1 引言

隨著我國科技和工業(yè)水平的不斷提升，打造基于人工智能及大數(shù)據(jù)的智能制造車間是發(fā)展的必然；在加工制造過程中引入自動(dòng)化生產(chǎn)，可以實(shí)現(xiàn)機(jī)器作業(yè)代替人工操作，解放生產(chǎn)力的同時(shí)還能夠一定程度上的保證安全性。盡管目前的加工車間已經(jīng)采取了“機(jī)器為主，人工為輔”的加工生產(chǎn)策略，但加工過程的各個(gè)階段仍較為依賴人工識(shí)別和判斷，其中最主要的原因是傳統(tǒng)的加工車間沒有引入有效的圖像識(shí)別系統(tǒng)，無法對(duì)工件及各加工工序狀態(tài)進(jìn)行有效的分類識(shí)別。因此，對(duì)全流程的加工過程進(jìn)行設(shè)計(jì)或引入具有統(tǒng)一性或高度集成化的圖像識(shí)別系統(tǒng)是打造智能制造生產(chǎn)車間的關(guān)鍵。

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)(圖像識(shí)別技術(shù))作為一種先進(jìn)的科學(xué)技術(shù)，主要應(yīng)用于計(jì)算機(jī)信息數(shù)據(jù)的處理。它具有處理速度快、精度高、靈活性好等優(yōu)點(diǎn)，可以提高計(jì)算機(jī)信息數(shù)據(jù)處理和識(shí)別的工作效率。經(jīng)過多年的研究和應(yīng)用發(fā)展，圖像識(shí)別技術(shù)現(xiàn)已應(yīng)用于智能交通、有色金屬制造、醫(yī)療、刑事偵查等多個(gè)領(lǐng)域，并取得了良好的應(yīng)用效果

。本文就目前圖像識(shí)別技術(shù)在生產(chǎn)加工方面的研究和應(yīng)用情況進(jìn)行分析和介紹，以期為后續(xù)的工廠改造及現(xiàn)代化工廠的建設(shè)提供參考。此外，根據(jù)圖像識(shí)別技術(shù)的研究現(xiàn)狀，對(duì)其在加工車間的應(yīng)用情況進(jìn)行分析與展望，進(jìn)而為工廠的發(fā)展提供新的參考與思路。

2 圖像識(shí)別技術(shù)簡(jiǎn)介及研究現(xiàn)狀

從目前現(xiàn)有的信息技術(shù)水平分析，計(jì)算機(jī)圖像識(shí)別技術(shù)實(shí)際上可以看作是圖像處理和識(shí)別的結(jié)合，利用計(jì)算機(jī)技術(shù)將獲得的圖像轉(zhuǎn)換為具體的數(shù)字信息，通過計(jì)算機(jī)識(shí)別圖像的關(guān)鍵特征，包括圖像的大小、方向、顏色、整體形狀和局部形狀特征等，并將其存儲(chǔ)在圖像庫中。當(dāng)再次遇到類似的圖像時(shí)，將與圖像庫中的內(nèi)容進(jìn)行比較，若結(jié)果一致，則整個(gè)圖像的圖像識(shí)別過程就完成了。

研究區(qū)平面斷裂組合以3種形式存在：其一，古生界為一條主要大斷裂，中生界為分段錯(cuò)裂，左行雁行式排列，控制潛山發(fā)育和洼陷沉積，近東西向組合，分布于埕島南部和樁西南部，對(duì)油氣運(yùn)移及成藏起重要作用；其二，古近紀(jì)和新近紀(jì)發(fā)育右行走滑斷層，斷距兩端小而中間大，右行雁列式排列，北東向組合，分布于埕島、樁西以東，主要起控制油氣的輸導(dǎo)和成藏的作用；其三，中生代的左行走滑斷層，深切潛山形成潛山圈閉，正向構(gòu)造軸線受斷層線控制，北西向組合，主要分布于埕島、樁西兩個(gè)潛山主體部位。

圖像識(shí)別技術(shù)的主要過程如圖1所示。其中特征提取作為圖像識(shí)別技術(shù)最基本、也是最重要的過程，一直以來都被認(rèn)為是圖像識(shí)別技術(shù)的核心。特征提取的主要目標(biāo)是提取一組可能維數(shù)最小的特征，用最小的特征達(dá)到最大的識(shí)別率，并對(duì)各種相同的符號(hào)實(shí)例生成相似的特征集，即盡量使用小尺寸特征來達(dá)到圖像識(shí)別的目的

