計(jì)算機(jī)視覺研究?jī)?nèi)容范文

導(dǎo)語(yǔ)：如何才能寫好一篇計(jì)算機(jī)視覺研究?jī)?nèi)容，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

1、引言

隨著經(jīng)濟(jì)的迅猛發(fā)展，汽車的迅速普及，根據(jù)社會(huì)對(duì)汽車產(chǎn)業(yè)的要求，車輛的各方面指標(biāo)都受到人們?cè)絹碓蕉嗟仃P(guān)注，汽車涂裝過程中的瑕疵直接影響汽車的外觀質(zhì)量，因此如何在生產(chǎn)過程中利用計(jì)算機(jī)視覺檢測(cè)技術(shù)檢測(cè)出并及時(shí)修補(bǔ)汽車涂裝過程中產(chǎn)生的瑕疵就成了首要的任務(wù)[1]。本文的研究內(nèi)容是首先了解計(jì)算機(jī)視覺檢測(cè)系統(tǒng)的工作原理，汽車涂裝瑕疵的種類，然后結(jié)合兩者的特點(diǎn)，應(yīng)用計(jì)算機(jī)視覺檢測(cè)系統(tǒng)檢測(cè)汽車涂裝瑕疵。該研究的價(jià)值在于兩方面：①對(duì)于汽車生產(chǎn)的自動(dòng)化和過程自動(dòng)化，計(jì)算機(jī)視覺是現(xiàn)實(shí)真正意義的自動(dòng)的基礎(chǔ)和一種重要的質(zhì)量控制的手段；②對(duì)于汽車涂裝瑕疵的修補(bǔ)可以提高其修補(bǔ)的精度。

2、汽車涂裝瑕疵的計(jì)算機(jī)視覺檢測(cè)系統(tǒng)

汽車涂裝瑕疵檢測(cè)系統(tǒng)主要包括照明系統(tǒng)、圖像采集卡、CCD攝像機(jī)、計(jì)算機(jī)以及軟件處理等幾個(gè)主要部分[2]。綜合計(jì)算機(jī)視覺檢測(cè)系統(tǒng)的構(gòu)成和線結(jié)構(gòu)光測(cè)量的原理，基于計(jì)算機(jī)視覺的汽車涂裝瑕疵的檢測(cè)系統(tǒng)大致是這樣構(gòu)成的：將線結(jié)構(gòu)光投射到被測(cè)物上，所形成的光斑作為傳感信號(hào)，用CCD攝像機(jī)采集光斑圖像，采集到的圖像信號(hào)被傳輸?shù)接?jì)算機(jī)，根據(jù)圖像處理和計(jì)算機(jī)視覺檢測(cè)系統(tǒng)的處理產(chǎn)生處理結(jié)果，返回到涂裝生產(chǎn)線，對(duì)車身的涂裝進(jìn)行修正，從而提高產(chǎn)品質(zhì)量。汽車涂裝瑕疵的視覺檢測(cè)系統(tǒng)如圖1所示[3]。

3、計(jì)算機(jī)視覺檢測(cè)

計(jì)算機(jī)視覺是計(jì)算機(jī)對(duì)圖像進(jìn)行自動(dòng)處理并報(bào)告“圖像中有什么”的過程，也就是說它識(shí)別圖像中的內(nèi)容。圖像中的內(nèi)容往往是某些機(jī)器零件，而處理的目標(biāo)不僅要能對(duì)機(jī)器零件定位，還要能對(duì)其進(jìn)行檢驗(yàn)。計(jì)算機(jī)視覺系統(tǒng)基本原理：機(jī)器視覺系統(tǒng)通常采用CCD相機(jī)攝取圖像，將其轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)硬件與軟件技術(shù)對(duì)圖像數(shù)字信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并在此基礎(chǔ)上實(shí)現(xiàn)模式識(shí)別、坐標(biāo)計(jì)算、灰度分布圖等多種功能。計(jì)算機(jī)視覺系統(tǒng)能夠根據(jù)其檢測(cè)結(jié)果快速地顯示圖像、輸出數(shù)據(jù)、指令，執(zhí)行機(jī)構(gòu)可以配合其完成指令的實(shí)施。計(jì)算機(jī)視覺系統(tǒng)主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個(gè)功能模塊組成[4]。視覺檢測(cè)按其所處理的數(shù)據(jù)類型可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測(cè)。另外，還有X射線檢測(cè)、超聲波檢測(cè)和紅外線檢測(cè)。一個(gè)完整視覺檢測(cè)系統(tǒng)包括：圖像采集、圖像分割、零件識(shí)別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進(jìn)行零件檢測(cè)的AVI系統(tǒng)，具有一定的代表性。一個(gè)典型的AVI系統(tǒng)如圖2所示。

4、汽車涂裝瑕疵的檢測(cè)算法

由于汽車涂膜中一些缺陷的邊界比較模糊，例如：氣泡、爆裂氣泡孔、氣泡針孔、抽縮等等。邊緣處灰度變化很小，直接用傳統(tǒng)的微分邊緣檢測(cè)算法無法有效的檢測(cè)出來。所以對(duì)缺陷模糊邊緣的檢測(cè)成為了算法的關(guān)鍵[6]。本文介紹了基于線結(jié)構(gòu)光的邊緣檢測(cè)方法。汽車涂裝表面被光源投射器發(fā)出的線結(jié)構(gòu)光照射，反射出的圖像被CCD攝像機(jī)所接收傳輸?shù)接?jì)算機(jī)視覺檢測(cè)系統(tǒng)中。若涂裝表面沒有瑕疵，則產(chǎn)生圖3的圖像。若涂裝表面有瑕疵，則產(chǎn)生圖4的圖像[7]。

篇2

關(guān)鍵詞：動(dòng)態(tài)場(chǎng)景；自適應(yīng)預(yù)測(cè)；多特征融合；計(jì)算機(jī)視覺；運(yùn)動(dòng)目標(biāo)

接受信息的關(guān)鍵手段之一就是視覺系統(tǒng)，隨著科學(xué)技術(shù)水平的不斷發(fā)展，以及計(jì)算機(jī)和信號(hào)處理理論的誕生，讓機(jī)器擁有人類視覺功能已經(jīng)不再是夢(mèng)。對(duì)所采集視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤、檢測(cè)，并對(duì)其目標(biāo)行為進(jìn)行分析，就是運(yùn)動(dòng)目標(biāo)分析的內(nèi)容，運(yùn)動(dòng)目標(biāo)分析是計(jì)算機(jī)視覺領(lǐng)域關(guān)鍵內(nèi)容之一，其屬于圖像理解與圖像分析的范疇。而在運(yùn)動(dòng)目標(biāo)分析系統(tǒng)中，跟蹤與檢測(cè)運(yùn)動(dòng)目標(biāo)則為中級(jí)和低級(jí)處理部分，是分析與理解行為的高等層分析模塊的基礎(chǔ)。檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)技術(shù)主要包括了：機(jī)器人視覺導(dǎo)航、軍事領(lǐng)域、運(yùn)動(dòng)圖像編碼、交通管制、視覺監(jiān)視等。

1目標(biāo)檢測(cè)算法

連續(xù)圖像序列由視頻中提取出，由前景區(qū)域與背景區(qū)域共同組成了整個(gè)畫面。前景區(qū)域包含了如運(yùn)動(dòng)的人體、車輛等動(dòng)態(tài)要素，它是指人們較為感興趣的區(qū)域。而背景區(qū)域主要包含例如樹木、建筑物等靜態(tài)要素，它的像素值僅發(fā)生微弱變化或者不產(chǎn)生變化。在連續(xù)圖像序列中，采用一系列算法分隔開背景區(qū)域和前景區(qū)域，將運(yùn)動(dòng)目標(biāo)信息有效提取，則為運(yùn)動(dòng)目標(biāo)檢測(cè)。以靜態(tài)場(chǎng)景為基礎(chǔ)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法包括了光流法、背景差分法、幀間查分法等，文章主要針對(duì)背景差分法進(jìn)行介紹。

背景差分法通常適用于靜態(tài)場(chǎng)景，其是將背景圖像與當(dāng)前幀圖像進(jìn)行差分，運(yùn)動(dòng)目標(biāo)依靠閥值化進(jìn)行檢測(cè)，因?yàn)樵撍惴▋H能夠在背景變化緩慢或者不發(fā)生變化的情況下應(yīng)用，因此就有著一定的局限性。假設(shè)當(dāng)前幀圖像為fk（x，y），背景圖像B（x，y）可通過一定的方法得出，而這時(shí)背景差分圖像則為：

（1）

而假設(shè)二值化閥值為Th，二值化圖像B（x，y）則為：

（2）

運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果可通過數(shù)學(xué)形態(tài)學(xué)處理獲得。

2 背景模型的實(shí)時(shí)更新

要更新背景圖像可采用一階KALMAN濾波來實(shí)現(xiàn)，為了克服氣候變化、光照變化等外部環(huán)境變化對(duì)運(yùn)動(dòng)檢測(cè)產(chǎn)生的影響，采用一階KALMAN濾波更新背景圖像公式如下：

Bk+1（p）=Bk（p）+g（Ik（p）-Bk（p）） （3）

而增益因子則為：g=？琢1（1-Mk（p））+？琢2Mk（p） （4）

公式中？琢1和？琢2是權(quán)值系數(shù)；M是第k時(shí)刻二值化后目標(biāo)圖像中p像素的值；B為背景圖像；I為當(dāng)前幀圖像。要想將運(yùn)動(dòng)目標(biāo)從背景序列圖像中有效分割出來，就必須要達(dá)到？琢2足夠小的條件，且？琢1應(yīng)等于或者大于10？琢2，若？琢1值過大，就會(huì)將算法自身的去噪特性喪失，在序列背景圖像中也會(huì)存儲(chǔ)越來越多的運(yùn)動(dòng)變化。

3 更新車輛目標(biāo)模型

核與活動(dòng)輪廓算法具有效率高、技術(shù)復(fù)雜度低等特點(diǎn)，它以非參數(shù)核概率密度估計(jì)理論為基礎(chǔ)，在視頻運(yùn)動(dòng)目標(biāo)跟蹤中廣泛應(yīng)用。彩色圖像序列通過攝像機(jī)獲取，人臉目標(biāo)模型可以采用RGB顏色空間來進(jìn)行描述。在跟蹤車輛的過程中，噪聲、遮擋、光照等干擾或多或少存在，因干擾因素的存在，車輛像素特征也會(huì)發(fā)生相應(yīng)的微弱變化。若不對(duì)目標(biāo)模型進(jìn)行更新，會(huì)對(duì)跟蹤精度產(chǎn)生影響，所以，采用的矩形模板會(huì)包括一定背景。而在實(shí)施跟蹤的過程中，要對(duì)車輛目標(biāo)模型進(jìn)行更換。如果其過程物遮擋，當(dāng)BHATTACHARYYA系數(shù)滿足？籽>Tudm條件時(shí)，更新車輛目標(biāo)模型，更新模型為：

（5）

公式中Tudm是模板更新閥值；qk-1是更新之前的車輛目標(biāo)模型。通過視頻跟蹤，在近場(chǎng)景和遠(yuǎn)場(chǎng)景拍攝到的視頻中，多尺度圖像空間由各個(gè)幀圖像構(gòu)成。例如：將將書本作為跟蹤對(duì)象，由遠(yuǎn)及近從書本的正上方拍攝六十幀圖像，為了能使矩形框正好能夠包含書本，對(duì)每幀圖像張書本手工劃定矩形框，并對(duì)框內(nèi)圖像的信息量進(jìn)行統(tǒng)計(jì)。最后，隨書本尺度的變化，給出圖像信息量變化曲線。

