识别技术范文
时间:2023-04-04 18:28:58
导语:如何才能写好一篇识别技术,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
网络游戏是互联网作为网民实用性娱乐工具的重要体现,随着我国整体网络环境的改善,网络游戏市场的增长趋势明显。网络游戏是政府和业界都尤为关注的网络应用。网络游戏是一把双刃剑,在给网民提供更多的娱乐选择和促进相关产业发展的同时,也存在一些网民沉溺网络游戏,影响正常工作、学习、生活的负面问题。据我国CNNIC的最新调查显示,网络游戏在中国网络应用中排名第七位。2008年6月的网民使用率为58.3%,用户规模达到1.47亿人。网络游戏的玩家,每周平均玩游戏时间是11.9个小时。中国的网络游戏用户众多,美国同期的网络游戏使用率为35%,远低于中国。因此迫切需要解决网络游戏中的沉迷问题。
二、现行网络游戏防沉迷系统
我国在2007年8月27日由新闻出版总署《关于开展网络游戏防沉迷系统实名验证工作的通知》,通知要求网游运营企业配合公安部开展网络游戏防沉迷系统实名验证。这个就是现行的网游防沉迷系统。具体的做法是实行实名身份认证,即通过实名认证来区分成年人与未成年人,从而对游戏时间进行限制。而实名认证主要是由玩家输入自己的身份证号来进行判断。
现行防沉迷系统还存在不少安全漏洞。一是未成年人如果冒用成年人帐号进入游戏(冒用成年人的身份证号),在现有条件下仍然难以鉴定;二是该系统解决不了换号的问题,玩家可以申请多个账号,即使在网游防沉迷系统监控下,这个号到时间了,可以换另一个号;三是如果玩家在合法运营商那里玩正版玩得不痛快的话,就会玩****,这不仅让防沉迷系统失去效用,还会给国家税收造成重大损失。
更让人担忧的是,一些网游企业已意识到“在线时长”并非最好的盈利手段,且不利于网游用户的后续粘性,早就未雨绸缪地找到了绕开防沉迷系统束缚的新渠道。他们在增加网络游戏竞技趣味的同时,将赢利模式从在线时长逐渐转到免费模式上,将赢利重心转移到了装备交易上,让玩家不打装备也能长时间钉在网上。还有不少网络游戏公司已经研发、推广出大量的新型游戏。虽然谁都没有明说是针对防沉迷系统的,但从技术上看已经有这种苗头。
业内人士表示,未成年人进网吧摇身一变成年人,网游防沉迷系统的监管作用自然失效。
三.随着计算机技术的发展和网络的普及,加上多媒体与通讯条件的逐渐成熟,网络游戏飞速发展。随着网络游戏飞速发展,产生了一系列令人担忧的问题。其中最令人关注的莫过于许多青少年甚至成年人沉迷于网络游戏无法自拔,从而造成了诸多不良后果。
指纹识别技术不论在国内与国外都已经发展的较为成熟了。指纹识别技术有许多特点,比如,稳定性、唯一性等。指纹的这两个特点,为指纹用于身份鉴定提供了客观的依据。依靠这种唯一性和稳定性,就可以把一个人同其指纹对应起来,通过比较其指纹和预先保存的指纹模板进行比较,就可以验证其真实身份。
指纹识别系统完成指纹识别一般分为四个过程:
1.指纹取像。通过利用指纹采集仪采集指纹并生成指纹图像。目前使用的指纹采集仪有光学传感器、硅传感器和利用手指电场的传感器。
2.指纹特征提取。将指纹图像上的节点特征抽取出来,转化为特征数据。
3.数据存储。将指纹特征数据存储下来,这些数据一般被称为指纹模板。
4.比对。通过比对算法,将采集到的指纹与储存的指纹模板进行对比,计算出匹配结果。确认某人是否与他所声称的身份相符合。
现行的网游防沉迷系统主要缺点就是用户可以冒用他人的身份证号,而使用指纹识别技术替代现行防沉迷技术后,即可解决以上问题。指纹识别系统是一个C/S系统,需要在网吧的PC上安装客户端软件,网络游戏运营商的服务器端安装服务器端软件(身份验证程序)。
具体实施步骤为:
1.网吧等网络接入场所安装指纹识别仪器。现行的光学传感器价格都比较低廉,不会大量增加网吧的运营成本。
2.指纹采集,建立指纹信息库。上网人员上网时,必须进行指纹识别。如果指纹信息库中没有该人的指纹,则创建新的指纹信息保存在数据库中。指纹信息库中必须将指纹信息与身份信息进行联系。指纹信息库保存在国家的公安机关。
3.识别身份。根据指纹信息库中的信息,识别上网人员的身份。
4.各个网络游戏运营商要求游戏必须进行身份认证。未满18岁的,只能游戏3小时,3小时后5小时内游戏内收益减半,5小时以上游戏内收益为0。同时,如果同一身份的用户3小时后切换游戏角色,按照以上相同的规则处罚。这样就可以避免切换角色不惩罚的缺点。
以上基于指纹识别技术的网游防沉迷系统仅针对网吧用户,主要原因是当今沉迷网游的青少年大部分都是在网吧上网进行游戏。
另外,需要说明的是,防沉迷在技术上的防范不可或缺,但治标不治本。因为,真正的“防网游沉迷系统”,不仅仅是一个技术的“系统”,需要多管齐下,标本兼治。在这方面,国外的一些做法值得我们借鉴:美国一些网游公司为防玩家沉迷,实施“休息奖励制”,而非我们的“沉迷严惩制”,据说效果不错;韩国采用实名制将游戏账号和身份证联系在一起,保证一个玩家在一款游戏中只有一个账号,同时对网游进行了严格分级,并有一个很好的信用系统和支付系统(用手机支付)。
篇2
自动识别技术,就是根据现实数据,利用计算机系统进行信息化数据自动采集的一种集计算机、光磁物理、机电、通信技术为一体的高新信息技术,条形码技术就是其中一种。但是近年来,由于条形码本身具有一些缺陷,人们一直在探求一种更新更完善的信息解决方案。射频识别技术电子标签此时应运而生。射频识别技术是20世纪90年代兴起的一门新技术,它是在无线电通信技术、计算机技术和集成电路技术基础上发展起来的一个新型技术分支。通过附着在被处理物品上的识别卡和阅读器之间的射频信号交换信息,可以对物体身份等各种属性进行识别,从而自动完成分检、统计和定位等各种处理工作,以提高物,品流通的自动化水平。射频识别不仅方便,创造的经济效益也很可观。现在美国每年经国防物资利用与销售系统处理的物资价值在60亿美元以上。经估算,采用射频识别技术后,每年除可节约1亿美元以上的经费,另外大约有10亿美元的物资可在物资过剩单位和不足单位之间调剂使用,从而可大大节省采购费与维修费。由于大规模集成电路技术的发展,研制出适合各种应用途径的专用射频识别集成芯片,使射频识别技术在功能上大为增强的同时,应用成本大幅度降低。目前,这项新技术被广泛应用到自动化生产线、航空包裹识别、后勤供应链、公路收费系统、电子商务系统等各种大流量、实时性要求高的领域,给生产、生活带来了极大的方便。
无线射频识别技术在军事上的应用最早可追溯到第二次世界大战中飞机敌我目标识别,但是由于技术及成本原因,一直没有得到广泛应用。20世纪90年代随着大规模集成电路,网络通信、信息安全等技术的发展,无线射频识别技术进入商业化应用阶段,经济发达国家和地区已经率先应用于军事领域。无线射频识别技术系统主要由电子标签、阅读器和数据库组成,阅读器对电子标签进行电子化的识别扫描并向数据库发送信息,数据库检索、储存或传递数据,并根据实际应用做出进一步的信息处理如远程传输、跟踪预警等。无线射频识别技术起源于美国,目前已被美军广泛应用于军事物流领域。如特定物品定位系统、运输途中物资可见性系统、单兵电子病历卡,生理状态监测器和服装发放装置等,极大地改革了传统物流跟踪方式。
对军队来说,后勤物资调动是打赢战争最为重要的保障,特别是在战争进行时。但如何把这样庞大繁复的工作进行得迅速准确,却是目前困扰美军的一大难题。如在作战过程中在哪个方向投入了多少兵力、有多少装备、携带了多少物资给养、能维持多长时间、需要在什么时间、什么地点补充,通过无线射频识别技术都可一目了然。这支部队所需的给养现在哪个集装箱内,是否需要向上领取或就近调配,目前物资已运到什么地方、有没有送错,都会尽收眼底。对于弹药消耗的数量,装备损坏了多少。现有多少伤员等这些战损情况,系统都能了如指掌,并迅速指挥后装保障分队实施快速、精确的保障。1991年海湾战争中,美国向中东运送了约4万个集装箱,但由于标识不清,其中2万多个集装箱不得不重新打开、登记、封装并再次投入运输系统。当战争结束后,还有8000多个打开的集装箱未能加以利用。索马里维和、阿富汗战争和伊拉克战争等实战行动中,美军使用无线射频识别技术取得了理想的效果。最典型的应用案例是在伊拉克战争中美军采用无线射频识别技术,将几十万种不同规格型号的军用物资输送从原先的饱和供应转变成为当前的精确供应,实现了在全球范围内军事物流的可视化。在时间紧迫,路途遥远,地形复杂的情况下,军事物流可视化解决方案可达到快速、准确、安全的作用。
篇3
关键词:票据识别;OCR;字符切分
中图分类号:TP311.52文献标识码:A文章编号:1007-9599 (2010) 09-0000-04
Research on Automatical Cheque Identification Technology
Lin Zhaozong
(Guangdong Electric Power Industry School,Education&Training Center of Guangdong Power Grid Corporation,Guangzhou510520,China)
Abstract:In this paper,bank notes automatic identification technology and its progress are discussed.Automatic identification system is mainly the construction bills,including the scan input module and the Identity Module.OCR paper describes the application of automatic identification system to introduce some of the latest bills recognition algorithm. General Notes recognition system are mainly in the character segmentation method,based on characteristic line of the bills seized recognition algorithms and drip method.
