文档库 最新最全的文档下载
当前位置:文档库 › 基于机器视觉的储粮害虫图像模糊检测方法研究_周龙

基于机器视觉的储粮害虫图像模糊检测方法研究_周龙

基于机器视觉的储粮害虫图像模糊检测方法研究_周龙
基于机器视觉的储粮害虫图像模糊检测方法研究_周龙

第22卷第8期 计算机应用与软件

Vo l 122,No 18

2005年8月 Co m puter Applicati o ns and Soft w are Aug 12005

收稿日期:2004-09-14。基金项目:湖北省自然科学基金资助项目(2003ABA053);武汉市青年科技晨光计划资助项目(20035002016_09);湖北省教育厅基金资助项目(2003A001)。周龙,副教授,主研领域:电气控制技术,模式识别,神经网络和灰色理论及应用。

基于机器视觉的储粮害虫图像模糊检测方法研究

周 龙

(武汉工业学院电气与信息工程系 湖北武汉430023)

摘 要 本文阐述了基于机器视觉的储粮害虫检测系统,表明了粮虫图像边缘检测方法是该系统的重要组成部分。提出了一种改进的快速模糊边缘检测方法,计算表明,该方法对粮虫图像边缘检测的效果较好。关键词 机器视觉 边缘检测 储粮害虫 模糊

RESEARCH ON FUZZY DETECTI ON M ETHOD OF PES T p S I MAGE

I N S TORED GRAI N BASED ON M AC H I NE VISI ON

Zhou Long

(De part m e n t of E le c t rical and Infor m a ti on Engineeri ng,W uhan P olytec hn i c Un i versit y,W uhan H ubei430023,Ch i na )

Abstrac t T he detection system o f pests in stored g ra i n based on m ach i ne v isi on is i ntroduced .T he edge de tecti on me t hod of pests i n st o red

g ra i n is mo re i m po rtant part .A i m proved and rap i d f uzzy edge de tecti on m ethod is suggested .T he examp l es sho w t hat the m e t hod can obta i n better edge detec ti on o f pests i n st o red grain .

K eywords M ach i ne v ision Edge de tecti on Pests i n st o red grain Fuzzy

1 概 述

我国是农业大国,粮食产后储藏期间,储粮害虫造成的危害十分严重。并且,近年来储粮害虫的种类和密度呈上升趋势,致使储粮损失更加严重。为了有效防治害虫,就要预测它们的发生趋势、数量、种群动态及潜在危害,而且也要评估各项防治措施和策略所得到的不同预期结果。目前,国内外在检测储粮害虫方面主要有扦样法[1]、诱集法[2]、近红外法[3]、声信号[4,5]和图像识别法[6]等几种方法,随着计算机技术、信息处理、模式识别、智能检测等技术的发展,基于机器视觉的图像识别检测方法得到了快速的发展,成为粮虫智能检测方法的发展方向。基于机器视觉的储粮害虫图像识别检测系统中,机器视觉系统采用CCD 照相机摄取粮仓害虫检测图像,并转化为数字信号,再采用先进的计算机硬件与软件技术,运用数字信号处理技术、计算机图像处理与分析技术、模式识别等技术,结合数学形态学的某些技术手段和专家系统技术,通过对储粮粮虫的图像采集、图像数字转化、性状识别和分析,使计算机能自动提取粮仓害虫的形态性状、智能识别害虫种类,并能对害虫的数量自动计数,从而可以输出数据、发出指令,构成科学保粮专家系统的主要部分。系统结构图如图1

所示。

图1 基于机器视觉的储粮害虫检测系统结构图

与其它粮情测控系统相比,基于机器视觉的在线粮库虫情测报系统最大优点是精确,快速,可靠,更易操作。由图1可知,

在基于机器视觉的储粮害虫图像识别检测系统中,储粮害虫图像边缘检测算法是关键,因为边缘检测算法的正确性直接关系

着特征参数提取的有效性,从而决定着识别与分类的正确性和

系统决策的正确性。

2 常规图像边缘检测算法及模糊边缘检测

方法

边缘是指图像局部亮度变化最显著的部分,边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础,边缘检测常常是图像分析和理解的第一步。边缘检测算法中广泛应用的有R oberts 算子、Sobel 算子、P r itt 算子、Canny 算

子等[7,8]

,这四种算子各有特点,这里不再论述。边缘的模糊性是广泛存在的,因此很多研究者提出了大量的模糊边缘检测算法,其中,国外学者Pa l 和K i ng 提出的模糊边缘算法较有代表性[9],其中心思想是:利用模糊增强技术来增加不同区域之间的对比,从而能够提取出模糊的边缘。其主要的缺点是:计算要涉及变换以及矩阵求逆等较为复杂的运算。另外,在增加了对比的同时,也增强了噪声。

其中文[10]对P a l 和K i ng 提出的方法进行了改进,提出了一种快速模糊边缘检测算法,本文在此基础上,对文中的L c 值作了优化改进,使得边缘检测结果更理想。

以下就是本文所采用的模糊边缘算法的步骤:

(1)采用下式进行归一化处理作为G 变换

L mn =l mn /L -1 L =m ax(l m n )

(1)

第8期周龙:基于机器视觉的储粮害虫图像模糊检测方法研究25

其中l

m n

是图像的原始数据矩阵。

(2)L

c

的初始化及优化

根据需要进行初始化,若需要突出主干边缘信息,则L

c

=

0.85;若需要突出细节边缘信息,则L

c

=0.4;

文[10]中采用0.05的步长通过实验来调节选取合适的

值。这种方法比较费时,这里,我们引入变步长方法,即采用下

式来对其进行调整。

L c =

L

c

+(1+e-k)*a当主干边缘信息不满足时

L

c

-(1-e-k)*a当细节边缘信息不满足时

(2)

