计算机视觉方案范文

导语：如何才能写好一篇计算机视觉方案，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：计算机；网络故障；解决措施

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）25-5857-02

随着信息化时代的到来，计算机网络技术水平不断向前发展，日新月异的科学技术为计算机网络覆盖范围的扩展奠定了坚实的基础。如今计算机网络不仅仅只限于企业或公司的生产活动中，它已深入到人们日常生活的方方面面，计算机网络得到了大范围的普及。随着计算机网络的广泛应用，企业的生产效率得到了很大的提高，人们之间的沟通与交流也越来越便捷，丰富的网络资源为人们提供了学习的平台。但是，计算机网络的普及在带来便利的同时也存在着一定的安全隐患，计算机网络在使用中出现网络故障的概率不断增加，加强对计算机网络故障类型的识别是正确解决网络故障的重要前提，对网络故障产生的原因进行正确分析并掌握一套行之有效的解决方案是排查计算机网络故障的关键。

1 计算机网络故障及其常见问题

1.1 关于计算机网络故障

当前计算机被广泛应用到生产生活的各个领域与环节中，一方面计算机网络的应用对促进生产效率提高、改进生活方式产生了积极的促进作用，而另一方面网络故障问题出现的概率也不断增加。所谓网络故障，是不同于正常网络连接的一种状态，主要表现为出现网速不正常现象或无法通过与网络进行互联等，是与网络畅通相对的概念。一般来说，计算机网络故障可以分为物理/硬件故障和逻辑/软件故障，物理/硬件故障主要是指计算机内部的网卡、集成器、内存、硬盘和外部的交换机、路由器、显示器等出现的故障，而常见的逻辑/软件故障主要是由网络协议、网络设备配置或设置错误造成的计算机网络故障问题。

1.2 常见的计算机网络故障问题

网络故障的主要表现为计算机的设备故障，具体可以分为以下三类：计算机主机故障、网络线路故障及网络端口故障。

1.2.1计算机主机故障

计算机出现主机故障一般是主机不能正常运行的问题，导致主机出现故障的原因多种多样，可能是网卡松动或损坏引起的，也可能是卡槽故障、网卡驱动未安装或安装不当导致的主机故障，还有可能是参数设置不当、协议不当、设备冲突或黑客恶意入侵引起的。主机在计算机网络中非常重要的存在，若主机出现故障，那么整个计算机网络也会无法正常运行，因此要十分重视对主机的维护。

1.2.2 网络线路故障

网络线路故障主要是指由于计算机各类线路问题引起的计算机无法网络正常工作的情况。相对其他故障而言，线路故障造成的影响较有限，而导致线路故障的原因是多样的，引起网络线路故障的原因主要有线路接触不良、线路串接或线路破损等，比如线路质量、人为的外部破坏或使用年限过长造成的破损问题，或接线员的技术错误引起的线路故障问题等。

1.2.3 网络端口故障

相较于其他故障，网络端口故障是影响较小的故障，主要是由于计算机网络端口问题导致计算机网络不能正常运行的情况。通常来说，网络端口故障的影响有限，不会对计算机的正常运转产生十分严重的破坏，但在一些特定情况下却也有可能直接导致计算机网络的全面瘫痪。端口故障的种类同网络端口的类别密切相关，大致可以分为三种：端口接触不良、端口破损或端口关闭错误引发的端口故障。

2 计算机网络故障产生的原因剖析

通常对计算机网络故障的原因分析主要可以从两个角度进行分析，即人为原因与非人为原因，这两类原因是导致计算机网络故障的主要原因。

2.1 引起计算机网络故障的人为因素

导致计算机网络故障人为原因的分析主要集中在三个方面，首先是相关设备的制造商，在计算机相关设备的生产过程中，由于制造商过度控制成本、监管系统松散或生产不畅通等不当措施，极易引起设备的质量问题；其次是设备的安装技术人员，安装人员在对设备进行安装的过程中，错误的参数设置或对设备的损害等失误行为引起的网络故障；最后是计算机网络的用户，用户日常无意识的错误操作或黑客有意识的网络攻击行为都会导致计算机网络出现故障。这类由人为原因引起的计算机网络故障是可控的，通过一定的措施可以实现对网络故障的有效控制。

2.2引起计算机网络故障的非人为因素

导致计算机网络故障的非人为因素具有不可控性，计算机网络故障非人为因素的主要表现有：长时间暴露在外导致设备失灵、老鼠等生物啃咬线路导致线路破损、机器使用年限过长引起的设备老化情况或天气突变、自然灾害造成的计算机网络故障问题等。对于引起计算机网络故障的非人为因素不能进行有效的控制，我们只能尽最大可能实现对各类非人为因素的事前预防，并在故障不可避免的发生后进行快速处理，尽可能减少故障带来的危害。

3 计算机网络故障的解决措施

随着计算机网络故障的频发，如何有效识别计算机网络故障，并以最快速度排除故障恢复网络运行成为大众关注的问题。上文中，笔者分析了网络故障及其常见问题，并就引起计算机网络故障的两类因素进行了探讨，现对此提出相应的解决措施，包括主机故障的解决方案、线路故障的解决方案以及端口故障的解决方案等，具体阐述如下：

3.1主机故障的解决方案

计算机网络出现主机故障的原因多种多样，在排查主机故障时要根据故障的不同特点进行维修。比如，若主机故障是由网卡驱动未安装或安装不当引起的，网络维护人员需要对主机网卡进行定期的检查。若主机故障是网卡松动导致，则极有可能是网卡放置方法或位置错误，重新放置网卡即可解决。若是卡槽损坏引起了主机故障，那么则需要换新的卡槽，如果故障仍没有排除，则需要将计算机的网卡放到正常机器上进行检测，若网卡不能正常工作就需要进行更换。若主机故障是由于网卡驱动未安装或安装不当导致的，那么需要尽快安装驱动程序。若出现设备冲突引起的主机故障，要对接头类型、IQ端口地址及网卡设置进行检查，及时排查问题，对有问题的参数重新设置，必要时需要更换设备。若主机故障是由协议或参数设置不当引起的，需要及时更新参数设置或重新设定协议。若主机故障是受到黑客恶意攻击导致的，则需要启用程序复原。

3.2 线路故障的解决方案

在计算机网络线路的选择与采购过程中，要特别注意选择品牌大、质量好的优质线，以保证线路安装后能提供良好的售后服务；在进行线路安装过程中，安装人员要遵循分装多跟线路的原则，避免今后使用过程中的潜在损伤，尽量将线路分布在人们不易接触到的地方；在线路的使用过程中，使用人员要注重保护线路，减少外力对线路的破坏，对于长期使用的线路要进行定期的更换。若在实际使用过程中出现因电路故障导致的计算网络故障，使用者可以尝试对其进行更换线路测试，若测试结果显示可以正常工作，那么可以断定是线路故障引起的网络瘫痪，若显示不能正常工作，则需要考虑其他的可能性。

3.3 端口故障的解决方案

在出现端口故障的情况下，首先要对端口故障的可能情况进行排查，相较于其他两类故障，对端口故障的确认要相对容易些。一般情况下都需要首先对端口故障进行确认，若计算机网络出现异常，无常正常工作，那么首先有必要对路由器端口进行检测，检查是否是路由器接触不良导致的网路故障。路由器端口包括路由器网线端口和路由器电源线段El两大类，对其端口故障的排查需要依照端口是否打开、端口是否松动和端口是否损坏的顺序进行，若是端口为正常打开或链接的情况，按正确的操作方法打开链接即可；若是端口松动的情况，使用正确的操作方法卡紧端口即可；若是端口出现损坏，则需要进行相应的测试，检验端口是否能正常工作，如果不能正常工作则需要及时替换能正常运行的端口。

4 结束语

在科技高速发展的信息化大背景下，计算机网络的普及为人们生产生活的智能化、便捷化和高效化奠定了基础，计算机网络成为人们日常生活中不可或缺的工具之一，但是我们也应该看到，计算机网络在为人们提供便利的同时，网络故障的出现也是不可避免的。因此，要加强对计算机网络的日常管理，正确识别计算机网络故障的类别，极可能的降低网络故障发生的概率，将可避免的细小故障发生概率尽可能控制为零，对不同类型的计算机网络故障进行针对性的故障排查。只有尽量减少计算机网络故障带来的不利影响，才能真正发挥计算机网络的作用，为人们的日常生活提供便利，推动社会经济的持续性发展。

参考文献：

[1] 崔凯.智能型网络故障诊断系统研究[J].河南教育学院学报：自然科学版，2013（3）.

[2] 马长安.文件替换法排除TCP/IP协议故障[J].安徽电子信息职业技术学院学报，2009（5）.

[3] 张东进.探析计算机网络故障与维护策略[J].电脑编程技巧与维护，2011（2）.

