段利容

摘? 要：我國的計算機產(chǎn)業(yè)所應(yīng)用的創(chuàng)新技術(shù)不斷涌現(xiàn)，計算機網(wǎng)絡(luò)也經(jīng)常在各行各業(yè)發(fā)展出創(chuàng)新應(yīng)用，與計算機視覺相關(guān)的技術(shù)是指在計算機模擬人類視覺系統(tǒng)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(shù)的效率的方法。該文所闡述的就是計算機模擬視覺系統(tǒng)的方法，并就其如何在工業(yè)領(lǐng)域進行應(yīng)用展開分析，希望可以推動這一新產(chǎn)生的技術(shù)盡快發(fā)展。

關(guān)鍵詞：模塊識別? 計算機視覺技術(shù)? 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(shù)水平不斷提升，計算機和網(wǎng)絡(luò)信息技術(shù)的應(yīng)用范疇也不斷擴展，在現(xiàn)階段計算機技術(shù)和神經(jīng)生物學技術(shù)互相結(jié)合，在計算機應(yīng)用領(lǐng)域已經(jīng)展開了應(yīng)用的新篇章，計算機視覺技術(shù)已經(jīng)可以應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域，在人工智能領(lǐng)域計算機視覺技術(shù)也將會有巨大發(fā)展空間。通過計算機識別技術(shù)在工業(yè)生產(chǎn)領(lǐng)域的大范圍應(yīng)用，可以大量減少產(chǎn)品檢測的消耗，節(jié)省成本。計算機視覺識別技術(shù)及其在檢測技術(shù)方面的應(yīng)用將會是未來事關(guān)社會生產(chǎn)力提高的關(guān)鍵技術(shù)，這些技術(shù)也將會成為社會發(fā)展的前進方向。

1? 與計算機視覺檢測相關(guān)的技術(shù)領(lǐng)域

計算機視覺系統(tǒng)實際上是在用成像系統(tǒng)取代生物的視覺系統(tǒng)，用計算機來模擬生物的大腦，可以運用計算機視覺系統(tǒng)來模擬視覺功能，利用的是仿生學的原理，計算機視覺系統(tǒng)所模仿的主要對象是人類或者其他動物。計算機視覺技術(shù)所主要應(yīng)用的領(lǐng)域包括但不限于信息處理技術(shù)、物理、數(shù)學、統(tǒng)計學以及神經(jīng)生物學等領(lǐng)域。計算機視覺技術(shù)的研究主要是為了讓計算機具備分享事物之功能，并結(jié)合計算機對世界的變化規(guī)律進行重構(gòu)。英國科學家和心理學家大衛(wèi)·馬爾指出，將人工智能、神經(jīng)生物學和心理學結(jié)合起來，可以創(chuàng)造出一種全新的處理計算機成像的方式。大衛(wèi)·馬爾作為計算機視覺系統(tǒng)的創(chuàng)始人，將計算機視覺系統(tǒng)分成了3個不同的層次：計算機計算層次，該層次應(yīng)用的目的在于數(shù)據(jù)分析，可以實現(xiàn)數(shù)據(jù)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(xiàn)層次，在該層次上運用物理的方法實現(xiàn)真實的視覺系統(tǒng)。同時大衛(wèi)·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(guān)的數(shù)據(jù);圖像的中級處理階段，即根據(jù)低級處理所獲得的信息，將圖像建立成三維的狀態(tài)，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(jīng)過中級處理的圖像發(fā)展成高級的三維建模。

2? 和計算機視覺相關(guān)的檢測技術(shù)