上式中a=0.05,k(n+1)=k(n)+1,k(0)=0或1。这样就可以在图像边缘检测效果不理想时,加大步长进行调整,较快地获得理想的结果。

(3)根据下式进行T

r

变换

L c m n =T

r

(L

mn

)=

2(L

m n

)2

1-2(1-L

m n

)2

0[L

mn

[L

c

L

c

[L

m n

[1

(3)

该变换增大了大于L

c 或减小了小于L

c

的L

mn

值。

(4)根据下式进行G-1变换

l c mn =L c

m n

(L-1)(4)

得到经过模糊增强后的图像。

(5)使用/m i n0和/m ax0算子提取图像的边缘,这里图像的边缘矩阵为

E

e dge =[l d

mn

]

M@N

(5)

式中

l d m n =|l c

mn

-m in(l c

ab

)|(a,b)I W(

6)

W是以象元为(a,b

)为中心的3*3

窗口。

本文中的图像边缘检测程序均以M atl ab6

.5为平台来实现。

处理的原图为图2

,采用5种方法的处理结果分别如图3~7所示。

图2原图图3Roberts算子处理结果

图4Sob el算子处理结果图5Pritt算子处理结果

图6C anny算子处理结果图7模糊边缘检测算法处理结果

由此可见,对原始图像的处理中,在常规的四种算子中,按

本文确定的模板计算时Sobe l算子和P ritt算子的处理结果较符

合要求。根据我们多次的计算表明,该变原始粮虫图像样,可以

不改变算法程序,而只需选择不同的模板系数进行处理,也可以

取得较好的边缘处理效果。而采用模糊边缘检测算法,可以得

到较清晰的粮虫边缘特征图像,抗噪的效果较好。

3结论

基于机器视觉的在线粮虫检测系统是粮虫检测的发展趋

势,粮虫图像处理算法是系统的核心部分。经大量实验证明,模

糊边缘检测算法与其它的几类常规算法相比,它可以保留图像

的边缘特征,边缘清晰、视觉效果好,并且可以很方便的与其他

图像处理方法相结合,为后续的图像理解、特征提取以及模式识

别提供良好的基础。

参考文献

[1]W il k i n D.R.,F l eu ra-l L essard F.,The detecti on of i nsects i n grai n u-

s i ng conventi on al sa mp li ngs s pears[C].Proc,5th In t.W kg,C on.f On

S t ored-Product Protecti on,Bordeaux,Fran ce,1990,1445~1450.

[2]姚渭等,/粮虫陷阱检测技术研究及应用0,《中国粮油学会首届学

术年会论文选集(储藏专业卷)[C]》,石家庄,2000,7~16.

[3]C ha mb ers J.,C onve I.A.Van W yk C.B.et a.l,N I R anal ysis for the

detection of i nsect peats i n cerealgrains[C],Proc.In t.Con.f on D i ff use

Spectroscopy,M D USA,1992,96~100.

[4]W ick K.W.,W ebb J.C.,W eaver B.A.et a.l,Sound detection of

s t ored-p roduct i nsects t h at feed i nsede kernels of grai n[J].Econ Ento-

m o,l1988,81:1489~1493.

[5]郭敏、尚志远,/储粮害虫声信号的检测和应用[J]0,《物理学和高

新技术》,2001,30(1):39~42.

[6]徐舫、邱道尹等,/图像识别在粮仓害虫检测方面的应用研究

[J]0,《郑州工程学院学报》,2001,22(1):78~81.

[7]阮秋琦,数字图像处理学,电子工业出版社,2001年.

[8]章毓晋,图像处理和分析,清华大学出版社,1999年.

[9]PalS.K.,K i ng Pa.,On edge d etection of X-ray i m ages us i ng f u zz y set.

I EEE Tran s.Pattern Ana.l,M ach i ne Intel.l,1983,5(1):69~77.

[10]王倩等,/快速模糊边缘检测算法0,《中国图像图形学报》,2001,

6(1):92~95.

(上接第102页)即要作模糊匹配才能提高准确率。这样有时

产生一个现象,即两个略有不同的图形也会被认为是匹配了。

也就是说理论上认为是图形匹配或不匹配,但具体实验时,由于

图像象素离散的原因,情况很复杂。因此还需进一步分析和实

验才能发现其中规律,更好地提高准确率。本算法的速度较快、

停顿时间并不长,另外,注意到凸区域是单值区域的特例,所以

本文改进了文[2]的不足。

参考文献

[1]邬永革等,/一种有效的图像特征抽取和识别的方法[J]0,《计算机

研究与发展》,Vo.l34,No.1,pp.38~421

[2]杨平、林意,/一种三角剖分算法实现图形的匹配[J]0,《计算机应

用与软件》,Vo.l20,No.2,pp.70~711

[3]谢政、陈浩光,/赋权模糊二部图的最佳匹配[J]0,《模糊系统与数

学》,1994,8(1):74~781

[4]章毓晋,图像理解与计算机视觉[M],清华大学出版社,pp1163~

1881

常见重要储粮害虫种三

常见重要储粮害虫41种(三) 21.亚扁粉盗(图21) 英文名:depressed flour beetle 分类地位:鞘翅目(Coleoptera)拟步甲科(Tenebrionidae) 形态特征:体长2.5—3.0毫米,宽0.9—1.0毫米,红褐色,有光泽。头部中纵凹浅,多少明显;颊高于唇基,向后突出,从背方遮盖复眼端部区域;复眼多数情况下小,腹面观,复眼间距为其横径的2.7—4.1倍。前胸背板横宽,两侧略圆至两侧近平行,刻点小而颇密,近两侧的刻点稀,在两侧基半部通常有无刻点小区。鞘翅稍扁平,有刻点行,刻点小而密,行间有一列刻点,部分个体内侧的行间有两行不规则刻点。 生活习性:该种大量生活于树皮下。在仓库内,通常与玉米象等其他害虫生活在一起,取食谷物象虫形成的粮食碎屑,因此常发生于谷物及谷物制品中。此外,也发现于生姜、花生和椰子仁干等货物内。成虫有明显的趋光性。 经济意义:为第二食性害虫,取食储藏的谷物及面粉等。 分布:内蒙古、河北、山东、陕西、河南、江苏、浙江、江西、安徽、湖南、湖北、云南、贵州、四川、广东、广西。 图21亚扁粉盗 22.姬粉盗Palorus ratzeburgi Wissmann(图22) 英文名:small-eyed flour beetle

