篇(1)

　　大棚作物的生長狀況反映出大棚生產(chǎn)管理的效果，并作為農(nóng)藝操作和產(chǎn)量預測的依據(jù)。為此，開發(fā)了通過計算機視覺分析大棚作物的植株顏色和發(fā)育階段等生長信息的方法，利用專家系統(tǒng)挖掘視覺分析數(shù)據(jù)，評判作物的生長狀況，預測后續(xù)生長趨勢和最終產(chǎn)量。大棚黃瓜的試驗結(jié)果表明：基于計算機視覺的數(shù)據(jù)挖掘可以準確評判黃瓜的生長狀況，較為準確地預測成熟時期和最終產(chǎn)量，提高了大棚生產(chǎn)的智能化水平。

　　關鍵詞：計算機視覺,大棚作物,生長趨勢,挖掘

　　農(nóng)業(yè)生產(chǎn)高度依賴自然環(huán)境和氣候條件，受自然因素多變的影響，具有明顯的季節(jié)性。我國是農(nóng)業(yè)大國，農(nóng)業(yè)生產(chǎn)順利進行可以為國民經(jīng)濟的正常發(fā)展提供保障。為了打破多變的自然因素限制，人們發(fā)明并設計了各種新型的農(nóng)業(yè)生產(chǎn)技術和設施。設施農(nóng)業(yè)利用各種設施獲得可控的環(huán)境條件，并通過工程技術手段實現(xiàn)動植物的高效生產(chǎn)。

　　設施農(nóng)業(yè)涵蓋作物種植、動物養(yǎng)殖和食用菌種植，具體形式主要有玻璃溫室和塑料大棚。設施農(nóng)業(yè)的作物產(chǎn)量是常規(guī)種植的3.5倍，因此特別適合于我國人均耕地面積少的國情，是解決我國農(nóng)業(yè)受土地面積制約、實現(xiàn)可持續(xù)發(fā)展的有效手段。目前，我國設施農(nóng)業(yè)面積占世界總面積超過了85%，且開始從數(shù)量優(yōu)勢向質(zhì)量提升轉(zhuǎn)變，技術上日益接近世界先進水平。與溫室相比，大棚的保溫性能較差，使用年限也短;但是，大棚結(jié)構簡單，制造和維護成本也較低，適合在一些農(nóng)業(yè)基礎設施相對薄弱的地區(qū)推廣應用。

　　大棚是作物、蔬菜和花卉的種植場所，能夠顯著提高作物的抗災減災和反季節(jié)生產(chǎn)能力，在農(nóng)業(yè)的發(fā)展史上具有里程碑的意義。經(jīng)過長期的發(fā)展，大棚在實踐應用中也暴露出一些問題，對農(nóng)產(chǎn)品的產(chǎn)量質(zhì)量及種植效益都造成了不利影響。大棚的封閉性強，內(nèi)部溫濕度較大，利于各種農(nóng)業(yè)害蟲和病菌的滋生繁殖，因此大棚內(nèi)的農(nóng)業(yè)病蟲害極為嚴重[1]。

　　另外，棚內(nèi)的環(huán)境與外界隔離，土壤經(jīng)過長期使用后的連作障礙日益明顯，肥料利用率降低，營養(yǎng)成分流失嚴重，成為制約大棚持續(xù)利用的關鍵[2]。最后，由于受總體制造成本的限制，早期的大棚內(nèi)較少安裝高技術含量的儀器設備，影響了大棚的自動化和智能化水平。以上的因素都不利于大棚作物的正常生長，增加了大棚種植效益提升和持續(xù)應用的難度，引起種植者和農(nóng)業(yè)研究人員的重視。

　　為此，人們設計了各種新型的大棚管理技術和方法，部分已經(jīng)開始在實踐應用中發(fā)揮作用。侯玉佳等針對大棚病蟲害嚴重的問題，設計了一種大棚作物的病蟲害監(jiān)控系統(tǒng)，實現(xiàn)了對病蟲害發(fā)生面積和動態(tài)等信息的采集[3]。另外，司鳳霞認為對大棚作物的病蟲害應以綜合防治為基礎，包括農(nóng)業(yè)防治、物理防治、藥劑防治和生物防治，才能將危害降至最低，從而獲得較高種植收益[4]。喻景權等探討了連作障礙在蔬菜設施栽培中形成的基礎，提出了耕作制度、生物防治和肥料施用等方面的解決辦法，并對其可行性進行了分析[5]。

　　近年來，無線通信、微電子、傳感器和嵌入式等技術的發(fā)展使得無線傳感網(wǎng)絡的成本和功率消耗大幅度降低，以之為基礎建立起來的物聯(lián)網(wǎng)開始應用于大棚的遠程監(jiān)控和生產(chǎn)管理中，提高了大棚的智能化水平[6-9]。作物的生長狀況是大棚監(jiān)控的重要內(nèi)容，可以反映大棚生產(chǎn)管理的效果，并作為病蟲害防治、水肥管理和產(chǎn)量預測的依據(jù)。

　　作物生長狀況通常由種植者觀察獲得，并依靠經(jīng)驗判斷生長趨勢，所做出的決策受主觀因素影響會出現(xiàn)偏差，導致作物無法達到預期產(chǎn)量。為此，劉硯菊等采用模糊神經(jīng)網(wǎng)絡處理植物生長數(shù)據(jù)，獲得植物最佳生長狀態(tài)所對應的環(huán)境數(shù)據(jù)，為大棚的參數(shù)控制提供依據(jù)[10]。隨著各種新技術的出現(xiàn)，對于作物生長信息的采集和生長趨勢挖掘方法也出現(xiàn)變革，較為典型的是計算機視覺技術。

　　計算機視覺是圖像分析技術，從拍攝的圖像中提取信息進行分析識別，獲得有價值的結(jié)果。計算機視覺在農(nóng)業(yè)上可以分析田間作物圖像，具有監(jiān)測農(nóng)田雜草、作物長勢和病蟲草害發(fā)生程度的功能[11-13]。本文以大棚作物為對象，拍攝作物圖像并通過計算機視覺獲取生長信息，然后在專家系統(tǒng)中分析挖掘植株大小、葉片顏色和發(fā)育階段等信息數(shù)據(jù)，以此為依據(jù)評判作物的生長狀況，用于指導大棚的農(nóng)藝操作和預測作物產(chǎn)量，從而提高大棚生產(chǎn)的智能化水平。

　　1設計原理及硬件組成

　　1.1設計原理

　　安裝在大棚中的攝像頭拍攝作物的圖像，由A/D轉(zhuǎn)換器進行模數(shù)轉(zhuǎn)換，成為計算機可識別的數(shù)碼信號。數(shù)碼信號以無線形式發(fā)送給核心計算機，經(jīng)過去噪處理、灰度化和閾值分割等視覺分析步驟后提取目標特征。計算機視覺分析的結(jié)果輸入到專家系統(tǒng)的知識庫中，對作物的植株大小、葉片顏色和發(fā)育階段數(shù)據(jù)進行挖掘，依據(jù)專家經(jīng)驗評判作物的生長狀況，并預測后續(xù)生長趨勢和最終產(chǎn)量。分析結(jié)果輸出在顯示屏上，并進行存儲。

　　1.2硬件組成

　　攝像頭為中星C301高清芯片型，得益于CMOS感光元件，其成像的像素較高，且具有較好的兼容性和可靠性，能夠滿足大棚圖像采集的要求。攝像頭在大棚里的安裝高度1.3m，通過電機驅(qū)動實現(xiàn)了180°拍攝視角，并能適應大棚高溫高濕的工作環(huán)境。

　　A/D轉(zhuǎn)換器為天創(chuàng)UB570型圖像采集卡，可以把原始圖像信號轉(zhuǎn)換為數(shù)字信號以供計算機分析。大棚與核心計算機之間的連接采用無線WIFI技術，其通訊帶寬大，數(shù)據(jù)實時傳輸能力強。接收裝置與計算機之間通過UART接口有線連接，接收采集的圖像。