篇2

本文对计算机局域网络应用中常见的故障问题进行了分析并提出了相应的解决方案。主要分析了计算机无法联网、Windows XP系统拒绝访问，无线网卡不能正常工作，资源共享等问题出现的原因及基本解决方案，是在对平时计算机局域网知识的学习的基础之上的进一步的总结、应用，反映平时日常工作的心得，也是对理论知识的进一步升华。论文中提及的常见计算机局域网故障及解决方法，能够对计算机局域网使用人员有一定帮助。

【关键词】计算机网络 故障 解决 运用

1 引言

随着计算机网络应用的逐渐普及，人们越来越多地依赖网络处理日常工作和事务，网络出现故障如果不能及时排除就会给人们造成很大的损失。对网络故障及其排除方法的研究和应用对于保障网络的正常运行、提高网络系统的可靠性和可用性有着极其重要的意义。如果计算机网络故障不能及时排除，就会影响正常的工作和办公。所以计算机网络故障会严重影响正常的学习和工作。由此可见，我们必须掌握常见的计算机网络故障以及解决方案，掌握相关基本的网络故障理论知识和故障排除的动手实践的技巧是十分实用和必要的。随着网络的不断发展，在我们的日常生活中，局域网已经得到了广泛的应用。组建局域网具有如下优点：加速信息的传播速度、还可以实现内部文件与资源的共享。局域网的应用广泛，在组建和使用局域网过程中，实现网络信息与资源共享，不可避免的会出现一些常见的问题，我们只是对较为常见的一些问题进行探讨和研究。计算机局域网故障诊断、排除是管好网络、用好网络，使局域网络发挥其作用的重要技术工作之一。

2 常见计算机局域网故障分析

2.1 所有设置均正确，无法联网的问题

在局域网中，我们经常会遇到不能连网、网络不通的状况。对于这些问题，我们首先要明确的是诊断步骤。通常可以从网卡、网线、网络设备、驱动程序、设备等一一去排查。

步骤一：检查网卡。首先，打【系统属性】对话框，选择【硬件】选项卡，单击【设备管理器】按钮。

在弹出的【设备管理器】对话框中单击【网络适配器】前面的【+】，选择自己所使用的网卡，执行【属性】命令。

网卡【属性】对话框中选择【常规】选项卡，可显示网卡的状态资源。

在【设备用法】下拉列表框中可以选择启用或停用该网卡。如果没有处于正在运行状态，我们就需要重新安装驱动程序，选择【驱动程序】选项卡，可以更新、卸载驱动程序。

步骤二：按上述方法一次检查后，我们可以检查一下网络设备以及网线，在确定网卡没有问题后，就可以对网线进行检查，常见的故常有双绞线内部出现断裂、RJ-45水晶头内部接触不良，也有可能是网络设备自身质量有问题，也可能是连接有问题，我们需要仔细进行检查。

2.2 Windows XP系统拒绝访问

当Windows XP系统拒绝访问时，首先确定用户在系统中是否进行了以下设置。（1）当使用其他操作系统登录Windows XP系统时，确定启用了Windows XP系统的Guest 用户。（2）在Windows XP中运行了网络安装向导。（3）关闭了Internet连接防火墙。（4）保证用户的网络信息设置正确，例如IP地址、网关、子网掩码等。

如果依然不能访问，可在Windows XP 系统中位客户机分配一个专用的用户名和密码，或者两台计算机使用相同的用户名和密码。

2.3 无线网卡不能正常工作

当人们使用无线网络时，常会发现无线网卡不能使用。这厮应该从以下几个方面找原因。

（1）网卡是否安装正确，查看网络硬件管理器中是否能看到无线网络硬件。

（2）网卡驱动是否安装成功，如果网卡驱动安装不正确，也就不能让无线网卡正常的工作。

（3）网卡是否在无线信号的覆盖范围中，使用无线网卡搜索所在区域是否有无线网络信号，如果没有无线网络信号，无线网卡也无法进行正常工作。

（4）网络设置中对无线连接的设置是否正确。无线网卡虽然在无线网络信号的覆盖范围之内，但是无线网络的连接也有一定的安全设置，如果无线网卡在请求连接时，没有输入正确的密匙或被无线设备屏蔽了连接，无线网卡都不能正常工作。

3 资源共享的相关问题

在XP系统中，有时候虽然能在文件夹上看到共享的图标，但是局域网内的其他计算机却并不能访问该文件夹。这个时候我们一般还要安装网络安装向导来进行网络共享。

步骤一：打开【控制面板】窗口，之后再弹出的对话框中双击【网络和共享中心】。

步骤二：继续单击弹出对话框中的【网络状态和任务】，会弹出下一个对话框。

步骤三：接着点击【更改高级共享设置】，会弹出如图所示的对话框。

步骤四：选中【启用文件和打印机共享】按钮，继续单击【下一步】按钮，在弹出的新对话框中将会列出计算机的相关的一系列信息，继续单击【下一步】按钮，系统会自动配置网络。

步骤五：网络设置完成后，在弹出的对话框中选中【完成该向导，我不需要在其他计算机上运行该向导】单选按钮，结束安装。

4 结论

通过以上计算机局域网的技术方面的实际应用， 文章只是列举了在日常使用中常见的一些问题，在具体应用中还会遇到各式各样的问题，计算机局域网络应用是一项比较复杂的问题，涉及技术、设备、管理和制度等多方面的因素，需要从整体上进行把握。我们应从平时使用中吸取使用的经验，正确地维护计算机局域网，并确保出现故障之后能够迅速、准确地定位并且排除故障，要求建立一个系统化的故障排除思想并合理应用于实践中，将一个复杂的故障问题隔离、分解或缩小排错范围，从而及时修复网络故障。此外，还应做到管理和技术并重，应教育计算机用户和全体工作人员，应自觉遵守为维护计算机网络系统而建立的一切规章制度，建立一个顺畅安全的计算机局域网络。

参考文献

[1]刘全.计算机网络故障排除理论与实践[D].中国地质大学，2007.

[2]易建勋.计算机维修技术[M].北京：清华大学出版社，2005.

[3]黎连业.计算机网络故障诊断与排除[M].北京：清华大学出版社，2007（03）.

[4]张继烈.局域网维护及其常见问题探讨[J].冶金丛刊，2002（02）.

篇3

关键词： 计算机视觉；快速开发；框架；模块化；模块耦合；底层剥离

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2012）29-7084-04

在视觉分析实际应用项目中，如何通过建立计算机视觉分析快速开发框架，搭建一个分工明确，快捷有效的图像学应用处理平台，提高开发效率，缩短开发时间，已成为项目开发人员关注的重点内容之一。本框架从项目应用和实际需求出发，将计算机视觉技术的核心算法从底层研究工作中剥离，可极大的缩短开发时间，提高开发效率。

在本框架下，开发人员可各司其职，分工、构成和职能划分明确，框架开发人员只专注于框架接口的定义；算法开发人员只专注于图像处理与识别等算法的开发；上层应用开发人员只负责抽取出一般的处理流程，专注于项目的具体实现和功能模块的组合应用。

1 研究与应用

1.1背景

计算机视觉是用摄像机和电脑代替人眼对目标进行识别、跟踪和测量的机器视觉。系统将获取的视频或图像资料，通过计算机处理成为更适合人眼观察或传送给仪器检测的图像，其中包括图像处理、模式识别或图像识别、景物分析、图像理解等相关内容，它们之间既有差别，又有相互重叠。

在计算机视觉分析技术中，对于一些复杂的问题，往往不是某单一学科能够解决的，它需要一系列相关技术的支持。例如：对航道中船舶的识别，获取的视频流往往要经过平滑、去噪等图像处理操作后，便于下一步运用基于直方图分类器的图像识别算法来区分船舶和水面，通过图像分割技术来提取检测目标。而这些方案的实现中，同一个问题的解决又往往需要有一系列的算法来支持。还是以船舶识别为例，图像平滑有领域平均、低通滤波等算法；图像去噪有各种滤波器算法；基于直方图的分类器也存在决策树、贝叶斯、SVM等等算法。虽然上述的算法本身没有优劣之分，但在特定的环境下一定会有某个最佳算法。

因此，在实际应用项目中如何找出其最优路径，除了需要开发者拥有深厚的图像学功底，更需要的是通过大量的对比实验来找出该最优路径的解决方案。即便如此，也只能解决特定环境下的计算机视觉需求，换个应用场景，上述步骤又需要重新进行，此类过程的重复，既增加了开发成本，又延长了开发时间。

本框架从工程化的角度出发，在不同项目中的计算机视觉软件开发中，研究如何提高开发结果的复用性，尽量降低上述各条件间的相互依赖关系，将视觉技术的核心算法从底层研究中剥离，达到缩短开发时间，提高开发效率的目的。

1.2研究目标

1） 框架系统的扁平化、模块化；

2） 完成处理过程的任意组合，使图像处理模块单一化；

3） 理行为在处理模块内部完成，处理结果可通过接口方式进行输出；

4） 处理模块间的数据流动定义在框架之中，框架负责配置数据流；

5） 置好的数据流，通过指定图像处理模块实现对物体的识别、行为的识别。

1.3.5框架的效果演示

从右侧功能区中选取两个输入模块：MediaOpen00和MediaOpen01，分别打开视频文件“.＼公司监控视频.avi”和图片“.＼Lena.jpg”，任意添加一些图像处理模块或者图像识别模块，这里我们选取了行人检测算法、基本全局阈值二值算法、人脸检测算法、轮廓检测算法，加入输出展示模块用于显示处理结果。最后我们用曲线将模块间的输入输出点连起来，完成数据流向的配置过程。其中一个输出点可以连接多个输入点，但一个输入点只能接入一个输出点。

2 结论

随着计算机视觉技术发展的日新月异，算法的更新和积累将会越来越多。计算机视觉快速开发框架从实际应用工程的角度出发，在不同项目计算机视觉软件的开发过程中，将视觉技术的核心算法从底层研究中剥离，使视觉分析应用项目中的框架开发人员专注于框架接口定义的开发，而项目中的算法、上层应用等开发人员各司其职，分工明确，不但提高了开发结果的复用性，同时，也降低了项目开发中各条件间的相互依赖关系，缩短了开发时间，提高了开发效率。

参考文献：

[1] Gary bradski，Adrian Kaebler.《Learning OpenCV》[M].O’Reilly Media Inc，2008.

[2] 张广军.机器视觉[M].北京：科学出版社，2005.

[3] 张少辉，沈晓蓉，范耀祖.一种基于图像特征点提取及匹配的方法[J].北京航空航天大学学报，2008，34（5）.

[4] 刘立，彭复员，赵坤，万亚平.采用简化SIFT算法实现快速图像匹配[J].红外与激光工程，2008，37（1）.

[5] 戴斌，方宇强，孙振平，王亮.基于光流技术的运动目标检测和跟踪方法研究[D].国防科学技术大学机电工程与自动化学院.

[6] 陈胜勇，刘盛.基于OpenCV的计算机视觉技术实现[M].科学出版社.

篇4

关键词：数字图像处理；测距；聚焦；频域

中图分类号：TP391.41 文献标识码：A 文章编号：2095-1302(2012)09-0016-03

Images ranging method based on frequency domain analysis

ZHU Xue-yi

(School of Microelectronics and Solid-State Electronics, University of Electronic Science and Technology, Chengdu 610054, China)

Abstract: Using digital image processing theories and methods, the digital image pre-processing mode, the target graphic detection and the ranging model construction are studied and analyzed. Combined with a ranging scheme of single camera, a focusing ranging technique based on frequency domain analysis is given to process images captured by the monocular camera and calculate the distance from target detection image to the camera based on frequency domain image signals. The technique saves lots of complex hardware and reduces the demands of digital image processing, which has the advantages of high ranging precision and fast processing speed.

