陳哲堯
(浙江省鎮(zhèn)海中學(xué),寧波浙江,315200)
人工智能作為新時代一項世界尖端技術(shù),其可以通過轉(zhuǎn)變工作方式,帶動產(chǎn)業(yè)結(jié)構(gòu)的升級換代,替代大部分勞動力來推動更多相關(guān)行業(yè)的創(chuàng)新,同時開拓了生產(chǎn)、服務(wù)、醫(yī)藥等行業(yè)經(jīng)濟發(fā)展的全新資源,擁有著巨大的應(yīng)用潛能。可以說,機器視覺是人工智能發(fā)展成熟過程中不可或缺的重要組成部分。
機器視覺技術(shù)自起步發(fā)展到現(xiàn)在,已逐漸完善并擁有著廣闊的應(yīng)用前景。視覺技術(shù)快速獲得大量信息,經(jīng)過自動處理,幫助減少人工的重復(fù)勞動,具有良好的社會經(jīng)濟效益[1]。
如今,在各行各業(yè)中,智能化始終是其追求的目標,尤其是在食品工業(yè)領(lǐng)域[2-4]、工業(yè)機械包裝[5]、農(nóng)機化學(xué)[6]等領(lǐng)域。隨著市場需求的提升和機器視覺技術(shù)自身的成熟和發(fā)展,機器視覺將不斷智能化并在現(xiàn)代和未來制造企業(yè)中得到越來越廣泛的應(yīng)用。
順應(yīng)共享經(jīng)濟的發(fā)展趨勢,現(xiàn)在學(xué)校、地鐵站等公共場所有設(shè)置“漂流傘”項目。但自從設(shè)置該類項目以來,時常存在雨傘不及時歸還以及亂丟亂放的現(xiàn)象[7],,造成了部分雨傘的損失并帶來取用雨傘的不便。因此,對雨傘進行有效的監(jiān)管顯得尤為重要。
當前對雨傘的監(jiān)管大多使用人力,其智能化水平較低,不僅需要消耗大量人力資源,而且存在效率低下、準確度較差的弊端。采用機器視覺的方法[8-10]不會受到人工識別缺陷的限制,且準確率高、識別速度快,所以開發(fā)基于機器視覺的雨傘自助借還識別系統(tǒng)有助于提高識別速度,快速提供雨傘位置信息,對實現(xiàn)雨傘的有效監(jiān)管具有重大意義,同時降低了監(jiān)管成本。
本文所介紹的系統(tǒng)將通過VS與OpenCv開發(fā)的雨傘位置孔位特征識別定位算法等,實現(xiàn)檢測、獲取圖像信息的目的,為雨傘監(jiān)管提供支持。
所設(shè)計的雨傘自助借還識別系統(tǒng)包括硬件和軟件兩個部分的內(nèi)容。系統(tǒng)啟動后,控制端發(fā)出指令觸發(fā)傳感器,傳感器受到的高低電平信號會觸發(fā)工業(yè)相機開始采集圖像,所采集的圖像經(jīng)過GIGE通訊傳輸?shù)娇刂贫?,結(jié)合所開發(fā)的雨傘特征識別算法完成對雨傘自助借還的自動化的識別。具體的框架結(jié)構(gòu)圖如圖1所示。
圖1 系統(tǒng)處理流程圖
硬件部分是系統(tǒng)中非常重要的組成部分,獲取圖像的相機是圖像處理中核心部件,鏡頭和光源也是非常重要的部件,是與相機進行配合完成獲取圖像的重要部件,傳感器與受到的觸發(fā)信號通過GIGE網(wǎng)進行通訊,GIGE網(wǎng)絡(luò)同時把傳輸過來的圖像傳送到控制端。