　　核心計算機是聯(lián)想揚天M4700型，配制包括Inteli6中央處理器以及10GB的DDR4內(nèi)存。安裝的操作系統(tǒng)為Windows10軟件，圖像分析軟件為MatLab工具箱，能夠進行計算機視覺的實時處理和分析。專家系統(tǒng)中的推理機和知識庫功能由1臺聯(lián)想X3550M5型服務器完成，服務器配置16GB的DDR4型內(nèi)存以及2TB的硬盤，各種數(shù)據(jù)庫和信息庫存儲在其中。服務器外接P64CD1型LCD顯示屏用于實時顯示作物生長數(shù)據(jù)，以及北京宏空HK-CRAM型存儲器用于保存分析的結(jié)果。

　　2圖像處理

　　以種植黃瓜的大棚為例，拍攝的時間為結(jié)果前期。攝像頭與拍攝目標之間相對靜止，避免了運動對于圖像質(zhì)量的影響。但是，拍攝的瞬間攝像頭可能正在轉(zhuǎn)動，加上大棚中存在的水汽和灰塵，導致圖像中仍然帶有噪音，會對后續(xù)分析造成影響。研究通過對圖像進行5×5的中值濾波平滑處理去除噪音，從而獲得較高質(zhì)量的原始圖像。由于拍攝角度的影響，距離攝像頭不同位置上的物體在圖像上存在畸變，影響了后續(xù)對黃瓜各種器官面積計算的準確性。文本參考相關文獻，對圖像畸變進行了校正。大棚內(nèi)的光線較自然條件下弱，且光線的直射少，漫反射多。

　　根據(jù)上述特點，選用HSI模型的顏色空間對圖像進行分析，在色調(diào)H、飽和度S和亮度I這3個分量上處理，獲得了HSI顏色空間下對I分量灰度化的圖像。黃瓜結(jié)果前期的植株器官包括葉片、莖、果實和花，它們都是黃瓜生長狀態(tài)的外部反映，也是后期生長趨勢和產(chǎn)量形成的基礎。其中，葉片和莖的顏色可以反映水分和營養(yǎng)狀況，果實和花的數(shù)量可以反映生長發(fā)育階段和最終產(chǎn)量。葉片、莖和果實為綠色，花為黃色，因此計算機視覺可以通過顏色的差異首先將花識別出來。對于果實，則利用其形狀的特征從綠色背景中進行分割。

　　在H、S和I這3個分量中，將I分量灰度圖做最大類間方差分析，再進行二值化和直方圖分析，從而獲得最大閾值T1和T2。依據(jù)T1和T2進行閾值分割，得到莖葉、果實和花的圖像區(qū)域，莖葉表示為灰色，果實表示為黑色，花表示為白色。統(tǒng)計的數(shù)據(jù)信息包括莖葉區(qū)域中綠色像素的數(shù)量、果實區(qū)域的數(shù)量及面積、花的數(shù)量。

　　3數(shù)據(jù)挖掘和生長趨勢判定

　　作物的生長狀況可以分為良好、中等和較差，主要體現(xiàn)在各營養(yǎng)和生殖器官的顏色和大小上;生長階段包括營養(yǎng)生長和生殖生長，主要體現(xiàn)在生殖器官的數(shù)量上。通過在專家系統(tǒng)中挖掘作物圖像的計算機視覺數(shù)據(jù)，可以評判作物當前的生長狀況和后續(xù)的生長趨勢。

　　專家系統(tǒng)包括知識庫和推理機:知識庫中存入了關于作物生長信息的專家知識;推理機根據(jù)模糊隸屬函數(shù)，進行作物生長數(shù)據(jù)和生長狀態(tài)及趨勢的訓練，并依據(jù)專家知識獲得各項參數(shù)和閾值，也存入到知識庫中。在實際應用中，推理機將計算機視覺數(shù)據(jù)錄入輸入層，運行數(shù)值計算過程，最后結(jié)合專家知識庫推理計算得到作物生長狀況和后續(xù)生長趨勢的結(jié)果。

　　4試驗結(jié)果和分析

　　2017年，在本單位的大棚內(nèi)以黃瓜為對象進行了試驗，選用的3個黃瓜品種為中農(nóng)16、早青2號和粵秀1號。在各品種的結(jié)果前期拍攝圖像，進行計算機視覺分析，挖掘分析的數(shù)據(jù)后評判生長狀況，并預測后續(xù)的生長趨勢。后續(xù)生長趨勢的反映指標為成熟時期和產(chǎn)量，將數(shù)據(jù)挖掘所獲得的結(jié)果與人工調(diào)查獲得的實際值比較，評價這種方法的準確性。基于計算機視覺數(shù)據(jù)的挖掘可以準確評判3個黃瓜品種的生長狀況，對于成熟時期的預測與實際數(shù)值僅相差1天，還能較為準確地預測最終產(chǎn)量。

　　5結(jié)論

　　以大棚作物為對象，拍攝作物的圖像并通過計算機視覺分析作物顏色和發(fā)育階段等生長信息，然后利用專家系統(tǒng)挖掘視覺分析數(shù)據(jù)，評判作物的生長狀況，預測后續(xù)生長趨勢和最終產(chǎn)量。對大棚黃瓜的試驗結(jié)果表明:基于計算機視覺數(shù)據(jù)的挖掘可以準確評判黃瓜的生長狀況，還能夠較為準確地預測成熟時期和最終產(chǎn)量，提高了大棚生產(chǎn)的智能化水平。

　　參考文獻:

　　[1]李罕瓊，黃水招.大棚作物病害發(fā)生特點與防治對策[J].上海蔬菜，2005(6):57-58.

　　[2]沈明星，吳彤東，謝正榮，等.大棚作物—水稻種植模式對稻谷產(chǎn)量和氮素面源污染的影響[J].上海農(nóng)業(yè)學報，2009，25(3):79-81.

　　[3]侯玉佳，李云芳.基于DSP的大棚作物病蟲害監(jiān)控系統(tǒng)設計[J].農(nóng)產(chǎn)品加工:創(chuàng)新版，2009，194(12):73-75.

　　[4]司鳳霞.淺析大棚作物病蟲害綜合防治的措施[J].農(nóng)機服務，2017，34(10):70.

　　[5]喻景權，杜堯舜.蔬菜設施栽培可持續(xù)發(fā)展中的連作障礙問題[J].沈陽農(nóng)業(yè)大學學報，2009，31(1):124-126.

　　[6]柳軍，羅克勇，陶建平，等.基于WSN技術的低功耗大棚關鍵環(huán)境因子監(jiān)控系統(tǒng)[J].江蘇農(nóng)業(yè)科學，2014，42(9):377-379.

　　[7]盛占石，吳璣琪.基于Web的溫室大棚遠程監(jiān)控系統(tǒng)[J].電子器件，2014，37(5):923-926.

　　[8]濮永仙.基于物聯(lián)網(wǎng)的大棚作物生產(chǎn)智能管理系統(tǒng)研究[J].智能計算機與應用，2015，5(6):103-107.

　　[9]初金星.基于物聯(lián)網(wǎng)的大棚作物生產(chǎn)智能管理系統(tǒng)研究[J].中國科技投資，2016(6):196.

　　[10]劉硯菊，蔣兵兵，杜靈，等.FNN專家系統(tǒng)在作物最佳生長環(huán)境決策中的應用[J].沈陽理工大學學報，2016，35(3):23-26.