。

圖像識(shí)別大致經(jīng)歷了三個(gè)階段：文字識(shí)別、數(shù)字圖像處理與識(shí)別、物體識(shí)別。一個(gè)圖像識(shí)別系統(tǒng)一般包括圖像信息的獲取、圖像的預(yù)處理、特征提取以及判別與分類四個(gè)部分。根據(jù)模式特征選擇以及判別決策方法的不同可將圖像模式識(shí)別方法分為：結(jié)構(gòu)模式識(shí)別方法和統(tǒng)計(jì)模式(決策理論)識(shí)別方法。此外，近些年隨著對(duì)模式識(shí)別技術(shù)研究的進(jìn)一步深入，模糊模式識(shí)別方法和神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法也開始得到廣泛的應(yīng)用。

2.1 結(jié)構(gòu)模式識(shí)別

模糊模式識(shí)別優(yōu)點(diǎn)在于用隸屬度函數(shù)作為樣品與模塊間相似程度的度量，可能反映它們整體的與主要的特性，從而允許樣品有相當(dāng)程度的干擾與畸變。所存缺點(diǎn)是難以建立準(zhǔn)確合理的隸屬度函數(shù)，因而限制了該方法的應(yīng)用。

(3)神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)的能力。

大同市二輕局有位退休老干部，知道李建明收藏，分文不取，送他一枚直徑十厘米、上有“一定要解放臺(tái)灣”字樣的毛主席像章。最難忘的一件事，李建明說，是2002年左右那次去哈爾濱出差。走時(shí)給鐵嶺的一位毛主席像章收藏者，帶了一尊大同市煤矸石雕刻的毛主席像。辦完事兒，他給對(duì)方去電，說是將禮物放在那個(gè)單位，對(duì)方有時(shí)間了來拿。不想對(duì)方盛情邀請(qǐng)，你都大老遠(yuǎn)從山西過來了，不差這一點(diǎn)兒時(shí)間，過來吧，過來吧。雪天，路滑，趕到時(shí)已是傍晚了。一桌子豐盛的飯菜，冒著熱氣。對(duì)方是個(gè)工藝師，臨走時(shí)送了李建明用猛犸象牙、黃楊木雕刻以及泥塑的毛主席像一套?；貋砗螅^意不去，又給對(duì)方寄去一些毛主席像章。

2.2 統(tǒng)計(jì)模式識(shí)別

統(tǒng)計(jì)模式識(shí)別也被稱為決策理論識(shí)別。它主要利用貝葉斯決策規(guī)則解決最優(yōu)分類器問題，是一種分類誤差最小的方法。其基本思想是：首先對(duì)被研究對(duì)象進(jìn)行大量的統(tǒng)計(jì)分析，找出規(guī)律性認(rèn)識(shí)，然后利用各類概率密度函數(shù)、后驗(yàn)概率選取反映圖像本質(zhì)的特征進(jìn)行分類識(shí)別。統(tǒng)計(jì)模式識(shí)別主要包括兩種操作模型：訓(xùn)練和分類。訓(xùn)練模式中，預(yù)處理模塊負(fù)責(zé)將感興趣的特征從背景中分割出來、去除噪聲以及進(jìn)行其它操作；特征選取模塊主要負(fù)責(zé)找到合適的特征來表示輸入模式；分類器負(fù)責(zé)訓(xùn)練分割特征空間。在分類模式中，被訓(xùn)練好的分類器將輸入模式根據(jù)測(cè)量的特征分配到某個(gè)指定的類。

目前3D圖像識(shí)別技術(shù)在加工過程中的應(yīng)用仍較為有限，主要原因在于規(guī)模較小的加工車間無需引入該系統(tǒng)就能人為對(duì)工況工件進(jìn)行較好的檢測(cè)及監(jiān)控效果；而在大規(guī)模的加工車間中全方位的引入該系統(tǒng)的成本將是十分巨大的。但3D模式識(shí)別技術(shù)可以減少人工的失誤并能夠進(jìn)行實(shí)時(shí)的監(jiān)督和檢測(cè)，將很大程度上提高工作效率和工廠的自動(dòng)化程度，未來將得到進(jìn)一步的發(fā)展。

