)區(qū)域的物品計(jì)數(shù)。

3.3 算法的評(píng)價(jià)

該算法利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)了物流流水線上的多方位計(jì)數(shù)，提高物流企業(yè)的信息化水平，節(jié)約了資金。算法簡(jiǎn)單，運(yùn)行速度快，完全可以滿足物流企業(yè)的實(shí)際需求。

4 結(jié)論與建議

本文所提出的算法實(shí)現(xiàn)了計(jì)算機(jī)視覺(jué)技術(shù)在物流企業(yè)的應(yīng)用，為信息產(chǎn)業(yè)和物流業(yè)的融合提供了新的思路。但信息產(chǎn)業(yè)與物流產(chǎn)業(yè)的融合并不意味著引入信息技術(shù)后物流業(yè)的競(jìng)爭(zhēng)力一定能提高。Berry（1995）指出了企業(yè)可以從6個(gè)方面來(lái)利用技術(shù)手段來(lái)提高競(jìng)爭(zhēng)力，根據(jù)Berry的建議和我國(guó)物流業(yè)的實(shí)際情況，本文認(rèn)為從以下幾個(gè)方面來(lái)考慮如何通過(guò)與信息技術(shù)的融合提高物流企業(yè)的競(jìng)爭(zhēng)力。

4.1 要有一個(gè)戰(zhàn)略性的全局行動(dòng)綱領(lǐng)

技術(shù)只是一種手段，使用技術(shù)的目的是為了企業(yè)發(fā)展服務(wù)，應(yīng)符合全局發(fā)展的需要。因此物流企業(yè)高層管理者應(yīng)該參與技術(shù)戰(zhàn)略的制定，保證技術(shù)戰(zhàn)略與全局戰(zhàn)略一致，并有CIO（首席信息官）監(jiān)控具體執(zhí)行情況。而不應(yīng)該盲目使用一些新技術(shù)或進(jìn)行信息改革，造成企業(yè)不必要的損失。

4.2 解決主要問(wèn)題

物流業(yè)作為服務(wù)行業(yè)其最終目的是為客戶服務(wù)，使用信息技術(shù)的有效性應(yīng)建立在為客戶解決實(shí)際問(wèn)題的基礎(chǔ)上。因此信息產(chǎn)業(yè)與物流業(yè)的融合應(yīng)體現(xiàn)在為客戶提供更多的便利，或提供增值服務(wù)的基礎(chǔ)上。

4.3 使用物流公共信息平臺(tái)和建立物流信息系統(tǒng)，保證系統(tǒng)有效運(yùn)轉(zhuǎn)

通過(guò)現(xiàn)代物流公共信息平臺(tái)的建設(shè)，企業(yè)可以及時(shí)獲得需求信息，政府可獲得物流業(yè)相關(guān)的調(diào)控和管理的宏觀信息，實(shí)現(xiàn)互聯(lián)互通。通過(guò)企業(yè)流程再造，利用含有CRM（客戶關(guān)系管理）等模塊的ERP系統(tǒng)，采用EDI（電子數(shù)據(jù)交換系統(tǒng)）、GPS、條形碼、無(wú)線射頻技術(shù)等先進(jìn)技術(shù)，建立真正適應(yīng)企業(yè)發(fā)展的符合現(xiàn)有服務(wù)模式的管理信息系統(tǒng)。

4.4 創(chuàng)新型物流人才的引進(jìn)和培養(yǎng)

物流企業(yè)在自身提高業(yè)務(wù)流程和信息化水平的同時(shí)，還應(yīng)注重創(chuàng)新型人才的引進(jìn)和培養(yǎng)，特別是有國(guó)際大型物流企業(yè)管理和技術(shù)經(jīng)驗(yàn)的復(fù)合型人才。

主要參考文獻(xiàn)

[1] L Leonard，Berry. On Great Service：A Framework for Action[M]. New York NY：The Free Press，1995.

第6篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)技術(shù)；C# ；；作物無(wú)損檢測(cè)；軟件設(shè)計(jì)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）15-3640-03

數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)作為現(xiàn)代農(nóng)業(yè)最前沿的發(fā)展領(lǐng)域之一，是當(dāng)今世界發(fā)展農(nóng)業(yè)信息化，實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵和核心技術(shù)。數(shù)字農(nóng)業(yè)要求快速、實(shí)時(shí)、準(zhǔn)確和定位化的獲取植物生長(zhǎng)信息，而農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)要求植物信息可實(shí)時(shí)動(dòng)態(tài)感知，顯然，傳統(tǒng)的實(shí)驗(yàn)室測(cè)量分析和信息獲取方法已經(jīng)不能滿足數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展要求。因此，研究和開(kāi)發(fā)植物生命信息快速無(wú)損檢測(cè)技術(shù)和傳感儀器等軟硬件平臺(tái)已經(jīng)成為現(xiàn)代農(nóng)業(yè)承待解決的關(guān)鍵問(wèn)題[1]。

目前，國(guó)內(nèi)在作物無(wú)損檢測(cè)方面的研究?jī)x器主要是依賴進(jìn)口，而相應(yīng)的軟件也是伴隨著儀器而購(gòu)買。此類軟件，一般價(jià)格昂貴，而且在自主研究平臺(tái)中，因?yàn)闊o(wú)法取得源代碼而無(wú)法使用或升級(jí)，從而出現(xiàn)研究瓶頸。在各類無(wú)損化檢測(cè)技術(shù)中，隨著計(jì)算機(jī)視覺(jué)技術(shù)越來(lái)越廣泛的應(yīng)用，對(duì)應(yīng)的軟件系統(tǒng)的開(kāi)發(fā)迫在眉睫[2]。