　　農(nóng)業(yè)期刊推薦：《農(nóng)產(chǎn)品加工》(月刊)創(chuàng)刊于2002年，由山西省農(nóng)機化研究院、山西省農(nóng)產(chǎn)品加工裝備技術管理站、山西省農(nóng)業(yè)產(chǎn)業(yè)化協(xié)會主辦。是由農(nóng)業(yè)部農(nóng)產(chǎn)品加工局重點支持的中國農(nóng)產(chǎn)品加工業(yè)專業(yè)媒體。《農(nóng)產(chǎn)品加工》是由農(nóng)業(yè)部農(nóng)產(chǎn)品加工局支持的中國農(nóng)產(chǎn)品加工業(yè)主流媒體，是國內(nèi)惟一的專業(yè)服務于農(nóng)產(chǎn)品加工業(yè)的綜合性期刊，也是中國科技核心期刊。

　　

篇(2)

　　摘要:自動導航可以降低農(nóng)業(yè)機械操作人員的勞動強度，提高土地利用效率，是農(nóng)機智能化的重要體現(xiàn)。計算機視覺和衛(wèi)星定位是應用較為普遍的農(nóng)機導航技術。為此，基于計算機視覺技術，設計了拖拉機行進控制系統(tǒng)。系統(tǒng)對環(huán)境圖像進行計算機視覺分析，選用合適的處理方式和算法獲得導航路線，同時減少了計算量;然后，根據(jù)機械的初始狀態(tài)參數(shù)調(diào)整方向，使拖拉機沿著導航路線行進。試驗結(jié)果表明:安裝該系統(tǒng)的拖拉機以不同速度行駛時，路線偏差迅速減少，并保持在很小的范圍內(nèi);系統(tǒng)處理單幅圖像耗時少于0.1s，可以滿足實時控制的要求。

　　關鍵詞:拖拉機;行進控制;計算機視覺;自動導航;特征檢測

　　0引言

　　我國的農(nóng)業(yè)生產(chǎn)模式在新時期發(fā)生變化，從小規(guī)模的分散經(jīng)營開始轉(zhuǎn)向種植大戶的集中經(jīng)營。在這種形勢下，傳統(tǒng)農(nóng)業(yè)作業(yè)效率低和人力成本高的缺陷日益凸顯，已經(jīng)無法滿足時代發(fā)展的要求。大規(guī)模的集中經(jīng)營為農(nóng)業(yè)機械的應用創(chuàng)造了條件，使農(nóng)業(yè)生產(chǎn)的機械化率得到了顯著提升。我國農(nóng)業(yè)機械研究起步較晚，設計經(jīng)驗與國外相比存在差距，總體性能也有待進一步加強。因此，利用現(xiàn)代技術改善機械的整體性能，提高自動化和智能化水平，對我國農(nóng)業(yè)的發(fā)展意義重大。

　　自動導航是農(nóng)業(yè)機械智能化的一個重要方面，可以降低操作人員的勞動強度，提高土地利用效率[1]。農(nóng)機自動導航的研究在20世紀80年代興起，采用的方法有機械觸桿導航、預埋電纜引導、無線電或激光導航、計算機視覺導航、衛(wèi)星導航等。在新技術的支撐下，導航精度不斷提高，機械作業(yè)范圍也擴展到播種、施肥、噴藥、整地、收割和起壟等方面，為多種作物的全程機械化生產(chǎn)奠定了基礎[2]。

　　在上述的方法中，計算機視覺和衛(wèi)星定位是較為普遍和實用的農(nóng)機導航技術。計算機視覺是利用專門的設備采集圖像，轉(zhuǎn)換為數(shù)字信號后由計算機對目標特征進行分析和識別，提取所需的信息的技術。計算機視覺在農(nóng)業(yè)上最初用于采摘機器人，后來應用到農(nóng)機自動導航上，通過視覺功能識別行走路徑和檢測障礙物[3]。與衛(wèi)星定位導航方法相比，計算機視覺的覆蓋范圍小，但由于采用了相對坐標，因而靈活性更強，導航的精度更高[4]。

　　孫元義等對棉田的自然環(huán)境背景圖像進行Lab色彩空間處理、最大方差閾值分割和Hough變換，識別機械行駛路徑，用于對噴藥機器人行走路線的控制[5]。徐建等采用均值去噪和Prewitte算子邊緣檢測分析玉米壟行圖像，實時、準確地獲得了智能收獲機器人的行走路線[6]。高國琴針對溫室與田間環(huán)境的差異，設計了基于K-means算法的機器人導航路徑識別方法，對單幅圖像處理的時間大幅降低，顯著提高了路徑識別的速度[7]。

　　拖拉機是最常見的農(nóng)業(yè)機械，既可以用于農(nóng)業(yè)物資的運輸，也可以為其它的機械提供牽引動力。另外，拖拉機還可以作為新型農(nóng)機技術的測試平臺，驗證各種技術的實用性。拖拉機的自動導航是在定位的基礎上通過行進控制來實現(xiàn)的，具體表現(xiàn)為直線行駛和路線變更[8-10]。計算機視覺獲取的信息豐富，被動感知能力強，因此在拖拉機的行進控制上具有較大的優(yōu)勢，成為國內(nèi)外學者研究的重點。周俊等較早開展了研究，對四輪拖拉機上計算機視覺技術的跟蹤路徑識別、機械位姿計算、系統(tǒng)實時性和魯棒性等多個方面進行了分析，所研制的原型機在快速行駛時都具有較好的路徑跟蹤效果[11]。

　　代峰燕等基于簡化的運動學模型模糊控制方法，以機器視覺獲得的參數(shù)作為控制量輸入，實時輸出前輪轉(zhuǎn)角，可以較好地適應拖拉機低速行駛時的控制要求[12]。計算機視覺導航相關研究大多針對普通環(huán)境，而在實際作業(yè)中陰影環(huán)境也是普遍存在的，會增加路徑識別難度。華希俊等對比分析普通環(huán)境和陰影環(huán)境的計算機視覺圖像特點，設計出一種相應的路徑識別方法，增強了拖拉機對陰影環(huán)境的適應能力[13]。另外，翟志強等為解決農(nóng)機導航系統(tǒng)開發(fā)周期長和成本增加的問題，提出了基于虛擬現(xiàn)實的拖拉機雙目視覺導航方法，為行進控制系統(tǒng)的改進提供了理論和實踐依據(jù)[14]。

　　本文基于計算機視覺，設計了一個拖拉機行進的控制系統(tǒng)。系統(tǒng)對環(huán)境圖像進行計算機視覺分析，選用合適的處理方式和算法減少計算量;獲得導航路線后根據(jù)機械的3個初始狀態(tài)參數(shù)調(diào)整操向角，使拖拉機沿著導航路線行進，以增強對復雜環(huán)境的適應能力。

　　1系統(tǒng)設計

　　系統(tǒng)的搭載平臺為東方紅LX604型拖拉機，前后輪距分別是160cm和200cm，離地高度32cm，額定輸出功率45kW，行進速度在2.0～33.5km/h之間。該型拖拉機的最大牽引力達到22.5kN，可以為許多型號的農(nóng)業(yè)機械提供牽引動力。拖拉機的導向輪上安裝JLl8A3型霍爾傳感器和RB100LA型轉(zhuǎn)角傳感器，分別測量拖拉機的行進速度和導向輪的偏轉(zhuǎn)角度，采集的信號經(jīng)AD6673型轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號后導入核心計算機進行分析。

　　計算機視覺的采集設備是尼康D810型相機，體積較小，采用防抖動處理安裝在拖拉機的前部。相機的拍攝俯角30°，拍攝頻率由系統(tǒng)根據(jù)機械的進行速度決定，相機采集的原始圖像經(jīng)天創(chuàng)UB570型圖像采集卡轉(zhuǎn)換為數(shù)字信號后由核心計算機分析。核心計算機是戴爾7040MT型臺式電腦，硬件包括Inteli7中央處理器、8GB的DDR4內(nèi)存及1TB的硬盤，安裝Windows10操作系統(tǒng)和視覺分析軟件MatLab工具箱。計算機視覺分析識別拖拉機的行進路線后，根據(jù)機械與路徑之間的橫向距離偏差、航向偏差和導向輪轉(zhuǎn)角確定調(diào)整的角度，產(chǎn)生二位隨機信號;隨機信號經(jīng)DAC7631E型數(shù)模轉(zhuǎn)換器轉(zhuǎn)換為模擬信號后向液壓閥發(fā)出指令，驅(qū)動導向輪偏轉(zhuǎn)一定角度實現(xiàn)對拖拉機行進的控制。

