機器視覺概念精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的機器視覺概念主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：機器視覺概念范文

[關鍵詞]機器視覺技術；機械制造自動化；應用

中圖分類號：T01文獻標識碼：A文章編號：1009-914X（2017）28-0061-01

機器視覺技術是科學技術在機械設備上的一種應用，其從擬人角度入手，通過模仿人類思維形成機械思維過程，以人工智能的方式來實現與“人眼”相同的功能，進而在人類無法適應的惡劣環境下進行作業。如果說機械臂是模仿人類外部器官所制成的機械設備，那么機器視覺則是模仿人眼所操縱的智能攝像機、照相機設備，目前，機器視覺技術在機械制造自動化領域可以實現數據采集與信息判斷的目標，對推動機械生產自動化有著非常重要的意義。

一、何為機器視覺技術

所謂機器視覺技術，是利用機械來模擬人眼以獲取圖像信息，在攝取圖像后，機械會借助其內部設置的計算機進行讀圖，對圖像中含有的信息進行判斷。目前，攝取圖像的技術有很多，攝取難度也不大，電子攝像器材更是種類繁多且價格便宜，對于機器視覺技術而言，難點在于對圖像的判斷與解析。大部分圖像都具有線條、顏色等基本元素，人眼可以通過大腦來分析與判斷上述基本元素，而機器視覺技術雖然可以與人眼一樣攝取圖像，在一定程度上模仿人類的思維，但是其思維原理依然與人類有所不同，就工作原理而言，機器視覺技術是將收集而來的圖片信息進行處理，將其整理后使其變為簡化圖，再將簡化圖中含有的信息轉化為數字信號，計算機基于模型將特定的片段篩選識別出來，再轉化為人類所能理解的信息。單純看筆者的描述，機器視覺技術的處理過程具有很大的負載，而在實際指向時僅需要不到0.1s的反應時間。而在機械制造自動化領域，機器視覺系統僅需要處理少量信息，因此具有極高的效率，其較高的靈敏度與穩定的工作狀態使得其在機械制造領域具有非常好的應用效果。

二、機器視覺技術的現實應用

（一）應用方向之一——質量檢測

機器視覺技術可以安裝在檢測裝置之上，用于檢測產品外觀是否存在瑕疵甚至是故障。對于輪船、飛機、汽車的制造而言，在制造大型機械零件時雖然可以依靠人工進行流水線生產的質量檢測，但是人的精力有限，可能因精力不足而出現注意力不集中的狀況，這時很容易導致外觀問題被忽略。而使用機器視覺技術便可以避免這類問題的出現，機器并不存在困倦和注意力不集中的問題，只要供給其足夠的能量便可以一直工作，借助高精度的攝像、照相設備，可以清晰識別零件表面存在的缺陷。再以曲軸的彎曲度為例，這類部件對于參數的精度有很高的要求，正所謂“差之毫厘，謬以千里”，即使曲軸的彎曲度有一絲不合格，也有可能導致部件無法安裝的結果，而人眼很難清晰辨別出這種細微的“偏差”，而機器視覺技術可以清晰辨別出來，通過機器視覺技術的高細節檢測，即使零件的誤差只有幾毫米甚至幾微米，也可以被清晰查出。可以說，在機器視覺的精細檢測下，可以實現零件的完美篩選結果，不合格產品退出了生產線，不會流入市場，間接避免了安全事故的發生。

（二）應用方向之二——精密測量

1.精密測量零件尺寸

機器視覺系統由圖像采集系統與圖像識別系統兩部分組成，檢測系統包括CCD攝像頭、光學系統以及計算機處理系統。由光源向被檢測零件發射平行光束，被檢測部位在光線的照射下反射、折射出光芒，借助內置于攝像機中的CCD攝像頭，由顯微光學鏡進行成像，再由計算機系統進行圖像的處理，以獲得零件的相關信息。若是被檢測零件移位，則可以重復測量2次零件的邊緣輪廓，兩次測量結果相減即為位移量?；谏鲜鲈砜梢詾樾螤詈唵巍⒊叽巛^小的在線工件進行精密測量。例如，電子接插件的生產速度至少為300件/分鐘，使用機器視覺技術可以實現0.01mm級別的精密測量。

2.逆向工程

如果說測量零件尺寸、減少誤差值、避免不達標零件流入市場是機器視覺技術的正向應用，那么機器視覺技術還能應用于機械制造的逆向工程，即通過攝像頭測得標準價的輪廓坐標值，構建曲面并轉換為圖形，經由只能系統輸送到加工機器中進行產品的制作。簡而言之，其實就是借助機器視覺技術的測量系統測得標準件的三維尺寸與各個位置的精確數據，給予曲面處理并最終加工成型。目前，CCD光電器件發展非常迅速，可以基于三角法對零件表面輪廓進行快速的視覺測量，由激光穿過而產生的條紋結構光輝投射到零件表面，基于零件表面因深度、曲率不同而形成的條紋，由CCD攝像機來獲得條紋的變化，計算機將圖像信息轉變為模擬信號，再將模擬信號轉變為數字信號，最后將信號還原至圖像處理系統中，獲得三維輪廓圖像。

（三）應用方向之三——自動焊接機器人

自動焊接機器人是機械制造自動化發展到一定程度的產物，在機器人身上安裝紅外攝像儀與CCD攝像機可以使其具有視覺功能，機器人內部安裝有模擬工人生產行為模式的人工智能，再加上視覺感知功能，可以在搶弧光與飛濺條件下完成人工無法進行的焊接操作。當然，這一方向的應用在我國目前較為少見，受技術所限，我國在焊接精度上依然難以得到保證。

結語

本文首先介紹了機器視覺技術的概念與特點，隨后介紹了機器視覺技術在機械制造自動化領域的三大應用方向，旨在點明機器視覺技術的美好發展前景，使機器視覺技術得以在機械制造自動化領域得到更加廣泛的應用。

參考文獻 

[1] 何勇，孫釗，李華廈.機器視覺技術及其在機械制造自動化中的應用[J].黑龍江科技信息，2016，（24）. 

[2] 楊剛.機器視覺技術及其在機械制造自動化中的應用分析[J].科技創新與應用，2015，（24）. 

[3] 吳繼方.淺談機器視覺技術在自動化制造業中的應用[J].山東工業技術，2016（11）. 

[4] 王暉.機器視覺技術及其在機械制造自動化中的應用分析[J].黑龍江科技信息，2017（11）. 

第2篇：機器視覺概念范文

關鍵詞 學科交叉教學 應用數學 機器視覺

中圖分類號：G643.0 文獻標識碼：A DOI：10.16400/ki.kjdkz.2015.12.016

Abstract Interdisciplinary teaching is teaching model advocated by most schools， graduate students for cultivating compound talents can promote. In this paper， "Applied Mathematics" teaching in machine vision applications courses for example， by building cross-disciplinary courseware and experimental platform to build， will dull mathematical theory and practical application together. In theory study， to enhance engineering practice ability， innovation ability of students.

Key words interdisciplinary teaching； applied mathematics； machine vision

0 前言

21世紀是世界經濟、文化、科技迅猛發展的時期，由此派生了一系列復雜的問題，所以需要的人才也是復合型的人才。交叉學科教學是教育部提出的深化研究生教育改革的意見，鼓勵多學科交叉培養可以拓寬學術視野，激發創新思維。

國內的國防科技大學，以“微機電系統分析與設計”課程為例，分析了交叉學科研究生課程的特點，并從基礎知識教學、專題研討和實踐能力等進行了教學方法的探索與實踐。①南京航空航天大學開展了交叉學科課程教學方法的研究，積極引導研究生探索和主動學習，促進其思維發散。②美國政府頒布了新修訂的學科目錄，交叉學科的數量從1985年的9個增至2000年的21個，反映出美國增設交叉學科專業，加大學科交叉人才培養力度的趨勢。③

機器視覺是一門多學科交叉的課程，涉及到應用數學、光學、圖像處理等相關內容。這門課程中的數學應用頗多，并且涉及到的算法抽象，概念較多，學習后并不具備實際的應用能力。由于大多數應用數學的算法可以以圖像處理的形式表現出來，為此，研究了一種基于機器視覺設備的計算機應用數學基礎試驗教學方法，將枯燥的數學理論與實踐應用結合起來，使得學生可以在理論學習過程中，了解每個數學理論的實際應用效果，應用到研究生的創新實驗中，提升學生的學習興趣和主動性。

1 教學課件的主要構成

該系統教學課件是根據作者前期國家自然科學基金研究成果和多年教學經驗總結的軟硬件結合的系統，④軟件主要包括：數學基礎課件模塊，曲線繪圖構件，程序開發環境。硬件主要包括：計算機、圖像采集與光源，運動控制機構。

1.1 硬件系統組成

1.1.1 工業攝像機和投射光源

為了進行更好的圖像采集，系統采用了畸變率較小的工業攝像機和工業鏡頭。工業攝像機采用千兆以太網技術，通過TCP/IP 技術完成圖像的傳輸和采集。 攝像機的驅動開發成可以直接使用的課件模塊，可以直接進行數字圖像采集。以雙目攝像機為中心建立了一個世界坐標系，坐標系的參數已經經過系統自動標定。