正是基于這樣的背景，我們通過(guò)對(duì)目前應(yīng)用比較廣泛的C#進(jìn)行研究，利用C#強(qiáng)大的數(shù)據(jù)處理能力和良好的用戶界面開(kāi)發(fā)，并結(jié)合強(qiáng)大的圖像處理能力，進(jìn)行作物實(shí)時(shí)檢測(cè)軟件平臺(tái)的自主設(shè)計(jì)與開(kāi)發(fā)。

1 計(jì)算機(jī)視覺(jué)技術(shù)簡(jiǎn)介

計(jì)算機(jī)視覺(jué)也稱機(jī)器視覺(jué)，是采用攝像機(jī)或者數(shù)碼相機(jī)將被檢測(cè)圖像轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)軟件技術(shù)對(duì)圖像信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值。并由此實(shí)現(xiàn)模式識(shí)別，坐標(biāo)計(jì)算等功能。然后再根據(jù)其結(jié)果輸出數(shù)據(jù)，發(fā)出指令，再配合執(zhí)行機(jī)構(gòu)完成好壞篩選，位置調(diào)整，數(shù)據(jù)統(tǒng)計(jì)等自動(dòng)化流程。與人工視覺(jué)相比較，計(jì)算機(jī)視覺(jué)的最大的優(yōu)點(diǎn)是快速、精確、可靠，以及數(shù)字化。

隨著數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)將越來(lái)越廣泛的應(yīng)用于農(nóng)業(yè)生產(chǎn)中，而構(gòu)成計(jì)算機(jī)視覺(jué)系統(tǒng)的軟件系統(tǒng)是整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)的靈魂。隨著硬件技術(shù)的不斷發(fā)展完善，計(jì)算機(jī)視覺(jué)系統(tǒng)其功能是否強(qiáng)大，可以說(shuō)完全取決于軟件系統(tǒng)的能力。

2 軟件系統(tǒng)設(shè)計(jì)

2.1 C#與

C#是由微軟公司開(kāi)發(fā)的一種面向?qū)ο蟮男滦途幊陶Z(yǔ)言，它是從C和C++ 中派生出來(lái)的，保留了C/C++原有的強(qiáng)大功能，并且繼承了C/C++的靈活性。同時(shí)由于是MicroSoft公司的產(chǎn)品，它又同Visual Basic一樣具有簡(jiǎn)單的語(yǔ)法結(jié)構(gòu)和高效的開(kāi)發(fā)能力，可以使程序員快速的編寫(xiě)出基于.NET平臺(tái)的應(yīng)用程序。

一個(gè)基于C#框架，專門為C#開(kāi)發(fā)者和研究者設(shè)計(jì)和開(kāi)發(fā)的，這個(gè)框架提供了豐富的類庫(kù)資源，包括圖像處理，神經(jīng)網(wǎng)絡(luò)，模糊系統(tǒng)，遺傳算法，人工智能和機(jī)器人控制等領(lǐng)域。該框架架構(gòu)合理，易于擴(kuò)展，涉及多個(gè)較前沿的技術(shù)模塊，為相關(guān)開(kāi)發(fā)人員或科研人員的工作提供了極大的便利。本系統(tǒng)就是采用C#程序設(shè)計(jì)語(yǔ)言，通過(guò)調(diào)用該框架來(lái)實(shí)現(xiàn)作物無(wú)損檢查系統(tǒng)的開(kāi)發(fā)。

2.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

本軟件系統(tǒng)是在數(shù)碼相機(jī)拍攝的作物圖像的基礎(chǔ)上，采用圖像處理方法進(jìn)行特征提取與分析，從而實(shí)現(xiàn)作物的無(wú)損檢測(cè)。主要分為圖像輸入，圖像預(yù)處理，特征提取，特征分析幾個(gè)模塊。

1） 圖像輸入

將要分析處理的圖像讀取到系統(tǒng)中來(lái)，為后面圖像處理作準(zhǔn)備。C#提供了三個(gè)最重要的圖像處理類，即Bitmap類、BitmapData類和Graphics類。三種圖像處理的方法，即提取像素法、內(nèi)存法和指針?lè)?。從?zhí)行效率和實(shí)現(xiàn)難度綜合考慮，本系統(tǒng)的開(kāi)發(fā)采用內(nèi)存法。

2） 圖像預(yù)處理

圖像預(yù)處理主要包括圖像的大小調(diào)整，形態(tài)矯正，平滑和去噪等，以降低環(huán)境對(duì)拍攝照片造成的不利影響。提供了多個(gè)類，可以對(duì)圖像進(jìn)行平滑去噪等操作，本系統(tǒng)中采用了中值濾波算方法，對(duì)應(yīng)中的Median類。

3） 特征提取

特征提取分析，是整個(gè)系統(tǒng)的核心所在，需要選取合適的圖像分割算法，對(duì)圖像進(jìn)行處理，提取目標(biāo)區(qū)域，為特征分析作準(zhǔn)備。在本系統(tǒng)中采用了閾值分割技術(shù)，因?yàn)檫@種算法相對(duì)來(lái)說(shuō)比較直接并且易于實(shí)現(xiàn)。