分类地位:鞘翅目(Coleoptera)拟步甲科(Tenebrionidae) 形态特征:体长2.4—3.0毫米,宽0.9—1.0毫米,褐色至暗褐色,有中等强的光泽。头布中等密的刻点;颊不突出不隆起,与唇基几乎位于同一水平,稍高于触角着生处;复眼小,背面观,复眼长度不大于小盾片的宽度;眶上脊十分突出。前胸背板宽大于长,最宽处位于近端部,有时两侧缘近平行;中区刻点小,刻点间距约为4—5个刻点直径,两侧刻点粗大,刻点间距为1—2个刻点直径。鞘翅有刻点行,行间扁平且有1行刻点。 生活习性:大量生活于树皮下。在粮仓内也普遍发生,取食谷物象虫形成的粮食碎屑,因此多与玉米象、米象生活在一起。 相对湿度在70%以下时,幼虫期随湿度增加而缩短。但当相对湿度70%以上时,大量霉菌滋生,对食物有影响。在25℃及30℃的温度下,幼虫能耐干燥的条件,在相对湿度20%时仍能正常发育,但在相对湿度10%的条件下不能发育。在30℃及相对湿度90%的条件下幼虫也不能完成发育,可能由于霉菌大量滋生之故。 经济意义:为第二食性害虫,取食储藏的谷物及面粉等。 分布:吉林、黑龙江、辽宁、内蒙古、河北、山东、山西、陕西、河南、湖北、湖南、江苏、浙江、福建、江西、四川、广东、广西、贵州、云南。 图22姬粉盗 23.谷象Sitophilus granarius(Linnaeus)(图23) 英文名:granary weevil

常见重要储粮害虫41种(一)

常见重要储粮害虫41种(一) 1.米象Sitophilus oryzae(Linnaeus)(图1) 英文名:rice weevil 分类地位:鞘翅目(Coleoptera)象甲科(Curculionidae)。 形态特征:该种与玉米象极其近缘,外部形态十分相似。 成虫体长2.3~3.5mm。圆筒状,红褐色至暗褐色,背面不发亮或略有光泽。触角8节,第2一7节约等长。前胸背板密布圆形刻点。每鞘翅近基部和近端部各有l个红褐色斑,后翅发达。雄虫阳茎背面均匀隆起,雌虫的“Y"形骨片两侧臂末端钝圆,两侧臂间隔约等于两侧臂宽之和。 生活习性:在世界不同国家和地区一年发生4一12代。在我国省,一年4一5代,第一代和第四代的历期为42 d一52d,第二代和第三代的历期为38 d一40d。成虫于4月中、下旬开始交尾产卵,雌虫每天产卵2一3粒,在适宜条件下雌虫一生产卵多达576粒。幼虫在寄主蛀食为害,经历4龄。在25℃和相对湿度70%的条件下,卵期4 d一6.5d,幼虫期18.4 d一22d,蛹期8.3 d一14d,预蛹期3d,完成一个发育周期需34 d一40d。又据报道,在相对湿度70%的条件下,完成一个发育周期,在30℃下需26d,在21℃下需43d,在18℃下需96d。成虫寿命约7一8个月,最多达2年之久。米象发育的温度围为17℃一34℃,最适温度为26℃一31℃;发育的湿度围为相对湿度45%一100%,最适的相对湿为70%。 经济意义:严重为害各种谷物及种子、谷物加工品,还为害某些豆类、油料、干果和药材等。 分布:、、、、、、、、。 图1米象 1.成虫; 2.雄虫阳茎; 3.雌虫“Y”形骨片;2 3 1

机器视觉与图像处理方法

图像处理及识别技术在机器人路径规划中的一种应用 摘要:目前,随着计算机和通讯技术的发展,在智能机器人系统中,环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分,路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分,这三部分可以并行执行,提高机器人路径规划系统的稳定性和实时性。在感知环节,视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术,研究了图像处理及识别技术在路径规划中是如何应用的,机器人将采集到的环境地图信息发送给计算机终端,计算机对图像进行分析处理与识别,将结果反馈给机器人,并给机器人发送任务信息,机器人根据接收到的信息做出相应的操作。 关键词:图像识别;图像处理;机器人;路径规划 ABSTRACT:At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition,image processing, robot,path planning

储粮害虫及其防治基础知识

储粮害虫及其防治基础知识 2011-09-06 九宫阁阅 4229 转 103 转藏到我的图书馆微信分享: 储粮害虫及其防治基础知识(一)概述 1、储粮害虫:危害储藏粮食及其产品的有害昆虫称为储粮害虫。严格说储粮害虫是在储粮环境中进行繁殖的一类昆虫,还包括螨类、鸟类、啮齿动物及其一些节肢动物。所以豌豆象不能算作储粮害虫。 把捕食、寄生这些害虫的天敌称之益虫或储粮害虫的天敌昆虫。 2、储粮害虫的分类地位: (1)储粮害虫隶属动物界、节肢动物门的昆虫纲。 (2)储粮螨类隶属节肢动物门蛛形纲螨亚纲。 3、储粮害虫的危害:直接损失是粮食质量损失,一般国家粮库粮食损失为0.2%,农户粮食损失为6%~9%。间接损失是使粮食营养、种用品质降低;危害仓库、厂房和包装物;污染粮食,影响健康等。 4、储粮昆虫的生物学:

1、储粮昆虫体躯的一般构造:

(1)甲虫类幼虫的外部形态:头部无复眼,胸部无翅,虫体呈“肉虫”状。常分为无足式(无足型)、弯弓式(蛴螬型)、爬虫式(丙式)。

(2)蛾类幼虫的外部形态:体型单一,多白色,多足型,称“毛虫式”幼虫。 3、螨类的形态:体躯分颚体和躯体两部分。个体微小,体躯分节不明显,无翅,无复眼。以粉螨危害最严重。 (三)保粮方针和储粮害虫防治原则 1、保粮方针:以防为主,综合防治。 2、防治方法:机械防治、习性防治、化学防治、生物防治。 3、防治原则:安全、经济、有效。“安全”是前提,“经济”是要求,“有效”是目的。 4、常用防治方法:(1)“三防”即设立防虫线、防虫帘、防潮门来提高防虫效果。(2)“三低”保粮即低药、低氧、低温。 (四)虫粮等级划分(单位:头/公斤)

机器视觉技术发展现状文献综述

机器视觉技术发展现状 人类认识外界信息的80%来自于视觉,而机器视觉就是用机器代替人眼来做 测量和判断,机器视觉的最终目标就是使计算机像人一样,通过视觉观察和理解 世界,具有自主适应环境的能力。作为一个新兴学科,同时也是一个交叉学科,取“信息”的人工智能系统,其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用,并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究,从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能,再现于人类视觉有关的某些智能行为,从客观事物的图像中提取信息进行处理,并加以理解,最终用于实际检测和控制。机器视觉是一项综合技术,其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等,这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性,要能适应工业现场恶劣的环境,并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性,要求高速度和高精度,且具有非接触性、实时性、自动化和智能 高等优点,有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号,然后通过A/D转换成数字信号传送给专用的图像处理系统,并根据像素分布、亮度和颜色等信息,将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征,如面积、 数量、位置和长度等,进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程:

识别储粮害虫

案例22识别储粮害虫 一、来源 本案例来自粮食仓储、加工等企业的粮情检查环节。 XX维吾尔自治区伊犁市某粮库,在粮食储藏过程中时常有害虫发生。为了掌握粮堆中害虫发生的种类、密度、分布、为害情况等,使单位职工熟练掌握常见储粮害虫的识别方法,确保仓储作业的安全,特组织本单位粮油保管员进行“常见储粮害虫的识别(30种)”专项培训。培训主要内容是常见储粮害虫的识别以及体视显微镜的操作和维护等。 二、背景 1.根据害虫密度检测周期要求,检查并识别储粮害虫,确定虫粮等级,为控制储粮害虫提供依据。 2.粮情检查的内容主要包括温度、湿度、水分、害虫和粮食品质等,储粮害虫的识别是检查害虫中的一个重要环节,以便发现储粮安全隐患,采取有效措施,确保储粮安全。 3.为了解储粮害虫危害与传播、感染情况,掌握储粮害虫在粮堆分布的部位、密度、虫种和虫期,以便采取适当的防治措施,必须定期或不定期地对粮堆、仓库、器材和周围环境等处进行全面细致的检查。 4.有害生物控制应遵循“以防为主,综合防治”的方针,控制措施应符合“安全、卫生、经济、有效”的原则。 5.粮食、油料入仓要求: 已感染害虫的粮食、油料应单独存放,并根据虫粮等级按规定处理;发现粮食与油料中有我国进境植物检疫性病虫或杂草种子,应立即封存并按国家有关规定处理。 三、主要仪器、工具、材料 1.害虫实物标本。

2.体视显微镜。 3.手持放大镜。 4.储粮害虫图谱、检索表。 5.培养皿、玻片、蜡盘、毛笔、解剖针、台灯。 四、工作过程 本项目参照(或执行)国标“GB/T 29890—2013粮油储藏技术规范”。(一)操作(作业)流程 害虫实物→培养皿→放大镜或体视镜→识别害虫→填写记录表 (二)操作步骤 1.用手持放大镜观察害虫 (1)把需要识别的储粮害虫放在培养皿中。 (2)把盛有害虫的培养皿放在光线明亮的地方,底部衬托一张白纸。(3)用手持放大镜观察害虫的体形、体色、体长、光泽等重要鉴别特征。 图LSAL 22-1 用手持放大镜观察害虫 (4)综合上述特征,识别储粮害虫。 (5)把识别的储粮害虫中文名称填写在记录表中。 2.用体视显微镜观察害虫

基于机器视觉的工件识别和定位文献综述

基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备,在现代先进生产制造业中发挥的作用越来越重要,机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出,“机器人技术与信息技术一样,在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一,具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来,但近些年来,工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长,大都在10 年以上,并且可以全天后不间断的保持连续、高效地工作状态,因此被广泛应用于各行各业,主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要,工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多,并且以后还会继续下降,但目前全世界范围的劳动力成本都有所上涨,个别国家和地区劳动力成本又很高,这就给工业机器人的需求提供了广阔的市场空间,工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式,并且在国外,机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向,具有广阔的市场发展前景和强劲生命力,已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家,机器人自动化生产线已经应用到了各行各业,并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN,瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后,发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下,我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展,科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合,涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中,伴随着工业机器人应用范围的扩大和机器人技术的发展,机器人的自动化、智能化和网络化的程度也越来越高,所能实现的功能也越来越多,性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前,工业机器人技术正在向智能机器和智能系统的方向发展,其发展趋势主要为:结构的模块化和可重构化;控制技术的开放化、PC 化和网络化;伺服驱动技术的数字化和分散化;多传感器融合技术的实用化;工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS(柔性加工)加工单元的主要组成部分,它的灵活性和柔性使其成为自动化物流系统中必不可少的设备,主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域,