數字圖像采用1280？024 pixel的分辨率，在這種分辨率下，圖像可以將比較復雜的函數離散化表示出來。

投影光源采用DLP技術的LED投影光源，該光源可以通過程序設計投射出彩色圖像和黑白圖像，投射圖像可以投射出預訂的光強變化函數，如圖1所示。

1.1.2 運動控制系統

運動控制結構包括平移臺和轉臺，主要用于提供坐標的旋轉、平移和坐標變換。系統通過步進電機和脈沖發生控制來完成，上位機通過RS-232與控制器進行連接。

1.2軟件結構

系統的軟件由以下幾個部分構成：

操作系統：Windows操作系統

程序開發環境：VISUAL STUDIO 2008

三維顯示與接口：基于OPENGL開發的三維顯示接口控件。

教學基本課件：自行開發的基本插值方法、向量空間演示、矩陣運算等基本課件。

應用開放接口：圖像處理中的最常用二值化、閾值分割、邊緣提取、特征匹配等，還包括攝像機的自標定、采集、光源投射等。

根據以上軟件的開放接口，利用已經設計好的程序和算法，可完成對圖像的初步處理作業。

2教學課件的搭建

根據搭建的教學平臺可以組成多種教學課件，根據我們常用的實驗方式，完成幾種常用的應用數學課程的教學：

2.1應用機器視覺進行矩陣運算教學

矩陣運算在機器視覺中應用最為廣泛，較為典型的就是攝像機的標定的旋轉平移矩陣，物空間到像空間的變換矩陣和坐標變換矩陣。

在矩陣運算中，基本的物空間到像空間旋轉平移矩陣如公式（1）所示：

= + （1）

旋轉矩陣R為一個3？的矩陣，平移矩陣T為3？的向量，通過對簡單的旋轉平移矩陣的計算，驗證坐標轉換關系。利用攝像機的三自由度調節云臺，在三個方向上給出已知的旋轉角度，求出實際的旋轉平移矩陣。經過這個教學，同學們理解了矩陣運算的應用領域，也對矩陣運算有了深刻的印象。

2.2賦范線性空間的教學

應用數學基礎教學中最為枯燥的就是賦范線性空間，而圖像處理和三維點陣的處理可以為賦范線性空間提供一個非常好的實例。

如圖2所示，由教師在機器視覺系統中給出一個含有帶有空間坐標信息的三維點陣，這個三維點陣是實測的一位教師的手指尖的三維點云圖。該點陣的每一個點都帶有的三維坐標以及灰度信息。另外，三維點陣還存在一些測量的噪聲，一些較小的孤立點集。

這個教學課件主要通過學習如何去除點云的噪聲來學習賦范線性空間。教師首先通過設計好的軟件來顯示距離、范數、度量、開集、收斂等一系列概念，由同學們根據點云之間的性質，判斷出開集、閉集，從而通過編寫程序判斷出噪聲點和孤立點群并加以去除，理解有界賦范線性空間等概念。

3 結論

通過機器視覺這門課程的教學，很好的將應用數學基礎中枯燥的概念轉換為生動的實例，并具有較強的程序實現性。較之傳統的學習方法，提高了學生的興趣。此教學方法理論與實踐相結合，是響應國家“卓越計劃”的教學改革新方法。不但可應用于本科生、研究生的教學過程中，也可應用到教師的科學實驗中。

基金項目：國家自然科學基金《單目高精度大型物體彩色三維數字化測量原理研究》（編號：60808020）和《基于視覺的織物疵點三維檢測和三維識別原理研究》（編號：61078041）

注釋

① 肖定邦，辛華，吳學忠等.交叉學科研究生課程教學的探索與實踐[J].高等教育研究學報，2012.3：115-117.

② 李修建，孔迪，劉菊，等.注重學科交叉融合 實現個性化教學[J].學位與研究生教育，2014.5：24-27.

第3篇：機器視覺概念范文

關鍵字：計算機視覺；作物病害診斷；進展；模式識別

中圖分類號：TP311 文獻標識號：A 文章編號：2095-2163（2015）02-

The Research Development of Computer Vision in the Plant Disease Diagnosis

PU Yongxian

（Computer Science Dept .Dehong Teachers'college， Dehong Yunnan 678400， China）

Abstract： according to the statistics， crop yield loss caused by disease in more than 12% on average， disease occurs not only affect the production， also decreased the quality of the product. Research by computer vision technology realizes fast and accurate diagnosis of crop disease， and provides scientific basis for disease prevention and control， which is the urgent demand of agricultural informatization development. Articles on computer vision technology is applied to the crop disease diagnosis has carried on the detailed analysis and research， in order to get these new technologies in the current situation of crop disease diagnosis each link， points out the shortages of computer vision in the diagnosis of crop diseases and research direction. The study on the development of crop disease intelligent detection technology will play an important role.

Key words：Computer Vision； Crop Disease Diagnosis； Progress； Pattern Recognition

0引言

在作物生產中，病害是制約作物質與量的重要因素。病害發生，往往致使作物的使用價值降低，甚至還會導致大面積減產，乃至絕收，造成巨大的經濟損失。因此，在作物生長過程中，病害防治是個關鍵的問題之一。因各種原因植保人員匱乏，而種植戶個體素質差異及受一些主觀人為因素的影響，對作物病害診斷存在主觀性、局限性、模糊性等，不能對作物病害的類型及受害程度做出客觀、定量的分析與判斷，結果要么是藥量不對、要么是藥不對癥，嚴重影響了作物的質與量。

計算機視覺也稱為機器視覺，是研究如何用計算機來模擬和再現人類視覺功能的科學，也被稱為圖像理解和圖像分析，是人工智能領域的一個重要分支。隨著計算機技術、圖像處理和人工智能等學科的發展，以及數碼相機、手機等攝像工具像素的提高，將機器視覺用于作物病害診斷，實現作物病害的無損檢測、快速診斷提供了新的途徑和方法[1]。報道最早的是在1989年穗波信雄等人[2]對采集的缺乏鈣、鐵、鎂營養元素的茨菇葉片圖像進行研究，在RGB模型中，利用直方圖分析了正常和病態的顏色特征。為適應農業信息化的迫切需求，國內外學者對機器視覺用于作物病害診斷進行了研究和實踐，而取得進展主要集中在近10年，涉及的作物有水稻、玉米、小麥、葡萄、黃瓜、甘蔗、蔬菜等病害[3-14]，這些研究針對不同作物，從不同側面為作物病害實現自動化診斷提供了理論和實踐基礎。因機器視覺比人眼能更早發現作物因病蟲危害所表現的顏色、紋理、形狀等細微變化，所以利用這種技術病害病害與人工方式相比，提高了診斷的效率和精準度，為作物保護智能化、變量噴藥等提供了科學依據。

本文綜述和歸納了機器視覺診斷作物病害的主要技術：病害圖像采集、增強處理、病斑分割、特征提取、特征優化、病害識別等各環節的方法及現狀，指出了機器視覺診斷作物病害存在的不足和研究方向。該研究對實現作物病害的機器視覺診斷技術的發展將起到重要的推動作用。

1機器視覺識別作物病害的技術路線與進展

作物病害因其病原物種類不同會產生形狀、顏色、紋理等不同的病斑，通常專業植保技術人員就是根據這些特征判斷病害的。機器視覺診斷作物病害是通過無損采集病害圖像，利用圖像處理技術對圖像增強處理、分割病斑，提取病斑特征、優化特征，用模式識別技術診斷病害類別及危害程度，從而為病害的防治提供科學依據。圖1為機器視覺診斷作物病害的技術路線圖。

圖1機器視覺識別作物病害技術路線圖

Fig 1 Technology roadmap of machine vision recognition crop diseases

1.1病害圖像采集與增強處理

（1）病害圖像采集方法。圖像采集是病害識別的第一步，采集的質量會直接影響識別結果。常用采集設備有數碼攝像機、掃描儀、數碼相機、手機等。其中，數碼相機便于攜帶，能滿足圖像清晰度要求，符合野外作業等特點，因此病害圖像采集中用得較多。依據采集環境氛圍分為室內采集和室外（田間）采集兩種。室內采集是將田間采摘到的病害標本經密封保濕后使用CCD攝像機或數碼相機在室內攝取病害的標本圖像。在田間采集圖像中，有學者為了采集到高質量的圖像，采取了一系列措施以減少外界因素的影響。如陳佳娟[5]采用便攜式掃描儀采集圖像，以減少自然光照對圖像質量的影響。徐貴力等人[6]設計了活體采光箱，使照射光變成反射光，從而避免了陰影，以減少誤差。這種規范圖像采集方式雖簡化了后期圖像處理和識別的難度，但基層生產單位可能缺乏配套的技術設備，且會使病害識別過度依賴圖像。為擴展應用范圍和通用性，有學者對在田間自然光照射下直接獲取的病害圖像，用圖像處理和模式識別技術診斷病害進行了研究，如李宗儒[7]用手機拍攝了蘋果的圓斑病、花葉病等5種病害圖像，對病害圖像增強處理、分割病斑，提取病斑特征，用BP神經網絡識別病害，獲得了較好效果。姜武[8]用Canon EOS 50D相機在陽光充足的早晨拍攝山茶葉片圖像，進行顏色分形和RGB強度值提取，用支持向量機對山茶分類識別，取得了較好效果。

（2）圖像增強方法。在采集圖像過程中，因受設備、環境等因素影響，往往使采集到的圖像含有噪聲，若不對其增強處理會影響到病害的正確識別率。病害圖像增強是為病斑分割，特征提取做準備，所以應確保在去除噪聲的同時，保證病斑邊緣不模糊。圖像增強處理根據其處理的空間不同，分為空域法和頻域法。空域法是對圖像本身直接進行濾波操作，而頻域法是對圖像進行轉化，將其轉化到頻率域中去噪處理，之后再還原到圖像的空間域。圖像增強處理常用方法有：直方圖均衡化、對比度增強、均值濾波、中值濾波、高斯濾波、銳化等。王靜[9]利用數碼相機采集了赤星病與野火病兩種病害圖像80幅，采用灰度圖像直方圖均衡化及中值濾波兩種方法對圖像增強處理，實驗表明，中值濾波去噪效果最好，在保留圖像病斑邊緣信息的同時，使病斑輪廓與細節更加清晰，便于后期病斑分割及特征提取。劉芝京[10]采集黃瓜早、中、晚期的角斑病病害圖像，分別用均值濾波、中值濾波、高斯濾波等對圖像處理，實驗表明這些去噪方法中，高斯濾波效果最好。