　　2計算機視覺分析

　　2.1直線特征檢測

　　以油菜田為例，拍攝獲得的圖像主要由油菜和壟溝組成。其中，油菜為綠色，壟溝為褐色，二者之間的區(qū)別較為明顯。根據(jù)這個特點，利用圖像中自然特征的基線來對機械進行導航，以適應復雜環(huán)境對分析算法魯棒性的要求。提取自然特征基線首先要進行直線特征檢測，從而得到導航的基準。

　　本文參考楊為民等的研究，采用Hough變換將圖像中的特征直線轉(zhuǎn)變?yōu)閰��?shù)點，將距離邊界一定范圍內(nèi)的所有點相加實現(xiàn)對特征直線的檢測。基于圖像整體特性的Hough變換算法魯棒性較強，不會受到圖像噪音和直線中斷的影響，且能夠獲得亞像素級的特征精度。將原始圖像中的壟溝作為導航特征進行Hough變換，得到了參數(shù)的空間圖像，壟溝用連續(xù)的黑色區(qū)域顯示，形成明顯的導航路線。

　　2.2圖像抽點簡化

　　當圖像的視覺分析耗時超過0.2s時，導航的精確度和穩(wěn)定性都會大幅降低。基于Hough變換算法的參數(shù)檢測計算量很大，處理一幅正常大小的圖像也需要1s的時間，無法獲得理想的導航效果。在實際分析過程中，系統(tǒng)采集的圖像只有很小的部分包含導航特征，除此之外的其它部分屬于無效信息。這些信息會增加圖像的復雜程度和處理耗時，還會對目標特征的檢測效果造成干擾。因此，設置興趣區(qū)(ROI)并僅對其中的圖像進行后續(xù)處理，減少圖像分析的計算量，提高導航實時性。

　　ROI的具體設置過程是在得到起始導航特征后將上一幅圖像的相應信息提取出來，以其中的直線特征為中心，按照一定的參數(shù)劃定ROI區(qū)域;然后，采用遞歸算法推動ROI跟隨導航特征移動，形成覆蓋路線的檢測帶。通過圖像抽點簡化之后，單幅圖像的處理時間可以控制在0.1s以內(nèi)。

　　2.3導航特征檢測

　　目標圖像中包含油菜和壟溝，都呈條帶狀，邊界清晰。拖拉機在田間沿著壟溝行進，因此以壟溝的邊界作為拖拉機導航的特征。首先對圖像進行預處理，包括直方圖分析和低通濾波，使導航特征區(qū)域的灰度和對比度都得到增強;然后過濾灰度變化過大的相鄰像素，消除背景噪音，利用聚類的閾值分割方法將導航特征從背景中提取出來，獲得了壟溝的兩條邊界線。采用Hough變換算法檢測壟溝的邊緣，提取同一水平線上兩個邊緣像素點的中心位置，形成一條連續(xù)的曲線(即拖拉機的行進路線)。

　　3機械行進控制

　　計算機視覺分析得到導航路線后，還需要通過行進控制才能保證拖拉機按照規(guī)劃的路線行駛。拖拉機的行進控制是根據(jù)機械與規(guī)劃路線之間的橫向距離偏差、方向偏差和導向輪轉(zhuǎn)角這3個狀態(tài)參數(shù)，并結(jié)合機械自身速度所產(chǎn)生的誤差來確定合適的操向角，使拖拉機沿著導航路線行進。

　　拖拉機行進控制的關鍵是實時控制操向角，而機械當前的位姿誤差和瞬時速度是重點參考的兩個因素。在獲得導航基準后，拖拉機在系統(tǒng)的控制下沿著耗時最少和距離最短的路線行駛到達導航基準。然后，根據(jù)拖拉機的位姿和速度調(diào)整角度，不斷地縮小實際路線與導航基準的偏差，使機械姿態(tài)和速度逐步回到導航基準線上來，最終實現(xiàn)拖拉機沿著導航路線行進。

　　4試驗結(jié)果與分析

　　對系統(tǒng)的控制效果進行試驗，拖拉機在油菜田中行駛，以壟溝為導航特征規(guī)劃路線。拖拉機分別以兩個速度行駛，速度1為2m/s，速度2為3m/s。壟溝的導航路線用白色標識，以細沙漏準確記錄拖拉機的行駛路線，在導航路線上每隔1m測量兩個路線的偏差，評價行進控制的效果。拖拉機以2m/s的速度行駛時，路線偏差從初始狀態(tài)下的1.37m迅速減少到0.3m以內(nèi)，隨后一直保持在很小的范圍內(nèi);以3m/s的速度行駛時，路線偏差的減少相對較慢，但最終也能保持在很小的范圍內(nèi)。試驗中，系統(tǒng)處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。

　　5結(jié)論

　　基于計算機視覺，設計了一種拖拉機行進的控制系統(tǒng)。系統(tǒng)對環(huán)境圖像進行計算機視覺分析，選用合適的處理方式和算法減少了計算量。系統(tǒng)經(jīng)過直線特征檢測、圖像抽點簡化和導航特征檢測后獲得導航路線，然后根據(jù)機械的3個初始狀態(tài)參數(shù)調(diào)整操向角，使拖拉機沿著導航路線行進。

　　在試驗中，拖拉機以不同速度行駛時，路線偏差都能迅速減少，并一直保持在很小的范圍內(nèi)。系統(tǒng)處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。安裝了該控制系統(tǒng)的拖拉機能夠按照導航路線行進，對復雜環(huán)境具有較強的適應能力。

　　參考文獻:

　　[1]朱清山，高廣智，牛文祥.農(nóng)機自動導航駕駛系統(tǒng)及其應用[J].現(xiàn)代化農(nóng)業(yè)，2016，34(5):65-67.

　　[2]胡靜濤，高雷，白曉平，等.農(nóng)業(yè)機械自動導航技術研究進展[J].農(nóng)業(yè)工程學報，2015，31(10):1-10.

　　[3]谷紀魁，李永魁，趙萍，等.農(nóng)機自動導航車輛采集圖像的傾斜校正—基于MatLab[J].農(nóng)機化研究，2012，34(10):208-211.

　　[4]楊為民，李天石，賈鴻社.農(nóng)業(yè)機械機器視覺導航研究[J].農(nóng)業(yè)工程學報，2004，20(1):160-165.

　　[5]孫元義，張紹磊，李偉.棉田噴藥農(nóng)業(yè)機器人的導航路徑識別[J].清華大學學報:自然科學版，2007，47(2):206-209.

　　[6]徐建，楊福增，蘇樂樂，等.玉米智能收獲機器人的路徑識別方法[J].農(nóng)機化研究，2010，32(2):9-12.

　　[7]高國琴，李明.基于K-means算法的溫室移動機器人導航路徑識別[J].農(nóng)業(yè)工程學報，2014，30(7):25-33.

　　相關刊物推薦：《農(nóng)機化研究》近年來，本刊曾多次受到國家農(nóng)業(yè)行政管理部門和國家有關學術組織的表彰與獎勵，曾獲1994年、1996年、1998年、2000年全國優(yōu)秀農(nóng)機科技期刊獎和2002年全國農(nóng)機優(yōu)秀科技期刊一等獎;并自1988年起，連續(xù)5屆被國家權威部門確認為全國中文核心期刊。目前，本刊已被“中國科學引文數(shù)據(jù)庫”、“萬方數(shù)字化期刊群”、“中文科技期刊數(shù)據(jù)庫”、“中國學術期刊全文數(shù)據(jù)庫”和“中國核心期刊(遴選)數(shù)據(jù)庫”收錄;1999年起作為國家級火炬計劃項目“中國學術期刊綜合評價數(shù)據(jù)庫”引文源期刊，被全文收錄，并由清華大學代理向國外發(fā)行光盤。

　　

篇(3)