4 計(jì)算機(jī)視覺原理

計(jì)算機(jī)視覺是一門研究怎樣使機(jī)器進(jìn)行觀察的科學(xué)，更切確地說，就是指利用電腦和攝影機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺，并進(jìn)一步做圖形處理，用電腦處理成為傳送給儀器檢測(cè)或更適合人眼觀察的圖像。計(jì)算機(jī)視覺研究相關(guān)的理論和技術(shù)作為一個(gè)科學(xué)學(xué)科，嘗試創(chuàng)建能夠從圖像或者多維數(shù)據(jù)中獲取信息的人工智能系統(tǒng)。這里所指的信息指Shannon定義的，可以用來幫助做一個(gè)決定的信息。因?yàn)楦兄梢钥醋魇菑母泄傩盘?hào)中提取信息，所以計(jì)算機(jī)視覺也可以看作是研究如何使人工系統(tǒng)從圖像或多維數(shù)據(jù)中感知的科學(xué)。

計(jì)算機(jī)視覺就是由計(jì)算機(jī)來代替大腦完成處理和解釋，用各種成象系統(tǒng)代替視覺器官作為輸入敏感手段。使計(jì)算機(jī)能象人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力就是計(jì)算機(jī)視覺的最終研究目標(biāo)，而需要經(jīng)過長(zhǎng)期的努力才能達(dá)到這個(gè)目標(biāo)。所以，在實(shí)現(xiàn)最終目標(biāo)以前，通過努力的中期目標(biāo)是建立一種視覺系統(tǒng)，這個(gè)系統(tǒng)能依靠反饋的某種程度的智能和視覺敏感完成一定的任務(wù)。例如：計(jì)算機(jī)視覺的一個(gè)重要應(yīng)用領(lǐng)域就是自主車輛的視覺導(dǎo)航，但要實(shí)現(xiàn)自主導(dǎo)航的系統(tǒng)，卻還沒有條件實(shí)現(xiàn)象人那樣能識(shí)別和理解任何環(huán)境。所以，人們通過不懈的努力，研究在高速公路上具有道路跟蹤能力，有效避免與前方車輛碰撞的視覺輔助駕駛系統(tǒng)。人類視覺系統(tǒng)是有史以來，人們所知道的功能最強(qiáng)大和完善的視覺系統(tǒng)。這里要指出的一點(diǎn)是在計(jì)算機(jī)視覺系統(tǒng)中計(jì)算機(jī)起代替人腦的作用。計(jì)算機(jī)視覺可以而且應(yīng)該根據(jù)計(jì)算機(jī)系統(tǒng)的特點(diǎn)來進(jìn)行視覺信息的處理，但并不等于計(jì)算機(jī)必須按人類視覺的方法完成視覺信息的處理。可以說，對(duì)人類視覺處理機(jī)制的研究將給計(jì)算機(jī)視覺的研究提供指導(dǎo)和啟發(fā)，所以，用計(jì)算機(jī)信息處理的方法研究人類視覺的機(jī)理，建立人類視覺的計(jì)算理論，與此同時(shí)也是一個(gè)十分重要和讓人感興趣的研究領(lǐng)域。這方面的研究被稱為計(jì)算視覺。計(jì)算視覺可被認(rèn)為是計(jì)算機(jī)視覺中的一個(gè)研究領(lǐng)域。計(jì)算機(jī)視覺領(lǐng)域的不完善性與多樣性為其突出特點(diǎn)。

5 結(jié)束語(yǔ)

對(duì)視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤、識(shí)別、檢測(cè)，并對(duì)目標(biāo)行為進(jìn)行研究、分析，這就是基于視覺運(yùn)動(dòng)目標(biāo)分析。以計(jì)算機(jī)視覺為基礎(chǔ)，分析運(yùn)動(dòng)目標(biāo)，包括了目標(biāo)行為的理解與分析、目標(biāo)跟蹤、運(yùn)動(dòng)目標(biāo)檢測(cè)、預(yù)處理圖像等，它是計(jì)算機(jī)視覺領(lǐng)域重要內(nèi)容之一。理解與分析運(yùn)動(dòng)目標(biāo)的行為，既是計(jì)算機(jī)視覺的根本目的之一，也是檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)的最終目標(biāo)。從理論層考慮，理解與分析運(yùn)動(dòng)目標(biāo)的行為可以分為人工智能理論研究與模式識(shí)別。簡(jiǎn)要闡述基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)分析，而所面臨的是對(duì)運(yùn)動(dòng)目標(biāo)行為的理解。

參考文獻(xiàn)

[1]楊可，劉明軍，毛欣，夏維建，劉偉，周旋，吳煒，周凱.基于計(jì)算機(jī)視覺的電纜終端表面溫升分析系統(tǒng)[J].電視技術(shù)，2013（7）.

[2]葉闖，沈益青，李豪，曹思汗，王柏祥.基于人類視覺特性（HVS）的離散小波變換（DWT）數(shù)字水印算法[J].浙江大學(xué)學(xué)報(bào)：理學(xué)版，2013（2）.

[3]何青海，馬本學(xué)，瞿端陽(yáng)，李宏偉，王寶.基于機(jī)器視覺棉葉螨自動(dòng)監(jiān)測(cè)與分級(jí)方法研究[J].農(nóng)機(jī)化研究，2013（4）.

[4]賈挺猛，茍一，鮑官軍，董茂，楊慶華.基于機(jī)器視覺的葡萄樹枝骨架提取算法研究[J].機(jī)電工程，2013（4）.

篇3

關(guān)鍵詞 模式分析 計(jì)算機(jī)視覺 教學(xué)改革

中圖分類號(hào)：G643.2 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/ki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析與智能計(jì)算研究所師資團(tuán)隊(duì)是江蘇省“青藍(lán)工程”創(chuàng)新團(tuán)隊(duì)，主要研究領(lǐng)域包括智能數(shù)據(jù)分析、圖像處理和機(jī)器視覺等方向，承擔(dān)研究生和本科生的模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計(jì)算機(jī)視覺等課程的教學(xué)任務(wù)。以往的教學(xué)過程中雖然積累了豐富的教學(xué)經(jīng)驗(yàn)，但當(dāng)前新知識(shí)不斷涌現(xiàn)、新技術(shù)發(fā)展迅猛，對(duì)模式分析與視覺處理課程群的知識(shí)體系、實(shí)踐體系改進(jìn)提出了新的挑戰(zhàn)。

近年來，國(guó)內(nèi)外高校在該類課程教學(xué)上，已涌現(xiàn)出眾多新理念、新方法。Coursera聯(lián)合創(chuàng)始人Andrew Ng推出的機(jī)器學(xué)習(xí)課程，開啟了教育領(lǐng)域的MOOC時(shí)代，引領(lǐng)了教育教學(xué)方法的新革命。①深圳大學(xué)、②江蘇科技大學(xué)③分別進(jìn)行了基于CDIO工程教育理念的計(jì)算機(jī)視覺課程教學(xué)改革實(shí)踐，實(shí)現(xiàn)多層次項(xiàng)目設(shè)計(jì)的教學(xué)模式改革，講座式、討論式、實(shí)踐式教學(xué)方法的探索。國(guó)防科技大學(xué)④在計(jì)算機(jī)視覺課程中引入研討式教學(xué)模式，通過案例教學(xué)、小組研討的方式來替代傳統(tǒng)的教學(xué)方式。華中科技大學(xué)⑤從教學(xué)內(nèi)容國(guó)際化、教學(xué)方式國(guó)際化、教學(xué)成果國(guó)際化三個(gè)方面開展了計(jì)算機(jī)視覺課程的國(guó)際化建設(shè)。另外，也有高校進(jìn)行了圖像工程課程群建設(shè)，⑥基于圖像分析與計(jì)算機(jī)視覺應(yīng)用課程結(jié)合的項(xiàng)目協(xié)同創(chuàng)新能力培養(yǎng)實(shí)踐。⑦

在分析上述國(guó)內(nèi)外高校該類課程改革的基礎(chǔ)上，我們重點(diǎn)以模式分析與視覺處理課程群的實(shí)踐教學(xué)體系改革為切入點(diǎn)，優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識(shí)體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式，實(shí)現(xiàn)學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

2 模式分析與視覺處理課程群特點(diǎn)

模式分析與視覺處理課程群涵蓋了模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)字圖像處理、計(jì)算機(jī)視覺等多門課程。該類課程存在以下特點(diǎn)。

（1）該類課程屬于多學(xué)科交叉，涉及的知識(shí)面既廣又深。由于該方向涉及計(jì)算機(jī)科學(xué)與技術(shù)、應(yīng)用數(shù)學(xué)、自動(dòng)化、電子科學(xué)與技術(shù)、信息工程等多學(xué)科內(nèi)容，而學(xué)生在大學(xué)本科階段很難學(xué)習(xí)和了解如此多的知識(shí)模塊，這對(duì)研究生階段學(xué)習(xí)來說，具有相當(dāng)大的挑戰(zhàn)。同時(shí)，對(duì)于每個(gè)知識(shí)模塊，所要求的數(shù)學(xué)基礎(chǔ)較高，理論具有相當(dāng)?shù)纳疃龋斫夂驼莆詹蝗菀住?/p>

（2）該類課程既重視扎實(shí)的基礎(chǔ)理論，也強(qiáng)調(diào)良好的工程實(shí)踐能力。該類課程的基礎(chǔ)理論教學(xué)一直受到各高校的重視。隨著近年來產(chǎn)業(yè)界的迅猛發(fā)展，計(jì)算機(jī)視覺應(yīng)用層出不窮，對(duì)學(xué)生的工程實(shí)踐也提出了更高要求，需要能夠在系統(tǒng)層次上有整體認(rèn)知，同時(shí)要能對(duì)各功能模塊進(jìn)行優(yōu)化，提升系統(tǒng)的整體性能。

（3）該類課程所面向的選修學(xué)生面廣。該類課程既是多學(xué)科交叉，也面向計(jì)算機(jī)應(yīng)用、電子科學(xué)與技術(shù)、自動(dòng)化、應(yīng)用數(shù)學(xué)等不同研究方向、不同水平層次的研究生開設(shè)。這對(duì)課堂教學(xué)和實(shí)驗(yàn)實(shí)踐也帶來更大挑戰(zhàn)。

3 模式分析與視覺處理課程群改革舉措

針對(duì)上述分析的課程群特點(diǎn)，我們重點(diǎn)以實(shí)踐體系改革為突破口，通過優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識(shí)體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式等舉措，實(shí)現(xiàn)學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

3.1 師資隊(duì)伍結(jié)構(gòu)優(yōu)化

為了學(xué)生能夠適應(yīng)模式分析與視覺處理產(chǎn)業(yè)的快速發(fā)展，在課程群建設(shè)過程中更強(qiáng)調(diào)學(xué)生的工程實(shí)踐和創(chuàng)新能力培養(yǎng)。這首先對(duì)師資隊(duì)伍結(jié)構(gòu)提出了新的要求。

近年來，課程教學(xué)團(tuán)隊(duì)引進(jìn)海內(nèi)外具有深厚理論功底和較強(qiáng)工程能力的高水平師資4名，大大充實(shí)了機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、圖像處理等課程的教學(xué)力量。對(duì)于現(xiàn)有教師隊(duì)伍，鼓勵(lì)教師跟產(chǎn)業(yè)一線企業(yè)廣泛合作，目前已與華為、中興等企業(yè)在視頻檢索、智能交通視覺處理等方面開展了實(shí)質(zhì)合作。這些來源于產(chǎn)業(yè)界的高質(zhì)量課題對(duì)科研和教學(xué)起到了良好的促進(jìn)作用。

與此同時(shí)，通過研究生工作站、企業(yè)短期實(shí)習(xí)等渠道，鼓勵(lì)企業(yè)高級(jí)研發(fā)人員參與到學(xué)生實(shí)踐能力培養(yǎng)環(huán)節(jié)中，將實(shí)際項(xiàng)目進(jìn)行適當(dāng)切分或提煉，實(shí)現(xiàn)該類課程實(shí)踐環(huán)節(jié)的模塊化、專題化訓(xùn)練。