1.2病斑特征獲取

（1）病斑分割

計算機視覺主要是依據病斑的特征信息診斷病害類別及危害程度的。因此，彩色病斑的準確分割，是后期提取病斑特征，病害類別的客觀、準確診斷的關鍵環節之一。當前針對作物病害圖像分割算法有閾值分割、空間聚類、區域分割、邊緣檢測分割、計算智能方法等。由于作物病害圖像存在背景復雜、病斑區域排列無序、顏色、紋理分布不均、病斑邊界模糊、葉片表面紋理噪聲等干擾，因此尚無一種魯棒性好，且簡單適用的通用方法，也還沒有一種判斷分割是否成功的客觀標準。近年來學者們對作物病害圖像的分割進行了大量研究，試圖尋找一種更具潛力的分割算法，以期獲得更完美，通用的分割方法。趙進輝等人[11]分析了甘蔗病害圖像的顏色與形狀特征，采用面積閾值及鏈碼分割赤腐病和環斑病病斑，收到了較好的效果。管澤鑫等人[12]提取水稻病斑與斑點外輪廓顏色，用最大類間方差法（Otsu[13]）分割病斑，取得了較好的效果。邵慶等人[14]以小麥條銹病為例，對獲取的小麥病害圖像采用迭代閾值分割和微分邊緣檢測分割病斑。溫長吉等人[15].用改進蜂群算法優化神經網絡實現玉米病害圖像分割。祁廣云等[16]采用改進的遺傳算法及BP神經網絡對大豆葉片病斑分割，能有效提取病斑區域。毛罕平等人[17-18]利用模糊C均值聚類對棉花、玉米病害圖像的病斑進行分割。張飛云[19]采用K-means硬聚類算法對玉米葉部病害圖像分割，得到彩色病斑。張芳、仁玉剛[20-21]用采分水嶺算法分割黃瓜病害圖像，正確率均在90%以上。劉立波[22]對水稻葉部病害圖像的分割進行研究，結果證明，模糊C均值聚類法的分割效果較好，但速度欠佳，Otsu法分割效果略差，但速度較快。濮永仙[23]利用支持向量機檢測煙草病斑邊緣，以分割彩色病斑。石鳳梅等人[24]利用支持向量機分割水稻稻瘟病彩色圖像病斑，其分割效果優于Otsu法。

（2）病斑特征提取

計算機視覺識別作物病害用到的特征主要有顏色、紋理、形狀等特征。顏色是區分病害類別的重要特征，有RGB、HSI、Lab、YUV等7種顏色空間模型，可得到顏色特征值和顏色特征差異，而模型的選擇會影響到病害識別效果。紋理是指圖像中反復出現的局部模式及排列規則。作物病害圖像正常與病變部分的紋理在粗細、走向上有較大差異。紋理特征有基于灰度直方圖的統計測度，基于灰度共生矩陣的紋理特征和基于游程的紋理描述特征。提取紋理特征的方法有分形維數、小波變換、Gabor小波變換、局域二值模式，以及Gabor分塊局域二值模式方法等。形狀常與目標聯系在一起，形狀特征可以看作是比顏色和紋理更高層的特征，它能直觀描述目標和背景之間的區別，不同病害的病斑在尺寸大小、似圓性、長短軸等方面有不同特性，對旋轉、平移有很強的穩定性。提取病斑形狀特征的方法有弗里曼鏈碼法，傅里葉描述子，多尺度曲率空間方法等。王美麗等人[25] 在HSV顏色空間提取小麥白粉病和銹病病害圖像的顏色和形狀特征，對病害進行識別，識別率達96%以上。蔡清等人[26]對蟲食菜葉圖像處理后，提取其形狀的圓形度、復雜度、球形度等7個特征，用BP神經網絡識別病害。王克如[27]提取玉米病害圖像中紋理特征的能量、熵及慣性矩作為識別病害的特征，實驗得出，以單個特征識別正確識別率達90%，綜合應用三個紋理特征，識別率達100%。田有文等人[28]提取葡萄葉部病斑的顏色、紋理、形狀特征，用支持向量機識別，實驗表明，綜合應用三種特征的識別率比只用單一特征的識別高。李旺[29]以黃瓜葉部3種常見病害圖像為研究對象，提取病斑顏色、紋理和形態特征總共14個特征，用支持向量機識別，實驗表明，分別以顏色、紋理、形狀特征識別，識別率分別為72.23%、90.70%、90.24%，綜合3種特征識別率為96.00%。

（3）特征優化

特征優化是指在特征提取完成后，將特征因子中對識別病害貢獻低的因子丟棄，以確保在降低特征維度的同時，能提高病害的識別率。常用的特征優化方法有：逐步判別法、主成分分析法、遺傳算法等。實踐證明，優化后的特征能更好的表征病害，能在特征減少的情況下提高診斷的正確率。管澤鑫等人[12]提取水稻3種常見病害圖像的形態、顏色、紋理共63個特征，用逐步判別法對特征優化，用貝葉斯判別法識別病害，可使特征數減少到原來的35.2%，而病害準確識別率達97.2%。柴洋等人[30]提取了番茄早疫病、晚疫病等4種葉部病害圖像的顏色、紋理和形狀共18個特征，用逐步判別法優化，最終選取12個特征，用主成分優化后綜合成2個新變量，分別用貝葉斯判別法和用費歇爾判別函數識別病害，均取得了較好的效果。陳麗等人[31]提取了玉米5種葉部病害圖像病斑特征，用遺傳算法優化特征，用概率神經網絡識別病害，識別率為90.4%。彭占武[32]提取了黃瓜6種常見病害圖像的顏色、紋理、形狀特征14個，用遺傳算法優化得到8個特征，用模糊識別模式識別病害，其識別率達93.3%。濮永仙[33]提取了煙草常見病害圖像的顏色、紋理及形態共26個特征，用雙編碼遺傳算法與支持向量機結合優化特征，最后得到16個特征，該方法與沒有采用遺傳算法的支持向量機識別相比，在同等條件下，特征向量減少了38%，正確率提高了6.29%。所謂雙編碼遺傳算法，即二進制編碼和實數編碼結合，支持向量機作為底層分類器，分類精度作為遺傳算法的適應度對個體進行評估，在去除冗余特征的同時為保留的特征賦予權重，如圖2所示。韓瑞珍[34]提取了害蟲的顏色、紋理特征共35個，用蟻群算法對特征優化，將35個特征降低到29個，識別準確率從87.4%提高到89.5%。

圖2雙編碼遺傳算法中的個體

Fig 2 Individual in the double coding genetic algorithm

1.3病害模式識別

模式識別也叫模式分類，指依據輸入的原始數據，判斷其類別并采取相應的行為[35]。病害模式識別的任務是依據特征數據由分類器完成分類的，分類器設計和特征描述共同決定了模式識別系統的性能。用于病害識別的模式可分為統計模式、句法結構模式、模糊模式和機器學習方法四類。其中，統計模式識別是用概率統計原理，獲取滿足某種已知分布的特征向量，然后通過決策函數來分類，不同的決策函數能夠產生不同的分類方法。常見的統計模式識別方法有兩種：一是由Neyman決策和貝葉斯決策等構成的基于似然函數的分類方法，另一種是基于距離函數的分類識別方法。模糊模式識別是基于模糊理論利用模糊信息進行模糊分類的，主要方法有最大隸屬原則識別法、接近原則識別法和模糊聚類分析法三種。機器學習指計算機模擬或者實現人類的某些行為，它的應用已涉及很多領域。目前常用于作物病害識別的機器學習方法有人工神經網絡、支持向量機（SVM）、移動中心超球分類器等。其中，支持向量機分類器是目前機器學習領域的研究熱點之一，它能夠較好地解決小樣本、非線性、高維數的分類問題，且具有良好的推廣和泛化能力。神經網絡是基于經驗風險最小化原則，以訓練誤差最小化為優化目標，而SVM以訓練誤差作為優化問題的約束條件，以置信范圍最小化為優化目標，所以SVM的解具有唯一性，也是全局最優[36]。移動中心超球分類器是近年來新提出的一種分類器，它是一種對參考樣本進行壓縮的方法，可以節省空間，但其識別率不如人工神經網絡高。以下是在作物病害診斷中較成功的幾種識別模式及技術進展。

1.3.1 貝葉斯判斷法

貝葉斯判別法是一種典型的基于統計方法的分類器。它的基本原理是將代表模式的特征向量X分到m個類別（C1，C2，…，Cm）中的某一類。操作步驟為：

（1）設樣本有n個屬性（W1，W2，…Wn），每個樣本可看作是n維空間的一個點X=（x1，x2，…，xn）；

（2）設有m個不同的類（C1，C2，…，Cm），X是一個未知類別的樣本，預測X的類別為后驗概率最大的那個類別；3）用貝葉斯后驗概率公式計算，并進行比較，依據后驗概率可將樣本X歸到Ci類中，當且僅當>，成立。貝葉斯分類器因其結構簡單、易于擴展等特點，被廣泛用于作物病害診斷。楊昕薇等人[37]對3種寒地水稻常見病害圖像處理、提取特征，用貝葉斯判別法識別病害，其識別率達97.5%。趙玉霞等人[38]提取玉米銹病、灰斑病等5種病斑圖像的特征，利用樸素貝葉斯分類器識別，其識別精度在83%以上。柴阿麗等人[39]提取了番茄早疫病、晚疫病等4種葉部病害圖像病斑的顏色、紋理和形狀特征，優化特征后，用貝葉斯判別法識別病害，其識別率達94.71%。