Keywords:Identification notes;OCR;Character segmentation
一、概述
现代社会的各种商业活动,特别是银行方面,广泛使用各种票据,特别是支票的使用更加广泛。随着现代社会的发展,人们越来越多的使用支票来代替现金进行消费和结算。支票的广泛使,必然导致支票的存储、管理以及支票信息的查找变得愈加难。计算机逐渐普及,使得使用电脑管理支票成为可能,但足人工输入支票信息需耗费大量的时间和人力,因此没计一个智能系统自动识别支票,从中提取有用信息,并按照一定的分类规则保存到数据库提供用广大用户检索查询,最大程度上减少用户的工作量就显得很有必要。在这些工作的整体规划中,基础是票据识别系统的构建。前提是OCR技术的保证。关键是票据识别算法和规则数据库的优化。
票据识别系统主要由两个模块组成。如图(图1-1)所示。
主要的任务一个是依据OCR技术,将所要识别的票据图像化,并抽取其中的信息。另外一个是将提取的信息放入数据库,再根据相关的算法进行识别。
二、自动识别系统构建
识别模块中,其过程模块又可以细分。如图(图2-1)所示。
图像预处理模块对从扫描仪输入的票据图像进行二值化。版面分析模块从图像中抽取需要的图像,去除噪音。字符识别模块对图像进行识别。信息分类模块在关键字和规则数据库的约束下,对识别出来的数据进行分类,并对信息不全和个别错别字进行自动纠错。修改编辑模块对照输入图像和识别结果,进行手工修改纠错。
版面分析模块是指对于读入的票据图像进行版面分析,包括倾斜校正、去除噪音、抽取信息区域、切分文字行等。对于简单的文档版面分析,很多文献都提出了比较有效的方法,但是对于复杂的版面,特别是像票据这样的手写体和印刷体混排,噪音干扰较强,同时又存在着大量的背景图案和底纹的特殊版面,上面这几种方法都很难取得好的效果,表现为不能有效切分手写字和印刷字,不能从背景图案和底纹中抽取有用信息。
票据识别模块对提取的信息进行行效的识别。对于中文、英文字符的识别,很多文章都提出较好的方法,并且也已经有成熟的软件产品和工具包可供使用
信息分类模块是指在识别后对所得到的文字信息进行分类,分别归入所属的域中,同时对错误字符进行纠正,最后存入数据库。一般英文支票印刷字体的信息域包括姓名、地址、银行账号等。
字符识别工具包并不能准确识别所有的印刷字,而且加上版面噪音的干扰,实际识别后得到的信息域往往不完整,如何利用规则数据库中的信息结合识别后的结果最大程度使所需域中的信息得到完整是系统中的难点。
经过前面的处理后,在后面修改编辑模块中只需要编辑或补充少数几个字符就能得到完整的域信息。
修改编辑模块利用简单友好的操作界面对识别结果手动进行编辑,这对于实际的系统应用足非常必要的。
三、OCR的使用与发展
OCR技术是一种通过扫描等光学输入方式将各种票据文字信息转变成图像信息,再利用计算机的文字识别技术对图像进行识别,最终获得图像上的文字信息的技术。在票据自动识别系统中,这是系统工作的前提条件。OCR的质量直接影响了后续的各个流程的表现。
在输入图像之后,识别系统有三个小步骤需要进行,来对图像进行处理。第一,是识别区定位,确定需要识别的区域。第二,是将目标区域的图像进行切分,输出单个的字符图像。第三,将单个的字符图像进行识别,转化为对应的文字。
在一般的银行票据中,如下图3-1所示:
第一步骤,我们知道待识别区域主要有日期、账号、身份证号、金额等。
其中:第二步骤是能否准确识别字符的关键。观察一般的银行票据。我们发现其中的需要进行字符切分的区域一般是三种情况。也就是带方框的字符、带下划线的字符和无背景图案字符3种。如图3-2所示:
分析票据3种待识别区域可知,由于带方框字符的方框对于切分提供了较多信息,因此对于带方框字符的切分应充分利用方框所提供的信息;而带下划线字符图像中下划线对于切分基本上提供不了什么信息,因此对于带下划线字符应考虑先去掉下划线,再将其看作无背景图案字符进行切分。对于3类待识别区域,其切分方法主要有两种:对于带方框字符采用基于改进的图像分割的分裂一合并模型的字符切分算法;对于带下划线和无背景图案字符采用基于线性规划的切分方法。
(一)基于改进的图像分割的分裂一合并模型的字符切分算法
对于带方框字符,由于图像中方框的上下横边的水平方向的投影具有十分突出的两个尖峰,因此,首先将待识别区域进行水平方向的投影并分析投影计算出上下边框的位置,通过图像处理技术去掉上下边框并保留字符笔划与边框的交点。同样,方框中的多条竖边的垂直投影会产生间隔距离相等、高度相等的一系列尖峰。因此,将待识别区域进行垂直投影,分析投影可计算出每条竖边的位置。记录下这些位置信息,并通过图像处理技术去掉竖边框同时尽可能保留字符笔划与边框的交点。
通过两次投影,可以计算出平均字符宽、平均字符高、平均字符间距等参数,并且通过去掉方框得到了没有边框的字符图像。接下来应用分裂合并算法进行切分。分裂合并算法是在分裂一合并一再分裂的模型上对图像进行逐步求精的一个过程。改进的分裂合并算法主要包括以下3个步骤:
1.通过图像连通域分析求得基本部件,并根据基本部件估计新平均字符宽。
2.利用求得的特征参数进行部件的合并,合并完成后对参数进行2次估计。
3.根据合并结果和估计的参数值指导对粘连块的分裂。对粘连块的分裂需要用到多种图像分割技术,比如用以边缘检测的2次差分函数,或者水平细化、轮廓跟踪等。
大多数情况下,在2次分裂后就可以取得较为满意的结果。如果2次分裂后产生一个字的部件与另一个字粘连的情形,可以考虑使用再次合并。
(二)基于线性规划的切分方法
对于带下划线的字符,由于下划线基本上不能提供字符切分所需的信息,因此应先通过图像处理去掉下划线,再将其视为无背景图案字符进行切分。通过计算其特征参数。1.笔划宽度T。2.字符倾斜度。3.平均字符宽w。再结合代价函数。就可以对字符进行切分。(注析)。
另外对于票据的观察,我们知道在票据中,有许多的直线分割各个区域,因此,专门针对直线,提出如下的一些算法来处理版面中的问题。
一幅图像CI(i,j)可以看成一个二维矩阵,直线
L={(i1,j1),(i2,j2),...,(ik,jk∈CI(i,j)
是图像Cl(i,j)的子集.票据图像中的直线具有以下特点:
1.票据图像中主要直线长度一般较长。
2.直线大多为多像素宽,一般有4-9个像素;(这里,以在实际使用中常用的扫描分辨率15Odpi为例)。
3.直线种类多,包括:实线、虚线、连续线、断续线;图像如图1所示.票据图像中的找线算法应该满足以下要求:
(1)能找多像素宽的线,因为多像素宽的线由于扫描误差会表现为一组短直线,因此要求能够把这组短直线拟合成原来的直线。
(2)能够连接由于扫描误差产生的断线。
(3)找线速度快,准确。另外,由于图像扫描过程中的偏差会造成图像倾斜,产生杂线,还有汉字、手写符号中的长线也会构成杂线,这些都会增加在票据图像中找特征直线的难度,因此要求找线算法必须具有一定的容错能力.直线是图像信息的重要组成部分,因此在图像中提取直线的研究引起了人们的高度重视,近1O年来出现了很多在图像中提取直线的算法,这些算法各有优缺点.基于Hough变换的优点是抗噪性能较好,且能连接共线的短直线,其缺点是参数难以选择且计算复杂,提取直线的分辨率较低。启发式连接算法的最大问题是,对边缘检测的结果比较敏感且容易产生断裂的短直线.Bolt等人提出的层次记号编组法能连接共线短直线,它的缺陷与Hough变换有些类似,如参数难以选择、分辨率低等.本文根据票据图像中直线的结构特点,设计了一种适用于票据图像中直线搜索的算法
在切分字符的功能模块上,由于版面的信号干扰有时候是出人意料之外的,例如由于多个印章的重叠使得某个识别区域背景色与前景色混合得无法区分,这时候,无论算法多好,都有可能会出现某个区域无法准确识别的问题。但是支票是大量使用,在使用自动识别系统的过程中积累了大量的数据,通过直方图,我们可以采用一定的算法,得出那些地方是水平线,那些地方是由于印章等造成的信号干扰。11
四、提高识别率