采用閾值分割技術(shù)，首先，必需確定一個(gè)閾值作為圖像分割的閾值，在本系統(tǒng)中，采用自適應(yīng)閾值法，由用戶在軟件的操作過(guò)程中進(jìn)行設(shè)定，并且可以根據(jù)需要進(jìn)行調(diào)整。然后，根據(jù)這個(gè)閾值對(duì)圖像進(jìn)行分割，并將其轉(zhuǎn)化為二值圖，如圖（b）所示。從圖中我們可以看到二值圖像中存在大量的小孔，這種太小的孔洞對(duì)我們進(jìn)行圖像分析沒(méi)有實(shí)際意義，并且會(huì)干擾結(jié)果的正確性，因此我們需要采用腐蝕和膨脹的形態(tài)學(xué)方法來(lái)進(jìn)行填充孔洞，結(jié)果如圖（C）所示。最后，我們需要根據(jù)需要提取目標(biāo)區(qū)，涉及到連通區(qū)域的提取問(wèn)題。最后，輸出結(jié)果。

4） 特征分析

對(duì)圖像分割結(jié)果進(jìn)行分析，用于指導(dǎo)生產(chǎn)實(shí)踐。我們可以對(duì)通過(guò)圖像處理得到的目標(biāo)區(qū)域進(jìn)行分析，比如可以根據(jù)葉片顏色的變化判斷葉綠素含量，進(jìn)而推算出作物的營(yíng)養(yǎng)狀況，根據(jù)色素區(qū)域的大小計(jì)算出葉面積，根據(jù)不同區(qū)域的形狀、大小判斷病蟲(chóng)害等。

3 實(shí)驗(yàn)結(jié)果及分析

軟件運(yùn)行后主界面如圖3所示。

為驗(yàn)證本系統(tǒng)的有效性，我們通過(guò)設(shè)定不同的閾值進(jìn)行圖像分割，并跟photoshop cs4軟件中魔棒的工具作對(duì)比，來(lái)提取圖片中的目標(biāo)區(qū)域。測(cè)試圖片大小為800px×610px，取特征點(diǎn)坐標(biāo)P（310，70），該點(diǎn)的RGB值為（29，92，0），獲取目標(biāo)區(qū)域的總像素和綠色分量平均值，數(shù)據(jù)如表1所示。

從上述表中我們可以看出，本軟件在圖像處理目標(biāo)區(qū)域的提取方面，提取到的目標(biāo)區(qū)域較photoshop 提取的小，綠色分量平均值較photoshop更接近特征點(diǎn)數(shù)值，由此看出用本軟件做圖像分割準(zhǔn)確性更高。

4 結(jié)束語(yǔ)與展望

計(jì)算機(jī)視覺(jué)具有非破壞性、快速、高效、信息量大等特點(diǎn)，目前已在主要的農(nóng)作物和經(jīng)濟(jì)作物的養(yǎng)分診斷，植物病蟲(chóng)害的快速檢測(cè)及預(yù)警預(yù)報(bào)等方面有了廣泛應(yīng)用，取得了較好的效果。隨著計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)將更多的應(yīng)用于植物長(zhǎng)勢(shì)預(yù)測(cè)、產(chǎn)量估計(jì)等方面。

通過(guò)本次研究，開(kāi)發(fā)了一個(gè)交互界面良好的色素分量檢測(cè)系統(tǒng)，能對(duì)圖像在RGB分量上實(shí)現(xiàn)閾值分割，并實(shí)現(xiàn)目標(biāo)區(qū)域的獲取分析。該文主要提倡一種軟件開(kāi)發(fā)的理念，所設(shè)計(jì)開(kāi)發(fā)的軟件的針對(duì)性較強(qiáng)，還存在著很多的局限和不足，要作為計(jì)算機(jī)視覺(jué)類的通用軟件，系統(tǒng)的穩(wěn)定性和功能都還有待進(jìn)一步提升。

參考文獻(xiàn)：

[1] 劉飛.基于光譜和多光譜成像技術(shù)的油菜生命信息快速無(wú)損檢查機(jī)理和方法研究[D].浙江：浙江大學(xué)博士學(xué)位論文，2011.

[2] 朱哲燕，陳紅.基于MATLAB的作物信息光譜分析平臺(tái)的設(shè)計(jì)與開(kāi)發(fā)[J].科技資訊，2012（16）.

[3] 蔣麗華.基于計(jì)算機(jī)視覺(jué)技術(shù)的葉綠素含量檢測(cè)系統(tǒng)[D].蘇州：蘇州大學(xué)碩士學(xué)位論文，2009.

[4] 趙春江.C#數(shù)字圖像處理算法典型實(shí)例[M].北京：人民郵電出版社，2009.

[5] 何勇，劉飛，聶鵬程. 數(shù)字農(nóng)業(yè)與農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)[J].農(nóng)機(jī)論壇，2012（1）.

[6] 張起麗.基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像處理研究[D].西安：西北大學(xué)碩士學(xué)位論文，2009

[7] 冀高.基于數(shù)字圖像處理的棉花群體特征提取[D].北京：北京郵電大學(xué)碩士學(xué)位論文，2007.