1.3.2 人工神經網絡識別法

神經網絡技術是目前廣泛使用的一種機器學習方法，其研究工作始于19世紀末20世紀初[40]，因具有并行處理、非線性映射、自適應學習、魯棒容錯性等優點，以及采用數據驅動模式，故在模式識別領域得到廣泛應用。人工神經網絡診斷作物病害的基本步驟是：構建神經網絡識別模型，將已提取并優化好的病害圖像特征數據作為分類器的輸入特征矢量對模型訓練，經過訓練后的模型可實現作物病害的分類識別。目前應用于作物病害識別的人工神經網絡主要有：BP神經網絡、概率神經網絡、自組織特征映射網絡，并衍生出模糊神經網絡、量子神經網絡等。BP神經網絡具有較好的自學習性、自適應性、魯棒性和泛化性。概率神經網絡是徑向基網絡的一個重要分支，其分類器是一種有監督的網絡分類器，在識別過程中隨著訓練病害種類的增加[41]，其運算速度會減慢。自組織特征映射網絡分類器是于1981年提出的一種由全連接的神經元陣列組成的自組織自學習網絡[42]，可以直接或間接地完成數據壓縮、概念表示和分類的任務，多項實驗表明它的病害圖像識別率都在90%以上。模糊神經網絡是模糊理論同神經網絡相結合的產物，它匯集了神經網絡與模糊理論的優點，集學習、聯想、識別、信息處理于一體。量子神經網絡是量子計算理論和人工神經網絡結合的產物，并集成了兩者的優點。王軍英[43]以葡萄發病部位、病斑形狀、病斑顏色和主要癥狀為特征，用改進的BP神經網絡識別病害，識別率達95.36%。譚克竹等人[44]用BP神經網絡識別大豆的灰斑病、霜霉病和斑點病的特征與病害的關系，其輕度病害的識別精度為87.19%，中度病害的識別精度為90.31%，重度病害的識別精度為93.13%。魏清鳳等人[45]利用模糊神經網絡診斷模型以診斷蔬菜病害，其病害識別率達85.5%。張飛云[19]提取了玉米灰斑病、銹病和小斑病病害圖像的顏色、紋理、形狀特征，用量子神經網絡進行病害識別，其平均識別率達94.5%。陳麗等人[31]對田間采集的玉米葉部病害圖像，對圖像分割、特征提取，利用概率神經網絡識別病害，其識別率為90.4%，同樣條件下高于BP神經網絡。

1.3.3 支持向量機識別法

支持向量機[46]（Support Vector Machine，簡稱SVM）是Vapnik等人提出的一款新型的機器學習方法。SVM有線性可分和線性不可分兩種情況，采用不同的核函數會有不同的SVM 算法。常用的核函數有：線性核函數、多項式核函數、徑向基核函數、Sigmoid核函數等。SVM在基于數據的機器學習領域，它兼顧訓練誤差和泛化能力，在解決小樣本、非線性、高維數、局部極小值等模式識別問題中表現出許多特有的優勢[47-48]，在基于圖像診斷作物病害領域應用越來越多。宋凱等人[49]提取了玉米葉部病害圖像特征，選擇基于SVM的不同的核函數識別病害，其中徑向基核函數的正確識別率為89.6%，多項式核函數為79.2%，Sigmoid核函數的識別性能最差。劉鵬[50]提取甜柿病害圖像的紋理特征和顏色特征采用SVM識別病害，結果表明，當SVM類型為nu-SVR，核函數為Sigmoid，參數C=26、ξ=24時識別效果最好。田有文等人[51]用支持向量機識別黃瓜病害，實驗表明，SVM方法在處理小樣本問題中具有良好的分類效果，線性核函數和徑向基核函數的SVM分類方法在黃瓜病害的識別方面優于其他類型核函數的SVM。越鮮梅[52]提取了向日葵葉部的葉斑病、黑斑病、霜霉病3種病害圖像的顏色矩、紋理特征共9個特征，采用一對一投票決策的SVM多分類模型識別病害，取得了較好的效果。劉立波[22]提取了水稻常見葉部病害圖像的顏色、紋理、形狀等特征，對特征優化后，分別用最近鄰域、BP神經網絡和SVM方法識別病害，其中識別率最高的是SVM，BP神經網絡居中，最近鄰域法最差，BP神經網絡的訓練速度最慢。

2機器視覺識別作物病害存在的問題與進一步研究重點

將計算機視覺用于作物病害診斷，以改變傳統的診斷方式，為種植戶準確診斷病害，以及變量施藥提供了決策支持。目前，計算機視覺診斷作物病害雖然取得了一定的進展，但從研究的深度、應用的范圍和實用化角度看，還存在許多不足，還需進一步深入研究。

2.1機器視覺診斷作物病害存在的問題

筆者查閱了大量文獻，對目前常用的機器視覺識別作物病害的技術進行了研讀，目前機器視覺識別作物病害的技術還不夠成熟，存在以下問題：

（1）在實驗室條件下計算機視覺診斷作物病害正確率高，但應用到田間，難度較大，主要原因是大多研究是在簡單背景下、對少數幾種病害圖像診斷，而對大田復雜背景下診斷多種病害的研究還比較少。

（2）病害圖像分割背景簡單，對于自然狀態和復雜背景下的病害圖像分割有待進一步的研究。

（3）因作物病斑的大小、顏色等圖像特征在不同時期有差異，對于某一發病時期建立的作物病害診斷系統，用于不同發病時期診斷識別率會有所不同。

（4）許多分類算法和分類器都存在各自的優缺點，不能適合所有作物病害識別，沒有統一的評價標準，難以實現各診斷系統之間的客觀比較。

（5）不同研究者使用的病害圖像各不相同，難以比較不同。

（6）機器視覺診斷作物病還是少數專家對某類作物在局部范圍內的研究，很難滿足現實生產的多種作物、不同區域同時診斷的要求。

2.2進一步研究重點

根據以上存在的問題，今后的研究方向和重點為：

（1）機器視覺識別作物病害技術從實驗室向大田擴展時，需綜合考慮所提取的病害圖像特征在復雜背景下的可獲取性、穩定性、可操作性等。

（2）機器視覺診斷作物病害系統應充分考慮不同發病時期，識別特征的變化規律。

（3）研究適合多種作物在復雜背景下實現病斑分割、特征提取等高效的圖像處理算法，在模式識別方面要側重于模糊數學、支持向量機、神經網絡、遺傳算法、組合優化等理論與技術的研究。

（4）建立規范統一的作物病害圖像數據庫，圖像可普遍獲取，建立合理完善的病害分割、特征提取、病害種類識別等系統，以及病害評價標準。

（5）模式識別病害中的算法需進一步發展和優化，建立統一的評判標準，評價方法適合所有的識別算法和各應用領域，采用定量和客觀評價準則，可精確描述算法性能，評判應擺脫人為因素。

參考文獻：

[1]GEORGIEVA K， GEORGIEVA Y， DASKALOV D.Theoretical substantiation of model of system for evaluation a state of vine plants and taking a decision for plant protection activities[J]. Trakia Journal of Sciences （Series Social Sciences），2003，1：30-32.

[2]穗波信雄.圖像處理在植物生長信息提取中的應用[R].日本：農業機械學會關西支部研究會資，1992：63-46.

[3]SASAKI Y ， OKAMOTO T. Automatic diagnosis of plantdisease-recognition between healthy and diseased leaf[J]. Journal of the Japanese Society of Agricultural Machinery，1999，61（2）：119-126.

[4]陳佳娟，紀壽文，李娟，等.采用計算機視覺進行棉花蟲害程度的自動測定[J].農業工程學報，2001，17（2）：157-160.

[5]賈浩.基于計算機視覺的玉米葉部病害識別技術研究[D]. 泰安：山東農業大學，2013.

[6]徐貴力，毛罕平，李萍萍，等.差分百分率直方圖法提取缺素葉片紋理特征[J].農業機械學報，2003，34（2）：76-79.

[7]李宗儒.基于圖像分析的蘋果病害識別技術研究[D].楊凌：西北農林科技大學，2010.

[8]姜武.模式識別技術在山茶屬植物數值分類學和葉綠素含量預測中的應用研究[D]. 金華：浙江師范大學，2013.

[9]王靜.基于圖像處理技術的煙葉病害自動識別研究[D]. 昆明：昆明理工大學，2009.

[10]劉芝京.基于圖像處理的黃瓜細菌性角斑病的識別研究[D]. 成都：西華大學.2012.

[11]趙進輝，羅錫文，周志艷.基于顏色與形狀特征的甘蔗病害圖像分割方法[J].農業機械學報，2008，39（9）.

[12]管澤鑫，唐健，楊保軍，等.基于圖像的水稻病害識別方法研究[J].中國水稻科學，2010，24（5）：497～502.

[13]OTSU N A. Threshold selection method from gray-level histo-gram[J]. IEEE Trans Syst Man Cybenet， 1979， 15： 652-655.

[14]邵慶，張楠，路陽.小麥病害圖像識別處理及形狀特征提取研究[J].農機化研究，2013，35（8）：35-37.

[15]溫長吉，王生生，于合龍，等.基于改進蜂群算法優化神經網絡的玉米病害圖像分割[J].農業工程學報，2013，29（13）：142-147.

[16]祁廣云，馬曉丹，關海鷗.采用改進的遺傳算法提取大豆葉片病斑圖像[J].農業工程學報.2009，25（5）.

[17]毛罕平，張艷誠，胡波.基于模糊C均值聚類的作物病害葉片圖像分割方法研究[J].農業工程學報.2008，24.

[18]張柏毅，朱景福，劉勇.基于模糊C-均值聚類的作物葉部病斑圖像分割[J].智能計算機與應用.2011，3（10）.

[19]張云飛.基于量子神經網絡和組合特征參數的玉米葉部病害識別[J].南方農業學報，2013，44（8）：1286-1290.

[20]張芳.復雜背景下黃瓜葉部病害識別方法研究[D]. 沈陽：沈陽農業大學，2014.

[21]任玉剛，張建，李淼，等.基于分水嶺算法的作物病害葉片圖像分割方法[J].計算機應用，2012，32（3）：752-755.

[22]劉立波.基于圖像的水稻葉部病害診斷技術研究[D]. 北京：中國農業科學院，2010.

[23]濮永仙.基于支持向量機與多特征選擇的作物彩色病斑邊緣檢測[J].計算機應用系統，2014，9（23）：118-123.

[24]石鳳梅，趙開才，孟慶林，等.基于支持向量機的水稻稻瘟病圖像分割研究[J].東北農業大學學報，44（2）：128-135.

[25]王美麗，牛曉靜，張宏鳴，等.小麥葉部常見病害特征提取及識別技術研究[J].計算機工程與應用， 2014，50（7）：154-157.