Keywords: digital image processing; ranging; focusing; frequency domain

0 引 言

视觉是人类观察世界、认知世界的重要功能手段，人类感知外部世界主要通过视觉、触觉、听觉和嗅觉等感觉器官，其中80%的信息是由视觉获取的。计算机视觉就是人类利用计算机实现人的视觉功能，从而对客观世界三维场景进行感知、识别和理解。计算机视觉是一个相当新而且发展迅速的研究领域。

在对生物视觉系统的研究中，人们早就注意到，几乎所有具有视觉功能的生物都有两只眼睛。用两只眼睛同时观察物体，会有深度或远近的感觉，我们称之为视差。因此，在计算机视觉系统中，也常用两台或多台摄像机从两个或多个视点去观察同一场景，从而获得在不同视角下的一组图像，然后通过同一场景点在不同图像中的视差，推断出场景中目标物体的空间几何形状和位置，这种方法称为立体视觉。它是计算机视觉的一个重要分支，也是计算机视觉的核心研究内容之一。

视频和图像是对物质世界客观事物的形象而生动的描述，是最直接且具体的信息表达形式之一，是人类最重要的信息载体。随着科技的日益发展，人们需要一种更加先进快捷的工作方式，另外，人们对工作环境和工作条件也提出了更新、更高的要求，视频测距系统便在这种背景下应运而生。

视觉测距技术的发展对于距离测量有重要的意义。在基于数字图像处理技术的视觉测距系统中，使用单个CCD(Charge Couple Device)摄像机的系统称为单目摄像系统，而同时使用两台摄像机对同一景物进行摄像，并运用计算机分析两幅图像来确定物体的三维状况的系统称为双目摄像系统。双目摄像系统测量精度高，但计算速度较慢，成本较高。而单目摄像系统方法则比较简洁、快速，因此，本文对采用单目摄像系统检测目标物的测距方法进行研究。

1 测距技术在国内外的研究现状

目前，国内外对视觉测距技术的研究仍在不断的进行之中，还并没有形成国际统一的标准模式，各种数字图像处理技术和算法之间孰优孰劣仍在不断的探讨和比较中。当前，国内外的研究机构主要研究的测距技术包括超声波测距技术、微波雷达测距技术、激光雷达测距技术和视觉测距技术。

1.1 激光雷达测距

激光雷达测距具有测量时间短、量程长、精度高等特点，但激光雷达在恶劣天气环境下或逆光状态下的测距准确性降低，另外，其造价、耗能、对人眼安全等因素也对其进一步应用有一定影响。

1.2 超声波测距

超声波是指振动频率在20 kHz以上的机械波，具有声波传输的基本物理特性。超声波测距是根据超声波反射时间来计算与前方车辆之间的距离。超声波测距原理比较简单，成本低，但超声波的传输速度受天气影响较大，不同天气条件下的传输速度不同。

篇5

关键词：印制电路板；图像处理；机器视觉；PCB裸板；自动光学检测；缺陷检测 文献标识码：A

中图分类号：TP391 文章编号：1009-2374（2016）09-0010-05 DOI：10.13535/ki.11-4406/n.2016.09.005

我国是全球第一大PCB生产基地，作为电子产品承载体的电路板，其集成度和产量不断在提高。为了保证电子产品的性能，电路板缺陷检测技术已经成为电子行业中非常关键的技术。建立在图像处理算法基础上的机器视觉检测技术与传统的人工检测技术相比，提高了缺陷检测的效率和准确度。因此，设计一种高效精准的机器视觉检测电路板缺陷的系统，具有非常重要的现实意义。评估印刷电路板质量的一个重要因素就是表观检测，PCB的表观质量对产品性能及成品使用安全有着极大的重要性。而伴随着近年来在工业生产领域崛起的计算机视觉，当前表观缺陷检测和分类识别的研究方向已经转向了利用计算机视觉技术来实现。计算机图像处理识别技术这种基于计算机视觉的检测技术成功取代了传统的PCB缺陷检测方法，在自动光学检测系统众多应用中占据了相对重要的地位，一跃成为PCB生产业表观缺陷的主要检测方法。

图1 系统框图

因此本文通过设计AOI自动光学检测系统，搭建较为简单的PCB缺陷自动检测系统的实验平台，对PCB中四类较为关键、常见的缺陷进行检测、分析、识别、判定，为研究推广PCB缺陷自动检测系统开拓应用前景，如能实现工业上的产业化检测，将有高额的经济收益。本文侧重对PCB中的四类较为关键、常见的缺陷进行检测、分析、识别、判定，并且仅搭建了较为简单的PCB缺陷自动检测系统的实验平台，即通过复杂算法对采集到的图像进行处理、配准、对比，从而得出PCB缺陷类型及对其进行标识。如图1所示。

1 硬件设计方案

PCB缺陷检测的总体系统设计方案主要是基于自动光学检测技术来搭建PCB缺陷检测系统，硬件设计是使用CNC-T程控光源高精度影像测试系统操作台，对待测电路板进行图像采集，再通过VS2010软件所编写程序处理，得出待测电路板的缺陷种类。整个系统主要分为运动控制、光源、图像采集、图像处理四个模块，分模块简要阐述了实验过程、所需设备以及软件算法，搭建了一个相对完整的系统工作平台。

图2 CNC-T程控光源影像操作台

该设备具有测量元素种类齐全、手动测量、自动对焦等多种功能，使用该设备采集图像进行二维检测，测量软体为YR-CNC，将图像储存至电脑后便由VS软件进行图像处理。实验组成如图3所示：

图3 实验系统框图

1.1 运动控制模块

本系统运动流程为：被检测的PCB在检测台上，通过步进电机XY轴运动到摄像机拍摄区域，CCD摄像机固定在工作台上方（Z轴），通过Z轴的运动实现聚焦。如图4所示：

图4 平台运动示意图

设备工作台台面尺寸为746mm×506mm，承载玻璃面尺寸为452mm×354mm，有效测量行程为400×300×200。本装置既可通过软件驱动自动采集图像，也可以通过手动控制，移动并聚焦采集待测PCB的图像。

1.2 光源模块

辅助光照――采用的是正向和背向光源这两种辅助光照。其中正光源和摄像头同侧，均位于Z轴上，正光源主要用于检测待测物体的表面特征。背光源位于检测台面下方，与正光源处于同轴反向关系，背光源能突出待测物体的轮廓特征，常用于检测物体轮廓尺寸。

图像采集：分别利用正光源突出PCB表面如走线、过孔和焊盘等主要特征，而下光源主要使PCB的轮廓尺寸和过孔产生强烈的轮廓对比。

光源：使用的是高度集中照明光源中心的LDR系列，由于该光源的伞状结构紧密排列着LED且采用了CCS独创的柔性板，使之成为LED照明系统的标准模式。照明系统如图5所示：

图5 照明系统

1.3 图像采集模块

图像采集模块是由图像采集卡、相机和镜头组成的，该模块是图像配准阶段的硬件基础。计算机采集图像的媒介就是相机，而相机按照不同原理又分为多种，常见的有CCD（Charge Coupled Device）和CMOS（Complementary Metal Oxide Semiconductor）两类。本系统采用的是CCD 1/2英寸43万像素彩色摄像头和高清晰度0.7～4.5X变焦倍率镜头，显示分辨率为0.001mm。

1.4 图像处理模块

通常获得的图像将受到工业现场环境、光照等条件的干扰，计算机所获得的图像质量多数参差不齐，图像的清晰度不一致，大大增加了PCB缺陷检测的难度，所以在利用复杂算法检测、识别PCB缺陷前要先对图像进行预处理。

本图像处理模块主要通过VS软件在OpenCV计算机视觉库的基础上，通过一系列算法对图像进行处理对比。

2 系统软件设计

2.1 OpenCV

OpenCV（Open Source Computer Vision Library）是一个跨平台的可以运行在Linux、Windows和Mac OS操作系统上的基于（开源）发行的计算机视觉库。它重量轻而高效，开放了多种接口如MATLAB、Ruby和Python等，并且在计算机视觉和图像处理中大多数通用的算法都是被允许的。OpenCV可用于开发实时图像处理、计算机视觉和模式识别方案，它提供了多种函数，实现了大量的计算机视觉算法，算法涵盖了从最基础的滤波至以高级的物体检测。OpenCV实际上是一堆C和C++语言源代码文件，许多常见的计算机视觉算法由这些源代码文件实现。如C接口函数cvCanny（）实现Canny边缘检测算法。它可直接加入到我们自己的软件项目编程中，而无需去编写自己的Canny算子代码，就是没有必要重复“造轮子”。

根据OpenCV中源代码文件巨多的特点，以算法的功能为基准，将这些源文件分到多个模块中，如core、imgproc、highgui等。将每个模块中的源文件编译成一个库文件（如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等），用户在使用时，仅需在自己的项目中添加要用的库文件，与自己的源文件一起连接成可执行程序即可。

OpenCV计算机视觉库的出现，是为了使人们利用方便快捷的计算机视觉框架，在计算机视觉领域可以更加轻松地设计出更为复杂的应用程序。OpenCV涵盖了多种计算机视觉应用区域，如用户界面、信息安全、医学影像学、工厂产品检验、立体视觉、机器人和摄像机标定等，约有500多个函数。因为计算机视觉与机器学习是相辅相成的，所以OpenCV也开放了MLL（Machine Learning Library）机器学习库。MLL除了在视觉任务相关中使用，也可以很容易地应用到其他机器学习中。

2.2 Microsoft Visual Studio2010

Visual Studio是微软公司推出的开发环境，是同行业中目前最流行的Windows平台应用程序开发环境。Visual Studio 2010于2010年4月12日，其集成开发环境（IDE）已被重新设计和组织，变得更简单了。