綜上，通過引培并舉，優(yōu)化校內(nèi)師資隊(duì)伍結(jié)構(gòu)；通過校企合作，積極吸引企業(yè)師資參與。良好的師資隊(duì)伍為該類課程的實(shí)踐體系改革提供了有力支撐。

3.2 課程群知識(shí)體系梳理與授課模式改革

模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計(jì)算機(jī)視覺等課程既有一定的邏輯關(guān)系，也存在相互交叉的混雜關(guān)系。一般認(rèn)為，模式識(shí)別、機(jī)器學(xué)習(xí)是模式分析與視覺處理領(lǐng)域的基礎(chǔ)理論課程，數(shù)據(jù)挖掘是建立在模式識(shí)別、機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)基礎(chǔ)上的應(yīng)用類課程，智能信息檢索則是數(shù)據(jù)挖掘基礎(chǔ)上更為具體的應(yīng)用實(shí)現(xiàn)。數(shù)字圖像處理為計(jì)算機(jī)視覺課程提供了基礎(chǔ)支撐，計(jì)算機(jī)視覺則是在綜合利用模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)字圖像處理、數(shù)據(jù)挖掘等知識(shí)模塊基礎(chǔ)上面向應(yīng)用的系統(tǒng)實(shí)現(xiàn)。但是，這些課程也存在著知識(shí)點(diǎn)的交叉或重復(fù)。例如，模式識(shí)別和機(jī)器學(xué)習(xí)中都有貝葉斯參數(shù)估計(jì)、支持向量機(jī)模型等知識(shí)點(diǎn)，但視角和側(cè)重點(diǎn)有所不同；圖像處理、計(jì)算機(jī)視覺中都有顏色模型、成像模型等知識(shí)點(diǎn)，也同時(shí)存在與模式識(shí)別、機(jī)器學(xué)習(xí)交叉的知識(shí)點(diǎn)。

我們針對(duì)來自不同研究領(lǐng)域的學(xué)生群體，對(duì)該課程群的知識(shí)點(diǎn)進(jìn)行系統(tǒng)梳理，既避免知識(shí)點(diǎn)的重復(fù)講授，也防止重要知識(shí)點(diǎn)的缺漏。課程教師集體討論，形成每門課程的核心知識(shí)集，和針對(duì)不同研究領(lǐng)域的選講知識(shí)集。學(xué)生在學(xué)習(xí)課程時(shí)，在掌握核心知識(shí)集的基礎(chǔ)上，結(jié)合自己的研究方向選擇相關(guān)的選講知識(shí)集學(xué)習(xí)。

在課程教材和參考書的選擇上，注重挑選國(guó)際上有影響力的教材。例如，模式識(shí)別的參考書為Richard O. Duda等人編著的Pattern Classification；機(jī)器學(xué)習(xí)的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數(shù)據(jù)挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數(shù)字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計(jì)算機(jī)視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國(guó)內(nèi)外著名大學(xué)普遍采用。同時(shí)，每門課程都提供相關(guān)的國(guó)內(nèi)外頂級(jí)會(huì)議和期刊的列表，供學(xué)生課后追蹤研究領(lǐng)域的熱點(diǎn)問題。

在課堂授課環(huán)節(jié)上，注意采用靈活多樣的授課方式。對(duì)于核心基礎(chǔ)知識(shí)模塊，以教師講授為主，同時(shí)提供國(guó)內(nèi)外該類課程的熱門MOOC網(wǎng)址給學(xué)生參考。對(duì)于選講知識(shí)模塊，鼓勵(lì)學(xué)生事先結(jié)合各自研究方向有目的自學(xué)，在學(xué)生報(bào)告的基礎(chǔ)上進(jìn)行課堂討論方式進(jìn)行。充分發(fā)揮學(xué)生學(xué)習(xí)的主體作用，也便于教師了解學(xué)生的水平和學(xué)習(xí)狀況。

除此以外，不定期邀請(qǐng)國(guó)內(nèi)外著名學(xué)者來校做學(xué)術(shù)報(bào)告，讓學(xué)生充分了解該研究領(lǐng)域的最新前沿動(dòng)態(tài)，并就熱點(diǎn)問題進(jìn)行專題討論。

3.3 課程群實(shí)踐體系完善與考核方式改革

工程實(shí)踐和創(chuàng)新能力的培養(yǎng)是該課程群改革的重要目標(biāo)。我們?cè)谏鲜鰩熧Y隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識(shí)體系梳理與授課模式改革的基礎(chǔ)上，著力進(jìn)行課程群實(shí)踐體系的改革與完善。我們通過多層次菜單式的實(shí)驗(yàn)項(xiàng)目選擇、項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練、學(xué)生綜合研究能力的全面考查等方面來實(shí)現(xiàn)。

首先，整合和優(yōu)化課程群實(shí)踐內(nèi)容，實(shí)現(xiàn)多層次菜單式靈活選擇。根據(jù)各研究領(lǐng)域的要求進(jìn)行靈活搭配，根據(jù)學(xué)生個(gè)體的能力與水平選擇適當(dāng)規(guī)模和難度的實(shí)踐內(nèi)容，通過課程內(nèi)的基礎(chǔ)實(shí)驗(yàn)、課程間的綜合實(shí)驗(yàn)、課程群的創(chuàng)新實(shí)驗(yàn)來選擇和組合，如圖1所示。

圖1 多層次菜單式實(shí)驗(yàn)內(nèi)容示意圖

基礎(chǔ)型實(shí)驗(yàn)內(nèi)容主要是各課程核心知識(shí)點(diǎn)的實(shí)驗(yàn)驗(yàn)證，主要包括模式識(shí)別，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，圖像處理與分析，計(jì)算機(jī)視覺等課程的實(shí)驗(yàn)。要求選課學(xué)生對(duì)這些基礎(chǔ)實(shí)驗(yàn)必做，打下良好的研究基礎(chǔ)。

綜合探索型實(shí)驗(yàn)在基礎(chǔ)型實(shí)驗(yàn)基礎(chǔ)上，既有單門課程內(nèi)總的綜合實(shí)驗(yàn)，也有課程間知識(shí)的綜合應(yīng)用。主要分為兩大塊，包括模式分析與機(jī)器學(xué)習(xí)方向的綜合實(shí)驗(yàn)，以及圖像處理與機(jī)器視覺方向的綜合實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康闹饕轻槍?duì)這兩大塊方向重點(diǎn)知識(shí)的綜合分析和比較，能夠熟練掌握和靈活應(yīng)用。例如模式分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方向都用到的線性判別分析、支持向量機(jī)、均值聚類等內(nèi)容；圖像處理與機(jī)器視覺中的圖像特征抽取、視覺系統(tǒng)選型、目標(biāo)檢測(cè)、特定平臺(tái)的算法優(yōu)化等內(nèi)容。學(xué)生可根據(jù)各自研究方向有目的的選擇兩塊綜合實(shí)驗(yàn)的大部分內(nèi)容。

在綜合型實(shí)驗(yàn)基礎(chǔ)上，該課程群通過若干創(chuàng)新型實(shí)驗(yàn)來檢驗(yàn)學(xué)生理論知識(shí)掌握程度和實(shí)踐方法應(yīng)用能力，為后續(xù)的研究課題開展打下良好的科研素養(yǎng)。主要內(nèi)容包括人臉識(shí)別、二維條碼識(shí)別、車輛屬性識(shí)別、智能視覺監(jiān)控、以及企業(yè)來源的關(guān)鍵技術(shù)等。這些項(xiàng)目實(shí)踐既涉及用到圖像處理與機(jī)器視覺的內(nèi)容，也涉及模式分析與機(jī)器學(xué)習(xí)方向的知識(shí)。并且需要學(xué)生在綜合運(yùn)用相關(guān)知識(shí)的基礎(chǔ)上有創(chuàng)新能力。

其次，重視各類項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練。一方面，鼓勵(lì)教師從國(guó)家自然科學(xué)基金、企業(yè)合作項(xiàng)目等研究中提煉出問題規(guī)模和難度適中的訓(xùn)練項(xiàng)目，作為課程群的綜合能力訓(xùn)練項(xiàng)目。另一方面，鼓勵(lì)學(xué)生參加挑戰(zhàn)杯、全國(guó)研究生智慧城市技術(shù)與創(chuàng)意設(shè)計(jì)大賽等各類具有挑戰(zhàn)性的競(jìng)賽項(xiàng)目，以賽代練，提升學(xué)生的工程實(shí)踐和創(chuàng)新能力。同時(shí)，也鼓勵(lì)學(xué)生利用百度、微軟等相關(guān)研究領(lǐng)域的企業(yè)實(shí)習(xí)機(jī)會(huì)，參與產(chǎn)品一線的工程實(shí)踐能力訓(xùn)練。

再次，注重考核環(huán)節(jié)，實(shí)現(xiàn)科研素養(yǎng)和實(shí)踐能力的全面考查。只有嚴(yán)格、公平、公正的考核，才能保證實(shí)驗(yàn)實(shí)踐的質(zhì)量和水平，才能提升學(xué)生的科研素養(yǎng)和實(shí)踐能力。我們主要在手段、方式方法上進(jìn)行了改進(jìn)。在題目選擇上，根據(jù)學(xué)生個(gè)體水平和研究領(lǐng)域要求的差異，在選題上有適當(dāng)?shù)碾y易區(qū)分度，讓每位學(xué)生都有鍛煉和提升的機(jī)會(huì)；在考核方式上，采用結(jié)題書面報(bào)告來檢驗(yàn)學(xué)術(shù)論文的寫作能力，采用程序演示檢驗(yàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)水平，采用上臺(tái)匯報(bào)的方式檢驗(yàn)學(xué)生的表達(dá)能力，多管齊下全面檢查學(xué)生的綜合科研素養(yǎng)；在考核成績(jī)?cè)u(píng)定上，采用現(xiàn)場(chǎng)教師和學(xué)生共同評(píng)分的方式，公平合理；最后，通過網(wǎng)站展示、發(fā)表學(xué)術(shù)小論文、專利、軟件著作權(quán)等方式展示和公開優(yōu)秀成果，激發(fā)學(xué)生的學(xué)習(xí)熱情，并由此形成積累，有利于學(xué)生實(shí)驗(yàn)實(shí)踐氛圍的傳承。

4 結(jié)語(yǔ)

本文在分析國(guó)內(nèi)外高校模式分析與視覺處理類課程群改革現(xiàn)狀的基礎(chǔ)上，以學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升為目標(biāo)，重點(diǎn)開展了師資隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識(shí)體系梳理、課程授課模式改革、課程群實(shí)踐體系完善和實(shí)踐考核模式改革等工作，取得了良好的效果，并為校內(nèi)其他課程群的教學(xué)改革作為示范推廣。

注釋

① https：///learn/machine-learning/

② 郭小勤，曹廣忠.計(jì)算機(jī)視覺課程的CDIO教學(xué)改革實(shí)踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強(qiáng).研究生機(jī)器視覺課程的CDIO教學(xué)改革實(shí)踐.計(jì)算機(jī)教育，2013.9：40-43.

④ 陳芳林，劉亞東，沈輝.在《計(jì)算機(jī)視覺》課程中引入研討式教學(xué)模式.當(dāng)代教育理論與實(shí)踐，2013.5（7）：112-114.

⑤ 王岳環(huán)，桑農(nóng)，高常鑫.計(jì)算機(jī)視覺課程的國(guó)際化教學(xué)模式.計(jì)算機(jī)教育，2014.19：101-103.