[26]蔡清，何東健.基于圖像分析的蔬菜食葉害蟲識別技術[J].計算機應用， 2010，7（30）：1870-1872.

[27]王克如.基于圖像識別的作物病蟲草害診斷研究[D]. 北京：中國農業科學院，2005.

[28]田有文，李天來，李成華，等.基于支持向量機的葡萄病害圖像識別方法[J].農業工程學報，2007，23（6）：175-179.

[29]李旺.基于圖像處理的黃瓜葉部病害識別研究[D]. 長沙：湖南農業大學，2013.

[30]柴洋，王向東.基于圖像處理的溫室大棚中番茄的病害識別[J].模式識別與仿真，2013，32（9）：83-88.

[31]陳麗，王蘭英.概率神經網絡在玉米葉部病害識別中的應用[J].農機化研究，2011，（6）：145-148.

[32]彭占武.基于圖像處理和模式識別技術的黃瓜病害識別研究[D].長春：吉林農業大學，2007.

[33]濮永仙，余翠蘭.基于雙編碼遺傳算法的支持向量機作物病害圖像識別方法[J].貴州農業科學，2013，7（41）187-191.

[34]韓瑞珍.基于機器視覺的農田害蟲快速槍測與識別研究[D].杭州：浙江大學，2014.

[35]邊肇祺，張學工.模式識別[M].北京：清華大學出版社，2002：284-304.

[36]奉國和.基于聚類的大樣本支持向量研究[J].計算機科學，2006，33（4）：145-147.

[37]楊昕薇，譚峰.基于貝葉斯分類器的水稻病害識別處理的研究[J].黑龍江八一農墾大學學報，2012，24（3）：64-67.

[38]趙玉霞，王克如，白中英等.基于圖像識別的玉米葉部病害診斷研究[J].中國農業科學 2007，40（4）：698-703

[39]柴阿麗，李寶聚等.基于計算機視覺技術的番茄葉部病害識別[J].園藝學報，2010，37（9）：1423-1430.

[40]Han Jiawei，Kamber M.數據挖掘概念與技術[M].第二版. 范明，孟小峰，譯.北京：機械工業出社，2007：251-306.

[41]賀鵬，黃林.植物葉片特征提取及識別[J].農機化研究，2008（6）：168-170.

[42]楊占華，楊燕.SOM神經網絡算法的研究與進展[J].計算機工程，2006，32（16）：201-228.

[43]王軍英.基于BP神經網絡的葡萄病害診斷系統研究[J].農業信息網，2013，8：30-33.

[44]譚克竹，沈維政.基于BP神經網絡的大豆葉片病害診斷模型的研究[J].控制理論與應用，2013，32（12）：5-7.

[45]魏清鳳，羅長壽，曹承忠，等.基于模糊神經網絡的蔬菜病害診斷模型研究[J].河南農業科學，2013，（9）：4224-4227.

[46]BURGOS-ARTIST X P， RIBERA A， TELLAECHE A， et al. Improving weed pressure assessment using digital images from an experience-based reasoning approach [J]. Computers and Electronics in Agriculture， 2009， 65（2）： 176-185.

[47] BURGES C J C. A tutorial on support vector machines for pattern recognition [J].Data Mining and Knowledge Discovery， 1998， 2（2）：121-169.

[48]Steve R Gunn. Support vector machines for classification and regression [R].Southampton： University of Southampton， 1998：1-28.

[49]宋凱，孫曉艷，紀建偉.基于支持向量機的玉米葉部病害識別[J].農業工程學報，2007，23（1）：155-157.

[50]劉鵬，屠康，徐洪蕊，等.基于支持向量機的甜柿表面病害識別[J].現代食品科技，2011，27（3）：349-353.

[51]田有文，牛妍.支持向量機在黃瓜病害識別中的應用研究[J].農機化研究，2009，（3）：36-38.

[52]越鮮梅.基于圖像識別的向日葵葉部病害診斷技術研究[D].呼和浩特：內蒙古工業大學，2013.

1 項目基金：云南省科學研究基金子課題（2013Y571）。

作者簡介：濮永仙（ 1976-），女，云南騰沖人，碩士，副教授，主要研究方向：機器視覺診斷作物病害，智能農業方面的研究。

？？

？？

第4篇：機器視覺概念范文

美國研究機構Gartner日前《2015新興技術炒作周期報告》（Hype Cycle for Emerging Technologies， 2015）。報告評估了112個領域超過2000項新興技術的市場類型、成熟度和商業價值。跟去年一樣，今年的報告依然以通往數字化企業之路作為報告的主題，不過今年新引入了一個概念：數字化人本主義（Digital Humanism），即人是數字化商業與工作場所的關注焦點。

無人駕駛車和物聯網最熱門

炒作周期又名技術成熟度曲線，是Gartner發明用來對眾多行業發展周期進行預測和判斷的一種手段，它描述了一項技術從誕生到成熟的過程，并將現有各種技術所處的發展階段標注在圖上，為一些行業的發展做出很好的預測。Gartner認為，任何一項技術的發展通常都會經歷上升期、快速發展期、下降期、爬坡期、穩定應用期等幾個階段，技術的成熟度會逐步增加，而受關注程度則會經歷迅速走上巔峰，然后又迅速被遺忘，再到隨著應用推廣而逐步再受關注的變化。

今年最受期望的技術是無人駕駛汽車和物聯網。隨著Google、蘋果等技術巨頭相繼推進自己的無人駕駛汽車計劃，以及眾多汽車廠商將之納入自己的近期路線圖，去年處在巔峰前期的無人駕駛汽車今年被炒作到了頂峰。類似的，在層出不窮的智能家居解決方案的推動下，物聯網技術也進入到了炒作的高峰。

企業數字化之路

Gartner認為，企業走向數字化之路一般要經歷6個階段：模擬、Web、電子商務、數字化營銷、數字化企業以及自治。其中新興技術主要集中在后三個階段。

數字化營銷（Digital Marketing）階段強調力量的連結（移動、社交、云、信息），聚焦于以新的更復雜的方式抵達消費者。今年值得關注的技術包括手勢控制、混合云計算、物聯網、機器學習、理解人（People-Literate）的技術、語音翻譯。

數字化企業（Digital Business）階段的焦點將轉移到人、企業與事物的融合，物聯網以及顯示與虛擬邊界的模糊是該階段的強烈特征。物理資產實現數字化，成為企業價值鏈中與既有數字化內容如系統、應用等并列的內容。值得關注的技術包括3D生物打印、人類技能增強、情感計算、增強現實、生物聲學感應、生物芯片、腦機接口、居民數據科學、數字家庭一體化、加密貨幣與交換、數字安全、智能機器人、智能顧問、手勢控制、物聯網、機器學習、微數據中心、自然語言問答、量子計算、軟件定義安全、虛擬現實、可穿戴技術等。

自治（Autonomous）階段是后關系時代的最高級階段。該階段的企業將利用技術提供類人或替代人類的能力。使用無人駕駛汽車運送人或物品，使用認知系統答復郵件、顧客問題，都是這一階段的典型案例。值得關注的技術包括自動汽車、生物聲學感應、腦機接口、人類技能增強、機器學習、理解人技術、量子計算、智能顧問、智能微塵、智能機器人、虛擬個人助理、虛擬現實、全息顯示等。

資本市場的關注方向

Gartner炒作周期展示了各創新技術的行業認知和發展趨勢，也為一級和二級市場的投資方向和階段指出道路。

技術周期逐漸在縮短，相對于2014年，2015年炒作周期幻滅期和爬坡期的技術數量大幅減少。在過去的一年，不僅是A股市場對于TMT產業尤其是電子產業的迷茫期，也是全球對于TMT行業走向的重新思考，如機器間通訊、移動健康監測、NFC已經快速實現，從幻滅期中消除。3D掃描技術也不再屬于爬坡期。技術研究進步速度越來越快，導致技術周期也逐漸在縮短，證實證偽也可能在一年內發生。

第5篇：機器視覺概念范文

關鍵詞:視覺概念 圖像集 檢測技術

中圖分類號:TP391.41 文獻標識碼:A 文章編號:1672-3791(2012)07(b)-0027-01

近年來,隨著圖像檢索技術的快速發展,圖像視覺內容信息作為一種直觀形象、完整復現場景的信息表達形式產生著越來越重要的影響,可以說機器視覺的應用范圍幾乎涵蓋了國民經濟的各個行業,主要包括:工業、農業、醫藥、軍事、航天、氣象、天文、公安等。

面對如此大規模的圖像視覺內容信息量,如何實現合理有效地組織、表達及搜索,已成為現階段信息檢索領域研究的熱點問題。視覺概念檢測技術是一種對大量圖像進行自動檢測、管理及分類的有效方法,它通過合理的算法對獲取的圖像進行檢測、識別、分類,從而達到用機器代替人來做圖像測量和判斷的目的。若要使圖像檢測及分類準確性高,就需要使用高質量的圖像集作為訓練集,來驗證算法的可行性及精確性。

1 理想的圖像測試集應具備的特性[1]

1.1 圖像集應在圖像檢索領域具有代表性及整體性

過去,研究人員使用的圖像集常常是分散的,甚至可能自己的私人圖像收藏,這樣的測試集難免會具有片面性,理想情況是測試集包含許多不同的樣本點,能夠涵蓋圖像源的整個頻譜,圖像足夠多到能夠代表整個領域。

1.2 圖像集應具備標準化的測試基準,以便執行客觀的評價

在目前的文獻中,經常發生不同的研究人員在同一個圖像集下執行不同的性能測試,這就使得無法執行比較基準。標準化的測試基準應該至少包括典型的搜索概念、統一的圖像信息,以及統一的績效測量和報告的詳細指引。

1.3 圖像集應該便于用戶訪問及使用,而不必擔心版權等問題

有些圖像集,如MPEG7測試集,被科學界使用已經有一些年了,但是現在卻基本找不到,并且也不能隨意的了。對使用者來說,能夠容易的訪問并且在需要的時候可以再發表是必不可少的。