Visual Studio 2010同时带来了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持开发面向Windows 7的应用程序。除了Microsoft SQL Server外，它还支持IBM DB2和Oracle数据库。目前有专业版、高级版、旗舰版、学习版和测试版五个版本。Visual Studio的用处十分广泛，不仅可被用来基于Windows平台创建Windows应用程序和Web应用程序，还可被用来创建智能设备、Office插件和Web服务等应用程序。微软的Visual Studio 2010将成为一个版本的经典，这是相当于6.0版本。该版本可以自定义开始页，新功能还包括：（1）C# 4.0中的动态类型和动态编程；（2）多显示器支持；（3）使用Visual Studio 2010的特性支持TDD；（4）支持Office；（5）Quick Search特性；（6）C++ 0x新特性；（7）IDE增强；（8）使用Visual C++ 2010创建Ribbon界面；（9）新增基于.NET平台的语言F#。本课题将基于OpenCV计算机视觉库使用Microsoft Visual Studio2010开发环境，通过编辑算法实现PCB缺陷检测。

3 图像预处理

要使用计算机对图像进行处理，所得到的连续图像就必须被转换为离散的数据集，这是因为计算机只能处理离散度数据，这一过程我们称之为图像采集。图像采集由图像采集系统实现，如图6所示。图像采集系统的三个主要模块是成像系统、采样系统和量化器。

图6

将整理出的字符图像交予识别模块来识别，被称为图像的预处理。PCB的图像预处理包括灰度化、增强、滤波、二值化、配准等，处理后的PCB输出的图像质量将得到改善，在很大程度上使得该图像特征更直观，方便计算机分析和处理。PCB的图像预处理为整个PCB缺陷检测系统的核心部件，很大程度上决定了检测的准确性。图像预处理流程如图7所示：

图7 图像预处理流程图

4 PCB缺陷检测

本文针对四种常见缺陷：断路、短路、毛刺（凸起）、缺损（凹陷）进行检测研究。在这四种缺陷中，最为严重的缺陷类型是断路和短路，它们将会使整块板子失去本来的功能；而凸起、凹陷也可能影响到PCB在使用过程中的稳定性能。如图8所示为几种常见的缺陷：

图8 常见电路板缺陷

4.1 PCB缺陷的检测方法

常用的PCB缺陷检测方法有参考法和非参考法两种。要是从概念理解和电路难易程度看，参考法明显更加具有概念直观、电路简单的优势；要是从检测所需要的条件来看，非参考法则在不需要待测PCB与标准PCB进行准确对准这一点上优于参考法。

本课题采用参考法进行PCB缺陷检测。

使用参考法对PCB缺陷进行检测的流程为：（1）确定标准的PCB图像并放入参考库；（2）通过成像设备采集待测PCB图像，进行图像预处理之后，再二值化PCB待测图像，并对其进行连通域提取；（3）然后将处理结果与标准图像进行对比，利用图像相减来判断PCB可能存在的缺陷；（4）进行分类，确定缺陷类型。

4.2 图像连通域

像素是图像中最小的单位，每个像素周围有8个邻接像素，常见的邻接关系有两种：4邻接与8邻接。4邻接一共4个点，即上下左右。包括对角线位置的点，8邻接的点一共有8个，如图9所示：

图9 领域示图

如果像素点A与B邻接，我们称A与B连通，即有如下的结论：

如果A与B连通、B与C连通，则A与C连通。在视觉上看来，点与点相互连通，形成一个区域，而不是连通的点形成不同的区域。这种相互立体的所有的点，我们称为连通区域。连通区域标记常用的方法有Two-Pass（两遍扫描法）和Seed Filling（种子填充法）两种方法，本课题主要介绍第二种。

Seed Filling来源于计算机图形学，通常应用在填充图形上。思路：以一个前景像素当作种子，而后在处于同一像素值且位置相邻的连通区域，把和种子相邻的前景像素融合到同一组像素中，结果将是获得一个像素集，即连通区域。接下来介绍使用种子填充法实现的连通区域分析法：

第一，重复扫描图像，当得到当前像素点B（x，y）=1时停止：（1）赋予B（x，y）一个label，并将像素位置作为种子，接着将所有位于该种子周围的前景像素都压入栈中；（2）将栈顶像素赋以相同的label值并弹出，接着将全部位于栈顶像素周边的前景像素都压入栈中；（3）重复（2）步骤，直到栈为空。此时，图像B中的一个像素值被标记为label的连通区域便被找到了。

第二，在扫描结束前，重复第一个步骤，由此可以获得图像B中所有的连通区域在扫描结束后。

扫描所得的连通域如图10所示：

图10 图像连通域提取

4.3 缺陷识别

缺陷识别具体特征如表1所示：

表1 缺陷特征

缺陷种类 二值图像面积 连通区域数

断路 减少 增加

短路 增加 减少

凸起 增加 不变

凹陷 减少 不变

第一，短路和断路。在出现短路缺陷时，待测图像与标准图像相比，其所包含的连通区域数将会减少。同理可得，在出现断路缺陷时，待测图像与标准图像相比，其所包含的连通区域数将会增多。因此，断路和短路缺陷便可利用比较连通区域数来判定和识别。

第二，凸起和凹陷。凸起缺陷将导致导线和导线、导线和其他导体间的间隙变小，而凹陷缺陷将导致导线和导线、导线和其他导体间的间隙变大，二者均会导致PCB使用过程中出现不稳定状态。而观察可知，这两种缺陷的连通区域相同，差别在于各自二值化面积的大小，所以可以通过计算该待测图像的连通区域面积来识别凸起、凹陷缺陷。

识别过程：将经过图像预处理的待测PCB图像与标准图像进行对比后，通过算法找出缺陷。比较二者的连通区域数，若前者大于后者，则标定该缺陷点为断路，反之则为短路；若二者连通区域数相同，则比较二值化图像面积，若前者大于后者，则标定该缺陷点为凸起，反之则为凹陷。检测流程如图11所示：

图11 PCB缺陷检测流程图

5 系统实验

本文使用CNC-T程控光源高精度影像测试系统操作台，结合VS2010软件基于OpenCV计算机视觉库的算法编程来实现PCB的缺陷检测。整体实验过程为：手动控制操作台捕捉、聚焦、采集待测PCB的图像，采集到的图像与标准图像进行对比、识别，得出缺陷种类并显示结果。

本课题一共就所研究缺陷类型，做了40组实验，通过实验结果计算正确率。如表2所示：

表2 实验结果统计

缺陷类型 实验次数 正确率

断路 10 100%

短路 10 100%

凸起 10 100%

凹陷 10 100%

针对不同电路板图中出现的同种断路类型进行检测，效果如图12a、图12b、图12c所示，可准确检测出缺陷存在。

图12

针对不同电路板图中出现的同种短路类型进行检测，效果如图13a、图13b、图13c所示，可准确检测出缺陷存在。

图13

针对不同电路板图中出现的同种凸起类型进行检测，效果如图14a、图14b、图14c所示，可准确检测出缺陷存在。

图14

针对不同电路板图中出现的同种凹陷类型进行检测，效果如图15a、图15b、图15c所示，可准确检测出缺陷存在。

图15

6 结语

PCB板面向体积越来越小、密度越来越高的方向发展。在检测产品价格方面，国外AOI检测产品价格普遍偏高，而由于经济原因，在国内PCB板生产制造商多数仍采用人工目测等传统检测方法检测。随着经济的发展，数字图像处理研究的深入，自动光学检测系统也开始频繁活跃在人们视线中，但在PCB缺陷检测方面的应用却还有待完善。因此，本论文建立在深入掌握工控系统结构并从PCB板的质量标准、图像特点、缺陷特征及检测要求的分析基础上，对以图像处理为基础的PCB缺陷检测技术进行了深入研究。由于PCB缺陷自动检测系统的研究涉及多个领域的知识，其研究过程十分耗时、繁琐，由此，本论文仅仅对PCB缺陷检测中较为常见的问题进行了较深入研究，并且仅搭建了较为简单的PCB缺陷自动检测系统的实验平台，对PCB中的四类较为关键、常见的缺陷进行检测、分析、识别、判定。虽然还未实现真正实现工业上产业化检测，但是在未来几十年中，研究推广的PCB缺陷自动检测系统将有十分良好的应用前景，也将有高额的经济收益。

参考文献

[1] 陈胜勇，刘盛，等.基于OpenCV的计算机视觉技术实现[M].北京：科学出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.学习OpenCV[M].北京：清华大学出版社，2009.

[3] 周长发.精通Visual C++图像处理编程（第3版）

[M].北京：电子工业出版社，2006.

[4] 党振.中国大陆PCB产业的现状与未来[J].印制电路信息，2006，32（1）.

[5] 胡跃明，谭颖.自动光学检测在中国的应用现状和发展[J].微计算机信息，2006，（4）.

[6] 李汉，何星，等.印刷电路板的自动光学检测系统

[J].无损检测，2004，26（6）.

[7] 张利，高永英，等.PCB板检测中的定位研究[J].中国图像图形学，1999，4（8）.

[8] 姚立新，张武学，等.AOI系统在PCB中的应用[J].电子工业专用备，2004，（5）.

[9] 范小涛，夏雨人.一种基于图像处理的PCB检测算法研究[J].计算机工程与应用，2004，（13）.

[10] 傅莉.印制电路板的发展及前景[J].电脑与电信，2010，（5）.

[11] 张明轩.基于视频序列的人脸检测与跟踪算法研究[D].中北大学，2011.

[12] 张驰.基于机器视觉的智能控制与图像识别问题研究[D].兰州理工大学，2009.

[13] 谢飞.基于计算机视觉的自动光学检测关键技术与应用研究[D].南京大学，2013.

[14] 张静.PCB表观缺陷的自动光学检测理论与技术

[D].电子科技大学，2013.

[15] 俞玮.AOI技术在PCB缺陷检测中的应用研究[D].电子科技大学，2007.