篇4

關(guān)鍵詞 計(jì)算機(jī)視覺；立體匹配；研究情況

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）07-0001-01

隨著科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)技術(shù)也得到了飛速的發(fā)展。將計(jì)算機(jī)技術(shù)應(yīng)用于人類的視覺系統(tǒng)，并輔助人們觀察到一些眼睛難以看到的東西，已經(jīng)逐漸成為一門大家所熱捧和追逐的技術(shù)。隨著人們對(duì)視覺傳感器技術(shù)越來越多的探索，人們也逐漸實(shí)現(xiàn)了古代時(shí)想擁有千里眼的夢(mèng)想。目前，人們已經(jīng)把視覺傳感器技術(shù)和計(jì)算機(jī)技術(shù)良好的結(jié)合在一起，并把這些技術(shù)應(yīng)用到食品、建筑、醫(yī)藥、電子、航天航空等眾多領(lǐng)域當(dāng)中。而該項(xiàng)技術(shù)的快速發(fā)展，也幫助人們解決了一些日常工作當(dāng)中人類視覺存在盲區(qū)的問題，保證了人們工作過程的安全。視覺技術(shù)與IT技術(shù)的完美結(jié)合使得人們的生活變得更加便利，讓人們親身體會(huì)到了IT技術(shù)給人們生活帶來的便捷。

1 雙目立體視覺概述

雙目立體視覺又稱雙目視覺技術(shù)，是目前計(jì)算機(jī)視覺應(yīng)用領(lǐng)域的重要研究?jī)?nèi)容。雙目立體視覺控制系統(tǒng)的組成因其采用的原理和應(yīng)用功能的不同，組成也都各不相同。

雙目立體視覺的實(shí)現(xiàn)原理是基于人眼的視網(wǎng)膜看物體的特性，從兩個(gè)不同的方向來觀看同一個(gè)物體的不同角度，從而實(shí)現(xiàn)清楚的了解到物體的圖像的目的。雙目立體視覺從不同的角度獲得物體的投影信息，并根據(jù)匹配的結(jié)果，獲取同一個(gè)物體不同偏差位置的信息。最后在依據(jù)三角測(cè)量技術(shù)，根據(jù)已經(jīng)獲得的這些偏差信息從而獲得這些不同點(diǎn)對(duì)應(yīng)的距離信息，并最終獲得這些實(shí)際物體的具體坐標(biāo)位置信息。

視差測(cè)距技術(shù)告訴我們，要清楚的觀察到一個(gè)物體的全貌，需要兩個(gè)觀察物從不同的方向，或者固定一個(gè)觀察物，移動(dòng)另外一個(gè)觀察物的方式，以達(dá)到拍攝同一個(gè)物體的目的。根據(jù)同一個(gè)物體在兩個(gè)觀察物當(dāng)中的位置偏差，從而確定該物體的三維信息。一般來說，雙目立體視覺的組成包括：圖像獲取設(shè)備、圖像預(yù)處理設(shè)備、攝像機(jī)標(biāo)定設(shè)備、立體匹配設(shè)備、根據(jù)二維信息實(shí)現(xiàn)三維重構(gòu)設(shè)備等五個(gè)重要設(shè)備。

2 雙目立體視覺技術(shù)的原理

立體畫又可以稱之為三維立體畫，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術(shù)。三維立體圖表面看似毫無規(guī)則，但是假如通過一些特殊的技術(shù)或者通過合理的觀察手段和觀察設(shè)備，就可以看到一組秩序井然的美妙圖片。

三維立體圖是一組重復(fù)的二維圖片有序的堆積積累而成，因此可以呈現(xiàn)出立體效果。人體觀察物體的原理大致如下：當(dāng)人類通過左右眼觀察所在的空間平面的時(shí)候，這些平面圖都只是一些毫無秩序的圖片。而當(dāng)左右眼重新聚焦或者在觀察畫面的時(shí)候呈現(xiàn)一定的層次感，則人類的左右眼觀察到的一組重復(fù)案在經(jīng)過人體識(shí)別以后，這些畫面之間將存在一定的距離差異，從而在腦中生成立體感。

雙目立體視覺技術(shù)正是基于以上的原理，從兩個(gè)不同的方向去觀察物體，并獲得目標(biāo)圖像的信息，并經(jīng)過一定的處理獲得三維重建的物體立體信息的技術(shù)。

雙目立體視覺在計(jì)算機(jī)技術(shù)中實(shí)現(xiàn)三維重建的大致流程

如下。

1）攝像機(jī)定位，并通過單片機(jī)計(jì)算得到要獲取圖像信息需要的外部的參數(shù)的大概值，并根據(jù)這些參數(shù)值設(shè)定攝像機(jī)。

2）用設(shè)定參數(shù)的攝像機(jī)拍攝目標(biāo)場(chǎng)景的畫面，并采集這些畫面的二維圖的信息。

3）通過計(jì)算機(jī)技術(shù)實(shí)現(xiàn)雙目匹配，并判定采集畫面中的二維圖像中的不同點(diǎn)之間的對(duì)應(yīng)關(guān)系。

4）在第三步中若得到兩組二維圖像的關(guān)系是稠密的時(shí)候，則生成三維視差圖。如果不是則進(jìn)一步采集圖片信息。

5）根據(jù)得到的視差圖最終實(shí)現(xiàn)場(chǎng)景的三維圖形的重建。

3 雙目立體匹配技術(shù)的研究難點(diǎn)和未來的發(fā)展方向

盡管目前有很多學(xué)者都投身到雙目立體匹配技術(shù)的研究和開發(fā)當(dāng)中，直至目前為止也解決了很多關(guān)于視覺理論當(dāng)中存在的很多缺陷問題。但是視覺問題是一個(gè)復(fù)雜且難以解決的問題，特別是在雙目立體匹配問題方面更是困難重重。立體匹配技術(shù)的難點(diǎn)已經(jīng)成為限制將雙目技術(shù)應(yīng)用到計(jì)算機(jī)技術(shù)當(dāng)中的重要瓶頸。

立體匹配的主要手段就是找到計(jì)算機(jī)采集到兩幅和多副圖片的中像素的對(duì)應(yīng)關(guān)系，然后根據(jù)這些像素關(guān)系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現(xiàn)在以下幾個(gè)方面。

1）由于視角的問題或者觀察物體存在遮擋問題，導(dǎo)致采集回來的圖片信息存在盲點(diǎn)，這樣子更難找到圖片的匹配區(qū)域。

2）場(chǎng)景中的一些深度不連續(xù)的區(qū)域大都處在場(chǎng)景當(dāng)中的邊界位置，這些位置容易出現(xiàn)像素不高，邊界不清晰等問題，這些問題也給圖像匹配帶了很多困擾。

3）場(chǎng)景當(dāng)中的低紋理的圖片匹配特征和匹配關(guān)系較少，而且該位置的每個(gè)像素點(diǎn)極為相似。假如只是通過簡(jiǎn)單的像素相似性檢測(cè)的話，會(huì)檢測(cè)到很多匹配結(jié)果，而這些匹配結(jié)果當(dāng)中有一大部分是錯(cuò)誤的。這樣子的結(jié)果勢(shì)必會(huì)導(dǎo)致最終的圖像匹配正確率極為低下。

從以上的分析，我們可以看出立體匹配技術(shù)存在很多技術(shù)上的難點(diǎn)，這些都在很大程度上限制雙目立體匹配技術(shù)在計(jì)算機(jī)當(dāng)中的應(yīng)用發(fā)展。如何才能設(shè)計(jì)出有效、準(zhǔn)確、快速、通用性強(qiáng)的立體匹配算法將會(huì)是以后雙目立體匹配計(jì)算發(fā)展的重要方向。也只有通過設(shè)計(jì)出一套行之有效的立體匹配算法才能使得雙目立體匹配技術(shù)在計(jì)算機(jī)視覺當(dāng)中得到廣泛的應(yīng)用。

4 結(jié)束語(yǔ)

人們通過眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠(yuǎn)近。因此人類視覺感知系統(tǒng)就是一個(gè)雙目的立體感知系統(tǒng)。本文講述的計(jì)算機(jī)中的雙目立體匹配技術(shù)正是基于人眼視覺觀察物體的原理，通過雙目立體視覺原理，對(duì)計(jì)算機(jī)采集獲得兩幅二維圖像的信息進(jìn)行分析，并結(jié)合計(jì)算機(jī)的分析，最終獲得同人類眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術(shù)與計(jì)算機(jī)技術(shù)的完美結(jié)合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來，可以將該項(xiàng)技術(shù)應(yīng)用于人類的視網(wǎng)膜當(dāng)中，以幫助一些視網(wǎng)膜存在問題的人們，讓他們重新感受到光明，感受世間的溫暖。

參考文獻(xiàn)

[1]高文，陳熙霖.計(jì)算機(jī)視覺算法與系統(tǒng)原理[M].北京：清華大學(xué)出版社，2002.

[2]明祖衡.雙目立體視覺測(cè)距算法研究[M].北京：北京理工大學(xué)，2008.

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優(yōu)于SAD的匹配準(zhǔn)則及其快速算法[J].電路與系統(tǒng)學(xué)報(bào)，2007，12（4）：137-14.

[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學(xué)，2012.

篇5

關(guān)鍵詞：序貫相似性檢測(cè)算法 圖像匹配 計(jì)算機(jī)視覺

中圖分類號(hào)：TN911 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2013）06（c）-0205-01

圖像匹配最早是70年代美國(guó)從事飛行器輔助導(dǎo)航系統(tǒng)，武器投射系統(tǒng)的制導(dǎo)等應(yīng)用研究中提出的。國(guó)內(nèi)外學(xué)者對(duì)匹配輔助導(dǎo)航技術(shù)進(jìn)行深入研究，使其在民用領(lǐng)域的應(yīng)用越來越廣泛[1，2]。計(jì)算機(jī)視覺計(jì)算主要分為低層處理、中層處理和高層處理，而在低層進(jìn)行數(shù)字化差異檢測(cè)、中層進(jìn)行參數(shù)化相似分析，高層處理完成圖像的識(shí)別、解釋和描述等任務(wù)，都需要圖像匹配技術(shù)[3]。序貫相似性檢測(cè)算法（SSDA）能夠快速地丟棄非匹配點(diǎn)，減少非匹配點(diǎn)的計(jì)算量，從而提高匹配的速度，算法簡(jiǎn)單，易于實(shí)現(xiàn)。

1 序貫相似性檢測(cè)算法

序貫相似性檢測(cè)算法的基本思想是基于對(duì)誤差的積累進(jìn)行分析。在進(jìn)行圖像匹配時(shí)，通常非匹配點(diǎn)處的誤差ε會(huì)隨著運(yùn)算點(diǎn)數(shù)的增加而迅速增長(zhǎng)，很快超過某一門限，而對(duì)于匹配點(diǎn)處，誤差的增長(zhǎng)要緩慢得多。這樣對(duì)于大多數(shù)非匹配點(diǎn)，只需要分析前幾項(xiàng)，而只有匹配點(diǎn)附近的點(diǎn)才需要計(jì)算整個(gè)循環(huán)，這樣就大大地減少了匹配的運(yùn)算量。

設(shè)源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區(qū)域子圖為，（p，q）為模板左上角像素點(diǎn)在圖像S中的坐標(biāo)，S中的待匹配區(qū)域是以點(diǎn)（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區(qū)域。相對(duì)于參考點(diǎn)位置為（m，n）點(diǎn)的匹配誤差定義為：

其中k=1，2，…r。將累計(jì)誤差值與預(yù)定閾值進(jìn)行比較，當(dāng)累加值超過設(shè)定閾值Tk時(shí)，就停止累加計(jì)算，并記下累加次數(shù)k。計(jì)算下一個(gè)待匹配點(diǎn)處的誤差，若累計(jì)誤差小于預(yù)定閾值，則繼續(xù)計(jì)算此處的誤差，直到>Tk或k=r，記下k值。對(duì)不同的待匹配點(diǎn)進(jìn)行上述匹配計(jì)算，最后取最大k值對(duì)應(yīng)的待匹配點(diǎn)位置，即為要找的匹配點(diǎn)。

2 實(shí)驗(yàn)結(jié)果與分析

圖1顯示了基準(zhǔn)圖與實(shí)時(shí)圖像，圖1（a）為基準(zhǔn)圖像，大小為256×256，圖1（b）為實(shí)時(shí)圖，大小為65×65。圖1（c）找到了實(shí)時(shí)圖像在基準(zhǔn)圖中的位置。

由圖1可以看出，SSDA算法能夠良好地進(jìn)行匹配。而通過對(duì)匹配時(shí)間的計(jì)算可以看出，SSDA算法的運(yùn)行時(shí)間相對(duì)較短，效率較高。

參考文獻(xiàn)

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.