2 MIR FLICKR圖像集[2]

在基于內容的圖像檢索里,MIR Flickr提供的圖像集是一個被廣泛應用,且評價較高的測試集。2008年,圖像集包含25000個圖像,到2010年,圖像集已經擴展到了1百萬個圖像,這些圖像具有很高的品質,且在相應領域上具有代表性和較高的關注度。如果僅是用于研究目的的話,用戶可以自由使用這些圖片而無需顧慮版權的問題。

Flickr還為用戶提供基于圖像標記的搜索和共享照片,以及兩種形式的圖像標簽:圖像的原始形式和由FLICKR清理了原始數據的處理形式,這個過程包括例如消除大寫,空間,和各種各樣的特殊字符等,每幅圖像的標簽的平均數為8.94。這些標簽有的是明確描述圖像的,能直接關系到圖像的視覺內容,例如雪地、日落、建筑物、聚會等,有的標簽表述的是一些抽象的概念,例如愛情、旅行、陳舊、可愛等。

此外,圖像集還提供了圖像的EXIF(可交換圖像文件格式)元數據,并將其轉換成易于訪問的文本文件。EXIF元數據代表的數碼相機在拍照時的屬性和設置,包括相機的品牌、相機的設置參數(曝光,光圈,焦距,ISO感光度等)和圖像的設置(方向,分辨率,日期等),Flickr從圖像中分離出來EXIF元數據,而不再是嵌入在圖像文件的信息。最近的一些文獻已經研究了這些用于圖像分類和檢索的元數據的有用性,如文獻[3],[4]中所示,通過考慮一個圖片中所帶有的元數據信息,可以使圖像檢測性能有明顯的改善。

利用圖像集對檢測算法進行訓練之后,使用者可以得出算法的準確性及可行性,達到對圖像進行分類及檢測的目的。

3 結語

從目前的調查來看,在世界范圍內,雖然許多機構提供了相對成熟的圖像集,但還沒有發現哪個是完全滿足理想圖像集的特性的,希望通過圖像提供者的無私幫助及組織機構的不懈努力,能夠克服以前測試集的局限性,在圖像質量、代表性、主題、標簽信息等方面有進一步的發展。

參考文獻

[1] The MIR Flickr Retrieval Evaluation.The MIRFLICKR Image Collection[EB/OL].press.liacs.nl/mirflickr,2011.

[2] M.J.Huiskes,M.S.Lew(2008).The MIR Flickr Retrieval Evaluation.ACM International Conference on Multimedia Information Retrieval(MIR''08),Vancouver,Canada.

[3] P.SINHA AND R.JAIN(2008).Classification and annotation of digital photos using optical context data.ACM International Conference on Content-Based Image and Video Retrieval(CIVR 08),Niagara Falls,Canada.309-318.

第6篇：機器視覺概念范文

關鍵詞:四元數小波變換;多分形;紋理分類;機器視覺;紋理圖像

中圖分類號: TP391.4 文獻標志碼:A

Texture classification based on

quaternion wavelet transform and multifractal characteristics

GAO Zhi1*, ZHU Zhihao2, XU Yonghong1, HONG Wenxue1

(

1.Institute of Electrical Engineering, Yanshan University, Qinhuangdao Hebei 066004, China;

2.Qinhuangdao Tianye Tolian Heavy Industry Company Limited, Qinhuangdao Hebei 066004, China

)

Abstract:

The paper incorporated the multifractal analysis method into the idea of Quaternion Wavelet Transform (QWT), which took advantage of the rotationinvariant properties and multifractal properties of texture image, and could make up for the lacks of ability to decompose input image into multiple orientation in texture classification when using wavelet transform. The experiment of texture classification using the images from UIUC shows the method has higher classification accuracy and the average correct classification rate is 96.69%. It proves this texture classification method is reasonable and effective.

Key words:

Quaternion Wavelet Transform (QWT); multifractal; texture classification; machine vision;texture image

0 引言

紋理是多數圖像的基本特性,在機器視覺和模式識別中起著關鍵性的作用[1]。紋理分類包含兩個重要的基本問題：一是如何描述紋理的特征;二是如何在紋理之間定義合適的距離或相似度測量[2]?；谝陨蟽蓚€問題,紋理圖像的特征必須具有旋轉不變性,同時還要在有效的內部空間定義紋理。目前針對紋理分析的特征提取及分類方法有很多。然而,這些方法都僅限于在小鄰域的單一范圍內的空間相互作用分析。因此,這些方法往往只適用于顯微紋理的分析,此外這些方法的單分辨率技術也導致了紋理分析結果并不理想。

近年來,小波變換作為一種多尺度分析工具，被應用于紋理分析[3]、基于小波框架的紋理分類[4]等。 雖然小波變換在紋理分類中已經取得了顯著成果,但小波變換僅僅是把給定圖像分解成0°,45°,135°方向上的水平、對角線和垂直方向上的3個定向平滑子帶。這就限制了小波變換對于旋轉不變紋理圖像的分析[5]。

由于2D實值信號可以用四元數表示,因此相對應的四元數小波尺度函數和小波函數的構造就成為分析2D信號的關鍵。四元數小波變換(Quaternion Wavelet Transform, QWT)理論是四元數理論和小波分析理論相結合產生的,可以為2D圖像提供具體的相位信息。相對于傳統小波變換,QWT具有旋轉不變的特性,并且能對圖像進行局部幅值相位分析。這些都可以彌補小波變換在圖像處理中的一些不足。目前國內外已有將QWT應用到圖像處理上的研究。文獻[6]提出了基于QWT理論的圖像多分辨率視差估計方法。文獻[7]充分利用了QWT的平移不變性、旋轉不變性進行圖像分析及處理。而文獻[8]首次將QWT應用于紋理分類,并證明了其方法的可行性。

分形概念是數學家Mandelbort[9]于20世紀70年代為了表征復雜圖形和復雜過程率先引入自然科學領域的,之后得到了迅速的發展。分形又分為單分形和多分形,對于簡單分形,用一個分形維數就可以描述它的特征。但是對于許多復雜的現象,它們包含了多個尺度與多個層次,每個層次之間具有不同的統計特征。因此,多分形理論就成為研究復雜結構和系統的有力工具。多分形理論研究的對象是局部不規則而整體自相似的結構,這與紋理結構的復雜性和規律性有共同之處。目前已有將多分形理論應用到紋理圖像的分析和分類上的研究,文獻[10]通過實驗表明分形維數可以用來描述紋理模型,并可以作為紋理特征；文獻[11]提出了一種基于分形的自然紋理描述方法；文獻[12]應用多分形特征進行圖像分割。然而應用分形理論進行紋理分析時也有不足,比如盡管有些紋理圖像直觀上存在很大的差異但是它們的分形維數卻是基本相同的。如圖1所示的兩幅紋理圖片,這兩幅圖片顯然存在很大的差異,但是通過計算它們的分形維數(Fractal Dimension， FD)卻很接近。

第7篇：機器視覺概念范文

摘要：介紹了數據融合技術的基本概念和內容，分析了該技術在森林防火、森林蓄積特征的估計和更新、森林資源調查等方面的應用，提出該技術可應用于木材無損檢測及精確林業。融合機器視覺、X射線等單一傳感器技術檢測木材及木制品，可以更準確地實時檢測出木材的各種缺陷；集成GPS、GIS、RS及各種實時傳感器信息，利用智能決策支持系統以及可變量技術，能夠實現基于自然界生物及其賴以生存的環境資源的時空變異性的客觀現實，建立基于信息流融合的精確林業系統。

多傳感器融合系統由于具有較高的可靠性和魯棒性，較寬的時間和空間的觀測范圍，較強的數據可信度和分辨能力，已廣泛應用于軍事、工業、農業、航天、交通管制、機器人、海洋監視和管理、目標跟蹤和慣性導航等領域。筆者在分析數據融合技術概念和內容的基礎上，對該技術在林業工程中的應用及前景進行了綜述。

一、數據融合

1.1概念的提出

1973年，數據融合技術在美國國防部資助開發的聲納信號理解系統中得到了最早的體現。70年代末，在公開的技術文獻中開始出現基于多系統的信息整合意義的融合技術。1984年美國國防部數據融合小組(DFS)定義數據融合為：“對多源的數據和信息進行多方的關聯、相關和綜合處理，以更好地進行定位與估計，并完全能對態勢及帶來的威脅進行實時評估”。

1998年1月，Buchroithner和Wald重新定義了數據融合：“數據融合是一種規范框架，這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數據，以獲得實際需要的信息”。

Wald定義的數據融合的概念原理中，強調以質量作為數據融合的明確目標，這正是很多關于數據融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數據融合后獲得的信息對用戶而言較融合前具有更高的滿意度，如可改善分類精度，獲得更有效、更相關的信息，甚至可更好地用于開發項目的資金、人力資源等。

1.2基本內容

信息融合是生物系統所具備的一個基本功能，人類本能地將各感官獲得的信息與先驗知識進行綜合，對周圍環境和發生的事件做出估計和判斷。當運用各種現代信息處理方法，通過計算機實現這一功能時，就形成了數據融合技術。

數據融合就是充分利用多傳感器資源，通過對這些多傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據某些準則進行組合，以獲得被測對象的一致性解釋或描述。數據融合的內容主要包括：

(1)數據關聯。確定來自多傳感器的數據反映的是否是同源目標。

(2)多傳感器ID/軌跡估計。假設多傳感器的報告反映的是同源目標，對這些數據進行綜合，改進對該目標的估計，或對整個當前或未來情況的估計。

(3)采集管理。給定傳感器環境的一種認識狀態，通過分配多個信息捕獲和處理源，最大限度地發揮其性能，從而使其操作成本降到最低。傳感器的數據融合功能主要包括多傳感器的目標探測、數據關聯、跟蹤與識別、情況評估和預測。