第7篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；地圖匹配；SLAM；機(jī)器人導(dǎo)航；路徑規(guī)劃

1概述

計(jì)算機(jī)視覺(jué)在人工智能學(xué)科占據(jù)重要地位，為自主移動(dòng)機(jī)器人視覺(jué)導(dǎo)航做了深厚的理論鋪墊。目前，機(jī)器人導(dǎo)航技術(shù)有很多種，傳感器導(dǎo)航技術(shù)如里程計(jì)、激光雷達(dá)、超聲波、紅外線、微波雷達(dá)、陀螺儀、指南針、速度、加速度計(jì)或觸覺(jué)等得到了普遍應(yīng)用，與上述非計(jì)算機(jī)視覺(jué)導(dǎo)航技術(shù)相比較，計(jì)算機(jī)視覺(jué)導(dǎo)航技術(shù)如人眼般具有靈敏度高且可捕獲的信息量大以及成本低等優(yōu)點(diǎn)。由于室內(nèi)相對(duì)室外空間比較狹小且內(nèi)部環(huán)境復(fù)雜，所以普通移動(dòng)機(jī)器人在作業(yè)過(guò)程中，完成躲避眼前障礙物、自主導(dǎo)航以及為自身找出一條可行路徑等一系列操作會(huì)相對(duì)比較困難。計(jì)算機(jī)視覺(jué)導(dǎo)航技術(shù)可利用本身的攝像頭獲得室內(nèi)周圍的環(huán)境信息，實(shí)時(shí)對(duì)其周身的場(chǎng)景進(jìn)行快速反饋，對(duì)視野前方障礙物進(jìn)行快速識(shí)別和檢測(cè)，從而確定一條高效的可行的安全路徑。本文對(duì)計(jì)算機(jī)視覺(jué)導(dǎo)航技術(shù)進(jìn)行分類研究，主要分為3類：第一類是環(huán)境地圖事先已知，提前對(duì)外界環(huán)境特征進(jìn)行提取和處理，建立全局地圖，并將地圖信息存儲(chǔ)在機(jī)器人內(nèi)存數(shù)據(jù)庫(kù)中，在導(dǎo)航的時(shí)候?qū)崟r(shí)進(jìn)行地圖匹配；第二類是同時(shí)定位與地圖構(gòu)建，移動(dòng)機(jī)器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時(shí)逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實(shí)時(shí)定位和導(dǎo)航；第三類是不依賴環(huán)境地圖，自主移動(dòng)機(jī)器人不需要依賴任何的環(huán)境地圖，其在作業(yè)活動(dòng)時(shí)的可行區(qū)域主要取決于攝像頭實(shí)時(shí)識(shí)別和檢測(cè)的環(huán)境相對(duì)信息。

2環(huán)境地圖的表示方法

目前，計(jì)算機(jī)視覺(jué)導(dǎo)航技術(shù)多采用柵格地圖、幾何地圖、拓?fù)涞貓D和混合地圖構(gòu)建環(huán)境地圖信息。

2.1柵格地圖

柵格地圖，將柵格圖像考慮為一矩形，均分為一系列柵格單元，將每個(gè)柵格單元賦予一個(gè)平均概率值，并利用傳感信息估計(jì)每個(gè)單元內(nèi)部?jī)?nèi)存障礙物的概率。構(gòu)建柵格地圖的優(yōu)點(diǎn)是其地圖表達(dá)形式直觀，創(chuàng)建和維護(hù)比較容易；但當(dāng)劃分的柵格單元數(shù)量不斷增多時(shí)，實(shí)時(shí)性就會(huì)慢慢變差；當(dāng)劃分的柵格單元越大時(shí)，環(huán)境地圖的分辨率越低。

2.2幾何地圖

幾何地圖利用幾何特征如點(diǎn)、直線、平面等來(lái)構(gòu)成環(huán)境主要框架，需要知道這些特征在環(huán)境中信息的具置，所以幾何地圖通常使用其對(duì)應(yīng)的三維空間坐標(biāo)來(lái)表示。幾何地圖構(gòu)建過(guò)程相對(duì)簡(jiǎn)單，保留了室內(nèi)環(huán)境的各種重要信息，是基于計(jì)算機(jī)視覺(jué)的定位與地圖構(gòu)建算法中最常用的一種表示方式。但是為了完成環(huán)境的建模需要標(biāo)記大量的特征，從而計(jì)算量也非常的大，降低了實(shí)時(shí)性，其重建的地圖也容易出現(xiàn)與全局不一致的情況。

2.3拓?fù)涞貓D

拓?fù)涞貓D用許多節(jié)點(diǎn)和連接這些節(jié)點(diǎn)的曲線來(lái)表示環(huán)境信息。其中，每個(gè)節(jié)點(diǎn)相對(duì)應(yīng)真實(shí)環(huán)境中的特征點(diǎn)（如門角、窗戶、椅子、桌子角及拐角等），而節(jié)點(diǎn)之間的曲線表示兩個(gè)節(jié)點(diǎn)對(duì)應(yīng)的地點(diǎn)是相聯(lián)通的。拓?fù)涞貓D把環(huán)境信息表上在一線圖上，不需要精確表示不同節(jié)點(diǎn)間的地理位置關(guān)系，圖像較為抽象，表示起來(lái)方便且簡(jiǎn)單。機(jī)器人首先識(shí)別這些節(jié)點(diǎn)進(jìn)而根據(jù)識(shí)別的節(jié)點(diǎn)選擇節(jié)點(diǎn)與節(jié)點(diǎn)間的曲線作為可作業(yè)的路徑。