篇6

關(guān)鍵詞：工業(yè)電視 智能視頻監(jiān)控 煤礦

中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416(2012)01-0026-02

Abstract: Traditional industrial TV monitoring perform poor accuracy of the alarm, intelligent video surveillance remedy these deficiencies from a large extent. In this paper, we analyzed intelligent video surveillance technology. For special coal mine safe production environment, using intelligent video surveillance technology in the production of Coal Mine Safety Monitoring System for intelligent video linkage has been proposed. The system is able to raise the alarm in a large extent, the accuracy for the coal mine production safety to provide more reliable protection.

Keywords: industrial TV intelligent video surveillance Coal Mine

1、背景

煤礦工業(yè)電視監(jiān)控系統(tǒng)主要用于煤礦安全生產(chǎn)重要環(huán)節(jié)、場(chǎng)所和部門的電視監(jiān)控，可以將各個(gè)監(jiān)控點(diǎn)的圖像采集后傳輸?shù)街行谋O(jiān)控室并實(shí)時(shí)顯示在監(jiān)視器上。通過本系統(tǒng)，地面監(jiān)控人員能直觀的監(jiān)視和記錄井下工作現(xiàn)場(chǎng)的安全生產(chǎn)情況，及時(shí)發(fā)現(xiàn)各監(jiān)控點(diǎn)的違章作業(yè)情況，防患以未然，為煤礦的安全生產(chǎn)保駕護(hù)航。

2、智能視頻監(jiān)控技術(shù)

智能視頻監(jiān)控是將計(jì)算機(jī)視覺技術(shù)引入到視頻監(jiān)控中而產(chǎn)生的，目前，智能視頻監(jiān)控已經(jīng)成為計(jì)算機(jī)視覺中一個(gè)重要的研究領(lǐng)域，圖1給出了智能視頻監(jiān)控系統(tǒng)的一般流程，從監(jiān)控?cái)z像頭開始，包括運(yùn)動(dòng)對(duì)象提取、對(duì)象描述、對(duì)象跟蹤、對(duì)象識(shí)別和對(duì)象的行為分析，最后進(jìn)行預(yù)警或報(bào)警。

智能視頻監(jiān)控技術(shù)主要包括對(duì)視頻圖像序列自動(dòng)地進(jìn)行運(yùn)動(dòng)對(duì)象的提取、描述、跟蹤、識(shí)別和行為分析等方面的內(nèi)容。如果把攝像機(jī)看作人的眼睛，而智能視頻系統(tǒng)或設(shè)備則可以看作人的大腦。智能視頻監(jiān)控技術(shù)就是借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，對(duì)視頻畫面中的海量數(shù)據(jù)進(jìn)行高速分析，過濾掉監(jiān)控者不關(guān)心的信息，僅僅為監(jiān)控者提供有用的關(guān)鍵信息。智能視頻監(jiān)控以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，但又有別于一般的網(wǎng)絡(luò)化視頻監(jiān)控，它是一種更高端的視頻監(jiān)控應(yīng)用。智能視頻監(jiān)控系統(tǒng)能夠識(shí)別不同的物體，發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并能夠以最快和最佳的方式發(fā)出警報(bào)和提供有用信息，從而能夠更加有效的協(xié)助安全人員處理危機(jī)，并最大限度的降低誤報(bào)和漏報(bào)現(xiàn)象。其最終目的就是要使計(jì)算機(jī)能夠分析、描述和理解視頻畫面中的內(nèi)容。智能視頻監(jiān)控涉及到計(jì)算機(jī)視覺、圖像視頻處理和人工智能領(lǐng)域中的眾多核心技術(shù)，是一個(gè)非常具有挑戰(zhàn)性的困難問題。

3、系統(tǒng)構(gòu)成

煤礦安全生產(chǎn)智能視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)是一個(gè)基于行為判別技術(shù)應(yīng)用和視頻系統(tǒng)應(yīng)用集成技術(shù)的先進(jìn)的煤礦管理系統(tǒng)，能夠把現(xiàn)在煤礦各個(gè)相對(duì)獨(dú)立的前端攝像頭整合為一個(gè)具有統(tǒng)一管理的攝像頭傳感器系統(tǒng)。實(shí)時(shí)獲取煤礦安全相關(guān)數(shù)據(jù)，通過視頻分析功能智能的轉(zhuǎn)向事件發(fā)生地；強(qiáng)大的聯(lián)動(dòng)功能，智能視頻分析與輔助決策能力，能夠有效遏制重大事故的發(fā)生；操作簡(jiǎn)單，界面友好，讓決策者能夠盡快根據(jù)事件現(xiàn)場(chǎng)環(huán)境快速進(jìn)行決策指揮，工作環(huán)境更加健康；可以有效提高煤礦生產(chǎn)與安全管理效率。

4、視頻監(jiān)控信號(hào)采集與顯示系統(tǒng)

4.1 井下監(jiān)控與傳輸

井下攝像頭采用經(jīng)過國(guó)家本安認(rèn)證的礦用防爆光纖攝像機(jī)，并適應(yīng)井下的低照度的光學(xué)條件。同時(shí)要采用無火花的阻燃光纖傳輸技術(shù)，保證系統(tǒng)在井底的安全運(yùn)行。

4.2 地面監(jiān)控部分

地面監(jiān)控部分由于每個(gè)監(jiān)控點(diǎn)監(jiān)控范圍較大而且需要日夜監(jiān)控功能，所以采用帶云臺(tái)且適應(yīng)低照度情況的進(jìn)口全方位一體化攝像機(jī)，為保證煤礦惡劣條件下的可靠性與售后服務(wù)便利性，地面均采用同軸電纜接入調(diào)度室和絞車房。

4.3 控制室部分

控制室部分包括：10路高清晰大屏幕彩色監(jiān)控墻；電視墻中間為大屏幕液晶顯示器，即可做監(jiān)視屏也可以顯示電腦數(shù)據(jù)和信息；視頻矩陣；視頻分配器；視頻光端機(jī)；視頻服務(wù)器；控制臺(tái)等；LED電子顯示屏等。

絞車房室部分包括：2路高清晰彩色監(jiān)視器(19英寸)；

控制系統(tǒng)包括圖像處理系統(tǒng)、視頻切換矩陣、主控制計(jì)算機(jī)等。主控計(jì)算機(jī)通過控制軟件，將連接在此網(wǎng)絡(luò)中指定IP計(jì)算機(jī)畫面?zhèn)魉偷街骺赜?jì)算機(jī)。圖像處理系統(tǒng)采用WINDOWS 操作平臺(tái)及窗口式跨物理界面處理技術(shù)，可顯示多窗口計(jì)算機(jī)信號(hào)及視頻信號(hào)，并可接入局域網(wǎng)絡(luò)及國(guó)際互聯(lián)網(wǎng)。圖像控制系統(tǒng)可構(gòu)成"虛屏"，實(shí)現(xiàn)2×1跨屏操作，電腦圖文與視頻圖象可任意開窗顯示，窗口大小和位置任意，可跨屏顯示多路網(wǎng)絡(luò)信號(hào)或視頻信號(hào),監(jiān)控信號(hào)中任何一路視頻及所有計(jì)算機(jī)顯示窗口可在大屏幕上任意放大、縮小、拖動(dòng)、疊加顯示。

5、結(jié)語(yǔ)

在煤礦上建立智能視頻聯(lián)動(dòng)監(jiān)控系統(tǒng)能夠解決傳統(tǒng)工業(yè)電視監(jiān)控系統(tǒng)因?yàn)橐恍┕逃幸蛩氐南拗贫鴰淼脑S多問題，縮短突發(fā)事件響應(yīng)時(shí)間，提高報(bào)警系統(tǒng)的精確度，為煤礦企業(yè)的安全生產(chǎn)提供保障。

參考文獻(xiàn)

[1]馬頌德,張正友.計(jì)算機(jī)視覺.北京科學(xué)出版社,1998.

[2]方帥.計(jì)算機(jī)智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究.沈陽(yáng):東北大學(xué),2005.

[3]Collins R., et al. A System for video surveillance and monitoring:VSAM final report. Carnegie Mellon University:Technical Report CMU,2000.

篇7

Abstract: Surface roughness is key indexes to evaluate surface quality. Surface quality has influence on service life and usability. Two basic measuring methods are introduced: contact measuring and non-contact measuring. Non-contact measuring method based on the computer vision technology is discussed in detail.

關(guān)鍵詞： 表面粗糙度；非接觸；光學(xué)測(cè)量

Key words: surface roughness；non-contact；optics measurement

中圖分類號(hào)：TH6文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311（2011）08-0050-02

0引言

隨著科學(xué)技術(shù)的進(jìn)步和社會(huì)的發(fā)展，人們對(duì)于機(jī)械產(chǎn)品表面質(zhì)量的要求越來越高。表面粗糙度是評(píng)價(jià)工件表面質(zhì)量的一個(gè)重要指標(biāo)，國(guó)內(nèi)外很多學(xué)者在表面粗糙度檢測(cè)方面做了大量研究工作。目前測(cè)量表面粗糙度的主要方法有：接觸式測(cè)量和非接觸式測(cè)量。

1接觸式測(cè)量

接觸式測(cè)量就是測(cè)量裝置的探測(cè)部分直接接觸被測(cè)表面，能夠直觀地反映被測(cè)表面的信息，接觸式測(cè)量方法主要是觸針法，該方法經(jīng)過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測(cè)量存在很大的缺陷，具體表現(xiàn)在：①對(duì)高精度表面及軟質(zhì)金屬表面有劃傷破壞作用；②受觸針尖端圓弧半徑的限制，其測(cè)量精度有限；③因觸針磨損及測(cè)量速度的限制，無法實(shí)現(xiàn)在線實(shí)時(shí)測(cè)量[1]。

2非接觸式測(cè)量

為了克服接觸式測(cè)量方法的不足，人們對(duì)非接觸式測(cè)量方法進(jìn)行了廣泛研究。研究表明，非接觸式測(cè)量方法具有非接觸、無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測(cè)量方法包括各種光學(xué)測(cè)量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度檢測(cè)方法等。這里我們只對(duì)基于光學(xué)散射原理的測(cè)量方法、基于光學(xué)干涉原理的測(cè)量方法和基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法做簡(jiǎn)單介紹。

2.1 基于光學(xué)散射原理的測(cè)量方法當(dāng)一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強(qiáng)度分布有一定的關(guān)系。對(duì)于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強(qiáng)；反之，表面粗糙度數(shù)值較大的表面，散射光能較強(qiáng)，反射光能較弱。

基于光學(xué)散射原理測(cè)量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學(xué)和哈爾濱理工大學(xué)相繼提出了一種稱之為散射特征值的參數(shù)，表征被測(cè)物體表面上反射光和散射光的分散度，散射特征值與被測(cè)物體表面的粗糙度有很好的對(duì)應(yīng)關(guān)系[2]。哈爾濱理工大學(xué)利用已知表面粗糙度參數(shù)值的標(biāo)準(zhǔn)樣塊測(cè)得其散射特征值，建立―關(guān)系曲線，從而實(shí)現(xiàn)利用散射特征值測(cè)量火炮內(nèi)膛表面粗糙度[3]。