　　摘要：醫(yī)生通過內(nèi)窺鏡觀察的人體內(nèi)腔顯示為二維圖像，不能立體地展現(xiàn)內(nèi)腔環(huán)境中病灶、血管及鄰近組織的關系，而內(nèi)腔三維重建及可視化技術能夠清晰、全面地展現(xiàn)病灶及其他組織的三維形態(tài)，更好地輔助醫(yī)生進行精準的手術判斷。在人體內(nèi)腔環(huán)境中的三維重建技術分為主動式測量方法、被動式測量方法兩種方式，進而分類綜述了基于結(jié)構光、飛行時間、雙目立體視覺、單目視覺的內(nèi)腔三維重建技術及發(fā)展現(xiàn)狀。然后，針對同時定位與地圖構建(simultaneouslocalizationandmapping,SLAM)的內(nèi)腔三維重建法，分析對比了內(nèi)腔環(huán)境下的特征點檢測與匹配的發(fā)展、方法及特點，最后對人體內(nèi)腔三維重建的難點和未來發(fā)展趨勢進行了展望。

　　關鍵詞：內(nèi)腔三維重建;結(jié)構光;飛行時間;雙目視覺;單目視覺;特征點檢測;特征點匹配

　　三維重建隨著時間的發(fā)展，經(jīng)過大量科學家的研究。已經(jīng)取得了長足的進步。基于視覺的三維重建技術是計算機視覺的一個重要領域，該技術首先通過使用相關儀器來獲取場景物體的數(shù)據(jù)圖像，并對獲取的數(shù)據(jù)信息進行分析處理，把真實場景刻畫成符合計算機邏輯表達的數(shù)學模型，重建出真實環(huán)境中物體的三維信息。該技術目前大量應用于人工智能、自動駕駛、虛擬現(xiàn)實、安防監(jiān)控、運動目標監(jiān)測、行為分析和重點人群監(jiān)護等領域，同時因其具有速度快、顯示清晰、實時性好等優(yōu)點，可以對如文物保護、游戲開發(fā)、建筑設計、臨床醫(yī)學等研究起到輔助的作用。微創(chuàng)手術是利用現(xiàn)代醫(yī)療器械設備穿過人體表面的微小創(chuàng)口在人體內(nèi)施行多人間接眼手協(xié)作的手術新技術[1]。

　　和傳統(tǒng)外科手術或早期的微創(chuàng)手術相比，現(xiàn)代微創(chuàng)手術具有操作精準、出血量較少、患者術后恢復的速度較快等優(yōu)勢，因此日益受到歡迎，廣泛應用在內(nèi)腔手術中。但是，外科醫(yī)生通過內(nèi)窺鏡視頻流的可視顯示找到目標并執(zhí)行復雜的手術，偶爾容易迷失方向、手眼失調(diào)，難以通過將腹腔鏡視野與術前圖像進行經(jīng)驗匹配來確定病灶部位，易引起術中失誤。近些年，微創(chuàng)手術逐漸和計算機技術相融合，外科醫(yī)生利用手術經(jīng)驗與圖像處理技術相結(jié)合，使用內(nèi)窺鏡系統(tǒng)對病灶區(qū)域進行立體定位，打破了傳統(tǒng)手術的局限性[2]。

　　面對微創(chuàng)手術特殊復雜的環(huán)境以及臨床微創(chuàng)手術中實時性的要求，同時定位與地圖構建(simultaneouslocalizationandmapping,SLAM)技術逐漸應用于內(nèi)窺鏡視覺領域[35]，由數(shù)字化成像設備采集到的人體內(nèi)腔信息，通過計算機建立三維內(nèi)腔模型，結(jié)合醫(yī)生視角、內(nèi)腔三維模型、患者體表三維形貌，生成內(nèi)腔圖像，能夠更準確、真實地反映內(nèi)腔結(jié)構及空間關系。在不影響醫(yī)生及手術環(huán)境的前提下，滿足普通微創(chuàng)手術中醫(yī)生對內(nèi)腔輔助觀察的需求。該技術在一定程度上降低心跳、呼吸、手術因素對非剛性內(nèi)腔表面的振動影響，進而提高特征信息選擇和配準的準確度。再進一步，醫(yī)務人員可以利用內(nèi)腔先驗知識，從生物力學角度建立內(nèi)腔器官的運動與形變模型，減少術中操作失誤，提高手術的準確性與科學性。

　　因此，本文根據(jù)近年來的國內(nèi)外研究現(xiàn)狀對內(nèi)腔三維重建技術中的常用方法進行了分類，重點針對內(nèi)腔環(huán)境下基于計算機視覺領域的三維成像方法的優(yōu)缺點和實際應用中的局限性等問題，分析不同方法的重建效果與應用場景，探究未來內(nèi)腔環(huán)境中的三維重建技術的發(fā)展方向。

　　最后，本文重點闡述了單目視覺SLAM技術1內(nèi)腔三維重建三維重建技術是對三維物體或者場景圖像描述的逆過程，利用數(shù)學公式根據(jù)二維影像恢復出物體表面三維信息的一種計算機技術。基于視覺的三維重建技術是利用相關設備獲取單視圖或者多視圖的圖像的圖像信息，結(jié)合圖像處理技術對其進行處理、操作和分析，最后綜合視覺計算等技術獲取物體的三維信息[6]。因為具有成本低廉，真實感強，全自動或半自動建模速度較快等優(yōu)勢，該技術成為一個極具潛力的熱門領域，在諸多方面有著很重要的應用。

　　三維重建技術在醫(yī)學影像領域中，主要通過三維測量和實時重建將內(nèi)腔環(huán)境呈現(xiàn)給醫(yī)護人員，輔助醫(yī)護人員術中判斷，目前主要應用在虛擬手術、術前規(guī)劃、牙科治療、整形及假肢外科、病灶診斷等醫(yī)學方面。內(nèi)腔三維測量技術可分為非接觸式測量與接觸式測量。接觸式測量的典型方法為探針法，即使用探針接觸物體表面進行重建，但會對所接觸的物體表面造成一定的破壞或帶來組織變形等危險情況，無法應用到醫(yī)學微創(chuàng)手術當中。鑒于人體內(nèi)腔三維建模技術需要針對狹小、特征缺乏的內(nèi)腔空間快速三維重建，有較多限制，目前主要應用的是非接觸式測量，可分為主動式測量與被動式測量兩大類。二十世紀以來，國內(nèi)外研究者逐步根據(jù)光學三維測量技術的硬件配臵簡單、測量精度高、點密度高、速度快、成本低等優(yōu)點，設計了主動測量法對人體內(nèi)腔進行三維重建。

　　主動式測量方法是將光源投射到內(nèi)腔器官表面，然后通過內(nèi)窺鏡采集器官表面圖像并獲得掃描數(shù)據(jù)，通過接收返回的光波來獲取物體的三維信息，從而重建內(nèi)腔三維模型。主要包括結(jié)構光法、飛行時間法(timeofflight,TOF)等。被動式測量可以根據(jù)系統(tǒng)使用的攝像頭數(shù)量分為單目、雙目、三目等。在待測物體周圍的光照條件下，單目系統(tǒng)只利用一個攝像頭獲取待測物體的表面信息，以特征點為匹配基元進行兩幀圖像間的匹配，為三維重建的過程做鋪墊。由于受人體內(nèi)腔復雜環(huán)境的限制，基于單目視覺法的三維重建技術成為主流研究方法。

　　2主動式測量方法

　　主動式三維測量方法主要包括編碼結(jié)構光法和飛行時間法，前者是將特定的光線進行投影，攝像機在待測物體表面探測到相同形狀光線的三維圖像，進而通過光線的二維畸變信息得出人體內(nèi)腔表面的三維數(shù)據(jù);后者通過待測量物體在固定介質(zhì)中飛行一定距離所消耗的時間，從而進一步獲得人體內(nèi)腔表面信息。

　　2.1基于編碼結(jié)構光的內(nèi)腔三維重建

　　基于編碼結(jié)構光法的三維重建運用光學三角法的原理是將一幅或多幅編碼圖案投影到人體內(nèi)腔中，由內(nèi)窺鏡采集內(nèi)腔中投影得到的編碼圖像，結(jié)合三角法的數(shù)學原理將投影圖像與編碼圖案對應點聯(lián)系起來，得到人體內(nèi)腔的三維信息。大量學者聚焦編碼方法以提高內(nèi)腔三維重建的測量精度、速度和準確度。