2.4混合地圖

混合地圖主要包括3種形式：柵格一幾何地圖、幾何一拓?fù)涞貓D以及柵格一拓?fù)涞貓D?；旌系貓D采用多種地圖表示，可結(jié)合多種地圖的優(yōu)勢(shì)，與單一的地圖表示相比更具有靈活性、準(zhǔn)確性和魯棒性，但其不同類別的地圖結(jié)合起來(lái)管理會(huì)比較復(fù)雜，難以協(xié)調(diào)，增加了地圖構(gòu)建的難度。文獻(xiàn)針對(duì)室內(nèi)環(huán)境所建立的模型分為全局拓?fù)浜途植繋缀伪硎霾糠?，整體環(huán)境通過(guò)拓?fù)涔?jié)點(diǎn)串連起來(lái)，維護(hù)了整體環(huán)境表述的全局一致性；而以每個(gè)拓?fù)涔?jié)點(diǎn)為核心所采用的幾何表述則可確保局部精確定位的實(shí)現(xiàn)，這樣建立的幾何一拓?fù)浠旌檄h(huán)境模型可將二者的優(yōu)勢(shì)都表現(xiàn)出來(lái)，使得移動(dòng)機(jī)器人定位和地圖構(gòu)建同時(shí)進(jìn)行，實(shí)現(xiàn)容易。

3基于計(jì)算機(jī)視覺(jué)的室內(nèi)導(dǎo)航

基于計(jì)算機(jī)視覺(jué)的室內(nèi)導(dǎo)航技術(shù)可利用攝像頭捕獲機(jī)器人周圍環(huán)境的全部信息，對(duì)其周身的場(chǎng)景進(jìn)行反饋，對(duì)障礙物進(jìn)行快速識(shí)別和檢測(cè)，從而確定一條高效的可行的安全路徑。本文將計(jì)算機(jī)視覺(jué)室內(nèi)導(dǎo)航技術(shù)主要分為3類：第一類是環(huán)境地圖事先已知；第二類是定位與地圖構(gòu)建同時(shí)進(jìn)行；第三類是不依賴環(huán)境地圖。

3.1環(huán)境地圖事先已知

提前對(duì)外界環(huán)境特征進(jìn)行提取和處理，建立全局地圖，并將地圖信息存儲(chǔ)在機(jī)器人內(nèi)存數(shù)據(jù)庫(kù)中，在導(dǎo)航的時(shí)候?qū)崟r(shí)進(jìn)行地圖匹配，即預(yù)存環(huán)境地圖。在環(huán)境地圖事先已知的導(dǎo)航中，路標(biāo)信息保存在計(jì)算機(jī)內(nèi)存的數(shù)據(jù)庫(kù)中，視覺(jué)系統(tǒng)中心利用圖像特征直接或間接向移動(dòng)機(jī)器人提供一系列路標(biāo)信息，一旦路標(biāo)被確定后，通過(guò)匹配觀察到的圖像和所期望圖像，機(jī)器人借助地圖實(shí)現(xiàn)自身精確定位和導(dǎo)航。該導(dǎo)航技術(shù)過(guò)程可分為以下步驟：

a）圖像獲?。簲z像頭獲取其周圍的視頻圖像；

b）路標(biāo)識(shí)別及檢測(cè)：利用相關(guān)圖像處理算法對(duì)圖像進(jìn)行一系列預(yù)處理如進(jìn)行邊緣檢測(cè)和提取、平滑、濾波、區(qū)域分割；

c）路標(biāo)匹配標(biāo)志：在觀察到的圖像和所期望圖像之間進(jìn)行匹配，搜索現(xiàn)有的路標(biāo)數(shù)據(jù)庫(kù)進(jìn)行標(biāo)志路標(biāo)；

d）位置計(jì)算：當(dāng)有特征點(diǎn)進(jìn)行匹配時(shí)，視覺(jué)系統(tǒng)會(huì)根據(jù)數(shù)據(jù)庫(kù)中的路標(biāo)位置進(jìn)行自身精確定位和導(dǎo)航。

在基于計(jì)算機(jī)視覺(jué)的地圖匹配定位過(guò)程中，主要有2種地圖匹配較為典型。

①已知起點(diǎn)，已知地圖。這種條件下的定位稱為局部定位，采用的是一種相對(duì)定位的方法，如圖1所示為其位姿估計(jì)過(guò)程，這種情況目前導(dǎo)航技術(shù)研究得最多。

②不知起點(diǎn)，已知地圖。這種條件下的定位稱為全局定位。當(dāng)機(jī)器人需要重置時(shí)，通常使用這種定位方法來(lái)檢索機(jī)器人的當(dāng)前位置（即姿態(tài)初始化）。常用的輔助方法是在環(huán)境中添加一些人造信標(biāo)，如無(wú)線收發(fā)器，幾何信標(biāo)，條碼技術(shù)，紅外或超聲波接收系統(tǒng)進(jìn)行位置識(shí)別，利用視覺(jué)系統(tǒng)識(shí)別自然標(biāo)志，自主定位。

3.2定位與地圖構(gòu)建同時(shí)進(jìn)行

不知起點(diǎn)，不知地圖。SLAM技術(shù)最早由Smith等人于1986年提出，移動(dòng)機(jī)器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時(shí)逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實(shí)時(shí)定位和導(dǎo)航。在日后的導(dǎo)航研究中，混合地圖中的幾何一拓?fù)浠旌檄h(huán)境模型被得到廣泛應(yīng)用，主要用來(lái)解決SLAM問(wèn)題。

