当前位置：首页 > 实用文档 > 其他范文> iLabel机器视觉在标签检测中的应用知识

iLabel机器视觉在标签检测中的应用知识

时间：2023-07-18 08:19:57 其他范文收藏本文下载本文

iLabel机器视觉在标签检测中的应用知识（精选7篇）由网友“废名何为”投稿提供，下面就是小编整理过的iLabel机器视觉在标签检测中的应用知识，希望大家喜欢。

篇1：iLabel机器视觉在标签检测中的应用知识

1.概念：iLabel是一款光学自动检测设备，用于校验商品包装上标签的位置及粘贴质量。

2.作用：该设备配置简单、易用，既可以在线检测，也可以脱线检测。

iL-abel采用专用技术“show and learn”，可通过观测物体样品自动提取合格标签，并根据生产过程或实际生产环境的不同进行检验，经判断模式检测后判定标签是否合格。同时iLabel具有阅读条形码、判断相对的标签位置等功能。

3.优势：iLabel直观、友好的`用户界面以及其pre－packaged设计方案简化了机器视觉在工业应用中的配置。

iLabel的Step－by－step的图形界面操作指南(为用户提供了简便的工作过程)，并可以迅速创建自定义测量系统。

iLabel安装简单，无需长时间培训。

生产工作效率和产品质量控制很快就可以提高。和该系列中的其他产品一样，iLabel是基于鲁棒性和成熟的技术制造而成。IPD公司的图像处理、机器视觉研究历史和实际应用经验，确保了iLabel硬件和软件的精确度和可靠性。

4.iLABEL的主要应用：

校验标签的有无；

校验包装上的标签正确是否；

校验包装上的标签是否有破损、污点或瑕疵；

校验标签边角是否折叠；

检测标签的方位角是否在限定的范围。

篇2：手绘表现以及手绘在视觉设计中的应用

一点点背景

油画、版画、雕塑、速写、国画，看到这些字眼还会激动吗？米开朗基罗、维米尔、塞尚、达利、马蒂斯、吴昌硕、任伯年，这些人物都还记得吗？《戴帽的自画像》、《格尔尼卡》、《红色中的和谐》，这些画面还有形象吗？除了《milk》，还看点别的吗？除了卡拉ok、电影院，还去别的地方吗？除了酷站、素材站、还靠点什么？嘲笑年轻人痴迷“快男”、“超女”时，自己却在“哼哼哈嘿”，

(by 蒙克塞尚克里木特弗拉曼克毕加索马蒂斯)

作为引领潮流的视觉设计师，是生产者，应该站在更高的角度，要具备更高的修养、素养和涵养。要了解各种艺术门类，坚持探索和实践各种艺术表现形式，通晓百家之长短，方能悟出已用之神兵。若安逸于现状，不思进取，终将死在沙滩上！

这些都值得我们深思！

手绘表现与视觉设计

如今，人们生活在充满机械化的社会环境当中，生活质量日益提高，生活节奏不断加快，

在高楼林立的城市里，人与人的情感沟通越来越多的从现实生活转移到虚拟的网络世界里。人们的审美理念从超功利化和精神净化的需求逐渐转变成了以满足大众的欲望释放和快感追逐为目的，短暂性、平面化和时尚化则代替了韵味悠长、意境幽远和个性独特。

手绘表现，是指用手或借助绘画软件直接绘画的形式，手绘风格的表现和应用一定程度上保留了传统绘画之高雅艺术的样式，直接体现了设计师的审美情趣、艺术修养、内心情感。在手绘创作时，由于在其边缘处理上的随意性、涂色的不均匀性，使其表现形式具有原始性。加上设计师对生活感悟、内容理解、观察角度、文化背景不同，都给设计带来了多元化、人性化的特征，也符合了Donald Norman《情感化设计》书中倡导的的情感化设计主题。

随着互联网的发展，网页视觉设计越是要寄托自由情感的行为方式。设计师将手绘应用于视觉设计是一种具有亲和力和感染力的表现形式，能够形成有亲和力的沟通语言。相对于高雅艺术的大众流行文化讲究的是给人带来感官刺激的活色生香，它是街边的快餐，可以在忙碌时及时充饥，而应用手绘表现的设计则是通过作者心手相连的真情描绘，好似母亲亲手做的菜，每道菜里都是一份浓浓的亲情，给浏览者带来的是美好的享受。手绘表现是个性的张扬，是人性的回归，它能把更多的感情融入设计中，让用户与作品产生共鸣，“触景生情”，更大的感召和吸引大众，拉近产品与大众的距离。