　　3被動式測量方法

　　雖然TOF相機操作簡單，處理速度快，在遠距離測量環(huán)境中具有較高的精度，但由于硬件條件的制約，目前市場上TOF相機易受高低溫、真空等內(nèi)腔環(huán)境因素的影響，三維重建的穩(wěn)定性不高。同時TOF相機讀取圖像不清晰會導致還原內(nèi)腔深度圖像精度較差。同時TOF相機應用成本較高，故在內(nèi)腔環(huán)境下利用飛行時間法進行三維重建的應用較少。

　　雙目立體視覺系統(tǒng)模仿人類雙眼視覺的原理，通過放臵兩臺相機從不同的視角對目標物體進行觀測，捕獲同一個位臵下的左右兩側(cè)圖像，運用三角測量原理獲得圖像特征的深度等信息進行三維模型的建立。與其他三維重建技術相比，雙目立體視覺法不需要過于復雜的硬件條件，通過相對便捷的操作方法即可實現(xiàn)三維重建，在醫(yī)學圖像處理、機器人視覺、物理科學和物體參數(shù)提取等領域中占有重要的地位，是當下三維重建技術中的熱點之一。 在實現(xiàn)雙目視覺法的整個過程中，立體匹配算法起到了關鍵作用，在內(nèi)窺鏡的應用場景中，通過在兩個或多個觀察點之間尋找對應關系，進而獲得不同點之間的視差，實現(xiàn)內(nèi)腔三維信息投影，獲得內(nèi)腔三維模型。

　　2004年，Lau等人[29]針對傳統(tǒng)局部匹配算法的費時且精度不高的不足，開發(fā)了一種表面跟蹤算法，通過調(diào)整局部曲面結(jié)構的數(shù)值信息，從而直接推斷出心臟的三維結(jié)構。該算法既具有強穩(wěn)定性且計算效率較高。同年，Stoyanov等人[3031]針對軟組織高光變形部分提出一種3D深度恢復方法，將圖像校正與約束視差配準相結(jié)合，得到了腹腔的深度信息，同時保證了立體腹腔鏡運動穩(wěn)定性。

　　特征匹配算法具有較強的抗干擾性、計算量小、速度快的優(yōu)點。20102013年，Stoyanov等人[3基于特征匹配通過結(jié)構傳播對心臟表面稀疏重建。該算法首先組建特征點對的集合，然后獲得點對之間的視差數(shù)據(jù)，然后估計每一幀的立體視差和連續(xù)幀之間的運動信息，對軟組織表面鏡面反射和手術器具遮擋的影響具有較好的魯棒性。但是該方法得到稀疏的視差場，需要進一步通過復雜的插值計算才能得到較為稠密的心臟表面重建場景。

　　2014年，Totz等人[35]在稀疏場景重建的基礎上提出采用迭代金字塔法進行序貫局部匹配傳播，進而得到準稠密立體匹配的重建方法。與其他順序處理圖像金字塔方法相反，該方法從金字塔頂端開始垂直遍歷至底端，并從左到右進行特征匹配以提高圖像分辨率。2016年，Penza等人[36]提出基于滑窗和Census變換特征的軟組織稠密三維重建方法，利用超像素方法對視差圖進行細化。

　　該方法有效應用于腹腔微創(chuàng)手術增強可視化，同時簡化了術前模型與術中部位之間的配準過程。 基于特征匹配算法由于缺少致密的特征點，無法重建出稠密的內(nèi)腔場景。基于特征區(qū)域的匹配算法通過在局部區(qū)域內(nèi)提取目標進而獲得致密的深度場景，但是匹配過程中目標搜索策略速度低、耗時較長。2018年，Bilel等人[37]提出一種基于小波分析的雙目視覺法，將小波分析應用到了內(nèi)腔圖像分析中，在立體匹配環(huán)節(jié)大大減小了計算量，提高了圖像的傳播速度，改善了圖像的分辨率。該方法通過小波分析處理左右視圖的小波子帶，根據(jù)雙目視覺法的原理對立體內(nèi)窺鏡圖像的局部特征進行增強處理，為內(nèi)腔重建出更致密的三維圖像打下了基礎。

　　但是所提出的增強方法會增加鏡面反射分量，同時在立體內(nèi)窺鏡圖像受到較大的遮擋的情況下，可能會影響重建效率。在圖像特性不連續(xù)的區(qū)域中常出現(xiàn)圖像周圍特性有階躍變化的邊緣特征，特征匹配解決了抗噪與非連續(xù)區(qū)域處的誤匹配問題。2018年，Wang等人[38]提出一種基于高斯加權變換的特征匹配算法實現(xiàn)了內(nèi)腔三維重建。該算法針對邊緣和不連續(xù)區(qū)域，利用圖像熵和區(qū)域增長提取了遮擋導致的失配像素，與經(jīng)典的立體匹配算法相比，立體匹配的平均相對誤差縮小至8.48%，長度測量的平均相對誤差減少至3.22%，可以有效地利用內(nèi)窺鏡對人體內(nèi)腔進行測量與重建。

　　雙目立體視覺技術具有抗干擾性能強、對環(huán)境要求不高、深度信息計算簡單的優(yōu)點，從而在人體內(nèi)腔三維重建中得到應用。但由于雙目立體視覺技術需要兩個攝像頭，并且對內(nèi)窺鏡直徑的大小有較高要求，同時在內(nèi)腔環(huán)境中可能出現(xiàn)遮擋器官或者視角受限等問題。視覺匹配和視差求取一直是雙目立體視覺的研究熱點，在匹配的過程中得到的特征點較為稀疏且特征點匹配耗時長。所以目前主要是在工業(yè)內(nèi)窺鏡中得到廣泛應用，在醫(yī)用手術內(nèi)窺鏡中的應用有限。

　　運用CT技術進行臨床診斷可較快定位患者病灶，進行及時有效的治療，因而將常規(guī)CT與三維重建技術相結(jié)合，有利于更加準確的定位病灶位臵，揭示病灶特征與組織之間的關系。進一步，將內(nèi)窺鏡三維重建技術與CT三維影像重建信息的融合，在圖像處理平臺進行進一步的優(yōu)化處理，使診斷的準確率得到有效提升，對疾病的發(fā)現(xiàn)與診斷具有重要意義，對術前完整性評估具有良好價值。

　　4.優(yōu)化三維重建算法運算量

　　運算量大是人體內(nèi)腔三維重建技術現(xiàn)在面臨的主要難題，過大的運算量占用了較長的時間，導致三維重建的效率低下。例如，雙目視覺方法由于受光照、圖像特征等因素的影響，在潮濕、昏暗的內(nèi)腔環(huán)境下對特征匹配的要求更加嚴格。為了優(yōu)化后續(xù)的位姿估計，需要剔除誤匹配點對，造成算法計算量劇增，對實時應用場景提出較大挑戰(zhàn)。由于曝光不均、噪聲等因素通常會引起的病灶區(qū)數(shù)據(jù)漏檢、邊界模糊等問題，進行3D重建前通常會通過精確超分辨率重建進行預處理，也需要大量運算進行迭代計算等等。人體內(nèi)腔三維重建技術的運算量過大對重建的實時性造成很大影響，如何合理利用計算機技術，采用GPU計算、網(wǎng)絡云計算等多種方式，節(jié)省時間，提高運行速度及效率是解決該問題的關鍵。

　　計算機論文范例：應用計算機視覺數(shù)據(jù)探究大棚作物生長趨勢

　　5結(jié)束語

　　人體內(nèi)腔三維重建技術已經(jīng)得到廣泛的應用，并隨著科學技術的進步在不斷的更新迭代，其方法對臨床醫(yī)學產(chǎn)生了深遠影響。醫(yī)學圖像的三維重新在臨床診斷中發(fā)揮著越來越重要的作用，也在一定程度上加速了臨床醫(yī)學的發(fā)展進程。本文在分類介紹了人體內(nèi)腔環(huán)境下的三維重建方法并給出相應的評析，此外本文還闡述當前三維重建算法存在的問題并對未來的研究工作進行了展望，但是這些方法想要應用到實際中都還要更進一步的研究和考察。因此，人體內(nèi)腔三維重建領域中，結(jié)合優(yōu)化算法進行病灶精確定位、結(jié)合多傳感器融合圖像信息進行內(nèi)腔表面精準三維重建、將三維重建方法與已有技術相結(jié)合等研究方向，都需要進行更加深入細致的研究。

　　參考文獻：

　　[1]M.Rosen,J.Ponsky.Mininmallyinvasivesurgery[J].Endoscopy,2001,33(4):358364

　　[2]費保蔚.計算機輔助外科手術(CAS)的方法和進展[J].國外醫(yī)學生物醫(yī)學工程分冊2015,20(4):624631FeiBaowei.ThemethodanddevelopmentofcomputeassistedSurgery[J].JBiomedEng.2015,20(4):62431.