2.1 與圖像處理有關(guān)的視覺技術(shù)要求

計算機圖像處理技術(shù)實際應(yīng)用于工業(yè)生產(chǎn)的所有層面，應(yīng)用的主要技術(shù)就是進行圖像的處置，這些技術(shù)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(shù)在工業(yè)領(lǐng)域的應(yīng)用也有一些不同的方面，可以提升工業(yè)生產(chǎn)的速度和生產(chǎn)效率，實現(xiàn)工業(yè)生產(chǎn)的高速度和高精度，提升圖像處理的穩(wěn)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(lǐng)域進行拓展應(yīng)用之后，可以獲取更為詳盡的圖像參數(shù)，更有助于分析其特征，這些參數(shù)結(jié)合起來容易實現(xiàn)三維技術(shù)的處理。和計算機視覺相關(guān)的應(yīng)用技術(shù)包含采光設(shè)備、監(jiān)控設(shè)備、信息采集設(shè)備、CCD工業(yè)相機、圖像處理技術(shù)等內(nèi)容。其中，CCD工業(yè)相機主要運用于檢測設(shè)備的尺寸，得出被檢測產(chǎn)品的工業(yè)參數(shù)，包含尺寸等工業(yè)品的基本信息。對于三維檢測技術(shù)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(tǒng)的應(yīng)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(tǒng)的特性和結(jié)構(gòu)模式進行識別，將其對象按照不同的類型進行區(qū)分。計算機的識別模式按照技術(shù)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(shù)據(jù)特征進行描述，在清除了冗余信息和噪點之后，提取的數(shù)據(jù)信息之間的分析將會使得技術(shù)的拓展應(yīng)用提升正確度。

識別模式的難度在于圖像處理技術(shù)相關(guān)的核心問題，與之相關(guān)聯(lián)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(jié)構(gòu)特征的統(tǒng)計來實現(xiàn)技術(shù)應(yīng)用，在模式識別的時候會因為數(shù)學統(tǒng)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(xiàn)和模式的重新設(shè)定。模式的重新設(shè)定需要根據(jù)實際的工業(yè)產(chǎn)品運用分類器進行設(shè)計，分類器的選用主要是通過大量數(shù)據(jù)文件的分析得出。模式的實現(xiàn)也經(jīng)常運用在分類器的選用方面，需要對所選用的數(shù)據(jù)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(gòu)

在進行完圖像的預處理之后，還需要運用人工智能技術(shù)對圖像進行解構(gòu)，按照人的理解對圖像的處理方式進行解構(gòu)。計算機數(shù)據(jù)圖像的處理解構(gòu)是一種不同于計算機視覺技術(shù)的圖像處理模式，計算機視覺處理圖像的解構(gòu)技術(shù)除了可以對圖像進行描述之外，還可以對圖像的實際內(nèi)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(tǒng)包含數(shù)字處理技術(shù)、圖像生成技術(shù)、成像處理技術(shù)和人工智能技術(shù)等方面，和生物科學和視覺系統(tǒng)形成先關(guān)的理論系統(tǒng)知識還需要輔助性的處理技術(shù)。計算機圖像視覺系統(tǒng)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(gòu)分析，這些模塊之間既互相有聯(lián)系又有區(qū)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(tǒng)的基礎(chǔ)是圖像的處理和獲取技術(shù)，在實際進行圖像處理的過程中，這些系統(tǒng)所包含的內(nèi)容實際上遠超過了學科的內(nèi)容，計算機視覺系統(tǒng)是一種類仿生的系統(tǒng)，所模擬的對象一般是生物體，為了實現(xiàn)計算機對視覺的實際模仿應(yīng)用，需要搭配生物體視覺系統(tǒng)的相關(guān)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(shù)的應(yīng)用目前已經(jīng)出現(xiàn)在汽車工業(yè)領(lǐng)域，在產(chǎn)品的生產(chǎn)、檢測方面發(fā)揮了很大功效，在農(nóng)產(chǎn)品的檢測、包裝、指紋識別和面部識別等方面也有應(yīng)用。實際上，要想選擇出視覺檢測的所有領(lǐng)域是困難的，下面僅以工業(yè)領(lǐng)域的一些應(yīng)用進行舉例闡述。