(by 谷子)

篇3：fMRI在视觉研究中的应用和进展

fMRI在视觉研究中的应用和进展

视觉研究对于揭示大脑的奥秘有着极其重要的意义.功能性磁共振成像(functional magnetic resonance imaging,fMRI)用于研究人脑的功能结构,主要是基于静脉毛细血管内血氧浓度的变化.fMRI可以无损伤地在几毫米级的空间分辨率和少于1 s的时间分辨率上观察清醒状态下人脑的活动,因此自90年代以来fMRI已经成为研究人脑的重要方法.fMRI在视觉研究中的应用已经使人们对视觉系统的`功能性组织有了更好的理解,并取得了很多成果.今后的研究方向是进一步探讨人脑的意识、注意、记忆等高级功能的神经机制.

作者：倪睿吴新年齐翔林汪云九 NI Rui WU Xin-Nian QI Xiang-Lin WANG Yun-Jiu 作者单位：中国科学院生物物理研究所,视觉信息加工开放研究实验室,北京,100101;中国科学院“脑-智”科学研究中心,北京,100101 刊名：生物化学与生物物理进展 ISTIC SCI PKU英文刊名：PROGRESS IN BIOCHEMISTRY AND BIOPHYSICS 年，卷(期)： 27(3) 分类号：Q6-33 R339.14 关键词：功能性磁共振成像视觉通路视皮层记忆运动主观轮廓

篇4：视觉技术在农产品加工业中的应用

视觉技术在农产品加工业中的应用

摘要：概述计算机视觉技术的原理及优势，综述了计算机视觉技术在水果分级、禽蛋检测、微生物含量测定等食品工业中的应用研究进展，提出了目前存在的主要问题，展望了今后研究与应用的发展方向。

关键词：计算机视觉技术;食品工业;分级;图像处理

随着微型个人计算机应用的越来越广泛，以及计算机在综合学科中应用的深入研究，现如今在工农业、军事国防、医学卫生等众多领域的使用和研究方面计算机视觉技术都起到了至关重要的作用，为了节省人力、降低成本、减少误差，该项技术在食品企业、科研院所、检测机构中的应用更加普遍。如今，在农产品药物残留检测、水果重量分级、等级筛选、质量监管等方面计算机视觉技术有众多应用。

1 计算机视觉技术概述

计算机视觉技术是利用计算机、摄像机、图像卡以及相关处理技术来模拟人的视觉，用以识别、感知和认识我们生活的世界[1]。该技术是模拟识别人工智能、心理物理学、图像处理、计算机科学及神经生物学等多领域的综合学科。计算机视觉技术用摄像机模拟人眼，用计算机模拟大脑，用计算机程序和算法来模拟人对事物的认识和思考，替代人类完成程序为其设定的工作。该技术由多个相关的图像处理系统组成，主要包括光源提供系统、图像提取系统、计算机数据运算系统等。原理是：首先通过摄像机获得所需要的图像信息，然后利用信号转换将获得的图像信息转变为数字图像以便计算机正确识别[2]。随着科学技术的发展，计算机技术在各个领域得到广泛应用，计算机视觉技术不仅在代替人类视觉上取得了重大成就，而且在很多具体工作方便超越了人的视觉功能。计算机视觉计算有如此快速的发展，是因为与人类的视觉相比该技术具有以下显著优势[3]。

1.1 自动化程度高

计算机视觉可以实现对农产品的多个外形和内在品质指标进行同时检测分析，可以进行整体识别、增强对目标识别的准确性。

1.2 实现无损检测

由于计算机视觉技术对农产品的识别是通过扫描、摄像，而不需要直接接触，可以减少对所检测食品的伤害。

1.3 稳定的检测精度

设计的运行程序确定后，计算机视觉技术的识别功能就会具有统一的识别标准，具有稳定的检测精度，避免了人工识别和检测时主观因素所造成的差异。

2 计算机视觉技术在食品检测中的应用

20世纪70年代初，学者开始研究计算机视觉技术在食品工业中的应用，近几十年电子技术得到快速发展，计算机视觉技术也越来越成熟。国内外学者在研究计算机视觉技术在食品工业中的应用方面主要集中在该技术对果蔬的外部形态(如形状、重量、外观损伤、色泽等)的识别、内部无损检测等方面。国内有关计算机视觉技术在食品业中的应用研究起始于90年代，比国外发达国家晚多达20a，但是发展很快。