由于OCR技术本身的局限性,利用字符识别模块对信息区域字符进行识别,往往不能得到完整的文字信息,总是存在着这样那样的字符不能被识别的情况。所以在对信息进行分类之前,需要对这些不能识别的字符进行补充和完整。但是要对这些字符进行补充和完整,又需要先对这些信息进行分类,然后将姓名、地址、邮编等已知的信息和规则数据库中的信息进行匹配,根据这些已知的信息将缺少的信息补充完整。以上过程可用图4-1所示。
在信息分类器的发展中,一个是研究更复杂的分类器,另一个是通过融合一些已有的简单的分类器,来达到提高识别率的目的。下面介绍的就是多分类器融合的一些进展。
多分类器融合算法包括两个基本途径:多个分类器的融合,也就是将每个分类器的输出结果按照特定的融合规则进行融合来得到最终的分类结果;动态分类器选择,也就是对于特定类型的待识别模式动态选择最有可能分类正确的分类器进行分类。
分类器有一种是以方向元素为特征的最小欧式距离分类器,另一种是以标准数字样本为模板的模板匹配分类器。
利用多分类器融合方法来提高字符的识别率。通过选择合理的融合方法,获得了单个数字字符识别率99.527%的高识别率。在单个字符高识别率的基础上,针对银行票据识别系统对识别结果无误识的要求,运用多区域多内容冗余校验的方法对票据中不同部分的内容进行比对。多区域多内容比对通过的票据的识别结果完全正确,无误识,保证了识别处理结果的充分可信赖性。
另外一种提高自动识别率的方法是是将多分类器融合与容错技术相结合,如图4-2所示。
通过对多分类器融合之后的数据,再进行容错技术的纠正。可以进一不提高票据自动识别系统的识别率。
经过容错技术改进的票据自动识别系统,能够提高系统的识别率。
五、展望
在OCR中,现在把纸质文字通过扫描转化为电子文本已经并非难事,当然其前提是用扫描仪先将图文资料和文字资料进行处理,然后再输入计算机进行编辑。
但是基于传统OCR技术的扫描仪功能的单一、应用及携带不方便等弊端日益凸现,这致使人们无法实现随时随地采集文字图像,已成为OCR技术广泛普及应用的主要障碍之一。
与此同时,数码相机、摄像机、PDA、拍照手机正在进入寻常百姓家。利用这些设备拍摄的自然视觉图像与扫描仪扫出的图像不同,它往往会有焦距变化、角度形变、光线变化、背景变化等多种复杂情况出现,因此需要借助超越传统扫描仪的OCR新技术来实现这些图像的识别。
用户利用数码相机、数码摄相机或手机等设备把文章或资料拍下来之后,就可以把这些数字图像资料传入电脑,然后再通过相关识别软件,即可变成可供编辑、使用、保存的文本资料。
数码相机同扫描仪一样都是输入产品,都有信息采集的功能。目前很多用户对数码相机的应用还仅停留在拍照片,但实际上它更大的应用价值却是信息的采集,这一功能之所以没有得到广泛应用,关键就是缺乏相应的软件配合。此外,视觉图像文字识别系统还可以通过嵌入技术与拍照手机、PDA等设备亲密接触,同样轻松实现“识图认字”。
六、结束语
本文对票据自动识别系统的构建进行讨论,提出了系统的各个功能模块。系统能对一般的票据具有较高的识别率,同时提供简单的信息编辑界面,对于少数识别错误的字符用户可以手动进行改正。
针对系统中使用到的OCR技术,讨论对于图像识别中所采用的步骤和算法。这些算法在实际的应用中都有比较好的表现。针对系统应用的背景是银行等金融系统,对于系统的识别率高和出错率低的严格要求,进一步介绍了一些措施和算法,如多分类器融合以及容错技术等等。
参考文献:
[1]N.Gorski,V.Anisimov,E.Augustin,O.Baret,D.Price and J.-C.Simon,A2iA Check Reader a family of bank check recognition systems
[2]Wang Song,Ma Feng,Xia Shaowei.A Chinese bank check recognition system based on the fault tolerant technique.Department of Automation,Tsinghua University,Beijing.
[3]Wang Song,Ma Feng,Xia Shaowei,Su HuP. A Fault Tolerant Chinese Bank Check Recognition System Based on SOM Neural Networks.Department of Automation,Tsinghua University.Beijing.IBM China Research Laboratory
[4]张殿东,包常新,温尚卓.ORC技术在银行票据识别系统中的应用.山东科学,2005
[5]朱辉,唐建龙,孙广玲.多分类器融合在银行票据识别中的应用.计算机工程与应用,2003
[6]张闯,蔺志青,肖波,郭军.适用于银行票据手写数字串切分的滴水算法.北京邮电大学学报,2006
[7]吴畏,丁茂祥,郝红卫.通用票据识别系统中的字符切分方法.计算机工程与设计,2004
篇4
2.RFID技术应用的解决思路与发展模式武岳山,陈长安
3."四个正确"引领医院信息化进程中的自动识别应用—访北京协和医院信息中心主任李包罗李澎
4.布莱根妇女医院提高患者用药的安全性美国斑马技术公司
5.条码在医院检验科中的应用—浙江邵逸夫医院条码应用案例上海先达企业发展有限公司
6.行政事业单位固定资产管理系统的应用上海先达企业发展有限公司
7.条码在固定资产管理中的应用北京维自动识别技术与应用 深科技
8.RFID在山地自行车赛中的应用IPICO中国
9.井下人员定位系统上海秀派电子科技有限公司
10.当生物识别遇见手机李澎
11.Datalogic重视合作伙伴及客户张淑丽
12.天津长威行远而思变张淑丽
13.厚积薄发—访北京亚仕同方科技有限公司总经理顾清谭雪清
14.多方位营销以品牌占有市场—上海力象电脑有限公司副总经理林延树与本刊执行主编谭雪清对话谭雪清
15.凝视中国—外商眼中的中国市场张淑丽
16.高效共赢—从斑马公司成立配送中心及维修服务中心看国内伙伴发展空间谭雪清
1.创新进行时
2.图片新闻
3.Web2.0嬗变与融合张淑丽
4.RFID技术应用问题综述武岳山,陈长安
5.GS12006论坛纪实孔洪亮,吴娟
6.第四届美国RFIDWorld印象钟书华
7.RFID与食品安全管理田利梅
8.基于RFID的畜牧安全生产管理系统
9.日本食品加工企业利用二维码实现食品跟踪
10.手持移动计算机助力食品制造巨头
11.食品运输中的条码应用
12.让生产过程控制更加精准化--自动识别技术在家电制造企业的应用
13.家电行业生产数据收集方法
14.家电行业的生产条码管理系统
15.松下空调库存管理
16.RFID电子标签在海尔生产线的应用
17.RFID在美国McCarran国际机场中的应用
18.射频标签在渔业产品供应中的应用
19.国外IT巨头试水RFID应用张淑丽
20.中国通往无线应用之路张淑丽
21.是民族的,更是世界的--山东新北洋信息技术股份有限公司总经理丛强滋与本刊执行主编谭雪清对话谭雪清
22.条码渠道谁主沉浮--中国条码自动识别市场鲶鱼效应的背后李澎,谭雪清
23.业界动态
1.变,是使命;不变的,是激情……谭雪清
2.自动识别技术与应用 图片新闻
3.政策解读:"十一五"带来自动识别新亮点
4.建言规划:针对企业需求产业人士吐心声
5.最新回应:重要政策和措施出台
6.下一个Gen2标签订单你需要知道什么刘灿伟,苏冠群,张东
7.突破读取距离难题苏冠群,刘丽梅,胡春阳
8.放飞希望激情三周年《自动识别技术与应用》编辑部
9.编码:条码应用的关键上海先达条码技术有限公司
10.就事论事公用事业收费账单编码与条码的标准化林立政,张明兰
11.条码技术在医院信息化中的应用--随时随地为医务人员提供最新数据
12.协和医院护理服务实现现代化美国讯宝科技
13.条码识别技术在日本医疗行业中的应用--保证患者用药安全的应用案例佐藤(SATO)自动识别系统国际贸易(上海)有限公司
14.电子标签服务城市地井管理北京富天达科技有限公司
15.RFID试点集装箱管理深圳市远望谷信息技术股份有限公司
16.当条码遇见手机张淑丽
17.当龙贝码遇见手机
18.当矽感CM码遇见手机
19.当新大陆遇见手机
20.当维深遇见手机
21.当东方惠科遇见手机