根據融合系統所處理的信息層次，目前常將信息融合系統劃分為3個層次：

(l)數據層融合。直接將各傳感器的原始數據進行關聯后，送入融合中心，完成對被測對象的綜合評價。其優點是保持了盡可能多的原始信號信息，但是該種融合處理的信息量大、速度慢、實時性差，通常只用于數據之間配準精度較高的圖像處理。

(2)特征層融合。從原始數據中提取特征，進行數據關聯和歸一化等處理后，送入融合中心進行分析與綜合，完成對被測對象的綜合評價。這種融合既保留了足夠數量的原始信息，又實現了一定的數據壓縮，有利于實時處理，而且由于在特征提取方面有許多成果可以借鑒，所以特征層融合是目前應用較多的一種技術。但是該技術在復雜環境中的穩健性和系統的容錯性與可靠性有待進一步改善。

(3)決策層融合。首先每一傳感器分別獨立地完成特征提取和決策等任務，然后進行關聯，再送入融合中心處理。這種方法的實質是根據一定的準則和每個決策的可信度做出最優的決策。其優點是數據通訊量小、實時性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時，系統仍能繼續工作，具有良好的容錯性，系統可靠性高，因此是目前信息融合研究的一個熱點。但是這種技術也有不足，如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難，以及知識庫的巨量特性等。

1.3處理模型

美國數據融合工作小組提出的數據融合處理模型，當時僅應用于軍事方面，但該模型對人們理解數據融合的基本概念有重要意義。模型每個模塊的基本功能如下：

數據源。包括傳感器及其相關數據(數據庫和人的先驗知識等)。

源數據預處理。進行數據的預篩選和數據分配，以減輕融合中心的計算負擔，有時需要為融合中心提供最重要的數據。目標評估。融合目標的位置、速度、身份等參數，以達到對這些參數的精確表達。主要包括數據配準、跟蹤和數據關聯、辨識。

態勢評估。根據當前的環境推斷出檢測目標與事件之間的關系，以判斷檢測目標的意圖。威脅評估。結合當前的態勢判斷對方的威脅程度和敵我雙方的攻擊能力等，這一過程應同時考慮當前的政治環境和對敵策略等因素，所以較為困難。

處理過程評估。監視系統的性能，辨識改善性能所需的數據，進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能，如人工操作員的指導和評價、多媒體功能等。

二、多傳感器在林業中的應用

2.1在森林防火中的應用

在用MODIS(ModerateResolutionImagingSpectroradiometer)數據測定森林火點時的20、22、23波段的傳感器輻射值已達飽和狀態，用一般圖像增強處理方法探測燃燒區火點的結果不理想。余啟剛運用數據融合技術，在空間分辨率為1000m的熱輻射通道的數據外加入空間分辨率為250m的可見光通道的數據，較好地進行了不同空間分辨率信息的數據融合，大大提高了對火點位置的判斷準確度。為進一步提高衛星光譜圖像數據分析的準確性與可靠性，利用原有森林防火用的林區紅外探測器網，將其與衛星光譜圖像數據融合，可以使計算機獲得GPS接收機輸出的有關信息通過與RS實現高效互補性融合，從而彌補衛星圖譜不理想的缺失區數據信息，大大提高燃燒區火點信息準確度和敏感性。

2.2森林蓄積特征的估計

HampusHolmstrom等在瑞典南部的試驗區將SPOT-4×S衛星數據和CARABAS-IIVHFSAR傳感器的雷達數據進行了融合，采用KNN(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。

KNN方法就是采用目標樣地鄰近k個(k=10)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛星光譜數據、雷達數據融合技術對試驗區的不同林分的蓄積特征進行估計，并對三種不同的數據方法進行誤差分析。試驗表明，融合后的數據作出的估計比單一的衛星數據或雷達數據的精度高且穩定性好。

2.3用非垂直航空攝像數據融合GIS信息更新調查數據

森林資源調查是掌握森林資源現狀與變化的調查方法，一般以地面調查的方法為主，我國5年復查一次。由于森林資源調查的工作量巨大，且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。

TrevorJDavis等2002年提出采用非垂直的航空攝影數據融合對應的GIS數據信息實現森林調查數據的快速更新，認為對森林資源整體而言，僅某些特殊地區的資源數據需要更新。在直升飛機側面裝上可視的數字攝像裝置，利用GPS對測點進行定位，對特殊地區的攝像進行拍攝，同時與對應的GIS數據進行融合，做出資源變化的估計或影像的修正。

試驗表明，融合后的數據可以同高分辨率矯正圖像相比，該方法花費少，精度高，能充分利用影像的可視性，應用于偏遠、地形復雜、不易操作、成本高的區域，同時可避免遙感圖像受云層遮蓋。

三、數據融合在林業中的應用展望

3.1在木材檢測中的應用

3.1.1木材缺陷及其影響

木材是天然生長的有機體，生長過程中不可避免地有尖削度、彎曲度、節子等生長缺陷，這些缺陷極大地影響了木材及其制品的優良特性，以及木材的使用率、強度、外觀質量，并限制了其應用領域。在傳統木制品生產過程中，主要依靠人的肉眼來識別木材缺陷，而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異，且受木材紋理的影響，識別起來非常困難，勞動強度大，效率低，同時由于熟練程度、標準掌握等人為因素，可能造成較大的誤差。另外在集成材加工中，板材缺陷的非雙面識別嚴重影響了生產線的生產節拍。因此必須開發一種能夠對板材雙面缺陷進行在線識別和自動剔除技術，以解決集成材加工中節子人工識別誤差大、難以實現雙面識別、剔除機械調整時間長等問題。

3.1.2單一傳感器在木材檢測中的應用

對木材及人造板進行無損檢測的方法很多，如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術在木材工業中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等。

隨著計算機視覺技術的發展，人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等，同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢，能夠區分不同紙漿類型，測定木材纖維材料加固結合力，并動態地觀察木材纖維在材料中的結合機理。

新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業化，該軟件利用數碼相機或激光掃描儀采集板材的圖像，自動識別板材節子和缺陷的位置，控制板材的加工。該軟件還具有進行原木三維模型真實再現的計算機視覺識別功能，利用激光掃描儀自動采集原木的三維幾何數據。

美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級，確定各種刨花在板中的比例和刨花的排列方向；日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測，從而可以通過調整定向鋪裝設備優化刨花的排列方向來提高定向刨花板的強度。在制材加工過程中，利用計算機視覺技術在線實時檢測原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時可對鋸材的質量進行分級，實現木材的優化使用；在膠合板的生產過程中，利用計算機視覺技術在線實時檢測單板上的各種缺陷，實現單板的智能和自動剪切，并可測量在剪切過程中的單板破損率，對單板進行分等分級，實現自動化生產過程。Wengert等在綜合了大量的板材分類經驗的基礎上，建立了板材分級分類的計算機視覺專家系統。在國內這方面的研究較少，王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析。

X射線對木材及木質復合材料的性能檢測已得到了廣泛的應用，目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區大小、纖維的化學結構和性質等進行檢測，并對木材內部的各種缺陷進行檢測。

3.1.3數據融合在木材檢測中的應用展望

單一傳感器在木材工業中已得到了一定程度的應用，但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節子，有時會把木板上的臟物或油脂當成節子，造成誤判，有時也會受到木材的種類或粗糙度和濕度的影響，此外，這種技術只能檢測部分表面缺陷，而無法檢測到內部缺陷；超聲、微波、核磁共振和X射線技術均能測量密度及內部特征，但是它們不能測定木材的顏色和瑕疵，因為這些缺陷的密度往往同木板相同。因此，一個理想的檢測系統應該集成各種傳感技術，才能準確、可靠地檢測到木材的缺陷。

基于多傳感器(機器視覺及X射線等)數據融合技術的木材及木制品表面缺陷檢測，可以集成多個傳統單項技術，更可靠、準確地實時檢測出木材表面的各種缺陷，為實現木材分級自動化、智能化奠定基礎，同時為集裁除鋸、自動調整、自動裁除節子等為一身的新型視頻識別集成材雙面節子數控自動剔除成套設備提供技術支持。

3.2在精確林業中的應用

美國華盛頓大學研究人員開展了樹形自動分析、林業作業規劃等研究工作；Auburn大學的生物系統工程系和USDA南方林業實驗站與有關公司合作開展用GPS和其他傳感器研究林業機器系統的性能和生產效率。

目前單項的GPS、RS、GIS正從“自動化孤島”形式應用于林業生產向集成技術轉變。林業生產系統作為一個多組分的復雜系統，是由能量流動、物質循環、信息流動所推動的具有一定的結構和功能的復合體，各組分間的關系和結合方式影響系統整體的結構和功能。因此應該在計算機集成系統框架下，有效地融合GPS、GIS、RS等數據，解決這些信息在空間和時間上的質的差異及空間數據類型的多樣性，如地理統計數據、柵格數據、點數據等。利用智能DSS(決策支持系統)以及VRT(可變量技術)等，使林業生產成為一個高效、柔性和開放的體系，從而實現林業生產的標準化、規范化、開放性，建立基于信息流融合的精確林業系統。

南京林業大學提出了“精確林業工程系統”。研究包括精確林業工程系統的領域體系結構、隨時空變化的數據采集處理與融合技術、精確控制林業生產的智能決策支持系統、可變量控制技術等，實現基于自然界生物及其所賴以生存的環境資源的時空變異性的客觀現實，以最小資源投入、最小環境危害和最大產出效益為目標，建立關于林業管理系統戰略思想的精確林業微觀管理系統。

[參考文獻]

[1]高翔，王勇.數據融合技術綜述[J].計算機控制與測量，2002，10(11)：706-709.

[2]龔元明，蕭德云，王俊杰.多傳感器數據融合技術(上)[J].冶金自動化，2002(4)：4-7.

[3]錢永蘭，楊邦杰，雷廷武.數據融合及其在農情遙感監測中的應用與展望[J].農業工程學報，2004，20(4)：286-290.

[4]高德平，黃雪梅.多傳感器和數據融合(一)[J].紅外與激光工程，1999，28(1)：1-4.