　　作者：吳海濱，徐若彤，王愛麗，，于曉洋，巖堀祐之，趙藍飛，劉赫

篇(4)

　　摘要：在信息時代背景下，計算機和互聯(lián)網(wǎng)被廣泛應用于各行各業(yè)，而計算機視覺技術作為當今一種最前沿的技術，在工業(yè)領域有著獨特的優(yōu)勢，工業(yè)領域廣泛使用計算機視覺技術，可以有效地提高工業(yè)領域的工作效率，同時還可以縮短對數(shù)據(jù)的處理周期，使工業(yè)生產(chǎn)效率得到明顯提升。

　　關鍵詞：計算機視覺技術;工業(yè)領域;應用

　　1計算機視覺技術

　　1.1計算機視覺技術理論

　　計算機視覺技術主要是通過模擬人眼視覺功能，并在數(shù)據(jù)和圖像中提取關鍵信息，實現(xiàn)對不同形態(tài)、數(shù)據(jù)的有效識別。通常情況下，計算機視覺技術可以利用輸入法對透射景物時產(chǎn)生的灰度陣列進行表達，但由于輸入陣列可以通過不同的方向、角度以及時間獲得景物符號的描述。

　　視覺設計論文范例： 計算機視覺技術在拖拉機行進控制上的應用

　　因此陣列表達可以描述多個不同的數(shù)據(jù)信息，在計算機視覺技術基礎理論的研究過程中，可以將計算機視覺技術大致分為三個階段[1]。第一個階段是早期視覺技術階段，這個階段的主要目的是為了更好地對周圍景物特征進行提取，通常提取的景物有距離、材料、方向等數(shù)據(jù)，并對這些數(shù)據(jù)進行有效地處理和分析。

　　第二個階段是中期視覺階段，以觀察者為核心，可以形成一個坐標系，并利用這個坐標系對周圍景物進行有效描述，然后結(jié)合實際情況對景物進行重建，同時對景物表面以及體積分割的不同景物進行結(jié)合，可以使中期視覺處理只能對可見物進行有效描述。第三個階段是后期視覺處理階段，使用中期處理得出相應的數(shù)據(jù)建立合適的觀察者來識別三維圖形，但由于在這個過程中，描述和實際觀察視角沒有顯著存在的關系，所以需要將物體作為中心坐標，同時使用符號結(jié)構描述相關的三維結(jié)構和空間關系。

　　1.2與計算機視覺相關的領域

　　由于計算機視覺技術是一種涉及多個方面的全新技術，在計算機視覺領域中，涵蓋了計算機科學、人工智能、生物神經(jīng)、心理學、物理學等多個領域的學科。因此計算機視覺技術主要包括對圖像內(nèi)容的處理和識別，在圖像處理中，根據(jù)系統(tǒng)圖像進行轉(zhuǎn)化，并對圖像本身所代表的景物進行描述，可以根據(jù)圖像所展示的相關特點與結(jié)構等方式，實現(xiàn)對圖像類別的規(guī)劃和具體劃分[2]。

　　1.3計算機視覺和人類視覺

　　計算機視覺的發(fā)展是依據(jù)人類視覺而建立起來的，所以導致計算機視覺和人類視覺具有相同的障礙，通常這兩者之間的障礙表現(xiàn)在以下三點內(nèi)容。首先是對目標識別的過程中，如何準確、實時地識別;其次是擴大儲存容量，只有擴大儲存容量才能對更多細節(jié)相關的圖像內(nèi)容進行容納;最后是構建出有效的識別算法，并按照算法完成相應的內(nèi)容要求。

　　2工業(yè)視覺

　　2.1工業(yè)視覺的特點

　　工業(yè)視覺系統(tǒng)和傳統(tǒng)的視覺系統(tǒng)有著非常明顯的區(qū)別，這是因為工業(yè)視覺系統(tǒng)圖像能夠更好地滿足我國工業(yè)領域的特殊要求。因此在傳統(tǒng)視覺工業(yè)系統(tǒng)的處理過程中，需要對工業(yè)生產(chǎn)線進行有效地測量，可以實現(xiàn)對被測物體達到同步協(xié)調(diào)的生產(chǎn)和檢測目的[3]。

　　在實際的工業(yè)視覺檢測過程中，將檢測結(jié)果呈報給其他部門，有利于工業(yè)視覺系統(tǒng)可以涵蓋到其他的系統(tǒng)當中，但由于不同的系統(tǒng)有著不同的差異，所以當工業(yè)視覺系統(tǒng)被涵蓋到其他系統(tǒng)后，很容易導致工業(yè)視覺系統(tǒng)能夠擁有更多的其他系統(tǒng)性功能。在我國計算機視覺工業(yè)領域中，系統(tǒng)設計需要設計出不同的子系統(tǒng)，保證其最后可以形成一個完整的系統(tǒng)，有利于使工業(yè)視覺系統(tǒng)的特點更加清晰，同時也可以最大限度地發(fā)揮工業(yè)視覺系統(tǒng)的作用。

　　2.2工業(yè)視覺的技術性能

　　通常在工業(yè)視覺技術性能的要求中，高質(zhì)量的檢測以及高質(zhì)量的分辨率是工業(yè)視覺系統(tǒng)最為主要的衡量目標。但是通常情況下，工業(yè)視覺系統(tǒng)包含了環(huán)境變化以及物體大小的不同，所以對圖像的分辨率有著非常高的要求。而工業(yè)視覺系統(tǒng)在灰度變化中，需要依靠光源作為主要的指標形式，因此在工業(yè)視覺系統(tǒng)的檢測中，相關設備必須具備足夠的靈敏度，才能快速對工業(yè)產(chǎn)品進行實時動態(tài)的檢測[4]。

　　但是在空間變化的過程中，只有確保清晰的圖像分辨率，才能高效保障圖像的處理能力，對于那些影響計算機視覺系統(tǒng)的運行性能，可以確保精準的測量形式，實現(xiàn)信號來源位置、尺寸、形狀等信息開展有效地配合，在工業(yè)系統(tǒng)中，可以針對實際要求進行動態(tài)調(diào)節(jié)，從而確保工業(yè)視覺系統(tǒng)具備良好的性能。

　　2.3工業(yè)視覺的應用領域

　　計算機視覺技術由于具有非常獨特的優(yōu)勢，所以廣泛應用于工業(yè)領域，通過計算機視覺技術，能夠快速獲取相關的信息資料，有利于及時對相關信息數(shù)據(jù)進行分析。計算機視覺技術在工業(yè)視覺領域的快速發(fā)展，使得圖像處理技術也得到了極快的發(fā)展，在對圖像處理技術不斷創(chuàng)新和完善中，促使計算機視覺技術的檢測效率和準確率得到了有效提升，使得工業(yè)生產(chǎn)可以達到無損檢驗的效果，不僅提升了產(chǎn)品質(zhì)量，同時也提升了產(chǎn)品效率。