2.1 计算机视觉技术在果蔬分级中的应用研究

计算机视觉技术在食品检测中的应用研究相当广泛，从外部直径、成熟度的检测到内部腐烂程度的检测都有研究。韩伟等[4]采用分割水果的拍摄图像和新的计算机算法计算水果的半径，进而得出果蔬的最大直径。研究表明，该算法不仅降低了计算量而且提高了计算精度，此方法用于水果分级的误差不超过2mm，高于国际水果分级标准所规定的5mm分类标准差，可在工业生产中很好应用。李庆中[5]也利用图像的缺陷分割算法研究了计算机视觉技术在苹果检测与分级中的应用，结果表明此算法能快速、有效地分割出苹果的表面缺陷。孙洪胜等[6]以苹果色泽特征比率的变化规律为理论基础，结合模糊聚类知识利用计算机视觉技术来检测苹果缺陷域，检测不仅快速而且结果精确。刘禾等[7]通过研究认为苹果的表面缺陷可以利用计算机视觉技术进行检测，计算机视觉技术还可以将苹果按照检测结果进行分级，把检测过的苹果分成裂果、刺伤果、碰伤果和虫伤果等类别。梨的果梗是否存在是梨类分级的重要特征之一，应义斌等[8]通过计算机视觉技术、图像处理技术、傅立叶描述子的方法来描述和识别果形以及有无果柄，其识别率达到90%。杨秀坤等[9]综合运用计算机视觉技术、遗传算法、多层前馈神经网络系统，实现了具有精确度高、灵活性强和速度快等优点的苹果成熟度自动判别。陈育彦等[10]采用半导体激光技术、计算机视觉技术和图像分析技术相结合的方法检测苹果表面的机械损伤和果实内部的腐烂情况，初步验证了计算机视觉技术检测苹果表面的损伤和内部腐烂是可行的。冯斌等[11]通过计算机视觉技术对水果图像的边缘进行检测，然后确定水果的大小用以水果分级。试验表明，该方法比传统的检测方法速度快、准确率高，适用于计算机视觉的实时检测。朱伟[12]在模糊颜色的基础上，分析西红柿损伤部分和完好部分模糊颜色的差别，用分割方法对西红柿的缺陷进行分割，结果显示准确率高达96%。曹乐平等[13]人研究了温州蜜柑的果皮颜色与果实可滴定酸含量以及糖分含量之间的相关性，然而根据相关性，样品检测的正确识别率分别只有约74%和67%。刘x等[14]从垂直和水平两个方向获取苹果的图像，并通过计算机自动分析图像数据，对苹果的外径、体积、以及圆形度等参数进行处理，与人工检测相比，计算机视觉技术具有检测效率高，检测标准统一性好等优点。Blasco. J [15]通过计算机视觉技术分析柑橘果皮的缺陷，进而对其在线分级，正确率约为95%。赵广华等[16]人综合计算机视觉识别系统、输送转换系统、输送翻转系统、差速匀果系统和分选系统，研制出一款适于实时监测、品质动态的智能分级系统，能够很好地实现苹果分级。王江枫等[17]建立了芒果重量与摄影图像的相互关系，应用计算机视觉技术检测桂香芒果和紫花芒果的重量和果面损伤，按重量分级其准确率均为92%，按果面损伤分级的准确率分别为76%和80%。