机器视觉系统与数字图像处理

第2章机器视觉系统与数字图像处理 2.1机器视觉系统 2.1.1机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域,它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科,其能以及应用范围随着工业自动化的发展逐渐完善和推广,其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展,有力地推动了机器视觉的发展。机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体,系统与运动物体的匹配和协调动作尤为重要,所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域,例如机器人、飞行物体导制等,对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。 机器视觉系统通过图像摄取装置将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号。机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成。在生产线上,人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误,但是机器却会不知疲倦地、稳定地进行下去;在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。机器视觉系统就其检测性质和应用范围而言,分为定量和定性检测两大类,每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃,如:印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外,在许多其它方法难以检测的场合,利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作,这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平 机器视觉系统的优点有:1.非接触测量,对于被检测对象不会产生任何损伤,而且提高了系统能够的可靠性;2.较宽的光谱响应范围,例如使用人眼看不见的红外测量,扩展人眼的视觉范围;3.长时间稳定工作,人类难以长时间对同一对象进行观察,而机器视觉系统则可以长时间地作测量、分析和识别任务。机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用,可以说已经深入到我们的生活、生产和

基于机器视觉的产品检测技术研究

基于机器视觉的产品检测技术研究 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统,根据像素分布!亮度和颜色等信息,进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是,广义的机器视觉的概念与计算机视觉没有多大区别,泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别,其特点是: 1、机器视觉是一项综合技术,其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术,光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性,要求能够适应工业生产中恶劣的环境,要有合理的性价比,要有通用的工业接口,能够由普通工作者来操作,有较高的容错能力和安全性,不会破坏工业产品,必须有较强的通用性和可移植性。 3、对机器视觉工程师来说,不仅要具有研究数学理论和编制计算机软件的能力,更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度,因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉,它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看,机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等,高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看,有被动视觉与主动视觉之,又有基于特征的方法与基于模型的方法之分。从总体上来看,也称作计算机视觉。可以说,计算机视觉侧重于学术研究方面,而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向,它的任务是为机器人建立视觉系统,使得机器人能更灵活、更自主地适应所处的环境,以满足诸如航天、军事、工业生产中日益增长的需要(例如,在航天及军事领域对于局部自主性的需要,在柔性生产方式中对于自动定位与装配的需要,在微电子工业中对于显微结构的检测及精密加工的需要等)。机器视觉作为一门工程学科,正如其它工程学科一样,是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题,必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素,折中地处理信噪比、分辨率、精度、计算量等关键问题。 1.3机器视觉的研究现状 机器视觉研究出现于60年代初期,电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能。它作为早期人工智能研究的一部分,由于技术条件的限制,进展缓慢。80年代初,在D·Marr提出的计算视觉理论指导下,机器视觉研究得到了迅速发展,成为

常见重要储粮害虫41种(四)

常见重要储粮害虫41种(四) 31.四点谷蛾 :Tinea tugurialis Meyrick(图31) 分类地位:鳞翅目 (Lepidolptera) 谷蛾科 (Tineidae) 形态特征:体长~,翅展长~,灰褐色。头顶有一簇直丛毛。复眼黑色、无单眼。下梭形,翅端稍尖,翅面淡灰褐色,在外横线中央,有一黑斑点,中横线有一上、下并列的黑斑点,内横线近后缘有一大黑斑点。 生活习性:成虫在温带地区常于3月底至4月初发现。成、幼虫均喜栖息在粮仓墙基、堆垛边角、加工厂副产品库、有地脚粮的提升机底座等处。成虫爬行迅速,老熟幼虫常吐丝缀粉屑群集结茧化蛹越冬。 经济意义:主要以幼虫危害面粉、米糠、地脚粮、淀粉、药材等,是米、粉加工厂常见的储粮害虫。 分布:国内除西藏未发现外,其余省区均有发生。 图31四点谷蛾

32.粉缟螟P yralis farinalis Linnaeus(图32) 形态特征:成虫雄体长8毫米,翅展17毫米,雌体长11毫米,翅展25毫米。复眼黑褐色,表面有灰白色网状纹,具单眼。下唇须发达,伸向前方,喙发达约为下唇须长的4倍。前翅宽大呈三角形,近内横线和外横线处各有一白色波带状带纹,其中内横线的波状带纹中段略向外方凸出,内横线内方外横线为赤褐色,两横线之间为淡黄色,翅脉R3-5共柄,缺1A和3A。后翅淡黑色,也有不明显的白色波带状带纹,翅脉R S在中室外有一小段与S C+R1靠近,M2和M3共柄。 雄外生殖器抱握器呈片状末套形,外侧缘从端部至中段呈倾斜状。抱握器上着生短而稀疏的茸毛。囊形突较短,仅为抱握器长的1/6,爪形突不分裂,额形突出长,端部呈弯钩状,阳茎几乎与抱握器等长,其端部弯而尖。雌交配节横长方形,前棒较后棒长,交配囊长颈瓶形,囊内无交配刺,交配孔至阴道有一段骨化管道。 生活习性:一年发生1-2代,以幼虫在仓库上部木板、梁柱缝隙或地板、砖石、泥土下作强韧薄茧并潜伏其中越冬。越冬虫茧常聚集成团或连绵数尺不易剥落。越冬幼虫至翌春化蛹,成虫在6-10月相继羽化。成虫羽化后24-48小时即开始产卵。卵多产于粮粒或仓库包装品缝隙中,每雌平均产卵250粒。当温度在24-27℃、相对湿度89-100%时,每完成1代需41-45天。幼虫喜生活于高湿环境中以腐败食物为食,并吐丝辍粮粒作巢管居中为害。 经济意义:幼虫主要为害禾谷类、粉类、糠麸、花生仁、干果、