2003年，在解決SLAM技術(shù)難題上，Arras等人采用基于Kalman濾波器和最鄰近（nearest neighbor）匹配策略的隨機(jī)地圖創(chuàng)建方法。下面是該算法步驟：

a）數(shù)據(jù)采集：首先初始化系統(tǒng)，從攝像頭傳感器采集距離數(shù)據(jù)；

b）狀態(tài)預(yù)測(cè)：視覺(jué)系統(tǒng)預(yù)測(cè)機(jī)器人運(yùn)動(dòng)狀態(tài)，實(shí)時(shí)返回新位姿信息和協(xié)方差矩陣，預(yù)測(cè)地圖；

c）觀測(cè)：從原始捕獲的信息中提取主要特征信息并將此信息返回給局部地圖；

d）測(cè)量預(yù)測(cè)：預(yù)測(cè)機(jī)器人當(dāng)前位姿的全局地圖；

e）位置匹配：應(yīng)用最鄰近濾波器匹配局部地圖中的觀測(cè)點(diǎn)和預(yù)測(cè)點(diǎn)；

f）估計(jì)：使用擴(kuò)展Kalman濾波器更新地圖；

g）創(chuàng)建：將非相關(guān)的觀測(cè)點(diǎn)加入地圖，對(duì)機(jī)器人返回增量式地圖；

h）輸出地圖。

制約機(jī)器人視覺(jué)系統(tǒng)性能的重要因素是信息實(shí)時(shí)處理的計(jì)算復(fù)雜度和處理效率，SLAM算法需要在地圖密度與計(jì)算效率之間取得權(quán)衡。

3.3無(wú)環(huán)境地圖

在這類系統(tǒng)中，機(jī)器人不需要依賴任何的環(huán)境地圖信息，機(jī)器人的活動(dòng)取決于其當(dāng)時(shí)識(shí)別和提取出來(lái)的環(huán)境信息，這些環(huán)境信息可能是桌子、椅子和門等，不需要知道這些環(huán)境元素的絕對(duì)位置。無(wú)環(huán)境地圖的導(dǎo)航技術(shù)典型的技術(shù)有3大類：基于光流的導(dǎo)航技術(shù)、基于外觀信息的導(dǎo)航技術(shù)、基于目標(biāo)識(shí)別的導(dǎo)航技術(shù)和基于目標(biāo)跟蹤的導(dǎo)航技術(shù)。

3.3.1基于光流的導(dǎo)航技術(shù)

光流是三維空間運(yùn)動(dòng)物體在觀測(cè)成像面上的像素運(yùn)動(dòng)的瞬時(shí)速度，也是圖像亮度的運(yùn)動(dòng)信息描述。光流法計(jì)算最初是由Horn和Schunck于1981年提出的，其利用二維速度場(chǎng)與灰度，引入光流約束方程，得到光流計(jì)算的基本算法。光流計(jì)算基于物體移動(dòng)的光學(xué)特性提出了2個(gè)假設(shè)：①運(yùn)動(dòng)物體的灰度在很短的間隔時(shí)間內(nèi)保持不變；②給定鄰域內(nèi)的速度向量場(chǎng)變化是緩慢的。如Santos-Victor等人研發(fā)了一種基于光流的robee視覺(jué)系統(tǒng)，該系統(tǒng)模擬了蜜蜂的視覺(jué)行為。在robee視覺(jué)系統(tǒng)中，使用單獨(dú)的雙目視覺(jué)方法來(lái)模擬蜜蜂的中心反射（Centering Reflex）：當(dāng)機(jī)器人移動(dòng)到走廊兩側(cè)的墻壁中心時(shí)，左眼捕獲場(chǎng)景的瞬時(shí)速度與右眼捕獲場(chǎng)景的瞬時(shí)速度是相同的，幾乎沒(méi)有差別，那么機(jī)器人就可以知道他們?cè)谧呃鹊闹行?。如果眼睛兩?cè)的眼睛的瞬時(shí)變化速度不同，則機(jī)器人移動(dòng)到較慢的速度。在自動(dòng)機(jī)器人導(dǎo)航的實(shí)現(xiàn)中，基于這個(gè)想法是測(cè)量攝像機(jī)捕獲圖像場(chǎng)景瞬時(shí)速度差異。這種導(dǎo)航技術(shù)只能用于室內(nèi)單通道直走道導(dǎo)航，不能引導(dǎo)機(jī)器人改變方向，具有一定的局限性。

3.3.2基于外觀信息的導(dǎo)航技術(shù)

基于外觀的機(jī)器人導(dǎo)航方法，不需要構(gòu)建真實(shí)的地圖導(dǎo)航，機(jī)器人通過(guò)自身所攜帶的攝像頭和傳感器感知周圍目標(biāo)的外觀信息進(jìn)行自主定位和導(dǎo)航。其中，所述的外觀信息多為目標(biāo)信息的顏色、亮度、形狀、空間大小和物理紋路等。機(jī)器人在導(dǎo)航時(shí)存儲(chǔ)連續(xù)視頻幀的環(huán)境圖像信息，并將連續(xù)視頻幀與控制指令相關(guān)聯(lián)，從而再執(zhí)行指令規(guī)劃有效路徑到達(dá)目的地。

3.3.3基于目標(biāo)識(shí)別導(dǎo)航技術(shù)