2.2 计算机视觉技术在禽蛋检测中的应用研究

禽蛋企业在生产过程中，产品的分级、品质检测主要采用人工方法，不仅需要大量的物力人力，而且存在劳动强度大、人为误差大、工作效率低等缺点，计算机视觉技术可以很好的解决这类产品工业生产中存在的困扰。欧阳静怡等[18]利用计算机视觉技术来检测鸡蛋蛋壳裂纹，利用摄像机获取鸡蛋图像后，采用fisher、同态滤波和BET算法等优化后的图像处理技术，获得裂纹形状并判断，试验结果表明，计算机视觉技术对鸡蛋蛋壳裂纹的检测准确率高达98%。汪俊德等[19]以计算机视觉技术为基础，设计出一套双黄鸡蛋检测系统。该系统获取蛋黄指数、蛋黄特征和蛋形尺寸等特征，和设计的数学模型对比来实现双黄鸡蛋的检测和识别，检测准确率高达95%。郑丽敏等[20]人通过高分辨率的数字摄像头获取鸡蛋图像，根据图像特征建立数学模型来预测鸡蛋的新鲜度和贮藏期，结果表明，计算机视觉技术对鸡蛋的新鲜度、贮藏期进行预测的结果准确率为94%。潘磊庆等[21]通过计算机视觉技术和声学响应信息技术相结合的方法检测裂纹鸡蛋，其检测准确率达到98%。Mertens K等[22]人基于计算机视觉技术研发了鸡蛋的分级检测系统，该系统识别带污渍鸡蛋的正确率高达99%。

2.3 计算机视觉技术在检测食品中微生物含量中的应用研究

计算机技术和图像处理技术在综合学科中的应用得到快速发展，在微生物快速检测中的应用也越来越多，主要是针对微生物微菌落的处理。食品工业中计算机视觉技术在微生物检测方面的研究和应用以研究单个细胞为主，并在个体细胞的研究上取得了一定的进展。殷涌光等[23]以颜色特征分辨技术为基础，设计了一套应用计算机视觉技术快速定量检测食品中大肠杆菌的系统，该系统检测结果与传统方法的检测结果具有很好的相关性，但与传统方法相比，可以节省5d时间，检测时间在18h以内，并且能够有效提高产品品质。Lawless等[24]人等时间段测定培养基上的细胞密度，然后通过计算机技术建立时间和细胞密度之间的动态关联，利用该关联可以预测和自动检测微生物的生长情况，如通过计算机控制自动定量采集检测对象，然后分析菌落的边缘形态，根据菌落的边缘形态计算机可以显示被检测菌落的具体位置，并且根据动态关联计算机视觉系统可以同时处理多个不同的样品。郭培源等[25]人对计算机视觉技术用于猪肉的分级进行了研究，结果显示计算机视觉技术在识别猪肉表面微生物数量上与国标方法检测的结果显著相关，该技术可以有效地计算微生物的数量。Bayraktar. B等[26]人采用计算机视觉技术、光散射技术(BARDOT)和模式识别技术相结合的方法来快速检测李斯特菌，在获取该菌菌落中的形态特征有对图像进行分析处理达到对该菌的分类识别。殷涌光等[27]人综合利用计算机视觉、活体染色、人工神经网络、图像处理等技术，用分辨率为520万像素的数字摄像机拍摄细菌内部的染色效果，并结合新的图像处理算法，对细菌形态学的8个特征参数进行检测，检测结果与传统检测结果显著相关(相关系数R=0.9987)，和传统检测方法相比该方法具有操作简单、快速、结果准确、适合现场快速检测等特点。鲁静[28]和刘侃[29]利用显微镜和图像采集仪器，获取乳制品的扫描图像，然后微生物的图像特征，识别出微生物数量，并以此作为衡量乳制品质量是否达标的依据，并对产品进行分级。

2.4计算机视觉技术在其他食品产业中的应用研究

里红杰等[30]通过提取贝类和虾类等海产品的形状、尺寸、纹理、颜色等外形特征，对照数学模型，采用数字图像处理技术、计算机识别技术实现了对贝类和虾类等海产品的无损检测和自动化分类、分级和质量评估，并通过实例详细阐述了该技术的实现方法，证实了此项技术的有效性。计算机视觉技术还可以检验玉米粒形和玉米种子质量、识别玉米品种和玉米田间杂草[31]。晁德起等[32]通过x射线照射获取毛叶枣的透视图像后，运用计算机视觉技术对图像进行分析评估，毛叶枣可食率的评估结果与运用物理方法测得的结果平均误差仅为1.47%，因此得出结论：计算机视觉技术可以应用于毛叶枣的自动分级。Gokmen，V等通用对薯片制作过程中图像像素的变化来研究薯片的褐变率，通过分析特色参数来研究薯片中丙烯酰胺的含量和褐变率也关系，结果显示两项参数相关性为0.989，从而可以应用计算机视觉技术来预测加热食品中丙烯酰胺的含量，该方法可以在加热食品行业中得到广泛应用。韩仲志等人拍摄和扫描11类花生籽粒，每类100颗不同等级的花生籽粒的正反面图像，利用计算机视觉技术对花生内部和外部采集图像，并通过图像对其外在品质和内在品质进行分析，并建立相应的数学模型，该技术在对待检样品进行分级检测时的正确率高达92%。另外，郭培源等人以国家标准为依据，通过数字摄像技术获取猪肉的细菌菌斑面积、脂肪细胞数、颜色特征值以及氨气等品质指标来实现猪肉新鲜程度的分级辨认。