机器视觉简介

机器视觉概述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 【应用领域】 机器视觉广泛应用于各个方面,广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。 【基本构造】 一个典型的工业机器视觉系统包括:光源、镜头、CCD 照相机、图像处理单元(或图像捕获卡)、图像处理软件、监视器、通讯/ 输入输出单元等。系统可再分为、主端电脑(Host Computer)、影像获取卡(Frame Grabber)与影像处理器、影像摄影机、CCTV镜头、显微镜头、照明设备、Halogen光源、LED光源高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。 以上涵盖大部分的机器视觉系统组成部分,在本实验室中机器视觉的主要系统组成为:光源、工控机、工业相机、镜头;其中在进行算法设计时尽量的减少对于光源条件的依赖(实验室的光源性能一般,光照条件良好)。 图1 典型的机器视觉系统

图2 本实验室的机器视觉的主要组成 尽量以本实验室现有的实验条件为主,其他需要的部分按实际要求也可以添加。 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像处理系统对这些信号进行各种运算来抽取目标的特征,如面积、数量、位置、长度,再根据预设的允许度和其他条件输出结果,包括尺寸、角度、个数、合格/ 不合格、有/ 无等,实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块: 1.照明 照明是影响机器视觉系统输入的重要因素,它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,要选择相应的照明装置,以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定,是实用化过程中急需要解决的问题。另一方面,环境光有可能影响图像的质量,所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中,背向照明是被测物放在光源和摄像机之间,它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步。

储粮害虫的防治技术

储粮害虫的防治技术 常见的贮粮害虫有米黑虫、黄粉虫、玉米象、豌豆象、蚕豆象、绿豆象、麦蛾、谷蠧、螨类等。主要防治方法: 一、农业措施 1、密闭防虫。用坛、缸、囤等贮粮的,可用塑料薄膜封口,扎紧并用稀泥密封。密封后, 可利用粮食旺盛的呼吸作用,逐渐将氧气耗尽,造成一种缺氧后低氧状态,抑制害虫的繁殖,从而达到安全贮粮。 2、压盖防虫。主要用于防止蛾类害虫,尤其是麦蛾。将粮食压盖好,使蛾类成虫无法交尾 产卵,不能繁殖出幼虫危害粮食。压盖时间在新收的粮食入仓后立即进行。将晒干的沙子装入麻袋或塑料袋,平整地铺放在粮面上,使压盖严、紧、密、实。也可在平整的粮面上铺一层牛皮纸,纸上均匀压盖10厘米—15厘米的草木灰。 3、花椒防虫。用一个小布袋,内装10—15克新花椒,放入贮粮的坛内,若是用缸、囤贮 粮,可多放几袋,用盖盖好,可有效地防止害虫感染。 4、曝晒杀虫。曝晒是以太阳辐射热作用于虫体,破坏虫体组织和生活机能,使害虫致死。 同时曝晒还具有防潮、防霉的作用。小麦、玉米、豌豆、蚕豆等粮食有害虫可用此法。 选择炎热晴天,将粮置于容易升温的晒场上摊晒。要薄摊勤翻,使粮温上升到48℃左右,并在这种温度下持续翻晒3—4小时,然后将粮食趁热聚堆,以保持堆内高温,即可将害虫晒死或闷死,待粮温下降到接近大气温度时,再除去杂质和死虫,然后入仓。 二、化学措施 用于杀灭贮粮害虫的药剂要经过严格选择,必须具备两个重要条件:一是化学性质较稳定,不易爆炸和燃烧;二是能杀死多种害虫,没有残毒或残毒极微。目前农家使用的贮粮杀虫药剂主要是磷化铝。此药有粉剂和片剂两种。它能吸收空气中的水汽产生磷化氢毒气,对害虫产生高效的毒杀作用。 1、粮面施药法要求粮堆高度在3米以下。具体做法是先测量粮堆体积及仓房空间部位容积, 计算出用药总量。根据每个投药点粉剂不超过200克,片剂不超过300克的要求,计算出投药点。投药点应均匀布置在粮面上。每个投药点要放置不能燃烧的瓦钵、瓷盆等装药器皿。施药完毕后,密闭门窗,熏蒸结束放气后,及时清除药剂残渣。 2、布袋埋藏法主要用于散装粮堆。按每点施药量将药剂装入小布袋内。每袋装片剂30—45 克;装粉剂20—25克。施药由里向外,用投药器把药包投入粮堆或深埋。每个药包拴一根细麻绳,一端留在粮面外,以便熏蒸放气后,按麻绳标志取出药包。 3、气流熏蒸法主要是根据粮堆内气流状态,确定合理的施药部位,以提高药效。该法是用 塑料薄膜密封粮堆,采用低药量熏蒸。当平均粮温高于仓温3℃以上时,应在粮仓或粮堆下层施药;当平均粮温低于仓温3℃以下时,应在粮面施药;新入仓粮食各部位粮温接近,应采用均匀埋藏法,并在仓门及四角增加施药点。

