基于計算機視覺的檢測方法與應用
來源:用戶上傳
作者:
摘 要：我國的計算機產業所應用的創新技術不斷涌現，計算機網絡也經常在各行各業發展出創新應用，與計算機視覺相關的技術是指在計算機模擬人類視覺系統方面進行圖像抓取，對抓取的圖像進行解釋和分析，從而提升計算機模擬技術的效率的方法。該文所闡述的就是計算機模擬視覺系統的方法，并就其如何在工業領域進行應用展開分析，希望可以推動這一新產生的技術盡快發展。
關鍵詞：模塊識別 計算機視覺技術 圖像處理
中圖分類號：TP39 文獻標識碼：A 文章編號：1672-3791（2019）03（a）-0007-02
科學技術水平不斷提升，計算機和網絡信息技術的應用范疇也不斷擴展，在現階段計算機技術和神經生物學技術互相結合，在計算機應用領域已經展開了應用的新篇章，計算機視覺技術已經可以應用于工業生產領域，在人工智能領域計算機視覺技術也將會有巨大發展空間。通過計算機識別技術在工業生產領域的大范圍應用，可以大量減少產品檢測的消耗，節省成本。計算機視覺識別技術及其在檢測技術方面的應用將會是未來事關社會生產力提高的關鍵技術，這些技術也將會成為社會發展的前進方向。
1 與計算機視覺檢測相關的技術領域
計算機視覺系統實際上是在用成像系統取代生物的視覺系統，用計算機來模擬生物的大腦，可以運用計算機視覺系統來模擬視覺功能，利用的是仿生學的原理，計算機視覺系統所模仿的主要對象是人類或者其他動物。計算機視覺技術所主要應用的領域包括但不限于信息處理技術、物理、數學、統計學以及神經生物學等領域。計算機視覺技術的研究主要是為了讓計算機具備分享事物之功能，并結合計算機對世界的變化規律進行重構。英國科學家和心理學家大衛·馬爾指出，將人工智能、神經生物學和心理學結合起來，可以創造出一種全新的處理計算機成像的方式。大衛·馬爾作為計算機視覺系統的創始人，將計算機視覺系統分成了3個不同的層次：計算機計算層次，該層次應用的目的在于數據分析，可以實現數據的流入、處理和流出;計算機算法層次，該層次主要是在物理上運用計算機的方法對圖像進行操作和預處理;實現層次，在該層次上運用物理的方法實現真實的視覺系統。同時大衛·馬爾又將視覺的處理分成了3個不同的階段，分別是：圖像的低級處理階段，即包括獲取圖像的基本特征并收集和圖像相關的數據;圖像的中級處理階段，即根據低級處理所獲得的信息，將圖像建立成三維的狀態，以獲得圖像的基本表達;圖像的高級處理階段，即在進行圖像描述的時候進行高級處理，將經過中級處理的圖像發展成高級的三維建模。
2 和計算機視覺相關的檢測技術
2.1 與圖像處理有關的視覺技術要求
計算機圖像處理技術實際應用于工業生產的所有層面，應用的主要技術就是進行圖像的處置，這些技術主要包括圖像的抓取、去除噪音、測量尺寸和最終圖形的生成等。按照處理的圖像最終對象的不同，可以將圖像的處理分成灰度處理、二維處理和深度處理等不同的階段。計算機視覺技術在工業領域的應用也有一些不同的方面，可以提升工業生產的速度和生產效率，實現工業生產的高速度和高精度，提升圖像處理的穩定性。由于圖像處理具有非接觸性的特點，因此在計算機視覺處理領域進行拓展應用之后，可以獲取更為詳盡的圖像參數，更有助于分析其特征，這些參數結合起來容易實現三維技術的處理。和計算機視覺相關的應用技術包含采光設備、監控設備、信息采集設備、CCD工業相機、圖像處理技術等內容。其中，CCD工業相機主要運用于檢測設備的尺寸，得出被檢測產品的工業參數，包含尺寸等工業品的基本信息。對于三維檢測技術的運用而言，需要大量高分辨率的三維深度圖像。
2.2 計算機視覺模式的識別方式
計算機視覺識別系統的應用，主要是針對檢測對象的具體特征進行分析，對于計算機圖像識別系統的特性和結構模式進行識別，將其對象按照不同的類型進行區分。計算機的識別模式按照技術的不同通常也會運用不同的檢測工具來進行識別。計算機識別模式的識別方法一般會按照度量的不同數據特征進行描述，在清除了冗余信息和噪點之后，提取的數據信息之間的分析將會使得技術的拓展應用提升正確度。
識別模式的難度在于圖像處理技術相關的核心問題，與之相關聯的在于特征的度量方法和研究模式的分析。按照圖像處理模式的不同可以通過結構特征的統計來實現技術應用，在模式識別的時候會因為數學統計方法的不同和語句的差異來跟進模式的變化處理和分析。模式識別的整體過程可分為模式再現和模式的重新設定。模式的重新設定需要根據實際的工業產品運用分類器進行設計，分類器的選用主要是通過大量數據文件的分析得出。模式的實現也經常運用在分類器的選用方面，需要對所選用的數據樣本進行大量的分析和檢測。
2.3 計算機對視覺圖像進行解構