為了達(dá)到目標(biāo)點(diǎn)或是識(shí)別目標(biāo)，機(jī)器人很多時(shí)候只能獲取少量的圖像信息。Kim等人提出了一種用符號(hào)代替導(dǎo)航各個(gè)位置的賦值方法。該賦值方法中，機(jī)器人執(zhí)行命令如“去窗邊”“去你后面的椅子旁”等。這樣，通過(guò)相關(guān)的符號(hào)命令，機(jī)器人自動(dòng)識(shí)別并建立路標(biāo)，通過(guò)符號(hào)指令到達(dá)目標(biāo)點(diǎn)。例如“去你后面的椅子旁”，這樣的命令就是告訴機(jī)器人路標(biāo)是椅子、路徑向后。該導(dǎo)航技術(shù)的難點(diǎn)在于目標(biāo)是否可以準(zhǔn)確實(shí)時(shí)識(shí)別路標(biāo)。第一，識(shí)別大量不同類別的物體，室內(nèi)環(huán)境有許多不同類別的物體，需要將它們組織到一個(gè)在給定的容易搜索圖像數(shù)據(jù)結(jié)構(gòu)中去，起到容易識(shí)別是用什么度量來(lái)區(qū)分物體；第二，識(shí)別大量不同背景下的物體，一個(gè)合適的物體表達(dá)式有助于將圖像組織成片斷，而這些片斷來(lái)自于物體的種類且與物體無(wú)關(guān)的；第三，在抽象層次上識(shí)別物體，機(jī)器人可以不需要在看到一個(gè)具體的杯子之前便能知道它是一個(gè)杯子，相關(guān)程序能夠類似的物體進(jìn)行識(shí)別和區(qū)分。

3.3.4基于目標(biāo)跟蹤的導(dǎo)航技術(shù)

基于目標(biāo)跟蹤的導(dǎo)航技術(shù)，為機(jī)器人構(gòu)造一個(gè)虛擬地圖，機(jī)器人通過(guò)攝像頭獲取連續(xù)的視頻序定一個(gè)跟蹤的目標(biāo)，為了達(dá)到對(duì)目標(biāo)的精確定位和實(shí)時(shí)跟蹤，可以利用粒子濾波算法對(duì)需要跟蹤的目標(biāo)進(jìn)行建模?；诹Ｗ訛V波的目標(biāo)跟蹤主要包含四個(gè)階段，分別是初始化目標(biāo)區(qū)域，概率轉(zhuǎn)移，目標(biāo)區(qū)域權(quán)重計(jì)算，目標(biāo)區(qū)域重采樣。在機(jī)器人導(dǎo)航之前，通過(guò)視頻序列的當(dāng)前幾幀標(biāo)注機(jī)器人所需要跟蹤的目標(biāo)，在導(dǎo)航時(shí)，機(jī)器人通過(guò)連續(xù)的視頻幀感知周圍的待跟蹤目標(biāo)，同時(shí)對(duì)所需要跟蹤的目標(biāo)散播粒子，當(dāng)獲取的視頻幀對(duì)目標(biāo)區(qū)域重采樣后足以讓機(jī)器人確定所需要跟蹤的目標(biāo)時(shí)，機(jī)器人通過(guò)確定的目標(biāo)為自己規(guī)劃最有效的路徑到達(dá)目的地。獲取視頻序列目標(biāo)跟蹤是算機(jī)視覺(jué)領(lǐng)域中的重要分支，它在工業(yè)生產(chǎn)、交通導(dǎo)航、國(guó)防建設(shè)、航空導(dǎo)航等各個(gè)領(lǐng)域有著廣泛的應(yīng)用。

第8篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

關(guān)鍵詞： 機(jī)器人； 人機(jī)界面； 三維可視化； 圖形降噪； 圖像處理

中圖分類號(hào)： TN830.1?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章號(hào)： 1004?373X（2017）12?0105?03

Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.

Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing

0 引 言

機(jī)器人人機(jī)交互（Human?Computer Interaction，HCM）是通過(guò)圖像和計(jì)算機(jī)視覺(jué)處理的方法，實(shí)現(xiàn)機(jī)器人系統(tǒng)與用戶之間的交互關(guān)系和溝通，在機(jī)器人人機(jī)交互過(guò)程中，人與計(jì)算機(jī)通過(guò)計(jì)算機(jī)視覺(jué)處理和動(dòng)作識(shí)別的形式實(shí)現(xiàn)語(yǔ)言溝通，完成確定的任務(wù)和計(jì)算機(jī)與機(jī)器人的信息交換[1]。機(jī)器人人機(jī)交互系統(tǒng)廣泛應(yīng)用在視景模型仿真、機(jī)器手設(shè)計(jì)和遠(yuǎn)程虛擬控制等領(lǐng)域，在現(xiàn)代工業(yè)和遠(yuǎn)程控制中具有重要的應(yīng)用價(jià)值。

在機(jī)器人的人機(jī)交互中，需要通過(guò)對(duì)人機(jī)界面的三維可視化設(shè)計(jì)，提高人機(jī)交互的可視性和人工智能性，研究人機(jī)交互界面的三維可視化重構(gòu)方法在機(jī)器人的人工智能優(yōu)化設(shè)計(jì)領(lǐng)域具有重要的應(yīng)用意義。對(duì)此，本文提出一種基于GPU實(shí)時(shí)圖形跟蹤渲染的機(jī)器人人機(jī)界面的三維可視化重構(gòu)設(shè)計(jì)方法。首先采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，采用圖像處理方法實(shí)現(xiàn)圖形降噪和邊緣修正處理，提高人機(jī)交互界面的三維可視化圖形細(xì)節(jié)表達(dá)能力。最后進(jìn)行仿真實(shí)驗(yàn)分析，得出有效性結(jié)論。

1 視覺(jué)特征采樣與像素信息重構(gòu)