篇6

多采用是人工测量的方式，在误差的控制上选择的是多次测量，反复操作，再将多次测量的结果进行加权，最终得到相对准确的测量数值。这种方法在一定程度上是操作十分复杂，精度还很难达到设计要求，所以我们在矿区土地信息测量工程中引进了GIS技术这样的一个概念，下面我们就如何通过GIS技术进行有效的观测测量来进行讨论。

[关键词] GIS技术； 精密测量； 构造几何模型； 信号源的接收

地理信息系统（Geographic information system，GIS）是利用计算机及其外部设备采集、存储、分析、描述与空间和地理分布有关的数据的空间信息系统。GIS融合计算机图形和数据库于一体，在一定的地域内，将地理空间信息和一些与该地域地理信息相关的属性信息结合起来，达到对地理和属性信息的综合管理。从外部来看，GSI表现为计算机软硬件系统，而其内涵是由计算机程序和地理数据组织而成的地理空间信息模型，是一个高度信息化的地理系统。

1）等高线生成及等高线分析：等高线图是人们传统上观测地形的主要手段。可以在等高线图上精确地获知地形的起伏程度、区域内各部分的高程等等。等高线图可以从格网数字地形模型中获取相关的资料信息，也可在不规则三角形格网T（NI）中生成。

2）立体透视图分析：当用户需要从直观上观察地形的概貌时，用绘制透视图的方法（还可以用色彩）可以更逼真地显示地形。

3）坡度分析、地表面积计算及挖、填土方体积计算：建立DTM后就可以用之计算坡度、面积和挖、填土方体积，以其作为土地适宜性评价的因子。

一 GIS技术在信息管理模式中的具体形式

在以往的测量中，选择的测量方式还是完全采用机械的形式，但是在使用了计算机GIS技术精密测量后，完成了许多以往技术所不能达到的任务。在我们的研究中，计算机GIS技术测量的原理是通过摄像机将被处理的对象采集进行影像采集，在多个控制点的数据采集完成后，系统会自动将这些图像进行整合，得出相关的几何多变参数，再在计算机上以具体的数据显示出来，以供矿区技术人员使用参照。

在上面所说的摄像机并不是我们通常意义上生活中使用的摄像机。它是一种可视化较强，表针比较敏感的测试仪。可以将视觉中的二维形态通过显影，记录在机械的光谱仪上，再将这种的二维图像做数学处理，有二阶矩阵转换为三阶矩阵，通过播放仪呈现出三维的影像。这时的图像变为立体化，更有层次感，效果上也有了明显的变化，这是一种显示方法。此外还有一种造价较高的仪器，我们不常使用，就是图像提取器。同样是采集控制点的数据，将数据整合在系统之内，然后对于原始的图像进行预处理，不再经过有曝光这个程序，将图像中关键点的坐标在整个内部轴面上体现出来，提取数据帧数，再运用机器的智能识别系统，对控制点的坐标进行数据分析，自动生成图形，这也可以用于精密测量。它的优点就是使用上极其的方面，基本只要架立仪器和打开开关，其他的工作机械系统都会自动的完成。使用的困难就是造价极其的高，不适合一般企业使用。在基于计算机视觉图像测量中使用上的原理如下：

（1）计算出观察控制点到计算机视觉图像测量仪器的有效距离；

（2）得出观察点到目标控制点之间的三维的运动几何参数；

（3）推断出目标控制点在整个平面上的表面特征（大多时候要求形成立体视觉）；

（4）还通过观察可以判断出目标物体的几何坐标方位。

在整个计算机GIS技术精密测量的在矿区土地信息管理中最关键的元件就是压力应变电阻仪，这也是传感器的一部分。

所谓的压力感应就是一种新型的传感器，通过电阻的变化作为一种感应值的判断标准进行计算和采集数据。具体的做法是在受力物体上粘贴高灵敏度的感应片，通过力的传递将物体上受到即时的力传递到感应片上，以备技术人员收集。在物体的中心或者是机械的隔断处，使用丙酮溶液进行擦拭，以保证物体的表面洁净和贴合度较高。当液体充分风干的情况下将感应片贴在已涂丙酮的物体上（注意感应片的正反），再使用导线和感应片相互连接，从而形成了一个完整的闭合电路体系，在通电的情况下，在计算机终端上可以显示出来。以便技术人员可以在任何时候掌握每个检测点的施工使用情况，一旦机械设备发生异常现象，就会在计算机图形中显示出来。于此同时，它还可以对施工人员所处的具置做到应力感应，人自身的重量传递到地面上，结构会出现结构上的略微变化，这个仪器就能第一时间以信号的方式传送到计算机终端，让技术人员掌握相关施工的情况，并结合数据报告总结出相关的可行性分析付诸实践。

当无法观察到控制点是，计算机GIS技术测量可以通过接收信号或是相关的频率波段来收集数据，不会因为以往测量的环境不好，距离太远，误差太大的影响。同时在信息管理中通过了加密通道，系统可以将数据自动的保存和转换为视图模式，对于数据的审计和运行可以同时进行，这样就可以很好的保证大地测量中的图像数据安全，利用防护墙将采集中废弃的数据革除在外，避免数值之间发生紊乱的现象，进一步改善计算机GIS技术。

二 计算机GIS与CAD技术的结合

在计算机GIS技术测量中解决了很多以往很难完成的任务，但是在使用过程中还是发生了很多的问题。尤其在土地信息的选择中，无法使用高帧数的图片显示，无法将计算机测量的关键技术的优点发挥出来。在煤矿生产过程中，对于生产效率的提高就要对开采环境的要求更高。使用绘图技术与GIS技术相互结合可以将复杂的地理环境的具体形状在电脑当中展现出来，用较为直观的图形准确的反应出来。而且在使用中，可以在计算机中随时将图像进行修改，完全可以适应复杂情况下的设备调试。在以往传统的图像设计中，技术人员在图纸中很难将地理信息进行再次修改，在设计后期在计算机图形绘制处理技术中，对于图像的调试使用的范围很广，通过虚拟的模拟和现实的结合来实现煤矿信息的完整，有效的加强了煤矿的信息化管理。

CAD技术是基于工程图上的三维建模方式。三维模型是从二维信息中提取的三维模型信息，通过再次分类以后，得到的一系列的相关处理信息，之后在三维空间建立相应的二维信息的三维形状模型提，使模型本身恢复点，线，面和拓扑关系，从而实现形状重建工程。计算机图形绘制处理，也可以应用于测绘图纸和关于地形的建模。土地信息中包含的地貌和自然资源图，它是国民经济体系的重要组成部分。我们可以画一个图，三维地形图的存储信息的产生。为预测和决策水平的使用有重大的意义，也为综合治理和煤炭资源的研究开发利用提供科学依据，这些依据，在军事上也起着非常重要的作用。在煤矿机械设备也使用CAD软件绘制零件图，利用绘图软件在操作更简单的菜单式设计，绘制出图形更准确。

三 GIS技术测量的关键技术遇到的困难和使用前景

计算机GIS技术测量的关键技术作为一种新兴技术在使用时间上不过十几年，其使用的程度已经无法估算。正是因为它的简单、使用、精度高以及自动化能力卓越的特点受到了矿区土地信息管理部门的广泛青睐。在测量调控方面的这些可靠性和稳定性也是有目共睹的。这项关键技术中涵盖的学科非常的多，涉及到的知识也很全面，一旦出现了机器的故障，在维修上还是一个很大的问题，如何很好的解决计算机视觉图像技术的相关核心问题就是当下亟待解决的。通过在一些相关的技术之间的相互结合才能使GIS技术发挥的更加完美。

我们都知道，人的眼睛是可以受到自身的控制，想要完成矿区土地观测是十分简单的，但是在计算机GIS技术中，毕竟是采取摄像机取景的模式，在取得的点位有的时候不是特别的有代表性，很难将这些问题具体化、形象化。达不到我们设计时的初衷。所以在这些模型的构建中和数据的转换上必须有严格的规定和要求，切不可盲目的实施测量，每项技术操作都要按规程来实施。

四 结束语

在煤矿土地工程发展的今天，很多的测量技术已经离不了计算机GIS技术的辅助，本文中详细的谈到了GIS技术方面的研究，对于之中可能出现的一些问题也提出了相应的解决方案，对于和CAD绘图技术相互结合的使用方式也做出了详细的介绍。测量工程中使用计算机GIS技术可以很好的解决和完善测量中遇到的一些问题，但是也暴露出了很多的问题亟需技术人员不断去解决完善。

将GIS技术在矿区土地管理信息系统中使用，也是加强了矿区建设的信息化水平。可以预见的是，在未来使用计算机GIS技术在矿区土地管理信息系统建立的测量模型会得到更多、更好的应用。但作为一个长期复杂的技术工程，在这个建设过程中定会有一些困难的出现。希望通过不断的发现问题、总结经验，让GIS技术在矿区土地管理信息系统在煤矿的开挖中的作用发挥的更好。

[参考文献]

[1] 汤剑，周芳芹，杨继隆.计算机视觉图像系统的技术改造[J].机电产品开发与创新周刊，2005，14（18）：33-36

[2] 段发阶等. 拔丝模孔形计算机视觉检测技术[J] . 光电工程时报， 2006， 23（ 13）：189-190

篇7

关键词： 机器视觉； 图像检测； 航空轮胎； 表面质量

中图分类号： TP 23文献标识码： A

引言近年来，随着生产工艺飞速发展，人们开始关注产品的外观质量，比如印刷品、包装、工艺品等以外观质量为重要附加价值的产品，又比如航空轮胎等表面缺陷会直接影响到使用效果甚至会给使用者的生命财产安全带来无可挽回的损失的产品。众所周知，机器视觉已经发展成为重要的工业生产加工手段之一，在中国成为全球重要的制造中心之一的背景下，中国成为继美国、欧洲和日本后的全球第四大机器视觉市场，同时也是最具发展潜力的市场。一方面外国企业积极入驻中国带来了巨大的视觉系统需求，另一方面国内企业不断扩大生产规模，加大了对视觉系统的需求，以航空轮胎为例，未来十年，国家将在大飞机项目中投入500～600亿资金，大飞机项目的发展，必将会带动航空轮胎行业大规模的发展，对航空轮胎的质量要求也会更加严格。1国内外相关技术研究国外对机器视觉技术的研究，由于开展的比较早，而且具有资金、技术以及硬件方面的优势，已经走在了国内的前面。国外的机器视觉系统的应用领域涉及到了社会生产的各个方面，有原始的在线监视，也有外观检测以及动作、行为控制，许多工业加工成套生产设备都集成了机器视觉系统，成为加工生产线的标配，比如印刷生产线上的机器视觉质量控制系统，又比如汽车制造业中的移动三坐标测量系统[1]。由于经济和技术原因，国内绝大多数图像处理技术公司都以国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少，也很少有成功案例。但是，随着国内经济发展和技术手段不断提高，对产品质量检测要求就更高，对在线检测设备的需求也就更大，具有巨大的市场潜力。计算机、摄像机等电子技术的飞速发展大大提高了机器视觉系统的硬件水平，同时图像处理理论和算法的快速发展也给机器视觉系统提供了强大的软件支持。但是，仍然伴随着一些问题，主要有以下两点：光学仪器第35卷