2.3 模糊模式識(shí)別

模糊模式識(shí)別的理論源于模糊數(shù)學(xué)，它根據(jù)人對(duì)事物識(shí)別的思維邏輯，結(jié)合人類大腦識(shí)別事物的特點(diǎn)，將計(jì)算機(jī)中常用的二值邏輯轉(zhuǎn)向連續(xù)邏輯。在圖像識(shí)別領(lǐng)域應(yīng)用上，該方法可以簡(jiǎn)化圖像識(shí)別系統(tǒng)，并具有實(shí)用、可靠等特點(diǎn)。

結(jié)構(gòu)模式由模式基元組合表示，利用模式的結(jié)構(gòu)與語言之間相似性的方式進(jìn)行分析，即依據(jù)給定的一組規(guī)則來分析模式的結(jié)構(gòu)。結(jié)構(gòu)模式識(shí)別主要分為識(shí)別部分和分析部分，其中識(shí)別部分由預(yù)處理、基元提取和結(jié)構(gòu)分析組成，而分析部分包括基元選擇和文法推斷。除了分類信息外，該方法還能給出模式的結(jié)構(gòu)信息，它為模式識(shí)別提供了用簡(jiǎn)單的、有限的模式基元和文法規(guī)則的有限集來描述一個(gè)復(fù)雜模式大(可能是無限的)集合的可能性。

2.4 神經(jīng)網(wǎng)絡(luò)模式識(shí)別

神經(jīng)網(wǎng)絡(luò)模式識(shí)別是一種新興的識(shí)別算法，指用神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行識(shí)別。神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單的神經(jīng)元按照某種方式相互連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的簡(jiǎn)化、抽象和模擬。由于神經(jīng)網(wǎng)絡(luò)具有非線性映射逼近、大規(guī)模并行分布存儲(chǔ)和綜合優(yōu)化處理、容錯(cuò)性強(qiáng)、自學(xué)習(xí)和自適應(yīng)等能力，因而特別適合處理需要同時(shí)考慮許多因素和條件以及信息不確定性問題。神經(jīng)網(wǎng)絡(luò)是一種全新的模式識(shí)別技術(shù)，它具有以下幾個(gè)方面的特點(diǎn)：

2.2.2 錄制視頻PPT的制作 視頻錄制時(shí)一般要輔助課件PPT。對(duì)于反轉(zhuǎn)課堂PPT的制作要求內(nèi)容清晰，與講授內(nèi)容相符。因?yàn)榭紤]到線上學(xué)習(xí)的靈活機(jī)動(dòng)性，以及手機(jī)線上學(xué)習(xí)的軟件要求問題。所以課件制作無需十分復(fù)雜，但要文字表述清楚簡(jiǎn)潔，內(nèi)容規(guī)劃調(diào)理清楚，可以穿插圖片、表格等。使得課件可以在微課錄制時(shí)輔助講授展示。也可分享到教學(xué)平臺(tái)讓學(xué)習(xí)者單獨(dú)下載，便于查閱和學(xué)習(xí)。

我去了，懷著一顆紅心兩種準(zhǔn)備。夏俊一見我，特別熱情，一臉的諂笑快要淌下來。路過人力資源課時(shí)，又高又靚的李霞正好出門，也對(duì)我一展芳顏，笑容可掬。進(jìn)了總經(jīng)理室，屁股剛碰到沙發(fā)，漂亮的秘書小姐奉上咖啡，細(xì)語如風(fēng)地說，請(qǐng)您慢用。便笑盈盈地退了出去。

(2)神經(jīng)元能夠獨(dú)立運(yùn)算和處理收到的信息，即系統(tǒng)能夠并行處理輸入的信息。

結(jié)構(gòu)模式識(shí)別方法地主要優(yōu)點(diǎn)是對(duì)字體變化的適應(yīng)性強(qiáng)，區(qū)分相似字能力強(qiáng)，缺點(diǎn)是抗干擾能力差，從圖像中精確地抽取基元、輪廊、特征點(diǎn)比較困難，匹配過程復(fù)雜；當(dāng)前結(jié)構(gòu)模式識(shí)別主要突出模式的結(jié)構(gòu)信息，常用于以結(jié)構(gòu)特征為主的識(shí)別領(lǐng)域中，通過對(duì)結(jié)構(gòu)特征的提取來完成準(zhǔn)確目標(biāo)識(shí)別。

神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)在于可處理一些環(huán)境信息十分復(fù)雜，背景知識(shí)不清楚，允許樣品有較大的缺損、畸變，推理規(guī)則不明確的問題。其目前最大局限在于模型仍在不斷豐富與完善中，如今能識(shí)別的模式類型還不足夠。