22.日本AmazonScanSearch手机条码便利购台湾资策会IDEA中心
23.时尚科技风向标转化为时代财富的背后
24.稳健从容仁者乐山--金东康条码系统有限公司董事长刘国尧与本刊执行主编谭雪清对话谭雪清
25.快速发展的危机--中国自动识别产业人才需求与人才培养调查张淑丽,谭雪清
26.业界动态
1.年终感悟
2.集成应用推进发展中国创造--回首2005,仰望2006李澎
3.RFID数据在供应链中的安全问题申秀兰,郭艳丽,王艳艳,张霞
4.解读RFID标准郭艳丽,苏冠群
5.打印机耗材分类、选型及应用中山阿尔莫工业有限公司
6.运用网络技术实现物流标签打印东芝泰格流通信息机器(深圳)有限公司
7.电力机车自动过分相技术的RFID应用深圳市丰泰瑞达实业有限公司
8.RFID技术在快速消费品供应链管理的应用中国自动识别协会射频工作组
9.自动识别借力无线移自动识别技术与应用 动通讯
10.企业移动计算解决方案北京维深科技发展有限公司
11.物流配送中心无线应用上海先达企业发展有限公司
12.票务防伪当自动识别技术成为焦点hHTTp://
13."龙贝码"在电子票务系统中的应用上海龙贝科技发展有限公司
14.RFID电子票务系统在刘德华演唱会中的应用凯泰科技(沈阳)有限公司
15.卡西欧:发力中国市场李澎
16.谁与"大象"共舞谭雪清
17.老兵新传--访青岛海尔青大软件有限公司常务副总经理于忠清谭雪清
18.新锐,剑出锋露--北京爱创世纪科技有限公司总经理谢朝晖与本刊执行主编谭雪清对话谭雪清
19.权威打造年度行业大展专业塑造品牌商机无限
20.年年岁岁展相似,岁岁年年览不同李澎
21.乘势而上展未来--写在"2005中国自动识别行业年度优秀奖"揭晓之际张淑丽
1.心语
2.SCANCHINA展自动识别产业走向成熟李澎
3.产业规模迅猛增长应用市场渐入佳境
4.行业惟一品牌展会搭建权威展示平台
5.产业团队整体亮相金秋沪上百舸争流
6.热切期待本届展会展现行业发展盛况
7.来自于1400个RFID案例研究的启示刘丽梅,苏冠群
8.现代服务业的新宠儿:货物离散跟踪朱茂华
9.数据采集终端在海尔生产线SBU系统中的应用青岛海尔青大软件有限公司
10.条码推进汽车产业添动力张玉波
11.无线实时条码系统在汽车装配生产物料配送中的应用冯香芹
12.汽车零件部件配送中心无线应用方案陈一新
13.南非采矿业RFID矿井应用实例郭艳丽
14.海关车辆自动核放系统深圳市远望谷信息技术股份有限公司
15.条码打印机附件的选用
16.让媒体资源利用最大化--自动识别行业企业市场宣传情况综合调查谭雪清,张淑丽,张玉波
17.调整酝酿突破--访美国易腾迈科技公司中国区总经理王敏女士谭雪清
18.讯宝布道中国--访美国讯宝科技公司RFID系统部副总裁JohnShoemaker先生李澎
19.变中求变,适者为胜--北京科创京成条码科技有限公司董事长叶向东与本刊执行主编谭雪清对话谭雪清
2.RFID与条码,争与不争李澎,谭雪清
3.沃尔玛变革引发RFID与条码之争话题
4.市场初期,RFID推广应用仍需两条腿走路
5.条码产业,争战正酣,后时代借势拉动增长迅猛
6.自动识别技术与应用 适合自己的,才是最好的
7.RFID应用的投资与回报山东省标准化研究院物流与自动识别技术实验室
8.从战略光环到执行细节--EPC/RFID实施中的三个标准化维度钱恒,苏冠群
9.零售业条码应用书写新篇章
10.条码在零售业中的应用张玉波
11.无线信息管理系统在家世界的应用张玉波
12.科学高效的联华便利配送中心黄奕鸣
13.自动识别新技术在零售业的应用与发展章大胜
篇5
摘要:射频识别技术在医疗方面的应用逐渐成为现实,在未来的数年内,像射频识别技术这样的自动识别技术将被寄予厚望,因为它们孕育着更大的创新。
射频识别技术(RFID,Radio Frequency Identification)实际上是自动识别技术(AEI,Automatic Equipment Identification)在无线电技术方面的具体应用与发展。该项技术的基本思想是,通过采用一些先进的技术手段,实现人们对各类物体或设备( 人员、物品) 在不同状态( 移动、静止或恶劣环境) 下的自动识别和管理。
2 0 世纪8 0 年代,由于大规模集成电路技术的成熟,射频识别系统的体积大大缩小,使得射频识别技术进入实用化的阶段,成为一种成熟的自动识别技术。射频识别技术是利用射频方式进行非接触双向通信,以达到识别并交换数据的目的。与同期或早期的接触式识别技术不同,R F I D 系统的射频卡和读写器之间不用接触就可完成识别,因此它可在更广泛的场合中应用。
典型的射频识别系统包括射频卡和读写器两部分。射频卡是将几个主要模块集成到一块芯片中,完成与读写器的通信。芯片上有E E P R O M 用来储存识别码或其它数据。E E P R O M 容量从几比特到几万比特。芯片外围仅需连接天线( 和电池) ,可以作为人员的身份识别卡或货物的标识卡。卡封装可以有不同形式,比如常见的信用卡及小圆片的形式等。与条码、磁卡、I C 卡等同期或早期的识别技术相比,射频卡具有非接触、工作距离长、适于恶劣环境、可识别运动目标等优点。
射频识别技术在医疗领域的应用日益增长。虽然这项技术逐渐被普遍采用,但患者真正享受这项技术仍然需要一个过程。射频识别技术不仅在供应链管理中得到应用,还迅速被引用到医疗方面,而且被证明是非常有效的一项技术。
该技术能够使多处标记在一定距离同时被扫描。在大规模的零售业,这种提供准确数据的技术使其可以为成批的货物一次性扫描。将射频识别技术应用在防伪的领域有它自身的技术优势,射频识别技术采用的标记系统,迅速进入制药市场,打击了假药的流通;防伪技术本身要求成本低,但是却很难伪造。射频卡的成本就相对便宜,而芯片的制造需要有昂贵的芯片工厂,使伪造者望而却步。射频卡本身具有内存,可以储存、修改与产品有关的数据、利于销售商使用;体积十分小、便于产品封装。像电脑、激光打印机、电视等等产品上都可使用。美国的制药企业开始在美国使用该技术,生产过程中在每样产品上封装入射频卡,卡上记载了唯一的产品号。批发商、零售商用厂家提供的读写器就可以严格检验产品的合法性,这就使识别假药变得很简单了。
相似的科技促进了医院供应链的药物和医药设备的管理。事实上许多医院都有配置射频识别系统的需求,在急救室的患者可能最先体验到这项技术带来的安全与便捷。
临床应用的优势
患者首先感受到在急救车上使用射频识别系统标记的好处。急救车上有一系列的设备装置和药品,随时准备提供给心搏停止的患者。美国国民患者安全理事会首席专家说,2003年11月至2005年6月,由于急救推车的问题引起了8 起事故,都是由于相应的设备不在车上或药物过期造成的。这并非人为疏忽,而是在这些推车上至少有三种不同的物品,虽然有检查各物品是否配备的程序,尤其是在急救室执行急救过程中,迅速完成这项检查任务仍然很困难。
射频识别技术的标记能简化这个检查程序。与普遍使用的条形编码系统相比,射频技术将通过减少扫描次数而改进功效,从而最终提高接待患者的质量。如果使用条形编码,需要逐一扫描各个物品,所以采用射频识别扫描就要高效得多。
标记的唯一性,降低或消除医疗过失
射频识别技术可以确保急救车、手术室和康复室中准备工作的高效开展。患者被分配的标记是执行射频识别技术的关键,患者被标记为独特的代码,在药物治疗和外科手术过程中,能降低或消除医疗过失。假如给一个患者的药或瓶子上贴错标记,这项技术立刻可以识别,并纠正过来。
在美国已经有关于用自动射频识别技术检查患者身份的案例,这将成为射频识别技术应用强有力的依据。专家认为,在有些场所,条形编码识别技术是最合适的,但射频识别技术会成为更强大的工具。为了患者的安全,我们意识到单独一项技术并不能解决我们所面临的全部问题,在解决这些问题的时候,可以采用射频识别技术与条形码相结合的方法。随着医疗复杂程度的日益提高,以及患者和医院对医疗安全的更加重视,射频识别技术在运用中会越来越引人注目。
在药物供应链上使用射频识别技术,也成为在患者中使用这项技术的强有力的理由。“射频识别技术在患者药物供应链上也是很重要的,有时人们会忘记这些。”专家说,“例如,患对药物产生不良反应,射频识别技术就可以找出根源,看看是不是假冒药剂的原因。”