第3期谢，等：机器视觉在轮胎检测领域的应用研究

（1）算法的精确性提高伴随着计算量的成倍增加，处理时间就成为了实时检测的软肋；（2）硬件的分辨率提高了，图像的分辨率、精度也随之提高了，但是数据量计算量都因此成倍增加。因此，如何保证检测的实时性和准确性，是机器视觉系统在工业应用中需要解决的核心问题。2视觉检测核心技术

2.1机器视觉图像处理技术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。有大量的文献和著作给与介绍和讨论，其中比较著名的马颂德的《计算机视觉》介绍了计算机视觉的算法和理论，以及Richard Hartley的《Multiple View Geometry in Computer Vision》介绍了在计算机视觉中的几何理论和方法[2]。机器视觉中的图像处理方法，主要包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既优化了图像的视觉效果，又便于处理器对图像进行分析、处理和识别[3]。机器视觉理论应用于现代检测领域，是上世纪末本世纪初计算机视觉的一个新的研究方向。它使用计算机视觉的理论方法来识别物体的关键点，经过分析处理以后，转换成坐标数据，然后产生检测数据。国内已有学者把机器视觉技术运用于检测领域[4]。但是在轮胎检测领域，机器视觉技术的应用还仅仅停留在理论之上，还没有可实际应用的商品化的设备，更不用说结合机器视觉和嵌入式两种技术的便携式检测仪了。

2.2嵌入式技术嵌入式系统一般指非PC系统，有计算机功能但又不称之为计算机的设备或器材。它是以应用为中心，软硬件可裁减的，适应对功能、可靠性、成本、体积、功耗等综合性严格要求的专用计算机系统。嵌入式系统几乎包括了生活中的所有电器设备，如掌上PDA、移动计算设备、电视机顶盒、手机上网、数字电视、多媒体、汽车、微波炉、数字相机、家庭自动化系统、电梯、空调、安全系统、自动售货机、蜂窝式电话、消费电子设备、工业自动化仪表与医疗仪器等。嵌入式系统有以下几大优点[56]：（1）嵌入式系统通常是面向特定应用的，它通常都具有低功耗、体积小，集成度高等特点；（2）嵌入式系统和具体应用有机地结合在一起，它的升级换代也是和具体产品同步进行的，因此嵌入式系统产品一旦进入市场，就具有较长的生命周期；（3）由于空间和各种资源相对不足，嵌入式系统的硬件和软件都必须设计，量体裁衣、去除冗余，力争在同样的硅片面积上实现更高的性能，这样才能在具体应用中对处理器的选择更具有竞争力。本研究选取嵌入式系统中的DSP（数字信号处理器）来进行开发，具体型号为TI公司的TMS320。它具有很高的编译效率和执行速度，在信号处理方面具有优势，它的特点如下：（1）程序和数据具有独立的存储空间，有着各自独立的程序总线与数据总线，可以同时对数据和程序进行寻址，大大提高了数据处理能力；（2）由于广泛采用了流水线操作，减少了指令的执行时间，可以同时运行8条指令；（3）与一般计算机不同，乘法（除法）不由加法和移位实现，它具有硬件乘法器，乘法运算可以在一个指令周期内完成；（4）指令周期降到了1.67 ns。随着工作频率进一步提高，指令周期将进一步缩短；（5）拥有自己独特的专门为数字信号处理而设计的指令系统；（6）相比传统的处理芯片，它还具有体积小、功耗小、使用方便、实时处理迅速、处理数据量大、处理精度高、性能价格比高等许多优点。3轮胎检测系统构成

3.1研究目标机器视觉用于产品表面缺陷检测需要面对以下主要问题：（1）数据处理量非常庞大；（2）如何快读匹配图像；（3）如何快速实现缺陷分割并剔除伪缺陷；（4）如何选取缺陷特征，用以实现缺陷识别。以具体产品为例，相对其他轮胎产品，航空轮胎对质量检测的要求较为严格，只要航空轮胎的检测技术到位，其他轮胎产品也基本可以检测。以航空轮胎的缺陷检测为例，根据GB/T 9747-2008《航空轮胎试验方法》、GB/T 13652-2004 《航空轮胎表面质量》和GB 15323-1994 《航空轮胎内胎》等标准的要求，研究表面缺陷在线检测的图像处理方案；开发一套基于机器视觉的产品表面缺陷的在线检测设备，同时根据GB/T 13653-2004 《航空轮胎X射线检测方法》所述，配合X射线发射仪，利用一对一的服务器/客户机构架的机器视觉对标准中所描述的航空轮胎的一系列缺陷，如断层、气泡和裂口等进行高精度、高实时性、高连续性以及非接触式的在线缺陷检测。具体技术指标：（1）能检测出最小直径0.3 mm的轮胎内部缺陷（即横向纵向最小均为0.3 mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率要求大于90%；（2）对缺陷部位进行定量和定位分析：读出缺陷的尺寸（误差0.5 mm），测出缺陷距离轮胎表面的深度，决定缺陷在轮胎内部的位置；（3）在线检测设备的检测检测速度与X射线管旋转速度同步，X射线管旋转一周即完成一个轮胎一个圆周的缺陷检测。

3.2研究内容和技术路线

3.2.1确定机器视觉检测系统的基本框架在数据量大时，采用一个处理器搭配一台摄像机的一对一方式。在产品表面检测中，由于航空轮胎的圆周面比较大，数据量也就比较大，通常采用的机器视觉单摄像机方式，很难满足圆周面检测分辨率高、数据量大的要求，而多台摄像机能满足分辨率和数据量的要求，却又相应带来实时性差的问题。若采用多台摄像机的方式，就需要配备多套成像系统，一套成像系统造价在10万元左右，基于成本和计算数据量的考虑，本研究选用一对一方式，利用分时运动克服单台摄像机采集数据量不足的缺点。具体来说，就是在经典的服务器/客户端模式架构的基础上设计一种基于机器视觉的系统结构以实现轮胎圆周面产品表面缺陷的在线检测，该结构主要由四部分组成：服务器（嵌入式系统）、客户端（图像处理子系统）、信号模块（PLC）、输出单元。系统框架如图1所示。每隔一定的时间（系统初步设定为5 s），服务器通过PLC控制步进电机驱动轮胎做圆周转动，每转过一个固定角度（系统定为120°），服务器就调动客户端完成此区域内相对独立的视觉检测任务，一次间隔只检测轮胎的三分之一（120/360），经过3个时间间隔，客户端即完成了整个轮胎360°的全面检测，然后利用拼接原理把各部分拼接起来，统一到一个坐标系下。拼接测量的关键是利用重叠区计算出各次测量时基准的不同，然后消除不同，统一在一个坐标系下。拼接测量的方法可以直接计算出被测轮胎的全面信息。为了保证服务器和客户端之间图像检测数据可靠、实时的交互，本研究采用千兆以太网的方式传输数据。作为整个检测系统的管理控制单元和人机交互接口，服务器不仅要完成检测任务的调度，还要可以设定检测参数，接收和实时显示客户端上传的图像数据和处理结果（缺陷等），并将信息存入数据库中。此外，服务器还接收PLC传来的位置检测信号，用于与客户端的同步，并且根据检测结果中的位置信号，对执行机构发出动作信号，标记并剔除有缺陷的产品。在客户端处理核心中安装有图像采集卡，接收服务器设置的参数和任务调度，控制采集卡和摄像机完成图像实时采集，利用图像处理算法处理和分析图像数据，将最终得到的缺陷位置和分类信息上传给服务器，保存缺陷图像以备查。

3.2.2设计编写表面缺陷检测的图像处理方案在表面缺陷检测中，根据图像数据的特点，本研究提出以下图像处理过程：缺陷分割、特征提取及缺陷分类。首先是缺陷分割：在表面缺陷检测的时候，利用图像处理算法，处理采集到的产品表面图像，将缺陷从复杂的背景图像中分离出来。接着是特征提取：提取缺陷后，对缺陷的各种标识性属性进行提取，主要是几何特征和灰度统计特征，以保证后续的缺陷分类和识别。几何特征指的是轮廓特征，比如长度、形状、面积、重心等。灰度统计特征指的是分布位置、统计值、均方差等等。还有缺陷分类：本研究采用改进的BP算法[7]对网络进行训练，构建神经网络分类器来实现轮胎缺陷分类，为了提高检测系统对伪缺陷的适应性，本研究将部分伪缺陷也作为网络输出并对其进行训练。由于图像处理中需要运用大量的计算机内存处理算法，为避免编程中出现内存泄露进而造成计算机内存资源流失的现象，决定采用对内存进行托管的C#语言进行编程。

3.2.3服务器和客户机系统之间的同步服务器/客户端模式架构的机器视觉系统具有独立性和并行性的特点，它不得不面临的一个重要问题是如何解决服务器和图像处理子系统之间的同步问题，包括摄像机同步采集、数据同步处理和轮胎运动同步控制等。本研究利用摄像机本身的外同步特性，采用对摄像机提供统一的线扫描触发信号保证摄像机采集同步。机器视觉系统基本组成模块见图2。

4结论实际测量结果证明，应用视觉检测方法可以较好地解决传统测量方法中时间长、工作量大、测量效率低的问题。该方法能够充分利用现代计算机技术的优势，设备简单、易用，克服了传统测量仪器的许多误差来源，具有快速、准确、非接触测量的优点。在实验室中初步完成了实验系统的核心部分（如图3所示），与传统的测量方法相比，原先需要15 min的测量时间，现在只需要15～30 s就可完成，操作也更加简单便捷。该系统可检测出最小直径0.3 mm的轮胎内部缺陷（即横向纵向最小均为0.3 mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率为96%。

参考文献：

[1]彭向前.产品表面缺陷在线检测方法研究及系统实现[D].武汉：华中科技大学，2008.