基于光學(xué)散射原理的表面粗糙度檢測(cè)方法，具有結(jié)構(gòu)簡(jiǎn)單、體積小、易于集成產(chǎn)品、動(dòng)態(tài)響應(yīng)好、適于在線測(cè)量等優(yōu)點(diǎn)。該方法的缺點(diǎn)是測(cè)量精度不高，用于超光滑表面粗糙度的測(cè)量還有待進(jìn)一步改進(jìn)。

2.2 基于光學(xué)干涉原理的測(cè)量方法當(dāng)相干光照射到工件表面同一位置時(shí)，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測(cè)量是利用被測(cè)面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對(duì)干涉條紋做適當(dāng)變換，通過測(cè)量干涉條紋的相對(duì)變形來定量檢測(cè)表面粗糙度。該方法的測(cè)量精度取決于光的波長(zhǎng)。但是由于干涉條紋的分辨率是以光波波長(zhǎng)的一半為極限的，僅從條紋的狀態(tài)無法判斷表面是凸起還是凹陷，因此，作為一種具有較好分辨率、寬測(cè)量范圍的表面粗糙度在線檢測(cè)技術(shù)，這種干涉法測(cè)量技術(shù)還有待于進(jìn)一步發(fā)展[4]。

基于光學(xué)干涉原理，1984年美國(guó)洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學(xué)外差輪廓儀，光外差干涉檢測(cè)技術(shù)是一種具有納米級(jí)測(cè)量準(zhǔn)確度的高精度光學(xué)測(cè)量方法，適用于精加工、超精加工表面的測(cè)量，而且可以進(jìn)行動(dòng)態(tài)時(shí)間的研究；華中理工大學(xué)采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國(guó)的維易科（VEECO）精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學(xué)輪廓儀，可用來測(cè)量干涉條紋位相[6]。

基于光學(xué)干涉原理測(cè)量表面粗糙度分辨率高，適于測(cè)量超光滑表面粗糙度，但由于該方法的測(cè)量精度受光波波長(zhǎng)的影響很大，所以其測(cè)量范圍受到一定影響。

2.3 基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法基于計(jì)算機(jī)視覺的粗糙度測(cè)量方法是指使用攝像機(jī)抓取圖像，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計(jì)算工件的粗糙度參數(shù)值。近年來，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來越多的關(guān)注。

北京理工大學(xué)的王仲春等人采用顯微鏡對(duì)檢測(cè)表面進(jìn)行放大，并通過對(duì)CCD采集加工表面微觀圖像進(jìn)行處理實(shí)現(xiàn)了表面粗糙度的檢測(cè)[7]。哈爾濱理工大學(xué)吳春亞、劉獻(xiàn)禮等為解決機(jī)械加工表面粗糙度的快速、在線檢測(cè)，設(shè)計(jì)了一種表面粗糙度圖像檢測(cè)方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國(guó)學(xué)者Hossein Ragheb和Edwin R.Hancock通過數(shù)碼相機(jī)拍攝的表面反射圖來估計(jì)表面粗糙度參數(shù)，運(yùn)用Vernold Harvey修正的B K散射理論模型獲得了比Oren Nayar模型更好的粗糙度估計(jì)結(jié)果[9]。澳大利亞學(xué)者Ghassan A.Al-Kindi和Bijan Shirinzadeh對(duì)基于顯微視覺的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評(píng)估，討論了照射光源與表面輻照度模型對(duì)檢測(cè)的影響，結(jié)果顯示盡管從視覺數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺的方法仍是一種可靠的粗糙度參數(shù)估計(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法主要有統(tǒng)計(jì)分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計(jì)法。通過這些方法獲得的表面粗糙度參數(shù)的估計(jì)值受諸多因素的影響，難以給出其準(zhǔn)確的物理解釋。真正要定量地計(jì)算出粗糙度參數(shù)，需要科學(xué)的計(jì)算。

但是隨著機(jī)械加工自動(dòng)化水平的提高，基于計(jì)算機(jī)視覺技術(shù)的檢測(cè)方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來越多的重視。

3結(jié)束語(yǔ)

接觸式測(cè)量測(cè)量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測(cè)。非接觸式測(cè)量具有無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量等優(yōu)點(diǎn)，已成為表面粗糙度檢測(cè)的重點(diǎn)研究方向。非接觸測(cè)量以光學(xué)法為主，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度非接觸式檢測(cè)方法受到越來越多的重視。

參考文獻(xiàn)：

[1]劉斌，馮其波，匡萃方.表面粗糙度測(cè)量方法綜述[J].光學(xué)儀器，2004，26（5）：54-55.

[2]苑惠娟等．非接觸式表面粗糙度測(cè)量?jī)x[J]．哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào)，1995，19（6）：30-34．

[3]強(qiáng)熙富，張?jiān)仯S文海．?dāng)U展激光散射法測(cè)量粗糙度的測(cè)量范圍的研究[J]．計(jì)量學(xué)報(bào)，1990，11（2）：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測(cè)量技術(shù)研究概況[J]．機(jī)械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計(jì)量，1994，（4）：27-29．

[6]徐德衍等．光學(xué)表面粗糙度研究的進(jìn)展與方向[J]．光學(xué)儀器，1996，18（1）：32-41．

[7]王仲春，高岳，黃粵熙等.顯微成像檢測(cè)表面粗糙度[J].光學(xué)技術(shù)，1998，5：46-48.

[8]吳春亞，劉獻(xiàn)禮，王玉景等.機(jī)械加工表面粗糙度的圖像檢測(cè)方法[J].哈爾濱理工大學(xué)學(xué)報(bào)，2007，12（3）：148-151.

[9]Hossein Ragheb，Edwin R.Hancock.The modified Beckmann Kirchhoff scattering theory for rough surface analysis[J].Pattern Recognition，2007，40：2004-2020.

篇8

論文關(guān)鍵詞：表面粗糙度，非接觸，光學(xué)測(cè)量

 

隨著科學(xué)技術(shù)的進(jìn)步和社會(huì)的發(fā)展，人們對(duì)于機(jī)械產(chǎn)品表面質(zhì)量的要求越來越高。表面粗糙度是評(píng)價(jià)工件表面質(zhì)量的一個(gè)重要指標(biāo)，國(guó)內(nèi)外很多學(xué)者在表面粗糙度檢測(cè)方面做了大量研究工作。目前測(cè)量表面粗糙度的主要方法有：接觸式測(cè)量和非接觸式測(cè)量。

1 接觸式測(cè)量

接觸式測(cè)量就是測(cè)量裝置的探測(cè)部分直接接觸被測(cè)表面，能夠直觀地反映被測(cè)表面的信息，接觸式測(cè)量方法主要是觸針法，該方法經(jīng)過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測(cè)量存在很大的缺陷，具體表現(xiàn)在：（1）對(duì)高精度表面及軟質(zhì)金屬表面有劃傷破壞作用；（2）受觸針尖端圓弧半徑的限制，其測(cè)量精度有限；（3）因觸針磨損及測(cè)量速度的限制，無法實(shí)現(xiàn)在線實(shí)時(shí)測(cè)量[1]。

2 非接觸式測(cè)量

為了克服接觸式測(cè)量方法的不足非接觸，人們對(duì)非接觸式測(cè)量方法進(jìn)行了廣泛研究。研究表明，非接觸式測(cè)量方法具有非接觸、無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測(cè)量方法包括各種光學(xué)測(cè)量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度檢測(cè)方法等。這里我們只對(duì)基于光學(xué)散射原理的測(cè)量方法、基于光學(xué)干涉原理的測(cè)量方法和基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法做簡(jiǎn)單介紹論文格式模板。

2.1基于光學(xué)散射原理的測(cè)量方法

當(dāng)一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強(qiáng)度分布有一定的關(guān)系。對(duì)于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強(qiáng)；反之，表面粗糙度數(shù)值較大的表面，散射光能較強(qiáng)，反射光能較弱。

基于光學(xué)散射原理測(cè)量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學(xué)和哈爾濱理工大學(xué)相繼提出了一種稱之為散射特征值的參數(shù)，表征被測(cè)物體表面上反射光和散射光的分散度，散射特征值與被測(cè)物體表面的粗糙度有很好的對(duì)應(yīng)關(guān)系[2]。哈爾濱理工大學(xué)利用已知表面粗糙度參數(shù)值的標(biāo)準(zhǔn)樣塊測(cè)得其散射特征值，建立—關(guān)系曲線，從而實(shí)現(xiàn)利用散射特征值測(cè)量火炮內(nèi)膛表面粗糙度[3]。

基于光學(xué)散射原理的表面粗糙度檢測(cè)方法，具有結(jié)構(gòu)簡(jiǎn)單、體積小、易于集成產(chǎn)品、動(dòng)態(tài)響應(yīng)好、適于在線測(cè)量等優(yōu)點(diǎn)。該方法的缺點(diǎn)是測(cè)量精度不高，用于超光滑表面粗糙度的測(cè)量還有待進(jìn)一步改進(jìn)。

2.2基于光學(xué)干涉原理的測(cè)量方法

當(dāng)相干光照射到工件表面同一位置時(shí)，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測(cè)量是利用被測(cè)面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對(duì)干涉條紋做適當(dāng)變換，通過測(cè)量干涉條紋的相對(duì)變形來定量檢測(cè)表面粗糙度。該方法的測(cè)量精度取決于光的波長(zhǎng)。但是由于干涉條紋的分辨率是以光波波長(zhǎng)的一半為極限的，僅從條紋的狀態(tài)無法判斷表面是凸起還是凹陷，因此非接觸，作為一種具有較好分辨率、寬測(cè)量范圍的表面粗糙度在線檢測(cè)技術(shù)，這種干涉法測(cè)量技術(shù)還有待于進(jìn)一步發(fā)展[4]。

基于光學(xué)干涉原理，1984年美國(guó)洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學(xué)外差輪廓儀，光外差干涉檢測(cè)技術(shù)是一種具有納米級(jí)測(cè)量準(zhǔn)確度的高精度光學(xué)測(cè)量方法，適用于精加工、超精加工表面的測(cè)量，而且可以進(jìn)行動(dòng)態(tài)時(shí)間的研究；華中理工大學(xué)采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國(guó)的維易科(VEECO)精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學(xué)輪廓儀，可用來測(cè)量干涉條紋位相[6]。

基于光學(xué)干涉原理測(cè)量表面粗糙度分辨率高，適于測(cè)量超光滑表面粗糙度，但由于該方法的測(cè)量精度受光波波長(zhǎng)的影響很大，所以其測(cè)量范圍受到一定影響。

2.3基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法

基于計(jì)算機(jī)視覺的粗糙度測(cè)量方法是指使用攝像機(jī)抓取圖像，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計(jì)算工件的粗糙度參數(shù)值。近年來，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來越多的關(guān)注。

北京理工大學(xué)的王仲春等人采用顯微鏡對(duì)檢測(cè)表面進(jìn)行放大，并通過對(duì)CCD采集加工表面微觀圖像進(jìn)行處理實(shí)現(xiàn)了表面粗糙度的檢測(cè)[7]論文格式模板。哈爾濱理工大學(xué)吳春亞、劉獻(xiàn)禮等為解決機(jī)械加工表面粗糙度的快速、在線檢測(cè)，設(shè)計(jì)了一種表面粗糙度圖像檢測(cè)方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國(guó)學(xué)者Hossein Ragheb和Edwin R. Hancock通過數(shù)碼相機(jī)拍攝的表面反射圖來估計(jì)表面粗糙度參數(shù)非接觸，運(yùn)用Vernold–Harvey修正的B–K散射理論模型獲得了比Oren–Nayar模型更好的粗糙度估計(jì)結(jié)果[9]。澳大利亞學(xué)者Ghassan A. Al-Kindi和Bijan Shirinzadeh對(duì)基于顯微視覺的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評(píng)估，討論了照射光源與表面輻照度模型對(duì)檢測(cè)的影響，結(jié)果顯示盡管從視覺數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺的方法仍是一種可靠的粗糙度參數(shù)估計(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法主要有統(tǒng)計(jì)分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計(jì)法。通過這些方法獲得的表面粗糙度參數(shù)的估計(jì)值受諸多因素的影響，難以給出其準(zhǔn)確的物理解釋。真正要定量地計(jì)算出粗糙度參數(shù)，需要科學(xué)的計(jì)算。

但是隨著機(jī)械加工自動(dòng)化水平的提高，基于計(jì)算機(jī)視覺技術(shù)的檢測(cè)方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來越多的重視。

3 結(jié)束語(yǔ)

接觸式測(cè)量測(cè)量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測(cè)。非接觸式測(cè)量具有無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量等優(yōu)點(diǎn)，已成為表面粗糙度檢測(cè)的重點(diǎn)研究方向。非接觸測(cè)量以光學(xué)法為主，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度非接觸式檢測(cè)方法受到越來越多的重視。

參考文獻(xiàn)：

[1]劉斌,馮其波,匡萃方.表面粗糙度測(cè)量方法綜述[J]. 光學(xué)儀器, 2004, 26(5): 54-55.