全天候跟踪
被分配这种标记的患者和医务人员现在逐步成为争论的焦点,因为这种鉴定技术不仅是识别个体,而且还跟踪他们的各项活动,这就牵连有许多内在的利益。使用这个系统,在紧急关头,可以轻松地在附近找到合适的临床医生。
射频识别技术能帮助提高药物目录的功效性以及医疗卫生器材的管理
美国的V e r c h i p 是第一个可移植的射频识别技术芯片,提供了幼儿保护、资产追踪、存取控制和预防错乱的设备。这些设备在皮肤下采用无害标记,结合数据库存储患者精确的信息。
美国的Surgichip 是又一组取得进展的患者标记,目标是避免认错患者,避免执行错误的治疗程序。系统采用射频识别技术启动三步核实过程,核实患者身份、关键数据和相应的手术程序和位置。这三方面的电子记录为各个程序提供了安全审计追踪。
射频识别技术在美国医疗界已经开始普遍使用了。每个产科病房都有一项射频识别技术系统固定识别卡。识别系统像门锁一样有许多使用的形式。新的功能如定位医务人员和患者的进展是非常令人激动;其它类型的室内配置和定位系统被取消了,因为射频识别技术有很好的投资回收率和健全的标记技术,同时射频识别技术的自动化进程,在忙碌的手术室里能提高工作效率。
关注成本
虽然在使用中,射频识别技术潜在的投资回报率已越来越清晰,但执行成本仍将是采用此项技术的主要问题。标记的芯片十分昂贵,这将成为采用此技术最大的障碍。
对射频技术的误解
匹兹堡医药中心大学的Jay Srini 说:“人们需要药物供应链的自动化。此项目的意义要比标记的成本重要的多。”在美国,医疗保险补偿在下降,许多医院大都建于二十年前,基础建设要投资更新。在射频识别技术系统方面的投资有助于更有效地运用其他科技成果。
许多人希望看到它所带来的利润,但这需要长时期的使用才可以看到结果。美国的先驱案例——在幼儿安全操作系统和操控设备上使用射频识别技术,经过了很长时期,才得到了回报。特效的射频识别技术标记用于医疗设备上已有很大收益,医院不会浪费设备,不需要再购买或租用额外的设备。
早期廉价标记的使用者,现在他们开始使用更昂贵的标记了。因为它的投资回报率要比它本身的成本高得多。考虑到最初的投资和操作成本,关于射频识别技术太昂贵的讨论发生了变化。例如医疗事故高额赔付,适当地使用精确的技术就可以减少或消除医疗事故的发生,这为降低医疗成本带来不可忽视的作用。“医学院关于不良药物事件的报告指出,每年因不良药物而导致的死亡人数相当惊人。”Srini 说,“如果有了重大医疗事故的影响,就知道投资一个可靠系统的价值了。”
在病例中,保证诊疗的准确性,避免不利结果是关键。推动使用射频识别技术关系到患者的安危,能够减少医疗事故的支出。射频识别技术确实影响了成本,但必要的程序确保了患者的安危。标记修复术和移植设备,像髋关节置换和心房脉冲产生器不需外科手术,采用射频识别技术就能检查出移植设备的问题。同时,技术开发者在努力降低成本,开展创新的支付结构等。例如,由W a v e f o r m 提供的定金基数和帐单到期支付等等。虽然克服了这些忧虑,其他因素也会导致惯性阻碍此项技术的实施。
克服市场惯性
要迅速被采用, 必须要显示此项技术独特的优势。在实际运用中,如果现有装备足够好,就延缓了射频识别技术的启用。例如,一项公认的设备技术被取代时,射频识别技术微小的利润也许不能收回前期投资,这就给射频识别技术的推广造成了障碍。
在传染病控制中采用射频识别技术的益处
条形码识别技术已经相当成熟,也是降低错误的廉价的方式。但射频识别技术提供更强大的功能,其标记能在视线以外的距离被扫描,并可以反映患者复杂的信息数据库。因此,要采用射频识别技术, 取决于射频识别技术是不是优于条形码,取决于机构是否用长远的目光看待成本评估。虽然现在人们已经接受了条形码,但还会关心射频识别技术是否能提高效能,能否在长期使用后做到投资回笼。
另一挑战就是射频识别技术的发展步骤。标记在变小,读卡机更复杂,内在程序功能在扩展;并且有些公司担心该设备进入市场过早而没有买主。“没人愿意为他人做嫁衣。但人们愿意看到此项技术的优势特性和稳定性。”Jay Srini 说,“企业希望了解射频识别技术的巩固性和全面性,但我们不愿冒这个风险。”
这些顾虑,经过时间的磨合将会消除,就像担心患者的隐私问题一样,因为采用射频识别技术会涉及到医护人员、患者个人信息的存储和追踪,所以人们认为射频识别技术侵犯了个人隐私,并且现在忧虑仍然存在,但患者看上去已经逐渐接受了。虽然射频识别技术的成本相对条形码来说是很高,并且有些患者为此感到不满,但如果你解释他们被标记的原因,他们大都会很高兴的接受这样的护理。总之,争论在减少、形式在变化、射频识别技术的成本也在降低。应用只是时间问题
实际上,射频识别技术在医疗方面的应用逐渐成为现实,在未来的数年内,像射频识别技术这样的自动识别技术将被寄予厚望,因为它们孕育着更大的创新。美国专家认为应该加快射频识别技术的应用,他们认为在对条形码的更换上可以稍慢一点,但在其它方面如传染病的控制,应该加速射频识别技术的应用,因为在识别传染病患者接触过的物体而预防医院内感染等方面射频识别技术会起到重要作用。所以可以确定这是一个有着良好前景的技术。英国的专家也认为射频识别技术在医疗方面起到重要的作用是毫无疑问的,只是时间的问题。他们认为只是由于英国的医疗机构对接受新技术方面反映迟钝,才导致不能那么快地接受射频识别技术。
篇6
关键词:蔬菜;病害;症状识别;发病条件;测报技术
1 黄瓜霜霉病
1.1 症状识别
主要危害叶片,也可危害茎、卷须和梗。发病初期,叶正面出现淡黄色病斑,背面出现水渍状多角形病斑,或者叶片正反两面均出现多角形水渍状病斑,病斑发展后叶正面为褐色多角形病斑,外圈仍为黄绿色,病健交界模糊,潮湿时叶背病斑处产生紫黑色霉层,后期变成黑色霉层。
1.2 病原物
病原物为古巴假霜霉,鞭毛菌亚门假霜霉菌属。
1.3 病害循环
在北方寒冷地区,病菌不能在露地越冬,植株枯萎后即死亡。种子不带菌,主要靠气流和雨水传播。传播的途径主要是从温室黄瓜传到大田黄瓜,再从大田传播到夏秋黄瓜,然后再传播到温室黄瓜。
1.4 发病因素
1.4.1 气候条件
黄瓜生长期间的温度一般能够满足发病要求,因此,高湿是黄瓜霜霉病发生的重要条件。病菌产生的孢子囊需要83%以上的相对湿度,孢子囊萌发和侵入都需要有水滴或水膜。叶面干燥,孢子囊不能萌发,2~3 d即死亡。
1.4.2 栽培管理措施
通常,靠近温室、大棚及苗床附近的黄瓜发病早且病重;地势低洼、栽培过密、通风透光不良、肥料不足、浇水过多、植株徒长、地表潮湿等发病重;保护地管理操作不当,放风排湿时间不够,叶面水膜形成多,霜霉病发生也重。
1.4.3 品种抗病性
黄瓜不同品种对霜霉病的抗性差异很大,一般早熟品种、品质好的品种抗病性差。
1.5 预测预报
1.5.1 田间(棚室)调查
中心病株调查:黄瓜定植后,选择地势低洼、通风排水不良、田间管理水平低及容易发病地块(棚室)3~5个,从黄瓜初花期前5 d开始,每5 d调查1次,至根瓜初期后每3 d调查1次。对角线5点取样,每点检查20株。
发生程度调查:当发现中心病株后,立即开始普查,普查面积不少于种植面积的50%。当此病普遍发生,选择有代表性的地块(棚室)1~2个,进行定点系统调查,5点取样,定点定株,每5 d调查1次,直至盛瓜后期。按分级标准,调查计算病株率、病叶率及病情指数等,记录结果。
1.5.2 预测预报方法
发生期预报:当发生中心病株后,结合气象因素分析,及时发出第1次预报。如果气候条件适宜,一般4~8 d后还可出现较多发病中心,半个月后即可普遍发病。
发生程度预报:在地势低洼,栽植过密,通风不良,浇水过多,气温在20~22 ℃之间,湿度达85%以上,同时降雨多、雾大、露重天气,病害将迅速流行。田间出现中心病株后,如天气干旱又无结露条件,或湿度虽高,但平均温度超过30 ℃,则该病将轻度流行。
应根据田间病情、品种抗病性、田间管理、气象条件、历史资料等进行综合分析,作出发生程度预报,指导防治,控制病情发展。
2 番茄早疫病
2.1 症状识别