部分储粮害虫高清图

锈赤扁谷盗 成虫特征 体长约2毫米,比长角扁谷盗稍大些。形态特征与长角扁谷盗相似,但有如下主要区别。触角较短,雌、雄两性的触角均为念珠状;前胸背板呈倒梯形,后缘明显地比前缘为短。 形状和长角扁谷盗对比 栖息场地和习性 栖息场地和习性与长角扁角盗相似。 生活周及各发育阶段的形态 锈赤扁谷盗生长繁殖的最适温度为35℃。在温度32℃和相对湿度90%条件下,完成其生活周约需25天。 卵—形态特征和发育情况与长角扁谷盗相似。 幼虫—形态特征和发育情况与长角扁谷盗相似,但腹部末端的臀叉的两臂向内弯曲。幼虫一般要脱皮四次才能老熟,幼虫化蛹前不结茧。 蛹—形态特征和发育情况与长角扁谷盗相似。 成虫—锈赤扁谷盗和长角扁谷盗同属于扁甲科,扁谷盗属,它们的形态特征和生活习性很相似。 谷蠹 体长约3毫米,圆筒形,红褐色至黑褐色,略有光泽。头生在前胸下面,从背面不能看到,也即头被前胸背板所掩盖。前胸背板上方有许多小瘤突。鞘翅长,上有很深的刻点行。 谷蠹成虫背面 谷蠹以成虫越冬,越冬场所是发热的粮堆或仓库木板。第二年4月,越冬的成虫开始活动,一般在7月产生第一代成虫,8、9月产生第二代。此时谷蠹已大量繁殖,危害严重。

谷蠹是我国重要储粮害虫之一,危害各种储藏的粮食。在热带和亚热带地区,由谷蠹所造成的储藏谷物的重量损失要比玉米象或谷象大得多。谷蠹幼虫是蛀食性的,在粮粒内部发育,被害的粮粒被蛀成空洞。谷蠹还有钻蛀木头的习性,喜欢在木板内潜伏、化蛹,对仓库木质结构有严重的破坏。 玉米象 身体长3.0到4.0毫米,圆筒形,赤褐色或黑色,无光泽。翅上有4个颜色较浅的黄色斑点。头部明显伸长成象鼻状。 成虫在谷粒外面生活,以粮粒为食。雌虫产卵时,先在粮粒一端用其“鼻”凿一小孔,然后在孔内产一粒卵。卵孵化为幼虫,即在粮粒内蛀蚀并逐渐蛀入内部。其卵、幼虫、蛹均在一粒粮食中发育,直至变为成虫爬出粮粒。成虫能飞,爬得很快,有假死性。到冬天,成虫爬到粮仓外面,在向阳处的石块、垃圾、树皮等底下越冬。来年春天,在仓外越冬的成虫爬回到仓库,继续危害储藏的粮食。玉米象是重要的第一食性储粮害虫,又叫蛀蚀性储粮害虫,危害稻谷、麦类、高粱、玉米以及油料、薯干、中药材、粮食制品等储藏物,是我国头号储粮害虫。赤拟谷盗 体长约3到5毫米,长椭圆形,颜色较深,褐黑色或锈赤色,稍有光泽。鞘翅上有纵行刻点。 赤拟谷盗成虫背面 成虫能飞,在气温高的环境里更善飞。一年发生4到5代,常以成虫越冬。成虫有假死性。 赤拟谷盗是我国最常见的一种储藏物害虫,危害稻谷、小麦、大麦、大米、小米、面粉、挂面、玉米、高粱、豆类、油料以及中药材、中成药、干果、酒曲等储藏物。以面粉受害最为严重。 锯谷盗 体长2.0-3.5毫米,扁平,棕褐色。胸部两侧各有 6个锯齿,所以又叫锯胸谷盗。锯谷盗是重要第二食性害虫(又叫次食性害虫),喜欢吃破损的谷粒以及谷物碎屑及粉末,往往在玉米象等危害发生后相继发生。可在稻谷,小麦,玉米,高粱,面粉以及仓库缝隙等处发现。 成虫爬得很快,并有向上爬的习性,很少飞翔。由于身体扁平,所以容易钻入仓库缝隙和打包不紧的包装内。成虫可活6个月到3年,锯谷盗对杀虫剂有抗药性,是不易“根除”的储粮害虫之一 咖啡豆象 体长3—4毫米,椭圆形,暗褐色。鞘翅上有成行细而密的刻点,表面密生黄褐色细毛,并形成有规则的圆形花斑。 成虫善飞,能跳,有假死性。咖啡豆象的适应能力较强,产卵较多。随着粮食贸易的增长和调运的频繁,此虫可进行远距离传播。 咖啡豆象不仅危害储藏的玉米、面粉、干果、甘薯片等储藏物品,而且严重加害中药材,是我国中药材的主要害虫。在咖啡产区,它是咖啡豆的主要害虫。据调查,有近50种中药材受到咖啡豆象的危害,其中以麦冬、党参、防风、山药等危害尤为严重,有些甚至把这些中药材蛀蚀一空,而丧失其药用价值。 绿豆象 体长约4毫米,椭圆形。体色不一,有“淡色型”和“暗色型”之分,但数目较多的是背面颜色大部分为褐色的“淡色型”绿豆象。复眼大,凸出。雄虫触角大而明显,为梳子状。

数字图像处理与机器视觉 2015-2016期末试卷参考答案

数字图像处理与机器视觉 2015-2016期末试卷参考答案南昌大学研究生2015,2016年第2学期期末考试试卷 试卷编号: (开)卷课程名称: 数字图像处理与机器视觉适用班级: 2015级硕士研究生姓名: 学号: 专业: 学院: 机电工程学院考试日期: 题号一二三四五六七八九十总分累分人 签名题分 10 15 15 10 20 30 100 得分 考生注意事项:1、本试卷共4页,请查看试卷中是否有缺页或破损。如有请报告以便更换。 2、使用A4答题纸,注意装订线。 一、单项选择题(从下列各题四个备选答案中选出一个正确答案,并将其 代号填在题前的括号内。每小题1分,共10分) ( b )1.图像与灰度直方图间的对应关系是: a.一一对应 b.多对一 c.一对多 d.都不对 ( d )2. 下列算法中属于图象平滑处理的是: a.Hough变换法 b.状态法 c.高通滤波 d. 中值滤波 ( c )3.下列算法中属于图象锐化处理的是: a.局部平均法 b.最均匀平滑法 c.高通滤波 d. 中值滤波 ( d )4. 下列图象边缘增强算子中对噪声最敏感的是: a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( b )5. 下列算法中属于点处理的是: a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )6.下列算子中利用边缘灰度变化的二阶导数特性检测边缘的是:

a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c )7.将灰度图像转换成二值图像的命令为: a.ind2gray b.ind2rgb c.im2bw d.ind2bw ( d )8.数字图像处理的研究内容不包括: a.图像数字化 b.图像增强 c.图像分割 d.数字图像存储 ( d )9.对一幅100?100像元的图象,若每像元用,bit表示其灰度值,经霍夫曼编码后图象的压缩比为2:1,则压缩图象的数据量为: a.2500bit b.20000bit c.5000bit d.40000bit ( b )10.图像灰度方差说明了图像哪一个属性: a.平均灰度 b.图像对比度 c.图像整体亮度 d.图像细节 第 1 页 二、填空题(每空1分,共15分) l. 图像处理中常用的两种邻域是 4-邻域和 8-邻域。 2.图象平滑既可在空间域中进行,也可在频率域中进行。 3.常用的灰度内插法有最近邻元法、双线性内插法和三次内插法。 4. 低通滤波法是使高频成分受到抑制而让低频成分顺利通过,从而实现图像平滑。 5.Prewitt边缘检测算子对应的模板是和。 -1 -1 -1 -1 0 1 0 0 0 -1 0 1 1 1 1 -1 0 1 (不分先后) 6.图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。 7.灰度直方图的纵坐标是该灰度出现的频率。 8.依据图象的保真度,图象编码可分为无失真(无损)编码和有失真(有损)编码两 种。

计算机图像处理与机器视觉复习重点

第一章概述 点运算:在图像处理中,只输入该像素本身的灰度的运算方式。 领域运算:在图像处理中,不仅输入该像素f0本身的灰度,还要以该像素f0为中心的某局部领域(即邻域)中的一些像素的灰度进行运算的方式。 对比度/清晰度:画面黑与白的比值,也就是从黑到白的渐变层次。比值越大,从黑到白的渐变层次就越多,从而色彩表现越丰富。【维基百科,课件上没找到】 第二章图像预处理 一、灰度变换(点运算) 目的:改善图像的灰度对比度或满足图像上灰度的某些特殊要求(问题:灰度偏暗或偏亮;范围不足;局部层次差) 1、灰度范围移动处理 g(i,j)=f(i,j)+d 当d>0时,灰度范围向高端移动,图像变亮; 当d<0时,灰度范围向低端移动,图像变暗; 2、灰度线性变换 (1)整体灰度线性变换 (g a=0,g b=255) (2)局部灰度线性变换 a. 限幅灰度拉伸-局部感兴趣(局部灰度拉伸到最大限度,而无用信息被抑制为黑色 或白色的单一灰度) b. 锯齿形灰度拉伸 将输入图像中不同灰度区间[f1,f2]、[f2,f3]、[f3,f4] 进行同样的灰度拉伸,使各个灰度区间都扩展到 允许的整个灰度范围[g a,g b]。 使输入图像中原来是缓慢变化的灰度,经变换后 在这些区间的f1、f2、f3等分割点的两端灰度发生 了突变。 c. 阈值灰度拉伸-二值图像

3、灰度非线性变化 (1)对数变化 g(i,j)=log[f(i,j)] 变换后的图像中低灰度区的灰度值 得到了拉伸,即对比度增强,而高灰度区 的灰度值被压缩,并且高低灰度区的灰度 过度平滑。 (2)连续函数变化 (3)二次变化 G(x,y)=f(x,y)2,0

(完整版)机器视觉思考题及其答案

什么是机器视觉技术?试论述其基本概念和目的。 答:机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。 机器视觉是用机器代替人眼来完成观测和判断,常用于大批量生产过程汇总的产品质量检测,不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度,从而提高生产效率,并且可以避免人眼视觉检测所带来的偏差和误差。 机器视觉系统一般由哪几部分组成?试详细论述之。 答:机器视觉系统主要包括三大部分:图像获取、图像处理和识别、输出显示或控制。 图像获取:是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。该部分主要包括,照明系统、图像聚焦光学系统、图像敏感元件(主要是CCD和CMOS)采集物体影像。 图像处理和识别:视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后,图像的质量得到提高,既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。 输出显示或控制:主要是将分析结果输出到显示器或控制机构等输出设备。 试论述机器视觉技术的现状和发展前景。 答:。机器视觉技术的现状:机器视觉是近20~30年出现的新技术,由于其固有的柔性好、非接触、快速等特点,在各个领域得到很广泛的应用,如航空航天、工业、军事、民用等等领域。 发展前景:随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高,机器视觉技术越来越成熟,特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务,相信越来越多的客户会选择机器视觉系统代替人力进行工作,既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答:一、在激光焊接中的应用。通过机器视觉系统,实时跟踪焊缝位置,实现实时控制,防止偏离焊缝,造成产品报废。 二、在火车轮对检测中的应用,通过机器视觉系统抓拍轮对图像,找出轮对中有缺陷的轮对,提高检测精度和速度,提高效率。 三、大批量生产过程中的质量检查,通过机器视觉系统,对生产过程中的产品进行质量检查跟踪,提高生产效率和准确度。 什么是傅里叶变换,分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答:傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。 一维连续函数的傅里叶变换为: 一维离散傅里叶变换为: 二维连续函数的傅里叶变换为: 二维离散傅里叶变换为: 图像傅立叶变换的基本概念:傅立叶变换是数字图像处理技术的基础,其通过在时空域和频率域来回切换图像,对图像的信息特征进行提取和分析,简化了计算工作量,被喻为描述图

相关文档
相关文档 最新文档