篇5：计算机在桥梁检测中的应用

随着网络信息技术的不断发展，计算机开始广泛应用到桥梁工程检测工作中，同时取得了良好的实际效果。传统的桥梁检测方法不仅工序复杂，而且检测时间长，检测的准确性也有待提高。计算机在桥梁检测中的应用，充分凸显了桥梁检测的便捷性，能够准确发现桥梁工程中存在的一些问题。桥梁检测工作关系到桥梁工程事业的发展，应用计算机进行桥梁检测，主要是为了检验桥梁工程建设用料是否合格，桥梁质量能否满足人民群众的安全出行。

1 图片设计技术的概述

采取图片设计技术来处理桥梁信息，主要是利用了摄像机等一些设备，对拍摄到的图片进行分析与研究。应用图片设计技术来处理图片信息，需要涉及到航拍技术，通过安装了摄像头的小型遥控直升机全方位拍摄桥梁图片，同时对所拍摄到的图片进行分析，便能够准确发现桥梁工程中存在的问题。这种先进的图片设计技术，对检测桥梁质量以及未来桥梁工程建设事业的发展都具有重要意义。在桥梁建设领域，桥梁工程设计师需要运用现代信息技术综合分析桥梁具体情况，这才能保证桥梁工程设计建造的安全性与稳固性。对桥梁工程进行检测，是为了保障桥梁工程质量达标，满足人民群众安全出行的需求。

2 计算机检测系统的重要构成

2.1 桥梁检测系统的基本构成

对于桥梁工程检测工作来说，它并不是固定不变的，具体检测位置也存在不确定性，桥梁工程检测是一项流动性较强的工作。所以，在具体开展桥梁工程检测工作时，需要保证各项技术措施能够有效落实，这才能充分保障桥梁工程检测结果的准确性与可靠性。计算机桥梁检测系统由阵列光源、距离传感器、图像采集本、可变焦CCD以及编码器等构成，这些部件的综合运行，是桥梁工程检测工作能够顺利开展的重要保障。

2.2 检测部件简介

在桥梁工程检测工作中，最为重要的便是利用计算机检测系统来进行桥梁信息采集。在计算机检测系统中，采集信息的重要设备便是CCD相机，CCD相机对桥梁工程信息采集起到了关键性作用。在运用CCD相机来开展桥梁工程信息采集工作时，需要明确一些要点，其中使用CCD摄像机便是一个重要环节，CCD摄像机为开展桥梁工程检测工作提供了设备基础。CCD摄像机中包含了许多类型的光学镜头，在具体选择镜头方面，也需要注意一些问题。例如，选择镜片与调节焦距便是一项重要工作。

图像采集卡可以使采集到的各项图片信息有效实现具体化，进而对各项图片信息进行处理与分析。只有将图片采集方案跟信息采集的重要工具有机结合起来，才能保障图像采集卡能够科学合理地操作。距离传感器是计算机桥梁工程检测系统的重要检测部件，距离传感器能够测量CCD相机的实际距离，距离传感器在整个桥梁工程检测工作中起着关键性作用。通常来讲，我们都会由专业技术人员来操作距离传感器。要使距离传感器的具体作用能够充分发挥出来，需要计算机检测系统的各个部件能够协调配合。阵列光源能够使桥梁工程拍摄工作拥有一个良好的运行环境，在整个计算机检测系统中，对图片的分析与处理便是一个重要环节。如果桥梁工程的具体环境并不适合拍摄的话，就会影响到最终拍摄结果。这时，就需要运用到阵列光源，阵列光源能够为桥梁拍摄工作提供一个良好的拍摄运行环境，保障拍摄出的图片能够清晰可靠。从而方便了对图片信息的分析与处理，这才能及时发现桥梁工程中存在的一些问题。