[2]苑惠娟等．非接觸式表面粗糙度測(cè)量?jī)x[J]．哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào)，1995，19(6)：30-34．

[3]強(qiáng)熙富，張?jiān)仯S文海．?dāng)U展激光散射法測(cè)量粗糙度的測(cè)量范圍的研究[J]．計(jì)量學(xué)報(bào)，1990，11(2)：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測(cè)量技術(shù)研究概況[J]．機(jī)械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計(jì)量，1994，(4)：27-29．

[6]徐德衍等．光學(xué)表面粗糙度研究的進(jìn)展與方向[J]．光學(xué)儀器，1996，18(1)：32-41．

[7]王仲春,高岳,黃粵熙等.顯微成像檢測(cè)表面粗糙度[J]. 光學(xué)技術(shù), 1998, 5: 46-48.

[8]吳春亞,劉獻(xiàn)禮,王玉景等.機(jī)械加工表面粗糙度的圖像檢測(cè)方法[J]. 哈爾濱理工大學(xué)學(xué)報(bào), 2007, 12(3): 148-151.

[9]Hossein Ragheb, Edwin R.Hancock. The modified Beckmann–Kirchhoff scattering theory for rough surfaceanalysis[J]. Pattern Recognition, 2007, 40: 2004-2020.

[10]Ghassan A. Al-Kindi, BijanShirinzadeh. An evaluation of surface roughness parameters measurement usingvision-based data[J]. International Journal of Machine Tools & Manufacture,2007, 47: 697-708.

[11]Ghassan A. Al-Kindi, BijanShirinzadeh. Feasibility assessment of vision-based surface roughnessparameters acquisition for different types of machined specimens[J]. Image andVision Computing, 2008, 6: 1-15.

篇9

[關(guān)鍵詞]變電站工作區(qū)；安全監(jiān)控；智能視頻監(jiān)控

中圖分類號(hào)：TM63；TM769 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2016）13-0321-01

1. 引言

在變電站中，完成各類作業(yè)的主體之一是人員，因人在完成各類作業(yè)時(shí)需要在變電站內(nèi)不斷運(yùn)動(dòng)，因此在變電站工作現(xiàn)場(chǎng)安全區(qū)域監(jiān)控中人的行為監(jiān)控是重點(diǎn)之一。

目前在變電站工作現(xiàn)場(chǎng)安全管理方面存在以下問題：

1）部分工作人員自覺性不高，導(dǎo)致習(xí)慣性違章屢禁不止。如跨越護(hù)欄進(jìn)入帶電區(qū)域的現(xiàn)象、不正確佩戴安全帽、不正確穿著工作服、不按照安規(guī)要求搬運(yùn)工具、登高不佩戴安全帶、監(jiān)護(hù)人離崗等違章行為時(shí)有發(fā)生。

2）當(dāng)有監(jiān)督管理人員在現(xiàn)場(chǎng)監(jiān)管時(shí)，極少部分工作人員對(duì)監(jiān)督管理人員要求、提醒及規(guī)章制度不屑一顧，對(duì)作業(yè)現(xiàn)場(chǎng)安全隱患麻痹大意，因此很有可能在不經(jīng)意間導(dǎo)致事故發(fā)生，威脅人員生命安全，威脅電網(wǎng)運(yùn)行安全。

目前，隨著計(jì)算機(jī)技術(shù)及視覺監(jiān)控系統(tǒng)的不斷發(fā)展，變電站工作現(xiàn)場(chǎng)安全監(jiān)控系統(tǒng)開始得到應(yīng)用。特別對(duì)于無人值守變電站工作現(xiàn)場(chǎng)的安全監(jiān)控問題，對(duì)作業(yè)人員擅自穿、跨越安全圍欄或超越安全警戒線進(jìn)行警告監(jiān)測(cè)，糾正違規(guī)違章行為，防止因現(xiàn)場(chǎng)監(jiān)控不到位引發(fā)的誤操作、誤入工作現(xiàn)場(chǎng)等惡性事故的發(fā)生，對(duì)提升電力作業(yè)現(xiàn)場(chǎng)安全管理水平有重要意義。因此，需要探尋全新的安全監(jiān)管手段，實(shí)現(xiàn)作業(yè)現(xiàn)場(chǎng)高效監(jiān)管，提高監(jiān)管水平，降低作業(yè)安全風(fēng)險(xiǎn)。

2. 發(fā)展現(xiàn)狀

（1） 安全系統(tǒng)工程

安全系統(tǒng)工程是以信息論、控制論等為基礎(chǔ)，專門研究如何用安全工程、系統(tǒng)工程、可靠性工程的原理和方法，對(duì)研究對(duì)象中的風(fēng)險(xiǎn)進(jìn)行辨識(shí)、評(píng)價(jià)、控制和消除，以實(shí)現(xiàn)系統(tǒng)及其全過程安全的科學(xué)技術(shù)。

安全系統(tǒng)工程產(chǎn)生于20世紀(jì)60年代初期美英等工業(yè)發(fā)達(dá)國(guó)家。美國(guó)、英國(guó)、日本等公司相繼發(fā)表了火災(zāi)爆炸指數(shù)評(píng)價(jià)法、埃德蒙德評(píng)價(jià)法、化工企業(yè)六步驟安全評(píng)價(jià)法等多種評(píng)價(jià)方法，用于化學(xué)企業(yè)安全評(píng)價(jià)。以此同時(shí)，許多系統(tǒng)安全分析方法和評(píng)價(jià)方法在電子、航空、鐵路、汽車、冶金等行業(yè)得到了應(yīng)用。

我國(guó)安全系統(tǒng)工程的研究、開發(fā)是從20世紀(jì)70年代末開始的。天津東方化工廠應(yīng)用安全系統(tǒng)工程成功地解決了高度危險(xiǎn)企業(yè)的安全生產(chǎn)問題，為我國(guó)各個(gè)領(lǐng)域?qū)W習(xí)、應(yīng)用安全系統(tǒng)工程起了帶頭作用。其后，機(jī)械、冶金、航空、交通運(yùn)輸、核電等行業(yè)的企業(yè)廣泛借鑒引用國(guó)外的系統(tǒng)安全分析方法，對(duì)現(xiàn)有系統(tǒng)進(jìn)行分析和評(píng)價(jià)，取得了良好的應(yīng)用效果。

（2） 變電站安全管理方法

近年來，變電站工作現(xiàn)場(chǎng)安全管理實(shí)行“安全第一、預(yù)防為主、綜合治理”的安全工作方針，加強(qiáng)基礎(chǔ)管理，狠抓現(xiàn)場(chǎng)管控，檢修現(xiàn)場(chǎng)安全措施管理方面主要有工作票制度、運(yùn)行人員操作票制度和現(xiàn)場(chǎng)作業(yè)危險(xiǎn)點(diǎn)分析預(yù)控卡以及繼保人員使用的二次工作安全措施票，把安全意識(shí)、制度約束、作業(yè)行為落實(shí)到現(xiàn)場(chǎng)安全管理全過程，使設(shè)備常規(guī)監(jiān)督、狀態(tài)檢修、跟蹤預(yù)控等各項(xiàng)措施實(shí)現(xiàn)無縫滲透。目前，變電站檢修現(xiàn)場(chǎng)安全措施管理存在以下問題：一是作業(yè)現(xiàn)場(chǎng)失去安全監(jiān)護(hù)違章作業(yè)。二是作業(yè)人員素質(zhì)不高，責(zé)任心不強(qiáng)。三是擅自擴(kuò)大工作范圍。四是對(duì)作業(yè)人員的安全教育及交底不足、不到位。五是現(xiàn)場(chǎng)監(jiān)督工作不到位。

（3） 安全監(jiān)控方法

計(jì)算機(jī)智能視頻監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題。伴隨網(wǎng)絡(luò)技術(shù)和數(shù)字視頻技術(shù)的飛速發(fā)展，監(jiān)控技術(shù)正向著智能化、網(wǎng)絡(luò)化方向不斷前進(jìn)。監(jiān)控系統(tǒng)功能日益強(qiáng)大，但是依然需要工作人員不間斷地分析監(jiān)視場(chǎng)景內(nèi)的活動(dòng)，日夜值守，工作量繁重。因此計(jì)算機(jī)視覺和應(yīng)用研究學(xué)者適時(shí)提出新一代監(jiān)控―視頻監(jiān)控的概念。視頻監(jiān)控在不需要人為干預(yù)情況下，利用計(jì)算機(jī)視覺和視頻分析的方法對(duì)攝像機(jī)拍錄的圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中目標(biāo)的定位、識(shí)別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，從而既能完成日常管理又能在異常情況發(fā)生時(shí)及時(shí)做出反應(yīng)。計(jì)算機(jī)視頻監(jiān)控系統(tǒng)不僅符合信息產(chǎn)業(yè)的未來發(fā)展趨勢(shì)，而且代表了監(jiān)控行業(yè)的未來發(fā)展方向，蘊(yùn)藏著巨大的商機(jī)和經(jīng)濟(jì)效益，受到學(xué)術(shù)界、產(chǎn)業(yè)界和管理部門的高度重視。

目前，對(duì)計(jì)算機(jī)視頻監(jiān)控的研究與應(yīng)用方興未艾。計(jì)算機(jī)視頻監(jiān)控是利用計(jì)算機(jī)視覺和圖像處理的方法對(duì)圖像序列進(jìn)行運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)目標(biāo)分類、運(yùn)動(dòng)目標(biāo)跟蹤以及對(duì)監(jiān)視場(chǎng)景中目標(biāo)行為的理解與描述。其中，運(yùn)動(dòng)檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤屬于視覺中的低級(jí)和中級(jí)處理部分，而行為理解和描述則屬于高級(jí)處理。運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)目標(biāo)分類與跟蹤是視頻監(jiān)控中研究較多的三個(gè)問題；而行為理解與描述則是近年來被廣泛關(guān)注的研究熱點(diǎn)，它是指對(duì)目標(biāo)的運(yùn)動(dòng)模式進(jìn)行分析和識(shí)別，并用自然語(yǔ)言等加以描述。

3. 理論依據(jù)