在進行完圖像的預處理之后，還需要運用人工智能技術對圖像進行解構，按照人的理解對圖像的處理方式進行解構。計算機數據圖像的處理解構是一種不同于計算機視覺技術的圖像處理模式，計算機視覺處理圖像的解構技術除了可以對圖像進行描述之外，還可以對圖像的實際內容進行理解，明確圖像所代表的實際意義，從而有利于決策的進行。圖像的處理系統包含數字處理技術、圖像生成技術、成像處理技術和人工智能技術等方面，和生物科學和視覺系統形成先關的理論系統知識還需要輔助性的處理技術。計算機圖像視覺系統一般包含圖像的處理、分析、輸出等模塊，圖像的分析模塊需要進行解構分析，這些模塊之間既互相有聯系又有區別，彼此連接在一起共同對圖像的特征進行描述。圖像理解系統的基礎是圖像的處理和獲取技術，在實際進行圖像處理的過程中，這些系統所包含的內容實際上遠超過了學科的內容，計算機視覺系統是一種類仿生的系統，所模擬的對象一般是生物體，為了實現計算機對視覺的實際模仿應用，需要搭配生物體視覺系統的相關理論進行分析。 2.4 視覺檢測方法的實際作用
視覺檢測技術的應用目前已經出現在汽車工業領域，在產品的生產、檢測方面發揮了很大功效，在農產品的檢測、包裝、指紋識別和面部識別等方面也有應用。實際上，要想選擇出視覺檢測的所有領域是困難的，下面僅以工業領域的一些應用進行舉例闡述。
2.4.1 在汽車車身中的計算機視覺技術應用
在汽車車身中應用計算機視覺檢測系統對車身技術進行檢測需要利用到計算機視覺傳感系統。通過機械設備定位系統、電子設備控制系統等定位技術的應用，可以實現計算機的車身檢測。在實際的應用領域，可以首先使用電子控制設備來將車身固定于特定的位置，通過計算機軟件模擬進行位置調整，確保檢測設備可以發揮實際功效，之后形成的設備采集和數據分割等數據信息處理、監測點等實際參數將會對汽車車身的尺寸、三維層面等同軸度進行分析。在獲取了數據圖像的基本特征之后，這些數據需要和參數庫中的數據進行比對，自動識別技術會給出最終結果，這些檢測系統需要根據單光條件下結構的單眼色量，多光條件結構下的多光測量得出最終結論。十字線解構下的雙眼測量技術也屬于常用方法。其運動模式會進入到傳感器之中，按照檢測的要求按照順序測量。由于傳感器檢測要求和操作順序和坐標的檢測結果轉換有關，在識別和檢測之后，就可以判斷出車身的裝配效果和質量。例如，英國的路虎系列汽車，為了對汽車的全面技術參數進行掌握，技術人員將車身的輪廓劃分成了300余個監測點，對車身的結構進行了精準的檢測，使得計算機視覺系統通過多位點的測量，通過統一標準的測量單位，激光發射器和CCD工業相機，利用計算機軟件對汽車的位置進行調整，檢測人員校準了每一個檢測單位，并在線上選用了校準裝置對檢測設備進行校準。在檢測過程中，所測試的3種車輛類型分別為40s每臺。檢測結果和參數通過CAD建模參數的特征比對庫誤差在0.1mm之內，這是一個典型的汽車行業應用工業視覺檢測系統的案例。
2.4.2 智能焊接技術中的視覺應用技術
與計算機視覺系統相關的智能檢測技術，可以實現基于環境的焊接對象的互相識別與測試，并根據測試結果對參數進行調整，在汽車應用領域當中，車身的焊接對汽車的質量參數有著重大影響，使用汽車智能檢測技術對于紅外線成像、高速攝像技術和CCD工業技術等傳感設備的精度都有影響，利用電子接受設備實現多維度的視覺傳導，可以通過多層次的焊接技術實現空間位置和實際位置的轉變。對焊接工作進行合理規劃，對焊接對象的數據進行及時提取，可以對需要評估的焊接對象進行及時評價，對焊接對象的評估結構進行預測，對相關的焊接結構的性能、組織等機型評價，可以充分掌握智能焊接技術的特征。在汽車的焊接工作中，很多人力難以控制的環節都可以通過汽車場所和位置的變化來進行控制。智能焊接技術可以完美地解決上述問題。
2.4.3 在汽車機器人生產配件過程中的應用
隨著社會上擁有汽車的人越來越多，如果僅僅依靠人力對汽車進行檢測是顯然不夠的，汽車配件的生產對于生產效率的要求非常高，采用和計算機視覺應用相關的檢測技術可以提升計算機收集圖像的能力，根據汽車配件的尺寸、配件之間的組成距離和組成形式、配件之間的相對位置等信息，和特征庫的數據進行比對之后，可以充分判斷出配件實際效果的好壞。
3 結語
計算機視覺技術在企業生產效率提升方面有非常大的幫助，可以幫助企業減少人力資源的投入，但是這種技術的全面普及需要生產工人具有更高的業務知識能力，還需要更多的理論支撐，特征庫和數據庫的比對也非常必要。相關領域的研究人員需要繼續不斷探索，以更快地推動計算機視覺技術的應用，推動生產和生活實踐當中對計算機視覺應用系統的利用。
參考文獻
[1] 高寒，駱漢賓，方偉立.基于機器視覺的施工危險區域侵入行為識別方法[J].土木工程與管理學報，2019（1）：123-128.
[2] 邱素貞，李慶年，盧志翔，等.基于機器視覺檢測的碼垛機器人控制系統設計[J].包裝工程，2019，40（3）：207-211.
[3] 周建，潘如如，高衛東.機器視覺在紡織中的應用現狀與發展趨勢[J].棉紡織技術，2019，47（2）：15-17.
[4] 黃偉.基于計算機視覺技術的金屬加工過程監測方法[J].世界有色金屬，2018（23）：20-21.
轉載注明來源:http://www.hailuomaifang.com/8/view-14828310.htm
