机器视觉在多领域内的应用

龙源期刊网 http://m.wendangku.net/doc/32d1fcd0690203d8ce2f0066f5335a8102d266de.html

机器视觉在多领域内的应用

作者:李延浩

来源:《电子技术与软件工程》2018年第01期

近年来,随着智能技术和自动化技术的突破,机器视觉发展迅速,已经在汽车、电子、医疗、烟草等领域有了广泛应用。对于普通民众,对机器视觉技术的了解可能仅限于概念或表层意思,因此本文简要分析了机器视觉技术的发展历程和关键技术,着重论述了该技术在工业领域、医疗领域、汽车辅助驾驶领域中的应用,期望能够让读者对机器视觉技术有一个直观、具体的认识,从而推动该技术的发展和应用。

【关键词】机器视觉发展历程机器视觉技术机器视觉应用

机器视觉,又称为计算机视觉,是近年来人工智能领域发展迅速的热门方向。通俗地讲,机器视觉就是模拟人眼功能,从视觉成像中提取有用信息,从而提供决策或者服务于其他系统。机器视觉的研究起始于二十世纪五十年代的图像模式识别。机器视觉的概念则是由二十世纪七十年代初建立的人工智能技术理念提出。进入二十世纪九十年代,机器视觉在很多领域取得突破,诸如人脸识别、指纹识别、虹膜识别、光学字符识别等技术趋于成熟。进入二十一世纪,随着基于统计学模型的机器学习快速发展,机器视觉的实现形式也有所改变,采用统计学特征和机器学习的方法成为主流。近年来,人工智能领域内最热门的机器学习方法不外乎深度学习。深度学习中的分支——卷积神经网络(Convolutional Neural Network,CNN)则是专门用于视觉领域的学习方法,极大地推动了机器视觉技术的发展。机器视觉能够提高领域内产品的自动化程度和智能化程度,从而对于提高社会生产力有着重要意义。尽管机器视觉成为社会热点,但真正了解机器视觉的人很少。对于我们高中生来说,能否及时掌握科技前沿动态,关系着我们人生的职业规划,因此本文论述了机器视觉的关键技术和应用现状。

1 机器视觉中的关键技术

通常来讲,机器视觉系统包括图像采集单元(如镜头、摄像头等)、图像处理单元(计算机、处理软件等)以及执行单元(执行器、电控模块等)。摄像头是机器视觉系统中的核心部件,对采集图像的分辨率、对比度、景深等都有着十分重要的影响;图像质量的优劣直接影响后期图像的处理、知识的理解以及决策的执行。实际操作中,机器视觉系统通过摄像头拍摄目标而形成图像信号,获得目标的像素、轮廓、颜色以及亮度等信息,然后使用图像处理系统对图像信息进行提取和理解,以实现图像语义的获取。

机器视觉系统的能力主要依赖于图像处理算法。如今,常用且关键的图像处理技术包括图像分割,即将图像分成若干部分,可实现目标轮廓提取;图像增强,即调整图像的对比度,突出图像信息的重要细节;图像平滑,即去除图像获取过程中外界环境的扰动噪声;图像编码和传输,即对图像数据的高保真压缩和存储;边缘锐化,即加强图像中的轮廓边缘和细节;图像识别,即区分图像中的背景信息和前景信息,辨别图像中的目标。

相关推荐
相关主题
热门推荐