苗期、成株期均可发病,主要危害叶片、茎和果实。叶片发病,初期呈针尖大的小黑点,后扩大为深褐色或黑色圆形至椭圆形的病斑,有同心轮纹,有时边缘有黄色晕圈。潮湿时病斑上长出黑霉,病斑常从植株下部叶片开始,逐渐向上蔓延,发病严重时植株下部叶片全部枯死。
青果发病,病斑多发生在蒂部附近和有裂缝的地方,圆形或近圆形,褐色或黑褐色,稍凹陷。有同心轮纹,病部有黑霉,病果易脱落。
2.2 病原
病原为茄链格孢菌,属于半知菌亚门链格孢属。分生孢子梗自气孔伸出,单生或簇生,圆筒形或短棒形,有1~7个分隔,暗褐色。分生孢子顶生,倒棍棒形,顶端有细长的嘴胞,黄褐色,具纵横隔膜。
2.3 侵染循环
寄主范围广,除危害番茄外,还可侵染马铃薯、茄子、辣椒等植物。主要以菌丝体和分生孢子在病残体上越冬,还可以分生孢子附着在种子表面越冬,成为翌年发病的初侵染源。第2年春天条件适宜时,产生的分生孢子通过气流和雨水传播。
2.4 发病规律
2.4.1 气候条件
高温高湿有利于发病。病菌在15~30 ℃均可生长。在最适温度为28~30 ℃、相对湿度超过70%时,分生孢子45 min就可萌发。病菌一般从气孔或伤口侵入,也能从表皮直接侵入。在适宜的环境条件下, 2~3 d病菌侵入寄主组织形成病斑,后病部产生大量的分生孢子传播并进行多次再侵染。生长季节降雨来得早,降雨日多、量大,发病重。
2.4.2 栽培管理
早熟品种比晚熟品种易发病;保护地栽培比露地栽培发病重;重茬地、地势低洼、排灌不良、基肥不足、栽植过密、贪青徒长、通风不良发病较重。
2.5 预测预报
2.5.1 调查内容与方法
中心病株调查:番茄定植10 d后,每3 d调查1次。选早栽、种植集中、易感病品种类型田(棚)3块,每块田(棚)调查全部植株,记录调查结果。
病情系统调查:发现中心病株后,每5 d调查1次。选各类型田2块,对角线5点取样,每点定20株,结果后同时每点调查20个果实。调查病株率、病果率和发病严重度,计算病情指数。
篇7
【关键词】图像识别;编程;风量罩
本文采用数字风量罩的显示屏作为图像识别的对象,对其进行智能分析、识别。其具体编程内容如下。
1 识别系统的详细设计图
图1
2 版程序目录结构
images
deviceidCount.dat
devicelist.dat
fluke
ms8222
vc9804
_GMMs
history
newOCR
select
decriptDll.dll
decriptDll.lib
deviceReader.exe
encripts.dat
flannLocate.exe
ImageSeg.exe
msvcp100.dll
msvcr100.dll
opencv_calib3d243.dll
opencv_contrib243.dll
opencv_core243.dll
opencv_features2d243.dll
opencv_ffmpeg243.dll
opencv_flann243.dll
opencv_gpu243.dll
opencv_highgui243.dll
opencv_imgproc243.dll
opencv_legacy243.dll
opencv_ml243.dll
opencv_nonfree243.dll
opencv_objdetect243.dll
opencv_photo243.dll
opencv_stitching243.dll
opencv_ts243.dll
opencv_video243.dll
opencv_videostab243.dll
SceneRec.exe
SurfaceTrainer.exe
3 工程列表
(1)识别主界面
deviceReader
(2)训练主界面
SurfaceTrainer
(3)字符集分割及单一字串识别
ImageSeg
(4)机器授权 done
hardwareID
(5)判断机器授权的函数checkDecript的dll工程
decriptDll
该dll工程生成的库
DecriptDllRelease
(6)表类型判别程序
SceneRec
(7)读数框定位程序
flannLocate
4 识别系统所用技术说明
4.1 表类型识别模块
SceneRec.exe――根据images文件夹下面的设备名的目录下面的destination.jpg检测当前摄像头获取的图像里面最有可能是哪个表, 采用SURF特征匹配。
4.1.1 程序用法
SceneRec
程序使用模式选项: 1 ―> 训练模式; 2 ―> 识别模式
在训练模式下, 此选项指抓取的待训练表图像所在目录的全路径; 在识别模式下, 该选项是待识别图像的全路径.
例子:
训练
SceneRec 1 C:\Users\ewuumeg\images\DT890B
DT890B目录下应至少存有一个名为“1.jpg”的完整的DT890B的表图像在应用程序的部署阶段, images目录应与SceneRec.exe在同一目录下识别SceneRec 2 C:\Users\ewuumeg\select\select.jpg
在应用程序的部署阶段, select目录应与SceneRec.exe在同一目录下
4.1.2 程序详细设计
该程序内部的训练的详细逻辑:
1) 采用canny算子提取canny边缘图
2) 计算canny边缘图竖向投影直方图H
3) 统计该直方图的均值a
4) 从左扫描直方图H, 第一个大于均值a的直方图H的索引就是表的左边界l_e
5) 从右扫描直方图H, 第一个大于均值a的直方图H的索引就是表的右边界r_e
6) 在左右边界确定的竖条内, 计算canny边缘图横向投影V
7) 统计该直方图均值b
8) 从上到下扫描直方图V, 第一个大于均值b的直方图V的索引就是表的上边界t_e
9) 表的下边界b_e就是图像下边界height-1
10) (l_e, r_e, t_e, b_e)圈出的感兴趣区域就是该表, 将其存为图像destination.jpg, 与表的源图像在同一目录, 例如C:\Users\ewuumeg\images\DT890B\destination.jpg
注:由于没有提取表的下边界, 所以下边界最好尽量位于视野的下边缘
该程序内部的识别的详细逻辑:
读取SceneRec.exe同目录下images目录下面的设备列表文件devicelist.dat和设备数目文件deviceidCount.dat
根据设备列表, 遍历各个设备目录下面的destination.jpg, 提取其SURF特征值集合, 在目标图像select.jpg中寻找最佳匹配点, 每种表都有一个最佳匹配点集good_matches, 根据该匹配点集的距离测度值决定select.jpg属于哪种表. 表类型识别结果字符串写入images文件夹下面的_TEST/deviceType.res文件
源代码内部函数调用逻辑
4.2 自动定位读数框模块
flannLocate.exe――根据images文件夹下面的由SceneRec.exe检测出的设备名对应的目录下面的object.jpg, 在当前图中对应的匹配位置, 采用的是SURF特征集、相似区域匹配、摄像头参数标定技术, 该三种技术都是标准的openCV调用。
源代码内部函数调用逻辑简单.
4.3 分割识别字符串&表字符集提取模块
ImageSeg.exe――对抓到的字符串图片进行分割识别, 主要用到直方图均衡化、自适应定界法结合otsu定界法进行二值化、 二值化图片的垂直投影直方图进行字符倾斜校正和字符分割、采用矩特征进行模板匹配来识别最终字符。该程序还用于分割设备字符集的模板图片。
deviceReader.exe――抓设备图片用于训练表盘特征; 识别程序入口。调用上面三个底层程序完成最终任务。
SurfaceTrainer.exe――训练设备参数和划定设备表面特征明显区域用于识别表类型, 并且划定读数盘区域的程序。
注: 以上系统的使用方法参见”图像识别模块使用说明书_v1.0.doc”
图2
5 Dll版本程序设计
5.1 Dll的详细设计图如图2
decriptDll.dll---------> 对其他dll函数进行权限验证的dll, 只能由hardwareID.exe在目标机器上运行生成授权文件才能在目标机器上使用以上dll.