[2]ZHANG Z.Determining the Epipolar geometry and its uncertainty[J].A Review Int Journal on Computer Vision，1998，27（2）：161-195.

[3]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.

[4]朱方文.基于LAP方法的机器人灵巧手控制[D].上海：上海大学，2006.

[5]张嘉琪.基于嵌入式系统图像处理平台的万寿菊水分状态检测系统的研究[D].重庆：西南大学，2009.

篇8

【关键词】机器视觉；应用研究

机器视觉是一门涉及人工智能、计算机科学、图像处理、模式识别、神经生物学、心理物理学等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与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。随着现代计算机技术、现场总线技术与大规模集成电路技术的飞速发展，机器视觉技术也日臻成熟，已经广泛应用在国民经济发展的各行业。

1.机器视觉系统组成

一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。首先采用CCD摄像机获得被测目标的图像信号，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，根据像素分布、亮度和色彩等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别标准输出判断结果，去控制驱动执行机构进行相应处理。

总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

2.机器视觉技术的应用

在国外，机器视觉的应用主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路；SMT表面贴装；电子生产加工设备；机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。

而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致机器视觉在以上各行业的应用几乎空白。目前随着我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大中专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场和其它领域的应用。

（1）工业中的应用

虽然机器视觉技术从20世纪80年代才开始起步，但由于其突出的优点，在各种工业领域被广泛应用，特别是近几年发展十分迅速，国内外的成果也是层出不穷。

在国外，机器视觉技术广泛应用于机器零部件的装配、非接触测量、产品质量检测、在线过程控制、数控机床加工、过程监控等领域。英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0。1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系列汽车的车身检测。

机器视觉在国内的应用主要集中于检测与定位等几个方面，这样的工业产品占据了中国市场的绝大部分。机器视觉在工业检测中的应用最为常见的是对各种机械零件的几何尺寸进行测量，在半导体及电子行业，国内高等院校和科研单位也研究出基于机器视觉的管脚尺寸自动检测装置。此外，机器视觉还被用于对于如刀具等工业设备的检测和数控机床的加工。在很多工业领域存在着高精度定位的问题，如钻床数控系统钻头定位、金属板材数控加工轨迹坐标定位等。目前机器视觉技术由于其高精度的优点在这方面得到广泛的应用。华中科技大学在金属板材数控加工中利用机器视觉技术对加工轨迹坐标定位。提出一种基于机器视觉的非接触式加工轨迹坐标定位方法，完成了金属板材数字化成形中支撑模型的非接触式高精度快速定位。湖南大学进行了钻头视觉定位研究，在视觉定位中采用间接定位方式，间接实现钻头刃磨初始状态的定位。中国计量学院等单位进行了基于机器视觉的PCB数控钻机定位研究。大量的实践证明采用机器视觉系统进行定位并且综合运用数控伺服传动技术以及各种先进控制技术能够有效实现精确定位。利用机器视觉系统节约了大量的人力和物力，降低了产品生产成本。

（2）农业中的应用

计算机视觉技术在农业上的应用研究，起始于20世纪70年代末期，主要应用于植物种类的鉴别、农产品品质检测与分级等。随着计算机软硬件技术、图形图像处理技术的迅猛发展，它在农业上的应用研究有了较大的突破，在农业领域的生产前、生产中、收获时和产后的各个环节中，均可以利用计算机视觉技术来实现这些农业生产的视觉化。计算机视觉在产前的应用主要是检验种子质量；在产中的应用包括田间杂草识别、植物生长信息的监测、病虫害的监视和营养胁迫诊断等方面；在农作物收获时的应用主要体现在农业机器人的研制与开发上；在产后的应用包括水果分级和农产品的加工等。在农田作业机械上，机器视觉技术被不断的开发和应用。农药的粗放式喷洒正是农业生产中效率最低、污染最严重的环节。利用机器视觉技术可以实现农药的精量喷洒，近年来，机器视觉技术在播种机械方面的应用主要是检测播种质量；在自动收获机等农田自动作业机械上，更需要依靠机器视觉系统来确定作物行与机械的相对位置，以控制自动作业机械在作物行间自动行进，

机器视觉技术在农业生产上的应用可提高生产的自动化水平，解放劳动力，具有良好的应用前景。同时还应看到，由于农业对象的特点，机器视觉理论和技术的局限性以及硬件条件的限制，机器视觉技术在农业生产的应用距离实用和普及还有相当长的距离。相信随着相关技术的发展，很多问题会得到好的解决，机器视觉技术在农业生产中的应用会极大地加快农业现代化的进程。

（3）医学上的应用

随着药品和医疗器械安全性问题重要性的不断提升，越来越多的生产厂商将机器视觉技术引入实际生产中来，以达到提高生产效率，加强产品品质保障的目的。同样，在医疗系统中机器视觉也得到了越来越多的应用。

机器视觉科技医药领域的应用主要分为医学与药物两部分。机器视觉技术在医学疾病诊断方面的应用主要体现在两个方面：一是对（X射线成像、显微图片、B超、CT、MRI）图像增强、标记、渲染处理，主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加，然后进行综合分析协助医生诊断；二是利用专家知识和3D重构对物体三维信息与运动参数进行分析并给出形象准确的解释，如诊断与手术等。机器视觉技术的应用不仅节省了人力，而且大大提高了准确率和效率。在药物方面，机器视觉系统对药用瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。除此之外，对药剂杂质的检测、对医学用具质量的检测、对药物外包装泄露的检测等等都在保障着药物的质量安全，保障着人们的生命健康。

（4）交通领域的应用

随着计算机的普及和相关软件的不断更新升级，机器视觉技术在交通领域所发挥的作用愈为重要。机器视觉技术在交通领域的应用范围较广，主要包括视频检测系统、智能车辆的安全保障系统、车牌识别和交通指挥等。

视觉技术应用于视频检测时，视频检测系统的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，

并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。视频的交通事件和参数检测系统有高度的网络化和智能化，可实现远程监控和设置。视觉技术应用于智能车辆安全保障系统，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。德国UBM大学Dick-manns教授领导的智能车辆研究小组一直致力于动态机器视觉领域的研究，研制的EMS-Vision视觉可较好地模拟人眼功能。车牌识别技术（VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。过去的10多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪系统。其中，具有代表性的系统有：LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。

机器视觉技术在交通各领域都发挥着越来越重要的不可替代的作用。在取得较大成绩的同时仍有不足。其一应尽快开发出具有高性价比的实用化的激光距离成像系统，能够获取高质量的原始图片至关重要；其二，处理各种交通事件的及时性决定了所有的图像处理的速度应尽可能的快，目前的各种算法都各有优劣，如何能在最短的时间内完成图像的识别工作成为我们下一步要努力的方向。

3.发展趋势

在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。未来，中国机器视觉发展主要表现为以下一些特性：

（l）随着产业化的发展对机器视觉的需求将呈上升趋势。

（2）统一开放的标准是机器视觉发展的原动力。

（3）基于嵌入式的产品将取代板卡产品。

（4）标准化一体化解决方案是机器视觉发展的必经之路。

（5）机器视觉系统价格持续下降、功能逐渐增多。

4.结语

机器视觉技术经过20年的发展，已成为一门新兴的综合技术，在社会诸多领域得到广泛应用。大大提高了装备的智能化、自动化水平，提高了装备的使用效率、可靠性等性能。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各个领域发挥更大的作用。

参考文献

[1]李福建，张元培.机器视觉系统组成研究[J].自动化博览，2004（2）：61-63.

[2]范祥，卢道华，王佳.机器视觉在工业领域中的研究应用[J].现代制造工程，2007（6）：129-133.

[3]张萍，朱政红.机器视觉技术及其在机械制造自动化中的应用[J].合肥工业大学学报（自然科学版），2007， 30（10）：1292-1295.

[4]马彦平.计算机视觉技术在农业生产中的应用与展望[J].中国农业资源与区划，2009，30（4）：21-27.

[5]饶秀勤.基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[博士学位论文].杭州：浙江大学，2007.

[6]冯新宇，庞艳辉.车牌识别技术实现方法初探[J].交通科技与经济，200712：50-511.

[7]徐琨，贺昱曜，王夏黎.基于背景模型的运动车辆检测算法究[J].微计算机信息，2007，4-1：120-1211.