2.3 具体检测方法

CCD相机拍摄的重要环节便是成像，利用焦距变更的方式将图像清晰呈现在CCD相机之中。在图像呈现之后，还需要将图像传输到图像采集卡之中。被检测的构件跟CCD相机之间的实际距离也很重要，需要进一步将图像信息传输到编码器之中。只有将所采集到的图像信息跟数据信息准确存放到电脑的磁盘之中，才能保证所采集到的信息安全可靠。在调整整个图像的过程中，需要注意到一个重要方面，就是灯光效果的应用。灯光的环境效果，在一定程度上会影响到最终的图片拍摄效果。当计算机检测系统获取到相应的图像信息跟距离文件后，就需要检测人员开展处理图像的工作。处理图像时，需要专业性的图像处理技术作为支撑。一般来讲，针对图像的.具体处理方法将决定检测图像的最终效果。这是因为只有在保证图像检测真实有效的基础上，才能对最终的检测结果做出最后的判断。计算机技术是处理图像信息的核心技术，对桥梁工程检测结果的准确性起着重要作用。

3 桥梁检测的基本算法与展望

3.1 桥梁检测计算方法

利用CCD相机跟图像采集卡，便可以准确有效地获取到桥梁工程的数字图像。在计算机检测系统之中，数字图像通常会采用一个二维数组f(x，y)来进行表示。图像中的坐标位置是由x跟y来表示，f是一个函数数值，表示图像在(x，y)位置上的某种性质。我们通过分析数字图像，便能够得到相应的桥梁检测结果。在桥梁检测的计算过程中，最为重要的步骤便是要将离散化的数字图像传输到电脑等一些硬件设备上。在具体处理图像的过程中，需要注意一些重要因素。首先是受桥梁工程混凝土颜色的影响，图像的效果也会与预期存在差异。针对图像的颜色问题，需要考虑到多方面的影响因素，能够对其进行综合处理，才能达到良好的实际效果。其次是CCD相机拍摄时的光线问题，也会在一定程度上影响到混凝土的具体拍摄效果。拍摄周围的环境会对颜色产生相应的影响，进而使得图像的具体拍摄效果差强人意。最后是因为采集到的图像跟实际所需图像之间存在较大的差异，针对一些包含了其它物体的图像便需要进行准确的截图处理，这才能有针对性分析桥梁工程的具体质量。

3.2 计算机桥梁检测系统的理论基础

对于一些结构较为新颖的桥梁来说，开展桥梁工程质量检测工作，除了需要检测桥梁的安全性与耐久性以外，还需要对桥梁使用的科研价值以及理论意义进行判定。因为桥梁施工建设通常需要在相关理论指导下才能进行，进而通过准确的计算来得到相应的数据支撑。所以，检测人员需要对桥梁工程建成后的实际受力情况以及现实承载力进行理论分析。桥梁工程具体质量是否过关，需要根据国家的设计文件以及设计标准来判断。通常来讲，计算机桥梁检测系统需要对两个方面进行判定，首先是所采集到的图像信息，因为周围的拍摄环境跟图像的实际拍摄效果之间有重要联系，只有在良好的拍摄环境下得出的图像才具有较高的研究价值。其次是对裂缝的判断，在具体检测桥梁工程质量的过程中，裂缝的实际走向跟桥梁的现实承载力之间具有重要联系。在计算机桥梁工程检测系统中，计算机可以将裂缝在横、纵坐标上的投影值进行比较分析，进而能够准确得出相应的桥梁裂缝走向。

3.3 计算机桥梁检测系统的未来展望

计算机桥梁工程检测系统是在近年来逐渐发展起来的一项新型检测技术，它逐渐在各个建筑工程检测中得到了广泛应用。计算机检测系统具有效率高、速度快、精度准等特点，将计算机检测系统应用到桥梁工程质量检测工作当中去。一方面可以有效减轻检测工作人员的工作负担，使得检测工作人员的桥梁工程检测工作能够得到先进技术的辅助支撑，同时有效降低了桥梁质量检测时的危险性;在另一方面，可以将原本复杂的数据测量工作交由计算机检测系统来分析与处理，有效降低了在具体检测桥梁工程质量过程中的人力资源消耗，节省了大量的检测成本。计算机检测系统还具有无损无接触的特点，在具体开展桥梁工程质量检测工作时，不会对桥梁产生影响。因此，计算机检测系统在未来的应用范围将会逐步得到拓展。