3 圖像識(shí)別技術(shù)在加工車間中的應(yīng)用

3.1 機(jī)器人定位

目前，機(jī)器人已經(jīng)被廣泛應(yīng)用于機(jī)械加工制造等領(lǐng)域之中；然而，由于各行業(yè)對(duì)應(yīng)用方面的差異化以及高性能需求的不斷提出，導(dǎo)致對(duì)機(jī)器人的定位也提出了更高的要求，例如實(shí)現(xiàn)期望視覺具有更低的延遲、更高的準(zhǔn)確性等；但是圖像識(shí)別率低、識(shí)別速度慢的情況往往會(huì)引起移動(dòng)機(jī)器人丟失定位信息，從而造成經(jīng)濟(jì)上的損失。

由于目前采用的機(jī)器人存在以上問題，為了進(jìn)一步提高工業(yè)機(jī)器人性能，焦傳佳等

基于AprilTag圖像的預(yù)處理方法，對(duì)機(jī)器人的定位進(jìn)行研究，減少了因光照不均對(duì)圖像識(shí)別的不利影響，提高了機(jī)器人識(shí)別的成功率。廖萬輝等

建立了一個(gè)主動(dòng)機(jī)器視覺定位系統(tǒng)，結(jié)合區(qū)域的匹配和形狀特征識(shí)別，來進(jìn)行數(shù)據(jù)計(jì)算，從而準(zhǔn)確識(shí)別物體特征的邊界和質(zhì)心，解決了機(jī)器人實(shí)際位置與期望位置相差較大的問題，從而實(shí)現(xiàn)了機(jī)器人對(duì)零件工位的精確定位。以上兩種方法對(duì)未來工業(yè)機(jī)器人技術(shù)的改進(jìn)提供了良好的思路。

(1)神經(jīng)網(wǎng)絡(luò)具有分布式存儲(chǔ)信息的特點(diǎn)。

3.2 3D圖像識(shí)別

3D圖像識(shí)別技術(shù)作為圖像識(shí)別技術(shù)的一個(gè)新的發(fā)展方向，其目前在加工過程中的應(yīng)用主要在于：監(jiān)控工況是否正常，識(shí)別工件整體是否完整等幾個(gè)方面。

根據(jù)文獻(xiàn)[18]提出的疫苗形式，提取了DE算法中種群的免疫疫苗，并將該疫苗用于指導(dǎo)交叉操作概率因子的選取。疫苗具體提取方法如下：

統(tǒng)計(jì)模式識(shí)別主要優(yōu)點(diǎn)是技術(shù)成熟，能考慮到干擾、噪聲等影響，識(shí)別模式基元能力強(qiáng)。但其局限在于對(duì)結(jié)構(gòu)復(fù)雜的模式抽取特征困難，不能反映模式的結(jié)構(gòu)特征，難以描述模式的性質(zhì)和從整體角度考慮識(shí)別問題。

3.3 生產(chǎn)線檢驗(yàn)

隨著發(fā)動(dòng)機(jī)制造的生產(chǎn)線不斷智能化、信息化，圖像識(shí)別在生產(chǎn)線上的應(yīng)用也越來越廣泛；將圖像識(shí)別技術(shù)應(yīng)用于生產(chǎn)線檢驗(yàn)，可以達(dá)到良好的檢驗(yàn)效果，能夠有效的檢測(cè)出工業(yè)設(shè)備故障及不合格產(chǎn)品，從根本上杜絕了人工檢驗(yàn)導(dǎo)致的錯(cuò)檢情況。通過圖像識(shí)別技術(shù)可以對(duì)工件的內(nèi)孔、外圓以及螺紋孔特征等部分進(jìn)行有效識(shí)別，也可以用于檢測(cè)發(fā)動(dòng)機(jī)表面粗糙度、發(fā)動(dòng)機(jī)表面裂紋、發(fā)動(dòng)機(jī)氣缸體的缸孔等是否符合要求。

以圖3所示的生產(chǎn)線內(nèi)孔加工為例，不同于機(jī)器人定位及裝配過程的靜態(tài)識(shí)別，生產(chǎn)線檢驗(yàn)的圖像獲取是在工件運(yùn)動(dòng)中進(jìn)行的；因此，增加了圖像獲取的難度。此外，由于是對(duì)內(nèi)孔進(jìn)行識(shí)別，其環(huán)境的光線強(qiáng)度也必然影響識(shí)別結(jié)果；因此在預(yù)處理過程中應(yīng)采取圖像灰度化及增強(qiáng)對(duì)比度操作。