本系統(tǒng)選取型號為MER-630-16GM/C-P的630萬像素的相機,考慮系統(tǒng)的處理效率和速度,選擇面陣,相機拍攝幀率為16幀。由于傘的位置相對固定,但信息特征不同,彩色圖像的灰度值相差太大,處理起來比較麻煩,因此選用黑白工業(yè)相機來滿足雨傘的快速識別和檢測。MER- 6 30 - 1 6GM/C-P實物圖如圖2所示。
圖2 MER—630—16GM/C—P 實物圖
工業(yè)相機的光譜曲線圖如圖3所示。
圖3 MER—630—16GM/C—P 的光譜曲線
考慮到雨傘表面為光滑的面,為了確保獲取到的雨傘圖像具有非常好的特征,已經(jīng)確保后面算法具有較高的處理效率和速度,所以鏡頭的型號選取為OTP-C7528-5M的500萬像素。
該鏡頭MTF圖如圖5所示。
圖4 OTP—C7528—5M 實物圖
圖5 OTP—C7528—5M 的 MTF 圖像
在光源方面,考慮到雨傘種類不均一,而且獲取圖像過程中環(huán)境光對其的影響也是不相同的,綜合考慮所以光源選用白光光源,其型號為OPT-R15090。光源的形狀為環(huán)形,帶90度角度的光源。環(huán)形光源如圖6所示。
圖6 OPT—R15090環(huán)形光源
圖7 OPT—R15090 光譜圖
雨傘的自動化、智能化識別檢測,首先要保證識別檢測系統(tǒng)的傳感器能相互配合。雨傘自助識別系統(tǒng)中的圖像采集部分和圖像處理部分分別使用了采集觸發(fā)傳感器和圖像處理器,各傳感器的選型及參數(shù)如表1所示。
表1 核心參數(shù)
系統(tǒng)軟件部分的框架流程如圖8所示,第一步是圖像的采集內(nèi)容,第二步是對第一步中的圖像進行初步的預(yù)處理,第三步是在第二步的基礎(chǔ)上進行識別和檢查雨傘的特征。經(jīng)過三步的完成之后就可以完成對雨傘特征的識別和檢測,最后將識別到的結(jié)果進行顯示。
結(jié)合整個系統(tǒng)的設(shè)計功能和具體的功能,基于VS2010軟件開發(fā)平臺進行設(shè)計開發(fā),其中的視覺方面的處理算法主要是在目前最主流的開源算法庫OpenCV算法庫進行開發(fā)完成的。識別檢測之前設(shè)置好各項參數(shù),軟件系統(tǒng)對所接受到的雨傘圖像信息進行各種特征的處理,最后將處理得當?shù)慕Y(jié)果信息實時的顯示并傳送出去,識別處理的結(jié)果通過設(shè)計開發(fā)的軟件界面看到。
針對雨傘自主借還系統(tǒng),為確保系統(tǒng)能夠?qū)崟r準確的對雨傘自主借還的實時識別和檢測,也為了驗證所設(shè)計的系統(tǒng)的穩(wěn)定性、可靠性。現(xiàn)利用系統(tǒng)分別對2組相同數(shù)量的雨傘借還圖像進行識別檢測,對實驗過程中的識別所用時間、識別正確率進行了記載。具體的數(shù)據(jù)如表2所示。
圖8 信息軟件框架圖
表2 試驗數(shù)據(jù)表
從表2中可以得出,系統(tǒng)識別2組所用的時間均在355s以內(nèi),識別時間較短,識別速度較快。識別檢測的誤檢率均在0.5%以內(nèi),識別正確率高,可靠性較高。
從上面的試驗結(jié)果可以看到2組所用的時間均在355s以內(nèi),識別時間較短,識別速度較快。識別檢測的誤檢率均在0.5%以內(nèi),識別正確率高,可靠性較高。表明該檢測系統(tǒng)可以高效、高質(zhì)的識別檢測出雨傘表面特征信息,實時識別出雨傘的借還狀態(tài)。在實際應(yīng)用推廣方面,有較大的意義。