5.2 Dll函数接口(ImageRecUtilities)的设计如下
①抓帧函数, 返回对象---- 当前帧
utilities_queryOneFrame()------>utility_currentImage
②保存某类型表的样本图片以供训练
utilities_initSave() ------>打开摄像头
utilities_setSaveTypeStr() ------>设置要保存样本图片的表类型名
utilities_saveTypeImage() ------->保存样本图片(例如images/DT890B/1.jpg)
utilities_finishSave() ------->关闭摄像头
③表类型识别函数, 返回对象----表类型字符串
utilities_initSave() ------>打开摄像头
utilities_doTypeRec() --------> utility_typeStr
④表类型重置函数, 返回对象----表类型字符串
⑤数字串定位函数, 返回对象---表原始框和读数框
utilities_doLocatation() ------> utility_num_rectArray
------> utility_srcRect
------> utility_desRect
⑥识别函数, 返回对象----数字串个数
utilities_doNumRec() -----> utility_num_string_boxCount
场景:
①为训练程序进行抓图的场景
utilities_initSave()
utilities_setSaveTypeStr()
for i=0,…,23
utilities_queryOneFrame()
utilities_saveTypeImage()
end for
utilities_finishSave()
②进行识别
utilities_initSave()
utilities_queryOneFrame()
utilities_doTypeRec()
utilities_doLocatation()
do
utilities_queryOneFrame()
int num = utilities_doNumRec()
for int j=0,…,num-1 //get the result
StringBuilder a = new StringBuilder(“a”, 256);
a.Capacity = 256;
utilities_getOneResult(a, j);
end for
while …
utilities_finishSave()
③在场景2开始后重设表类型然后进行识别
utilities_finishSave()
utilities_initSave()
utilities_resetDeviceType()
utilities_doLocatation()
do
utilities_queryOneFrame()
int num = utilities_doNumRec()
for int j=0,…,num-1 //get the result
StringBuilder a = new StringBuilder(“a”, 256);
a.Capacity = 256;
utilities_getOneResult(a, j);
end for
while …
utilities_finishSave()
5.3 Dll VS工程
因为C#与VB调用要求Dll接口封装的方式不同, 所以提供两个不同的Dll VS工程
ImageRecUtilities -------供C#调用的Dll接口工程
ImageRecUtilitiesC-------供VB调用的Dll接口工程
5.4 Dll VS支撑工程
支撑工程生成的Dll仅供上面的ImageRecUtilities调用, 所以只提供VC调用的接口。
decriptDll -------提供查看当前机器授权的dll
/*if (!isComInitialized){*/
// 初始化COM
hres = CoInitializeEx( NULL, COINIT_MULTITHREADED );
if( FAILED(hres) )
{
//printf(" failed 1\n");
return -2;
}
// 设置COM的安全认证级别
hres = CoInitializeSecurity(
NULL,
-1,
NULL,
NULL,
RPC_C_AUTHN_LEVEL_DEFAULT,
RPC_C_IMP_LEVEL_IMPERSONATE,
NULL,
EOAC_NONE,
NULL
);
if( FAILED(hres) )
{
//printf(" failed 2\n");
CoUninitialize();
return -2;
}
isComInitialized = true;
/*}*/
>
SceneRec ---------提供表类型识别的dll
flannLocate ------提供根据表类型识别结果定位读数框的dll
ImageSeg ---------提供字符串图片分割识别的dll
5.5 Dll函数的调用例子工程为
C#命令行工程:
CSharpDll_SaveImage -------给表抓训练图(images//1.jpg, …)的例子
CSharpDll_Rec -------表盘特征训练完成, OCR字符模板训练完成后的识别调用的例子
VB命令行工程:
VBDll_SaveImage -------给表抓训练图(images//1.jpg, …)的例子
VBDll_Rec -------表盘特征训练完成, OCR字符模板训练完成后的识别调用的例子
篇8
豇豆荚螟,豆类害虫,全国分布,南方较凶。钻蛀为害,影响防控,连续采摘,农残严重。
注:豆野螟属鳞翅目螟蛾科,又名豇豆荚螟、豇豆螟、豆荚野螟、豆荚螟等,全国分布,但南方特别是长江流域较为严重。
2 豆野螟寄主
豇菜刀扁,绿毛蚕豌。
注:豆野螟为豆科蔬菜害虫,寄主主要有豇豆、菜豆、刀豆、扁豆等,也可为害绿豆、毛豆、蚕豆、豌豆。
3 豆野螟形态特征
体色黄褐,体型中等,前翅U斑,白色透明。黄白幼虫,黑褐头胸,各节黑斑,四二特征。
注:豆野螟成虫前翅各有一个白色U型透明斑,后翅白色半透明。幼虫黄白色,中后胸背板上有黑色毛片6个,前列4个,各具两根刚毛,后列2个无刚毛,腹部同样6个毛片,但各自只有1根刚毛。蛹被白色透明的薄茧。
4 豆野螟为害状
豆类螟蛾,钻蛀习性。花开花落,遍地飘红。荚生荚长,满园成孔,品质降低,收入成空。
注:豆野螟以钻蛀花及豆荚为主,也能卷叶为害,常造成落花落荚,荚内及蛀孔外堆积粪便,严重影响蔬菜的产量与品质。
5 豆野螟生活习性
北方三代,华中倍增,长江流域,以蛹越冬。六至十月,为害高峰,昼伏夜出,强趋光性。卵多散产,花荚着生,初孵幼虫,钻入花缝。由花及荚,荚内蛀空,老熟钻出,土表化蛹。无限花序,少毛品种,高温高湿,受害偏重。
6 豆野螟防治策略
生防为主,绿色集成,治小治早,花期防控。
注:豆野螟的钻蛀性及豆类蔬菜不间断采摘特性决定了防治策略必须是以绿色防控为主,多种防控手段相结合,以花期为主控阶段,幼虫初孵期防治。
①农业防治 清理落花,摘除虫荚。
②物理防治 强趋光性,加以利用。大小中棚,虫网防虫。
注:利用豆野螟的强趋光性,安装频振式杀虫灯诱杀成虫。利用设施覆盖防虫网,在作物生长期间可以做到不施药或只施1次药。
③生物防治 天敌保护,综合利用。生物农药,积极推行。
注:可选择16 000 国际单位苏云金杆菌可湿性粉剂 750~1 000倍液、0.3%印楝素乳油1 000倍液、1.5%除虫菊素水乳剂500~750倍液等生物农药。
④化学防治 孵化高峰,七花一虫,花蕾始放,嫩荚初生,抢在早上,抓住低龄,重在花穗,贵在早用,安全间隔,不能侥幸,统防统治,绿色防控。
篇9
关键词:指纹识别 指纹采集 识别技术
随着社会的快速发展,科学技术的进步,人们也面临着各种挑战,其中身份识别与认证是各种社会活动的基础,如何快速准确的进行身份识别关系到我们生活秩序的稳定。由于人体所具有的生物特征如指纹、DNA、声音等具有独特性与单一性及无法替代的防伪性,随着现代科技的发展,使得使用这些特殊的生物特征进行身份识别成为社会发展的潮流。
指纹这种表皮纹线形态是人类所特有的,并且由于遗传特性的差异,每一个人的指纹特征都是不尽相同的。每个人的指纹甚至每个指纹的每一条纹线都是独立的且唯一的,指纹的这些特征使得其成为个人身份认定和识别的最直接最便捷的途径,因此我们把一个人的指纹与他的指纹对应起来,通过比较他的指纹特征和预先保留的指纹样品即可验证其身份[1]。尤其在各国警察机构中指纹识别为其工作带来了极大的便利。为维护社会秩序的稳定作出了重要贡献。
一、指纹技术的历史发展
我国是世界上公认最早使用指纹来确认个人身份的国家。据相关资料显示,我国古代最早的指纹应用时在秦朝,经过近千年的发展到了唐朝指纹已经广泛应用于田宅、人身买卖契约、订立抵押借贷等民事活动。到宋代随着犯罪案件的增加,指纹已经作为正式的判案工具应用于刑事诉讼领域。其中《宋史》中详细记载,元绛利用指纹明判欺诈案件的故事。
我国虽然应用指纹技术较早,但指纹识别技术科学化系统化却是近代西方人发明并完善的。在欧洲1788年,梅耶首先提出世界上没有两个人的指纹会完全相同。1889年,亨利的研究成果提出了一套完整的指纹细节特征识别理论,为现代指纹识别技术奠定了基础。同时随着近代人体解剖学、遗传学、物理学、概率统计学等科学理论的发展以及科学实验话研究方法的日趋成熟使得指纹识别技术在近百余年内越来越被人重视并应用于生活中。
指纹识别技术从被发现起就被广泛的应用于商业买卖等民事领域。由于指纹具备稳定性和唯一性,刑事侦查领域也开始广泛采用。在司法领域中,指纹一直被视为物证之首。但在早期刑事侦查中,指纹由专门部门采集特定人群的十指指纹信息并按一定管理办法进行人工分类和储存,当有送检的犯罪现场指纹或嫌疑人的指纹时吗,由专业技术人员根据指纹特征用肉眼逐一识别对比,但人工识别方法效率低、速度慢不能满足现代社会的需要,到上世界60年代末,在美国开始出现自动指纹识别系统(AFIS),此系统因其储存量大、对比话、便于查询等诸多优越性而受到重视并沿用至今。
二、指纹提取技术
指纹图像的采集是指纹识别的前提,指纹由图像采集设备转化为数字图像后才能用计算机处理。要获取良好的指纹图像非常复杂也非常重要,目前的指纹图像采集技术主要有光学技术、半导体硅技术、超声波技术。
光学技术:将手指放在光学镜片上,手指在内置光源照射下,用棱镜将其投射在电荷耦合器上,这样形成的图像中脊线呈黑色,谷线呈白色,这些多灰度指纹图像可用指纹设备算法处理[1]。该技术的优点是较为廉价且分辨率较高。
硅技术:使硅传感器成为电容的一个极板,手指成为另一个极板,利用手指的指纹脊和谷相对于平滑的传感器之间的电容差,形成8位灰度图像。该技术的优点是所获得图像质量更高,更易集成到小设备中。
超声波技术:利用超声波到达材质表面时被吸收、穿透与反射的程度不同,因此可利用超声波具有穿透材料的能力且随材料的不同产生大小不同的图波的特点,可发现皮肤与空气对于声波阻抗的差异,以此区分指纹脊与纹谷的位置[2]。此技术的优势在于能达到最高精确度对手指和平面的清洁程度要求较低。
指纹图像的预处理:在指纹数字图像系统过程中,由于受手指破损、按压方式或环境的影响,使输入的指纹图像是一幅含有较多噪声的灰度图像。指纹图像的预处理操作即利用信号处理技术去除图像中的噪声干扰,尽量恢复指纹的脊线结构将其变为一幅清晰地指纹图像。指纹图像的预处理过程包括图像归一化、图像分割、图像增强、二值化和细化等过程[3]。
特征提取:常用的指纹特征描述方法是基于纹路结构特征,指纹特征可以分为全局特征、局部特征以及细微特征。全局特征包括基本纹路、模式区、核心区、三角点和纹数;局部特征包括端点、分叉点、分歧点、孤立点、短纹、环点、桥、曲率等。
三、指纹识别方法的原理及种类
指纹是人手指表皮上突起的纹线由于遗传特性使得每个人的指纹不尽相同,指纹识别技术主要是对指纹的特征进行研究即特征提取中全局特征与局部特征。总体特征是可通过人眼即可直接观察道德特征,早期的指纹识别即通过此方法进行处理。局部特征是指指纹的特征点,不同的指纹他们的特征点信息完全不同,特征点决定了指纹的唯一性,用指纹进行个人身份鉴定和识别主要是对鉴定的指纹与指纹数据库中的指纹模版或任意的两个指纹进行研究比较,对比有无相同的细节特征,从而达到个人身份的识别和鉴定目的[4]。
在早期的指纹识别方法中指纹对比一般由专业技术人员根据事先制定的指纹分类方法和指纹细节辨识方法对从现场采集回来的指纹与指纹库中指纹卡上的指纹进行人工肉眼识别,当时的人工对比主要是用于刑事侦破和法院判案,所以需保证人工对比的准确性[5]。
上世纪60年代随着信息技术的逐步兴起,自动指纹识别系统已经被提上研究日程。我国于上世纪90年代研究出单机版的指纹识别系统但限于当时的计算机设备条件的限制,其应用范围较窄。近年来随着信息化技术的日趋成熟自动指纹识别系统已经由大型计算机处理、微型计算机处理发展到嵌入式处理阶段。尽管嵌入式指纹识别系统尚处于发展初期但已经体现了当前的一个重要的发展趋势。
四、展望
近年来伴随着信息化浪潮以及家庭网络的发展进步,人们的生活也面临着一次重要的变革,个体身份认证和个人信息交换需求量日趋强烈,指纹特征识别技术的进步和日趋成熟使得自动指纹识别技术在安保方面越来越具有潜力。指纹识别广泛应用于我们的日常生活将是社会发展的必然趋势。
参考文献
[1]林华.指纹识别系统预处理技术的研究和实现[J].电子科技大学硕士生学位论文,2006.