（1） 安全系統(tǒng)工程

對(duì)于變電站安全監(jiān)控系統(tǒng)而言，它是安全系統(tǒng)工程學(xué)在變電站安全中的具體應(yīng)用，其主要目的是通過對(duì)變電站工作人員和設(shè)備工作安全相關(guān)的監(jiān)控對(duì)象某個(gè)或某一類屬性的檢測(cè)、監(jiān)控、分析評(píng)價(jià)，及時(shí)發(fā)現(xiàn)其屬性在變電站運(yùn)營(yíng)過程中狀態(tài)的變化情況。如果出現(xiàn)設(shè)備故障隱患、人員異常行為等危機(jī)安全的現(xiàn)象，提醒相關(guān)人員及時(shí)采取有針對(duì)性的措施，對(duì)監(jiān)控對(duì)象進(jìn)行處置、維修和養(yǎng)護(hù)，以保證變電站處于良好的運(yùn)行狀態(tài)，從而保證電力系統(tǒng)穩(wěn)定安全地工作。

（2） 安全監(jiān)控技術(shù)

目前，智能視頻監(jiān)控技術(shù)應(yīng)用于變電站工作現(xiàn)場(chǎng)安全監(jiān)控管理中。計(jì)算機(jī)視覺的研究目的是利用計(jì)算機(jī)代替人眼及大腦對(duì)于景物環(huán)境進(jìn)行感知、解釋和理解。如果把攝像機(jī)看作人的眼睛，而智能視覺監(jiān)控系統(tǒng)則可以看作人的大腦。智能視覺監(jiān)控系統(tǒng)能夠識(shí)別不同的物體，發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并能夠以最快和最佳的方式發(fā)出警報(bào)和提供有用信息，從而能夠更加有效的協(xié)助安全人員處理危機(jī)，并最大限度的降低誤報(bào)和漏報(bào)現(xiàn)象。一般而言，智能視覺監(jiān)控的主要研究?jī)?nèi)容包括目標(biāo)檢測(cè)與分類、目標(biāo)跟蹤、目標(biāo)匹配額、目標(biāo)定位、目標(biāo)識(shí)別和行為理解（行為分析、語(yǔ)義描述）等。

4. 應(yīng)用情況

從國(guó)外的應(yīng)用情況來看，智能視頻監(jiān)控技術(shù)具有兩種應(yīng)用模式：一是與傳統(tǒng)的模擬視頻監(jiān)控系統(tǒng)結(jié)合使用，二是基于網(wǎng)絡(luò)的全數(shù)字化智能視頻監(jiān)控系統(tǒng)。目前，我國(guó)的從事智能視頻監(jiān)控系統(tǒng)的公司一般都是與國(guó)際上比較好的智能視頻領(lǐng)域的公司合作。2005年5月，北京兆維泰奇科技有限公司與瑞士Visio Wave公司合作基于網(wǎng)絡(luò)智能化的安防監(jiān)控解決方案。2007年3月，深圳貝爾信科技與以色列IOimage公司建立合作伙伴關(guān)系并成為中國(guó)區(qū)產(chǎn)品總與技術(shù)支持中心，推出了 bellsent系列產(chǎn)品，已成功在機(jī)場(chǎng)、油田、博物館、鐵路干線、倉(cāng)庫(kù)等地方成功應(yīng)用。

5. 結(jié)語(yǔ)

視頻監(jiān)控系統(tǒng)未來發(fā)展會(huì)越來越智能化，在有效采集信息的基礎(chǔ)上，智能視頻監(jiān)控系統(tǒng)比普通的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)具備更強(qiáng)大的圖像處理能力和智能因素，其能感知和理解的信息包括人臉（用戶身份）、人和物的行為、人員流動(dòng)、人和物的消失出現(xiàn)、人群聚集狀態(tài)、人體疲勞狀態(tài)、煙霧產(chǎn)生和蔓延等，所有需要用到這些信息的應(yīng)用領(lǐng)域，都有可能成為智能視頻分析的用武之地。變電站工作現(xiàn)場(chǎng)安全監(jiān)控系統(tǒng)使用智能監(jiān)控技術(shù)，實(shí)現(xiàn)對(duì)變電站工作現(xiàn)場(chǎng)的全自動(dòng)化管控，對(duì)人身安全和設(shè)備安全以及對(duì)提高整個(gè)網(wǎng)絡(luò)的安全水平都有重要意義。

篇10

利用計(jì)算機(jī)的存儲(chǔ)能力完成統(tǒng)計(jì)記錄功能。變電站自動(dòng)化系統(tǒng),是變電站(所)自動(dòng)化監(jiān)控管理的重要設(shè)備,是集計(jì)算機(jī)技術(shù)、自動(dòng)控制技術(shù)和通訊技術(shù)等實(shí)現(xiàn)對(duì)變電站二次設(shè)備(包括繼電保護(hù)、控制、測(cè)量、信號(hào)、故障錄波、自動(dòng)裝置及遠(yuǎn)動(dòng)裝置等)的功能進(jìn)行重新組合、優(yōu)化設(shè)計(jì),對(duì)變電站全部設(shè)備的運(yùn)行情況執(zhí)行監(jiān)視、測(cè)量、控制和協(xié)調(diào)的一種綜合性的自動(dòng)化系統(tǒng)。通過變電站綜合自動(dòng)化系統(tǒng)內(nèi)各設(shè)備間相互交換信息,數(shù)據(jù)共享,完成變電站運(yùn)行監(jiān)視和控制任務(wù)。變電站綜合自動(dòng)化替代了變電站常規(guī)二次設(shè)備,簡(jiǎn)化了變電站二次接線。

2電網(wǎng)調(diào)度自動(dòng)化

電網(wǎng)調(diào)度自動(dòng)化主要是通過電子計(jì)算機(jī)運(yùn)用自動(dòng)化技術(shù)對(duì)電網(wǎng)進(jìn)行調(diào)動(dòng),實(shí)現(xiàn)對(duì)整個(gè)電力運(yùn)行系統(tǒng)的監(jiān)控。從而確保了能夠及時(shí)預(yù)測(cè)和處理電力運(yùn)輸過程中出現(xiàn)的安全隱患以及故障發(fā)生,從而達(dá)到合理分配電能的目的。電網(wǎng)調(diào)度自動(dòng)化會(huì)帶來很多有利的功效,首先,通過合理化的調(diào)度可以降低電能消耗,從根本上減少了能源浪費(fèi);其次,電網(wǎng)調(diào)度自動(dòng)化為電能的安全運(yùn)行提供了有力的保障。能夠及時(shí)檢測(cè)出可能導(dǎo)致電網(wǎng)異常運(yùn)行的因素,并對(duì)之進(jìn)行有效的處理,避免了因電網(wǎng)故障而發(fā)生的系統(tǒng)崩潰等嚴(yán)重情況;最后,電網(wǎng)調(diào)度作為電力系重要的組成部分,其自動(dòng)化發(fā)展促進(jìn)了電網(wǎng)建設(shè)進(jìn)程的加快,有助于電力系統(tǒng)自動(dòng)化的發(fā)展。

3計(jì)算機(jī)技術(shù)推動(dòng)電力系統(tǒng)自動(dòng)化技術(shù)的發(fā)展歷程

上世紀(jì)八十年代單片機(jī)技術(shù)的發(fā)展,以及國(guó)產(chǎn)的工業(yè)計(jì)算機(jī)和PC機(jī)技術(shù)應(yīng)用,促進(jìn)了電力系統(tǒng)自動(dòng)化設(shè)備的發(fā)展。自動(dòng)化裝置采用數(shù)字電路和模塊化軟件設(shè)計(jì)技術(shù),具有了通信功能,數(shù)字式故障錄波器、微機(jī)遠(yuǎn)動(dòng)裝置及巡回檢測(cè)設(shè)備、微機(jī)繼電保護(hù)裝置性等一系列建立在計(jì)算機(jī)技術(shù)基礎(chǔ)上的設(shè)備開始大量使用。計(jì)算機(jī)技術(shù)為電力系統(tǒng)調(diào)度自動(dòng)化、電廠監(jiān)控系統(tǒng)、變電站綜合自動(dòng)化奠定了基礎(chǔ)。上世紀(jì)九十年代高性能工作站、服務(wù)器及軟件技術(shù)、信息處理技術(shù)發(fā)展迅速,電網(wǎng)調(diào)度自動(dòng)化系統(tǒng)、電廠監(jiān)控、變電站自動(dòng)化、配電自動(dòng)化的技術(shù)水平上了一個(gè)新臺(tái)階。大幅度減少了電力電纜、通信電纜的用量,減少了占地面積從而降低了建設(shè)成本。增加了設(shè)備配置的靈活性、互換性和可維護(hù)性,提高了系統(tǒng)運(yùn)行的可靠性。

4計(jì)算機(jī)技術(shù)的發(fā)展對(duì)電力系統(tǒng)自動(dòng)化的影響

4.1計(jì)算機(jī)技術(shù)與電力設(shè)備出現(xiàn)電磁干擾現(xiàn)象隨著電子計(jì)算機(jī)在電力系統(tǒng)中的使用,計(jì)算機(jī)中的處理器與電力設(shè)備之間很容易相互影響,在一定的條件下會(huì)對(duì)運(yùn)行的設(shè)備和人員造成干擾現(xiàn)象,出現(xiàn)電磁不兼容的問題。電力系統(tǒng)十分復(fù)雜和龐大,包含很多不同功能的處理系統(tǒng),各個(gè)系統(tǒng)彼此關(guān)聯(lián)、互相影響,當(dāng)前的技術(shù)對(duì)于電能的運(yùn)行環(huán)境還沒有達(dá)到控制在相對(duì)穩(wěn)定的局面,一旦某一以微處理器為核心的微機(jī)型產(chǎn)品受到電磁的干擾,便會(huì)出現(xiàn)數(shù)據(jù)紊亂的狀況,很容易導(dǎo)致整個(gè)供電系統(tǒng)的癱瘓或者數(shù)據(jù)丟失等嚴(yán)重故障。所以,如何保證電子計(jì)算機(jī)與管理系統(tǒng)的和諧融合一直是社會(huì)重點(diǎn)關(guān)注并有待解決的內(nèi)容。

4.2計(jì)算機(jī)視覺技術(shù)在電力系統(tǒng)自動(dòng)化中的應(yīng)用計(jì)算技術(shù)覺技術(shù)在80年代取得了突破性進(jìn)展。那么什么是計(jì)算機(jī)視覺呢？簡(jiǎn)單點(diǎn)說就是用機(jī)器的眼睛“看”世界,對(duì)計(jì)算機(jī)拍攝下來的圖像進(jìn)行多角度的處理,使人們更容易從中分析獲取需要的信息。目前此項(xiàng)技術(shù)已經(jīng)發(fā)展到各個(gè)應(yīng)用領(lǐng)域,其中也包括了電力系統(tǒng)。因?yàn)殡S著電力系統(tǒng)規(guī)模的擴(kuò)大,對(duì)供電要求的不斷提高,在處理圖像信息的過程中,要求工作人員的分析能力也越來越高,人腦已逐漸無法適應(yīng)高速的計(jì)算能力,所以計(jì)算機(jī)視覺技術(shù)取代人腦來分析處理圖像數(shù)據(jù)就成為了必然趨勢(shì)。其高效率、高智能的處理器促進(jìn)了電力系統(tǒng)向自動(dòng)化的發(fā)展。

4.3計(jì)算機(jī)智能控制技術(shù)在電力系統(tǒng)自動(dòng)化中的發(fā)展前景隨著電力系統(tǒng)不斷向自動(dòng)化發(fā)展,電力調(diào)度技術(shù)慢慢告別了傳統(tǒng)的手段,改為依靠以智能控制為核心的智能控制技術(shù)。這種技術(shù)使電力系統(tǒng)實(shí)現(xiàn)了從量變到質(zhì)變的本質(zhì)飛躍。控制技術(shù)的智能化強(qiáng)化了電力系統(tǒng)的安全穩(wěn)定性,對(duì)復(fù)雜的指令進(jìn)行有條理的處理,增強(qiáng)了電力系統(tǒng)的實(shí)用性和收益性。隨著學(xué)者們對(duì)這種技術(shù)的研究,智能控制技術(shù)還擁有著十分廣闊的發(fā)展前景。

5結(jié)語(yǔ)