2.4.1 在汽車車身中的計算機視覺技術(shù)應(yīng)用

在汽車車身中應(yīng)用計算機視覺檢測系統(tǒng)對車身技術(shù)進行檢測需要利用到計算機視覺傳感系統(tǒng)。通過機械設(shè)備定位系統(tǒng)、電子設(shè)備控制系統(tǒng)等定位技術(shù)的應(yīng)用，可以實現(xiàn)計算機的車身檢測。在實際的應(yīng)用領(lǐng)域，可以首先使用電子控制設(shè)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(diào)整，確保檢測設(shè)備可以發(fā)揮實際功效，之后形成的設(shè)備采集和數(shù)據(jù)分割等數(shù)據(jù)信息處理、監(jiān)測點等實際參數(shù)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(shù)據(jù)圖像的基本特征之后，這些數(shù)據(jù)需要和參數(shù)庫中的數(shù)據(jù)進行比對，自動識別技術(shù)會給出最終結(jié)果，這些檢測系統(tǒng)需要根據(jù)單光條件下結(jié)構(gòu)的單眼色量，多光條件結(jié)構(gòu)下的多光測量得出最終結(jié)論。十字線解構(gòu)下的雙眼測量技術(shù)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(jié)果轉(zhuǎn)換有關(guān)，在識別和檢測之后，就可以判斷出車身的裝配效果和質(zhì)量。例如，英國的路虎系列汽車，為了對汽車的全面技術(shù)參數(shù)進行掌握，技術(shù)人員將車身的輪廓劃分成了300余個監(jiān)測點，對車身的結(jié)構(gòu)進行了精準的檢測，使得計算機視覺系統(tǒng)通過多位點的測量，通過統(tǒng)一標準的測量單位，激光發(fā)射器和CCD工業(yè)相機，利用計算機軟件對汽車的位置進行調(diào)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(shè)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(jié)果和參數(shù)通過CAD建模參數(shù)的特征比對庫誤差在0.1mm之內(nèi)，這是一個典型的汽車行業(yè)應(yīng)用工業(yè)視覺檢測系統(tǒng)的案例。

2.4.2 智能焊接技術(shù)中的視覺應(yīng)用技術(shù)

與計算機視覺系統(tǒng)相關(guān)的智能檢測技術(shù)，可以實現(xiàn)基于環(huán)境的焊接對象的互相識別與測試，并根據(jù)測試結(jié)果對參數(shù)進行調(diào)整，在汽車應(yīng)用領(lǐng)域當中，車身的焊接對汽車的質(zhì)量參數(shù)有著重大影響，使用汽車智能檢測技術(shù)對于紅外線成像、高速攝像技術(shù)和CCD工業(yè)技術(shù)等傳感設(shè)備的精度都有影響，利用電子接受設(shè)備實現(xiàn)多維度的視覺傳導，可以通過多層次的焊接技術(shù)實現(xiàn)空間位置和實際位置的轉(zhuǎn)變。對焊接工作進行合理規(guī)劃，對焊接對象的數(shù)據(jù)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(jié)構(gòu)進行預測，對相關(guān)的焊接結(jié)構(gòu)的性能、組織等機型評價，可以充分掌握智能焊接技術(shù)的特征。在汽車的焊接工作中，很多人力難以控制的環(huán)節(jié)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(shù)可以完美地解決上述問題。

2.4.3 在汽車機器人生產(chǎn)配件過程中的應(yīng)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(chǎn)對于生產(chǎn)效率的要求非常高，采用和計算機視覺應(yīng)用相關(guān)的檢測技術(shù)可以提升計算機收集圖像的能力，根據(jù)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(shù)據(jù)進行比對之后，可以充分判斷出配件實際效果的好壞。

3? 結(jié)語

計算機視覺技術(shù)在企業(yè)生產(chǎn)效率提升方面有非常大的幫助，可以幫助企業(yè)減少人力資源的投入，但是這種技術(shù)的全面普及需要生產(chǎn)工人具有更高的業(yè)務(wù)知識能力，還需要更多的理論支撐，特征庫和數(shù)據(jù)庫的比對也非常必要。相關(guān)領(lǐng)域的研究人員需要繼續(xù)不斷探索，以更快地推動計算機視覺技術(shù)的應(yīng)用，推動生產(chǎn)和生活實踐當中對計算機視覺應(yīng)用系統(tǒng)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(qū)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(tǒng)設(shè)計[J].包裝工程，2019，40（3）：207-211.

[3] 周建，潘如如，高衛(wèi)東.機器視覺在紡織中的應(yīng)用現(xiàn)狀與發(fā)展趨勢[J].棉紡織技術(shù)，2019，47（2）：15-17.

[4] 黃偉.基于計算機視覺技術(shù)的金屬加工過程監(jiān)測方法[J].世界有色金屬，2018（23）：20-21.