篇9

10月21日，2016英特尔中国行业峰会在珠海召开，来自医疗、金融、交通、零售、能源、教育等行业的企业代表分享了他们对于数字化变革的理解与实践。这本该是英特尔中国行业峰会的主旋律，但是实际是与会嘉宾对人工智能的话题表现出更大的热情，有点喧宾夺主的味道。

得AI者得未来

2015年底，许多机构在展望2016年度科技领域时几乎会不约而同地将人工智能列为重点方向之一。现在来看，人工智能的火爆程度让最乐观的预测者都大跌眼镜，这得归结于AlphaGo的推波助澜。

正如文章开始所说，人工智能的使命便是完成海量物联网数据的商业价值转化。根据相关预测，2021年，全球将会拥有18亿台PC，86亿台移动设备，157亿台物联网设备。而到2035年，物联网设备的数量将会超过1万亿台，相应的数据数量将会增长2400倍，从1 EB增长到2.3ZB。如何有效管理、控制和利用如此浩瀚的数据，人工智能是解决之道。

所以说，得物联网者得未来，而得人工智能者将执物联网之牛耳。只有人工智能才能为“万物互联”之后的应用问题提供最佳的解决方案。

2016英特尔中国行业峰会上，英特尔与科大讯飞公司签署合作备忘录，双方将在人工智能领域展开为期三年的基于英特尔至强处理器+英特尔至强融核处理器，以及英特尔至强处理器+FPGA为基础的机器学习/深度学习研究项目。科大讯飞联合创始人，讯飞研究院副院长王智国博士非常到位地点评了这一合作：“一直以来，我们双方都致力于人工智能技术的创新和行业的推动，一方擅长底层计算架构，一方擅长算法及应用。我们期待双方在人工智能技术上的深度合作能够推动硬件和软件的协同设计及优化，共同发现人工智能计算平台创新的解决方案，推动人工智能产业的发展，并通过这些创新的技术支持更多行业用户进行业务转型。”

作为全球最大的半导体芯片制造商，英特尔的公司定位正在悄然发生变化。如今，英特尔将自己定位为“一家致力于驱动云计算和智能互联计算的公司”。可见人工智能已经成为英特尔公司的未来战略方向之一。

人工智能对计算力资源的需求到底有多大，现在谁也无法预判，这就像是个“计算黑洞”。但有一点可以肯定，人工智能是高性能计算在现在和未来的进一步延展和进化，而这恰好是英特尔的优势所在。

对英特尔而言，进入人工智能领域是水到渠成的事情，也是技术上的自然演进。从另一个角度看，物联网和人工智能是历史摆在英特尔公司面前一次前所未有机遇，其空间和舞台远大于PC时代和互联网时代。送上门的蛋糕（要知道，当今世界90%以上的数据都是由英特尔处理器来承载的），岂能让它从嘴边溜走。

从资本到技术，从硬件到软件

基于新的公司定位，英特尔开始从资本层面进行帝国的战略布局。作为硅谷最大的企业风司，英特尔投资总裁Wendell Brooks 说“会把未来的投资聚焦于那些能够更好拓展公司业务发展的领域”，人工智能毫无疑问是重中之重。

9月宣布将收购计算机视觉创业公司Movidius，后者致力于研发低功耗的计算机视觉芯片；8月将Nervana收入囊中，后者主攻半导体、软件和AI深度学习技术；5月宣布将收购专注于计算机视觉技术开发的俄罗斯公司Itseez；4月收购意大利半导体功能性安全方案厂商Yogitech；2015年12月完成了对可编程逻辑器件厂商Altera的收购；2015年10月收购了人工智能公司Saffron Technology……

针对某一业务领域展开如此高密度地集中收购，无论是在英特尔公司历史还是整个IT行业都是十分罕见的。可见，英特尔布局人工智能的决心之大。

由于技术因素，专用领域的智能化是人工智能未来5到10年的主要应用方向，比如自动驾驶。在更远的将来，随着技术的进一步突破，通用领域的智能化有望实现。但无论是专用还是通用领域，人工智能都将围绕“基础资源-技术平台-业务应用”这三层基本架构形成生态圈。

在人工智能上，英特尔能做些什么？仅仅是提供计算平台吗？当然不是，这从英特尔的疯狂收购中也看得出。

篇10

谷歌AlphaGO战胜国际顶尖围棋大师，让人们对AI（人工智能）的关注达到前所未有的高度，再次引发“人工智能到底可不可怕？”的大讨论。腾讯董事会主席兼首席执行官马化腾在前不久举行的“云+未来”峰会上表示，在云还没有发展得非常成熟的时候，人工智能还有很长的一段路需要走，目前的人工智能是可知、可管、可控的。

毫无疑问，AI与云的关系已经密不可分。一方面，云不仅可以为AI持续地提供海量的数据和强大的计算能力；另一方面，云也成为让AI更为普及的手段。

那么，在人工智能一日千里的时代，云计算为社会和经济带来的量变与质变究竟是什么？在马化腾看来，云已经成为产业革新的原动力、新型社会管理的主平台、人工智能的强载体。

企业上云新姿势

过去几年，云计算市场发生了很大的变化，越来越多的企业开始关注云并加快速度向云端迁移。“在新的云时代，整个社会经济操作系统和运作模式都在发生数字化的迭代。云成为数字经济最重要的基础设施。”马化腾强调云在数字经济中的作用，并且指出“用云量”将成为一个重要的经济指标，能够衡量一个行业的数字经济发展程度。“用云量”是以“用电量”做对比，过去“插上电”带来了电气化的革命，现在“接入云”将带来数字化的升级。

电力时代出现了计算机，而人工智能则被认为是云时代像计算机一样的关键产物。云让人工智能更加兴盛，使人工智能等前沿能力和IT资源像水和电一样被便捷地使用，一直是云计算行业对未来的美好期待。

“传统企业的未来就是在云端用人工智能处理大数据。”马化腾表示，“云+AI”相当于“电+计算机”的概念，企业“接入云”能够获得AI这种信息能源。

“云+ AI”应该是当前行业最主流的方向，如IBM把沃森搬到了云上，微软的“小冰”也入驻了Azure，阿里云引入了ET，百度打造了“百度大脑”等。当然，腾讯云也不甘落后，在“云+未来”峰会上了AI战略新品――智能云，推动AI即服务成为现实。

AI即服务，是腾讯云在传统云计算结构上建立的新的服务层，是腾讯云提出的新见解。为满足市场对AI能力多维度的需求，腾讯云在软件层面、算法框架服务、基础设施服务等多维度提供新的AI开放服务层，开放了计算机视觉、智能语音识别、自然语言处理三大核心能力。从此，人工智能不再遥不可及。用户可以像“插上电”一样便捷地“接入云”，一步跨入人工智能时代。

共享AI时代的技术红利

“今天，云已经变成未来AI普及化的一个关键，智能云的推出正是基于计算和大数据能力的快速发展，是AI从概念阶段、普通消费场景阶段发展到规模化工业化阶段的产物，可以降低全社会创新的门槛，扩展未来社会和商业的想象力”。 腾讯副总裁、腾讯云总裁邱跃鹏表示。

为什么腾讯云能够迅速地开放这么多AI服务？显然与腾讯多年的积累有关。与人工智能相关的机器学习和深度学习需要大量数据训练，而腾讯拥有广阔的业务场景。“我们积累的数据总量超过1000PB，比15000座世界上最大图书馆（美国国会图书馆）的藏书量还多，同时还拥有国内数一数二规模的计算集群。” 邱跃鹏表示。

目前，腾讯在AI方面的布局包括腾讯人工智能实验室（AI Lab）、腾讯优图实验室、微信智能语音团队和腾讯云等团队，其中前三个团队向腾讯云输出算法研究等AI技术，同时腾讯云结合市场的需求，通过联合与协作，封装AI技术向全社会输出。

据了解，腾讯云本次开放的三项核心能力（计算机视觉、智能语音识别、自然语言处理）是由上述团队提供的技术。AI Lab提供的自然语言处理能力识别准确率超过 97.9%，优图实验室提供计算机视觉处理能力，在国际权威人脸识别数据库LFW测试中准确率超过 99.8%，而微信智能语音团队提供的智能语音识别能力高于97%，以上均属业界领先水平。

在计算机视觉领域，腾讯云联合腾讯优图实验室，开放OCR识别（光学字符识别）、人脸核身、图片处理、鉴黄等多项智能云服务。顺丰使用OCR识别服务，3小时即可识别2000万张快递手写运单。OCR技术还应用在更多的场景中，比如证件类型的识别，身份证、驾驶证、行驶证、营业执照、车牌、名片等。目前，腾讯云的OCR技术可支持数字识别，以及超过7000个常用汉字的识别，未来更多的人工识别工作将由AI辅助甚至完全替代。

在智能语音识别这一领域，腾讯云提供包括语音转文字、语音合成、声纹识别、音频鉴黄、关键词检索、情绪识别等能力。这些能力都是基于腾讯在语音领域的业务的深厚积累，目前标注的语音数据多达数十万小时，场景达300多种。

在自然语言处理领域，腾讯云基于自然语言处理提供智能推荐服务，具有实际的业务训练场景，依托腾讯20亿的综合用户画像，以“数据+算法+系统”为核心，为客户提供毫秒级响应的个性化推荐。从发起请求到结果返回，响应时间不超过30毫秒。以客服部门为例，过去企业有规模庞大的客服人员，应对每天几千万次的电话问询，这个现象正在发生变化。腾讯云提供基于自然语言处理能力的智能客服服务，使用这项服务的银行金融客户，日消息智能处理率已经达到97.9%，面对每天90万次的咨询，现在只需1个智能客服和8名人工客服即可，这相当于过去每天400个电话客服10个小时电话连线的工作。

截至目前，腾讯云围绕这三大能力，已提供25种AI服务，包括应用服务8种、平台服务15种、框架服务2种。腾讯云在不断开放腾讯AI能力的同时，还将携手客户和合作伙伴，贯穿上下游软硬件产业链，共建智能云生态。

用声音连接物理世界

目前，在以人工智能橹鞯嫉南乱淮人机交互形式中，语音人机交互技术凭借其效率上的优势成为首选信息载体。亚马逊、谷歌、苹果、微软等巨头都已经深度布局语音开放平台，国内的百度、微信、科大讯飞、搜狗等也扎推介入。

腾讯云推出了智能云开放平台――小微。小微作为腾讯云具有代表性的AI解决方案与AI能力平台，可以让所有接入小微的硬件快速具备视觉和听觉的能力，实现和用户的交互。小到音箱，大到机器人、汽车，以及医疗设备等不同的硬件，都可以根据用户的语音指令和要求提供服务。同时，腾讯云小微又是一种智能解决方案，可以赋予硬件更多的能力扩展，从而构建一个从云到端的“智能云生态”。

腾讯云小微包括硬件开放平台、Skill 开放平台、智能服务平台三部分，是一个集上下游软硬件产业链于一身的开放平台，致力于将智能语音应用于家庭、车载、运动，以及更广泛的场景中。

腾讯云副总裁王涛对小微给出了定义：“小微就是将腾讯在人工智能取得突破性的成果结合物联技术，打造的智能人机交互的开放平台和解决方案。”

在物联领域，许多硬件都是孤立的、零散的，目前市场上也并没有一家公司能真正把物联做起来，各家都在做自己的部分，整个物联行业是一盘散沙。腾讯云用语音打通，把整个行业串起来，这是非常重要的。