3.4 裝配過程

目前大多數(shù)工廠的裝配生產(chǎn)線，仍靠操作人員通過大量的操作手冊(cè)獲取裝配指導(dǎo)信息從而進(jìn)行裝配操作。即便操作人員已經(jīng)熟悉了操作流程，拋開了手冊(cè)指導(dǎo)，還會(huì)無法避免出現(xiàn)裝配錯(cuò)誤，這將大大影響了裝配效率。將人工智能與圖像識(shí)別開始應(yīng)用于裝配生產(chǎn)線，輔助操作人員進(jìn)行裝配操作，可以提高裝配效率、降低裝配錯(cuò)誤率。在裝配過程中，主要是通過機(jī)器視覺，基于一定的機(jī)器學(xué)習(xí)算法來判斷零件的配置是否有錯(cuò)裝漏裝現(xiàn)象。基于3D圖像識(shí)別技術(shù)搭建的檢測(cè)系統(tǒng)可以提高檢測(cè)的準(zhǔn)確度，減少人工檢測(cè)過程中出現(xiàn)的漏報(bào)、錯(cuò)報(bào)的可能性，提高工作效率。

材料四王守仁：“心即理”，“致良知”。他認(rèn)為良知是存于人心中的天理，但良知往往被私欲所侵蝕，所以要加強(qiáng)道德修養(yǎng)，去掉人欲，恢復(fù)良知。

基于以上分析，在裝配機(jī)器人上融入圖像識(shí)別技術(shù)，可以使裝配機(jī)器人判斷迅捷，動(dòng)作連貫，對(duì)指令做出快速反應(yīng)。精密的裝配機(jī)器人圖像識(shí)別可以從多變掃描、面積預(yù)處理和特定環(huán)境下顏色快速識(shí)別方法等方向來滿足移動(dòng)機(jī)器人的工作要求。

養(yǎng)殖不僅需要熟練掌握養(yǎng)殖技術(shù)，而且還需要時(shí)刻掌握市場(chǎng)價(jià)格動(dòng)向，采取分批捕撈，輪捕輪放，降低池魚發(fā)病的概率，減少了養(yǎng)殖風(fēng)險(xiǎn)，降低了單位面積存魚量，又增加養(yǎng)殖產(chǎn)量，實(shí)現(xiàn)高產(chǎn)穩(wěn)產(chǎn)?？梢允钩佤~提早上市，待價(jià)而沽，適時(shí)銷售，獲得養(yǎng)殖效益最大化。但高溫季節(jié)在拉網(wǎng)、運(yùn)輸、放養(yǎng)等過程中，操作應(yīng)輕柔，避免池魚機(jī)械損傷，降低患病概率。

4 結(jié)束語

目前，圖像識(shí)別技術(shù)在加工車間中的應(yīng)用均較為有限，應(yīng)用的主要范圍集中在工件加工前期的螺栓檢測(cè)、打碼機(jī)對(duì)工件的編碼識(shí)別以及工件平面孔的密封性檢測(cè)等幾個(gè)方面。本文介紹了在發(fā)動(dòng)機(jī)加工裝配的部分工序中引入圖像識(shí)別技術(shù)的方案。今后，隨著更多科技成果在車間中的應(yīng)用以及車間自動(dòng)化需求的進(jìn)一步提高，圖像識(shí)別技術(shù)在加工及裝配檢測(cè)階段的應(yīng)用將更加廣泛。

[1]Yang Nan,Wang Zhiyi,Wang Shihao.Computer Image Recognition Technology and Application Analysis.

[2]Ma Jinding. Application of Feature Extraction in Image Processing. Science and Technology Vision, Issue 27, 2015.

[3]廖萬輝,李琳.基于機(jī)器視覺的工業(yè)機(jī)器人定位系統(tǒng)[J].微計(jì)算機(jī)信息,2009,25(08):242-244.

[4]劉睿,鄧強(qiáng)強(qiáng),馮運(yùn),陳凌,蔣偉,殷宏磊,彭倍.基于圖形路標(biāo)特征的精確定位研究[J].電子科技大學(xué)學(xué)報(bào),2019,48(02):233-238.