1.1 人機(jī)界面計(jì)算機(jī)視覺(jué)特征采樣

為了實(shí)現(xiàn)機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，首先進(jìn)行視覺(jué)信息采樣，本文采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，在視覺(jué)信息采集中，對(duì)特征空間中的突變信息進(jìn)行采集，檢測(cè)提取后的輪廓線信息是否符合要求，不符合的原因是由于閾值小而提取了過(guò)多的次要輪廓線，使主要輪廓線無(wú)法突出。利用多尺度特征來(lái)提取輪廓線，并將高頻與低頻部分的輪廓線信號(hào)進(jìn)行融合，也就是在不同尺度特征下進(jìn)行輪廓線提取，因此可得到光滑的輪廓線圖像，提取出的人機(jī)界面外部采集輪廓線，將外部特征通過(guò)二維流形分析[2]。機(jī)器人與人體動(dòng)作的交互過(guò)程可以表征為一個(gè)高維向量，收集大量人體動(dòng)作完成機(jī)器人的人機(jī)動(dòng)作交互，將人機(jī)交互界面場(chǎng)景數(shù)據(jù)庫(kù)中的交互動(dòng)作數(shù)據(jù)進(jìn)行三維特征掃描，掃描包括激光掃描、紅外掃描和CT掃描等方法[3]，得到機(jī)器人人機(jī)界面交互的動(dòng)作掃描的像素組成為：

1.2 視覺(jué)像素信息稀疏散點(diǎn)重構(gòu)

對(duì)采樣的視覺(jué)像素信息進(jìn)行稀疏散點(diǎn)重構(gòu)，為進(jìn)行人機(jī)界面的三維可視化設(shè)計(jì)提供數(shù)據(jù)基礎(chǔ)，對(duì)機(jī)器人人機(jī)交互界面的視覺(jué)像素信息稀疏散點(diǎn)重構(gòu)需要遵循以下原則：

（1） 可描述性。對(duì)不同的人機(jī)交互動(dòng)作，應(yīng)該提取具有明顯區(qū)別的特征參數(shù)，即特征參數(shù)具有較強(qiáng)的敏感性，能夠高效地對(duì)技術(shù)姿態(tài)進(jìn)行描述。

（2） 可靠性。不同的動(dòng)作識(shí)別系統(tǒng)做同一個(gè)技術(shù)動(dòng)作時(shí)一定會(huì)存在差異，但這種差異不應(yīng)該對(duì)特征參數(shù)造成影響，即同種類型的技術(shù)姿態(tài)的特征參數(shù)會(huì)比較相似，這就要求所提取的特征參數(shù)對(duì)位置和對(duì)象不敏感。

（3） 數(shù)量少。一個(gè)動(dòng)作識(shí)別特征值越多，系統(tǒng)的計(jì)算復(fù)雜程度就越大，因此要盡可能控制特征值的數(shù)量[5]。在像素點(diǎn)中，通過(guò)仿射變換，得到對(duì)應(yīng)的不變矩坐標(biāo)為，在不同朝向和不同尺度間進(jìn)行機(jī)器人人機(jī)界面網(wǎng)格區(qū)域匹配，得到人機(jī)界面三維輪廓函數(shù)為：

3 實(shí)驗(yàn)測(cè)試分析

對(duì)機(jī)器人的人機(jī)界面三維可視化實(shí)驗(yàn)建立在本主機(jī)配置為PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB內(nèi)存的計(jì)算機(jī)硬件平臺(tái)上。在機(jī)器人人機(jī)動(dòng)作特征識(shí)別中，人體動(dòng)作特征單元和模塊子單元表示為Cell （col，row）。其中col表示行，row為列，人機(jī)交互中人體動(dòng)作圖像采集來(lái)自于分辨率為640×480，幀率為25 f/s的AVI視頻，參數(shù)設(shè)定為=0.5，=2，=2，得到機(jī)器人人機(jī)界面的三維可視化重構(gòu)結(jié)果如圖1所示。對(duì)圖1給出的機(jī)器人人機(jī)界面三維重構(gòu)結(jié)果進(jìn)行降噪和修正處理，得到三維可視化優(yōu)化結(jié)果如圖2所示。

對(duì)比圖2和圖1結(jié)果得知，采用本文方法進(jìn)行機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，輸出圖形的視覺(jué)效果較好，人機(jī)交互能力較強(qiáng)，性能優(yōu)越。

4 結(jié) 語(yǔ)

為了提高機(jī)器人人機(jī)界面的三維可視化操作性能，本文提出一種基于GPU實(shí)時(shí)圖形跟蹤渲染的機(jī)器人人機(jī)界面的三維可視化重構(gòu)設(shè)計(jì)方法。采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，在重構(gòu)的三維空間中通過(guò)圖像處理方法實(shí)現(xiàn)圖形降噪和邊緣修正處理，實(shí)現(xiàn)三維可視化設(shè)計(jì)。研究得知，采用該方法進(jìn)行機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，輸出圖形的視覺(jué)效果較好，人機(jī)交互能力較強(qiáng)，具有較高的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 董哲康，段書(shū)凱，胡小方.非線性憶阻器的串并聯(lián)研究及在圖像處理中的應(yīng)用[J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，37（2）：153?161.

[2] 袁健，高勃.基于OpenCL的三維可視化加速模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2015，36（2）：327?331.

[3] 朱路，劉江鋒，劉媛媛，等.基于稀疏采樣與級(jí)聯(lián)字典的微波輻射圖像重構(gòu)方法[J].微波學(xué)報(bào)，2014，30（6）：41?45.

[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.

第9篇：計(jì)算機(jī)視覺(jué)技術(shù)及應(yīng)用范文

【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)。現(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)。此類的設(shè)計(jì)有很多的優(yōu)勢(shì)，這種類型的設(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)處于用戶周圍還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)?？梢詫?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。基于GPS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)】