　　因此從工業(yè)視覺系統(tǒng)來看，工業(yè)視覺技術大致有以下兩個優(yōu)點：首先是通過計算機視覺技術對比被測物體的圖像，可以更好地提升被測物體的檢測質(zhì)量;其次是將計算機視覺技術充分發(fā)揮，并對計算機視覺技術進行控制，能夠?qū)崿F(xiàn)在工業(yè)生產(chǎn)領域做出更大的貢獻。

　　3計算機視覺技術在工業(yè)領域中的應用

　　3.1在視覺檢測技術中的應用

　　計算機視覺技術在工業(yè)領域的應用，首先是在視覺檢測技術中，對圖像檢測數(shù)據(jù)進行采集處理過程需要充分考慮到每個圖像檢測輸出幀的格式，并根據(jù)相關用戶的信息進行綜合分析處理，只有當圖像檢測中獲得足夠精準的信息數(shù)據(jù)后，才能使檢測結(jié)果變得更加準確。其次是想要檢測結(jié)果圖像質(zhì)量得到穩(wěn)定提升，就必須考慮對源頭圖像數(shù)據(jù)進行預處理，并根據(jù)預處理圖像技術提供必要的技術條件，從而幫助并提升檢測的圖像質(zhì)量[5]。

　　最后是可以借助模型分析的方式，建立一定的能量模板后，可以形成對應的模型，有利于更好地對相關檢測物體能量的分析對比，不但可以直接獲得比較真實的能量分析效果，還可以獲得足夠的能量分配。同時在利用這些數(shù)據(jù)處理時，可以做到對數(shù)據(jù)結(jié)果的前提預測，能夠更好地監(jiān)控這些數(shù)據(jù)，使數(shù)據(jù)工作的處理過程得到大幅度的提升，才能有效地提高實際數(shù)據(jù)的檢測效率和工作質(zhì)量。

　　3.2在圖像預處理技術中的應用

　　在計算機視覺技術的應用中，圖像預處理技術對計算機視覺技術有著非常重要的影響，因此利用圖像預處理技術可以實現(xiàn)對圖像的處理和分析，隨后結(jié)合數(shù)據(jù)處理的能力，對圖像內(nèi)的相關信息數(shù)據(jù)進行提取，可以使圖像預處理技術工作變得更加簡單。

　　因此計算機視覺技術在工業(yè)領域的應用中，能夠?qū)�圖像預處理技術與模板技術結(jié)合在一起，從而在很大程度上減少工作中的技術難度，同時結(jié)合實際技術要求對圖像及時進行預處理，可以提升圖像的使用效率[6]。由于圖像預處理技術目前已經(jīng)得到了有效應用，所以隨著圖像預處理技術的不斷發(fā)展，經(jīng)過多次圖像預視化處理后，將傳統(tǒng)圖像處理中的二維數(shù)值進行邊緣化提取顯示，并在計算機網(wǎng)絡視覺圖像技術領域中提取預處理技術節(jié)點算法，使預處理結(jié)果精準化的程序檢測穩(wěn)定性得到提升。

　　3.3在模板匹配技術中的應用

　　模板匹配技術在計算機視覺技術的應用中，需要提前設定模板和工業(yè)生產(chǎn)中需要檢測的物體，并對模板進行有效的匹配和對比分析，從而利用計算機視覺技術對工業(yè)生產(chǎn)中存在的問題進行解決。在工業(yè)生產(chǎn)過程中，對于那些比較細微的問題，還可以用模板匹配技術進行問題分析，因此在計算機視覺技術的實際使用中，需要和模板相結(jié)合，實現(xiàn)對檢測物體的提前預設，只有當模板和實際物體的圖像比較相似的情況下才能進行分析，可以獲得最真實的檢測結(jié)果。將計算機視覺技術應用到模板匹配技術中，可以實現(xiàn)全方位、立體化的對比，最終實現(xiàn)數(shù)據(jù)快速強化的作用[7]。

　　在模塊匹配中，作為相似性度量的方式，計算機視覺技術在距離衡量上具有非常高的相似性，這是因為在模板匹配中需要建立點與點之間的對應關系。在用來處理很多特征點的情況時，計算機實時性比較高且具有很強的抗干擾能力和容錯能力情況下，計算機視覺技術通常在實際使用過程中卻具有非常良好的效果。

　　而計算機視覺技術在模板匹配中對兩個給定的有限點集分別用A、B兩點標示，兩點分別為A={a1，a2，...ap}和B={b1，b2，...bq}，使得A、B兩點之間的距離可以定義為：h(A，B)=max[h(A，B)，h(B，A)]。其公式標示為h(A，B)=maxmin‖a-b‖。在公式中A和B之間的接近程度，則表示集中每一點與另外一點集中距離很接近時，它的數(shù)據(jù)就越小，反之亦然，而整個距離的大小與兩點最不匹配的距離有著一定的關系，通常對于原理中心的噪聲點則是非常的敏感。在對不同點的集中匹配時，通過適當?shù)倪x取相關值，可以排除圖形輪廓畸變和噪音聲帶點的匹配結(jié)果。

　　4計算機視覺技術對工業(yè)領域未來發(fā)展的影響

　　4.1實現(xiàn)應用范圍的拓寬從總體效果來看，計算機視覺技術已經(jīng)廣泛應用于各大工業(yè)領域當中，同時計算機視覺技術還可以更好地提升圖像處理精度。因此在工業(yè)領域使用計算機視覺技術，使圖像處理能力和視覺檢測能力得到提升，能夠進一步實現(xiàn)對工業(yè)產(chǎn)品的無損檢測，由于檢測效率高、質(zhì)量穩(wěn)定，所以在工業(yè)視覺系統(tǒng)中，計算機視覺技術主要應用在視覺檢測和工業(yè)機器人這兩種系統(tǒng)當中。在工業(yè)領域的發(fā)展中，計算機視覺系統(tǒng)給工業(yè)自動識別和加工提供了視覺技術支持，最終促進工業(yè)產(chǎn)業(yè)的快速發(fā)展。

　　4.2對應用性能的提升通常情況下，計算機視覺技術主要應用于工業(yè)視覺系統(tǒng)中，而工業(yè)領域中判定應用成果的最重要指標是分辨率，所以對于不同的工業(yè)環(huán)境和元件體積，所需的視覺分辨率要求也有所不同[8]。針對這種情況，計算機視覺技術就需要在特定的條件下對工業(yè)產(chǎn)品做出精準的檢測，在未來計算機視覺技術工業(yè)化發(fā)展中，站在空間和灰度變化方面實現(xiàn)對圖像分辨率和精度的提升，可以實現(xiàn)快速檢測工業(yè)產(chǎn)品性能的要求，最終能夠很好地完成對工業(yè)元件尺寸、形狀以及大小的精準核算。

　　5結(jié)束語

　　計算機視覺技術廣泛應用于工業(yè)領域中，有利于促進工業(yè)領域的快速發(fā)展，而在計算機視覺技術中，加強對圖像成型、模板匹配、檢測等技術的綜合性分析，可以實現(xiàn)對工業(yè)產(chǎn)品精準的檢測，計算機視覺技術的不斷發(fā)展和應用，大幅度提高了工業(yè)領域的生產(chǎn)效率，因此計算機視覺技術具有極高的推廣價值。

　　參考文獻：

　　[1]楊俊葉，劉佳，王麗.計算機視覺技術在工業(yè)領域中的應用[J].科技創(chuàng)新導報，2020，17(1)：108-109.

　　[2]江浩.計算機視覺技術在自動化中的應用探析[J].科技創(chuàng)新與應用，2020，306(14)：185-186.

　　[3]黃藩，劉飛，王云，等.計算機視覺技術在茶葉領域中的應用現(xiàn)狀及展望[J].茶葉科學，2019，39(1)：84-90.

　　[4]盧瑩瑩.計算機視覺技術在農(nóng)業(yè)自動化中的應用[J].南方農(nóng)機，2020，356(16)：75-76.

　　[5]馬敬，劉溪，楊勇，等.計算機視覺技術在零件識別中的應用[J].中國設備工程，2020，457(21)：251-253.

　　作者：王華溢