第8篇：機器視覺概念范文

點評：阿里巴巴集團CEO張勇表示，數字商業和實體商業充分融合，新零售正在重構一切商業要素，也重構了網商概念。在供應鏈、全渠道、線上線下融合、物流、金融支付等各個領域，今天的網商已經無處不在，成為全球最大的商業群體，也是商業社會進步的積極力量。近期包括華泰證券、東興證券、安信證券、信達證券、國金證券等在內的12家券商累計20份研報看好無人零售主題性投資機會，后市表現值得期待。其中，華泰證券表示，無人零售市場空間巨大，互聯網巨頭加入提升行業趨勢確定性，亞馬遜和阿里將持續推進線上線下融合，其他互聯網巨頭也有望跟進。無人零售作為線上線下融合的場景之一，主題性投資機會凸顯。無人零售實體店相關的機器視覺、傳感器、自動售貨機等硬件供貨商將受益于無人零售未來推廣帶來的增量市場，建議關注大冷股份、遠望谷、匯納科技等。

上－上漲概率

軌道線來看，目前中軌為3196.19，指數未能形成向上的有效突破，但中軌支撐仍在，結論：中軌線未破則行情仍為震蕩性質。

量能上來看，成交量稍有下降，但仍保持在二千億水平。結論：進攻量的標準得到保持，市場活躍度總體尚可。

第9篇：機器視覺概念范文

關鍵詞:雙語教學;智能控制課程;教材選用;教學效率;學習興趣

由于我國高等教育,特別是工科教學過分偏重理論、脫離工程實際、內容比較陳舊;英語語言教學也采用低效的應試教育方式,因而教育部和科技專家都提出了在高校開設雙語專業課程[1],選用英語原版教材,甚至引進外國專家授課的建議。從2008年起,教育部連續3年推出了雙語教學示范課程。

我國現階段開展大學雙語教學非常有意義,有助于學習國外先進的高等教育理念和人才培養理念,使教學內容務實、結合工程實際,適應科學技術的發展[2];也出現一些問題,如效率低,學生掌握慢、興趣降低等[3],教學管理難,教學難度大,很多學校主動愿望不強,一些非頂尖的應用型、教學型高校,一般每專業只選擇1～3門簡單的基礎課程進行雙語教學。

現在,各層次科研、技術人員的工作與國際科學技術的交流、合作越來越密不可分[4]。因此,教師應逐漸加強雙語課程的比例。首先是專業導論課,其次是發展快的新技術課程,太過寬泛的基礎課程反而不是首選,因為專業詞匯少、新概念少。比如對自動化專業,我們的開設選擇順序是:自動化導論、計算機控制、智能控制技術。相反,電路分析、信號與系統并不適宜作為首選。

1雙語教學的問題

目前,智能控制課雙語教學中的問題表現在教與學兩方面:

1) 教師教學難度大、教學效率低。目前的雙語教學主體基本都是國內老師,英語水平有限,交流能力不強。智能控制課需要理解理論,更需要掌握應用技術,內容本身就有一定難度。同時,英語講解慢,課堂傳授的信息量減少,按原來的教學課時無法完成教學任務。表1是雙語教改前采用全雙語教學與未使用雙語教學的普通班教學效果對比。

2) 學生學習興趣低。學生開始學習的興趣還是很高的,但由于英語水平不夠、學習效率低、理解差,會導致很快失去興趣。作為專業選修課,開始選課學生人數還很多,最后堅持下來的人數少。表2是教改前學生選課人數變化對比。

從表中的數據也可以看到,采用雙語教學后,雖然學生的英語水平有提高,但專業學習反而受到影響,教學效果不好,學生意見也很大。

2教學內容和教材選擇

結合學生情況和意見進行分析,我們學校是地方高校,以培養應用型人才為主,學生英語水平比較差。為此,我們在教學內容和雙語比例上進行了改革。

目前,國內還找不到很滿意的雙語教學教材,而直接選用國外教材,難度太大,學習效率低。值得借鑒的是,清華大學出版社的《機器視覺算法與應用》教材[5]直接譯自德語原著,同時雙語對照,雖然占用版面,但學生的學習效果好。

在尚未有好教材的情況下,采用教師自編講義是一個比較好的選擇。自編講義基本采用雙語對照方式,核心概念、新技術內容完全采用國外原版教材內容,同時介紹一些最新技術文獻,供學生自學閱讀,介紹相關計算機軟件英語版的使用。

由于智能控制學科起源于西方,很多基本概念、理論都翻譯自國外文獻,直接使用原文的概念定義、理論解釋、應用舉例,對于更準確地理解概念、掌握基礎理論是很有幫助的。

3英語講授比例掌握

在雙語教學中,英語講授比例一直是困擾雙語教師的問題。過去只強調英語教學,口語、課本幾乎全是英語,教學效率低、學生興趣差,教學效果很不好。結合雙語教學的目的、學生和課程的實際情況,我們提出了“漢語入門、英語加深、雙語互助、師洋根本”的教學思想。不把英語在教學中所占的比例數據作為開設雙語課程教學的一個指標,而是根據需要采用英語教學。具體措施如下:

1) 新概念、新課程入門時先使用中文介紹,使學生有基本概念,能先入門。

2) 再學習英語材料,對關鍵概念、知識進行加深理解和正確理解。

3) 對最新技術和發展快的技術知識,較多地使用英語材料,并側重于閱讀,使學生掌握智能控制技術的核心根本,并能靈活應用。

4) 淡化口語、聽力教學。絕大多數學生以后主要是閱讀英語文字資料,所以雙語教學應以專業教學為核心,英語是教學輔助,學習國際最新的先進技術知識是根本。

4教學方法改革

智能控制課教學內容的專業性很強;相關技術發展很快,不斷有新的研究突破和技術進步;而且該課程的工程應用性很強,是一門技術應用型課程。在雙語教學實踐中,結合課程特點,我們在教學方法上進行了改革。

4.1結合英文原著閱讀

智能控制的基本概念和基本理論是比較復雜的,照本宣科的講解不僅使學生沒有興趣,而且也難以準確理解。在教學中,我通過中文介紹,使學生對基本理論先有一個簡單了解,然后直接選用著名學者的經典原著、代表性的研究論文作為學習材料。西方學者的研究原著、科技論文是深入淺出的,而且結合理論的圖解、實例非常豐富。通過教師講授,專業詞匯學習,學生可以很快看懂、理解這些英語材料,而且對專業基礎知識的理解更準確。

例如,學生對模糊集合、模糊推理等概念的理解不好,我在教學中講授了模糊邏輯創始人扎德教授標志性的研究論文《Fuzzy Sets》[6]。論文中對模糊邏輯的研究背景、思想起源、概念定義、結論推導的翔實介紹,使學生對整個技術的起源、發展都有了了解,對概念理解和知識掌握很有幫助。

為了使教學內容與最新技術成果聯系得更緊密,我們還從IEEE數據庫下載了很多最新研究論文,布置給學生課后閱讀,并進行討論。

4.2知識講授結合工程設計應用

智能控制課是技術應用型課程,要培養學生應用開發智能控制系統的能力。美國Matrix公司的MATLAB軟件有專門的智能控制技術相關軟件工具箱,如模糊邏輯、神經網絡、遺傳算法等,而且有很好的仿真平臺,用戶可以利用該軟件開展設計和仿真實驗。在教學中,我們就是結合MATLAB專業工具箱的智能控制系統開展設計開發和仿真實驗。MATLAB軟件目前還是英文版,對英語專業詞匯的學習有助于學生使用該軟件。

在學習了模糊控制技術后,學生可以使用MATLAB的模糊邏輯工具箱設計水箱液位模糊控制器、倒立擺模糊控制器,而且進行仿真實驗。動態仿真顯示實驗效果、曲線顯示控制數據,使教學形象生動,既提高了學生的學習興趣,又培養了他們的實際工程設計應用能力。

在學習遺傳算法工具箱時,如果不學習專業詞匯,學生根本無法看懂大量的參數設置,更無法使用該工具進行應用開發[7]。圖1是MATLAB的遺傳算法圖形用戶界面,可見參數設置要看懂大量的專業詞匯。

5教學效果

雙語教學改革后,我們在2006級自動化專業同樣開設了雙語班和傳統全中文教學普通班,對表1和2的統計項目重新進行了統計對比,如表3和表4所示。

從表中數據可以看到,經過雙語教學改革后,學生不僅英語能力提高了,而且專業成績大大提高,學習興趣也提高了,教學效果大大改善。

6結語

由于我國在科學技術和高等教育領域與西方國家存在一定差距,因此雙語教學是教育改革的一項很有意義的措施。對雙語教學中的具體問題,還必須結合實際進行教學改革,適當掌握雙語講授比例,注意雙語教學的根本。隨著高等教育的發展,雙語教學水平會不斷提高,教學效果會更好。

參考文獻:

[1] 教育部. 教育部財政部關于實施高等學校本科教學質量與教學改革工程的意見[EB/OL]. [2007-01-22]. edu. cn/gao_deng_781/20070205/t20070205_217843.shtml.

[2] 韓秋. 高校專業課雙語教學的思考[J]. 中國高等教育,2009(19):37-38.

[3] 吳平. 五年來的雙語教學研究綜述[J]. 中國大學教學,2007(1):37-45.

[4] 黃明. 我國高校雙語教學與國外雙語教育之比較[J]. 西南交通大學學報:社會科學版,2006,7(3):49-54.

[5]C. Steger, M. Ulrich, C. Wiedemann. 機器視覺算法與應用[M]. 楊少榮,吳迪靖,段德山,譯. 北京:清華大學出版社,2008:1-21.

[6]L. A. Zadeh. Fuzzy Sets[J]. Information Control,1965,8(3):338-353.

[7] 雷英杰,善文,李續武,等. Matlab遺傳算法工具箱及應用[M]. 西安:西安電子科技大學出版社,2006:160-172.

Reform on Bilingual Teaching of Intelligent Control

LUO Bing, GAN Jun-ying, ZHANG Jian-min

(School of Information Engineering, Wuyi University, Jiangmen 529020, China)