[2]解梅,马争.基于脊像指纹滤波算法[J].电子学报,2004,32(l):5-7.
[3]Rao AR.A taxonomy for texture description and identifieation[M].New York:Springer Verlag,1990.
[4]Anil Jain,Lin Hong,Ruud Bolle.On line fingerprint verification [J].IEEE transactions on Pattern Analysis and Machine Intelligence,1997,19(4):302-314.
篇10
关键词:语音识别;信息技术;发展趋势
中图分类号:TP391.42 文献标识码:A 文章编号:1007-9599 (2012) 19-0000-02
近年来,随着科学技术的进步,语音识别技术的发展,通过语言操纵机器的梦想正在逐步变为现实。语音识别是语音信号处理的一个重要的研究方向,经过50多年的积累研究,尤其是近20年来,语音识别技术取得了显著进步,并且广泛应用于商业,比如苹果的siri系统。本文从语音识别的发展历史、发展方向来着重分析未来语音识别技术的发展趋势。
1 语音识别技术的发展历史
1.1 语音识别技术在国际的发展
早在三四十年前,美国的一些大学和实验室就开始了语音识别技术的研究,50年代的AT& T Bell实验室研发的Audry系统第一个实现了可识别十个英文数字。60和70年代,提出了线性预测分析技术(LP)等相关理论并深入研究,创造出可以实现特定人孤立语音识别系统;80年代和90年代是语音识别技术应用研究方向的,HMM模型和人工神经元网络(ANN)的成功应用,使得语音识别系统的性能比以往更优异;伴随着多媒体时代的来临,微软,Apple等著名公司都研发出相当成功的商业应用语音识别系统,比如,Apple的Siri系统,微软的Phone Query (电话语音识别)引擎等。
1.2 语音识别技术在国内的发展
我国的语音识别研究工作虽然起步较晚,但由于国家的重视,研究工作进展顺利,相关研究紧跟国际水平。由于中国有不可忽视的庞大市场,国外对中国的语音识别技术也非常重视,汉语语音语义的特殊性也使得中文语音识别技术的研究更具有挑战。但是,国内研究机构在进行理论研究的同时,应注重语音识别系统在商业中的应用,加快从实验室演示系统到商品的转化。
现如今,许多用户已经能享受到语音识别技术带来的方便,比如智能手机的语音操作等。但是,这与实现真正的人机交流还有相当遥远的距离。目前,计算机对用户语音的识别程度不高,人机交互上还存在一定的问题,语音识别技术还有很长的一段路要走,必须取得突破性的进展,才能做到更好的商业应用,这也是未来语音识别技术的发展方向。
2 语音识别技术的技术实现及困难
语音识别技术的实现方式是声音通过转换装置进入机器,而机器配有“语音辨识”程序,程序将得到的声音样本与数据库存储的样本进行比对,输出最匹配的结果,转化为机器语言,进而执行命令。真正建立辨识率高的语音辨识程序组,是非常困难而专业的,专家学者们研究出许多破解这个问题的方法,如傅立叶转换、倒频谱参数等,使目前的语音辨识系统已达到一个可接受的程度,并具有较高辨识度。
2.1 语音识别的技术实现方式
语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面,其中,最基础的就是语音识别单元的选取。
(1)语音识别单元的选取。语音识别研究的基础是选择语音识别单元。语音识别单元有单词(句)、音节和音素三种,具体选择哪一种语音识别单元由具体研究任务的类型决定:
单词(句)单元在中小词汇语音识别系统中应用广泛,但由于模型库过于庞大,模型匹配算法复杂,实时性不强,所以不适合大词汇系统;
音节单元主要应用于汉语语音识别,因为汉语是单音节结构的语言,虽然有大约1300个音节,但无调音节共408个,相对较少,所以音节单元在中、大词汇量的汉语语音识别系统上是可行的。
音素单元之前曾广泛应用于英语语音识别,也越来越多的应用于中、大词汇量汉语语音识别系统中。原因在于汉语音节仅由22个声母和28个韵母构成,把声母细化,虽然增加了模型数量,但是提高了易混淆音节的区分能力
(2)特征参数提取技术。特征提取就是对语音信号进行分析处理,把丰富的语音信息中的冗余信息去除,获得对语音识别有用的信息。这是一个对语音信号进行信息压缩的过程,目前经常采用的特征参数提取技术是线性预测(LP)分析技术。基于LP技术提取的倒谱参数再加上Mel参数和基于感知线性预测(PLP)分析提取的感知线性预测倒谱对人耳处理声音的模拟,进一步提高了语音识别系统的性能。
(3)模式匹配及模型训练技术。早期的语音识别应用的模式匹配和模型训练技术是动态时间归正技术(DTW),它在孤立词语音识别中获得了良好性能,但是由于对大词汇量以及连续语音识别的不准确,目前已经被隐马尔可夫模型(HMM)和人工神经元网络(ANN)所取代。
2.2 语音识别遇到的困难
目前,语音识别研究工作进展缓慢,困难具体表现在:
(一)语音识别系统对环境敏感,采集到的语音训练系统只能应用于与之对应的环境,而且当用户输入错误时不能正确响应,应用起来相对困难;(二)必须采取新的新号处理方法来处理人在高噪声环境下的发音变化的问题;(三)语言模型、语法及词法模型在中、大词汇量连续语音识别中无法正确、合理的运用,需要有效地利用语言学、心理学及生理学等方面的研究成果;现阶段的科学技术对人类生理学诸如听觉系统分析理解功能、大脑神经系统的控制功能等还不够,更无法应用于语音识别;语音识别系统从实验室演示系统向商品的转化过程中还有许多具体细节技术问题需要解决。
3 语音识别技术的发展趋势
3.1 进一步提高可靠性
目前语音识别系统很难做到排除各种声学环境因素的影响,而人类语言在日常生活中的随意性和不确定性给语音识别系统造成极大的识别困难。所以,要应用现代技术智能化语音识别系统,以达到更好的识别效果;
3.2 增加词汇量
目前语音识别系统使用的声学模型和语音模型过于局限,需要通过改进系统建模方法、提高搜索算法的效率来做到词汇量无限制和多重语言混合,减少词汇量对语音识别系统的限制;
3.3 微型化并降低成本
语音识别系统在商业上的用途相当广泛,利用先进的微电子技术,将具有先进功能和性能的语音识别应用系统固化到更加微小的芯片或模块上,可以缩减成本,更方便的推广和使用。语音识别系统和微电子芯片技术的发展将引领信息技术革命到一个新的台阶。语音识别系统使人沟通更加自由,使人可以方便地享受到更多的社会信息资源和现代化服务。这必然会成为语音识别技术研究和应用的重要发展趋势。
4 结束语
21世纪,信息和网络飞速发展,信息和网络的时代已经来临,人与人之间的距离随着Internet和移动电话网的连接和普及变得越来越近,信息资源扩散的越来越迅速,人与机器的交互显得尤为重要。语音识别技术的研究和应用可以让人无论何时何地都可以通过语音交互的方式实现任何事,可以使人更方便的享受更多的社会信息资源和现代化服务,所以,如何将这一技术可靠的、低成本的应用于商业和日常生活,是语音识别技术的发展方向和趋势。
参考文献:
[1]刘钰.语音识别技术概述[J].计算机光盘软件与应用,2010:14-17.
[2]盛青.语音自动识别技术及其软件实时实现[J].西北工业大学,2001:45-47.
[3]廖锎.浅析语音识别技术的发展及趋势[J].科技传播,2010:34-36.
[4]陈方,高升.语音识别技术及发展.CIO时代论坛,2009:67.