4 结语

总而言之，随着现代科学技术的不断发展，计算机桥梁检测系统将越来越完善。计算机桥梁检测系统的应用，有效提高了桥梁检测结果的准确性与有效性。能够及时发现桥梁工程中存在的一些问题，同时采取有效措施来解决问题，进而保障人民群众的出行安全。

参考文献：

[1]彭玲丽，黄少旭，张申申，李乾.浅谈无人机在桥梁检测中的应用与发展[J].交通科技，，06：42-44.

[2]殷迅.PDA在桥梁检测中的应用[J].北方交通，，07：81-84.

[3]赵赛雷.论动静荷载试验在桥梁检测中的应用[J].黑龙江交通科技，，03：158-160.

[4]唐文昌.关于桥梁检测车在桥梁检测中应用的分析[J].黑龙江交通科技，2014，07：103-104.

篇6：机器视觉软件sherlock在生产线零件对准方面的应用

机器视觉软件sherlock在生产线零件对准方面的应用

1概述

在机器视觉检测过程中，通常需要通过夹具来对每一个检测的零件进行定位，以保证光源照射到零件而让相机能拍摄到被照射的零件，从而使位置传感器能够在同一位置进行触发，防止零件发生晃动或旋转。每一个所要检测的零件到达检测区域时，视觉系统都要对它进行检测。但是在很多情况下，即使夹具特别精确，也不能保证零件位置不发生变化。因为零件不可能总是准确的定位在期望的位置，即零件不能重复地关于摄像机定位。

在很多情况下，这种未对准可以使用相关测量方法进行补偿。例如，在Sherlock软件中可以得到零件的长度，方法是使用线peek找到所要测量的端点，然后使用距离公式计算两个端点之间的距离。这样，测量值就将保持恒定。只要它的一个端点没有移出相应的线区域即可。

然而，一些情况下则需要绝对对准。此时如果使用理想模板，或者测量的是一个小零件，若还不考虑零件位置的正常变化，那么过度扩大感兴趣区域就不太可能保证鲁棒性。在这些情况下，利用机器视觉软件sherlock的landmark就很容易解决零件不能对准的问题。

2零件对准工作过程

当检测的零件不在最初训练的位置时，Sherlock的零件对准功能依靠Landmarks可自动找到所要检测的位置。所有点的读数都可以在读数编辑对话框中标记为Landmark。通过指令返回Landmarks标记点的位置后，便可根据landmarks的位置对所要处理的peek进行自动定位。

2．1零件只发生移动时的对准

当所检测的零件只发生X方向或Y方向的.移动时，只需要一个landmark点进行定位就可以实现自动对准。其操作过程如下：

（1）首先在所拍摄的合格零件图像上选定一个点作为定位点(landmark)，如利用矩形peek的Smart-Search分析算法对零件的某一特征部分进行训练，并将该特征的bestpoint作为定位点（landmark）。

（2）将矩形peek的范围拉大，使所检测的零件中与所训练的特征相应的特征部分总在该peek范围内。

（3）对需要检测的区域进行训练，并添加相应的程序。

（4）运行检测程序，当零件位置发生移动时，所要检测部位的peek就会根据landmark点自动精确的找到所要检测的部位，并进行检测。

图1中，将十字架作为训练模板，十字架的中心作为landmark,需要检测的位置为梳状齿。当零件发生移动时，peekB可以自动找到所要检测的位置。

2．2零件既发生移动又有旋转时的对准

当检测的零件相对于训练模板在位置上既有X、Y方向移动，又发生了旋转时，用一个landmark就不能找到所要检测的位置。此时可在sherlock中使用两个landmarks来实现自动对准。其中一个land-mark计算移动的信息，另一个计算旋转的信息。其操作过程如下：

（1）在所拍摄的合格零件图像上选定两个可以被可靠定位的特征点作为定位点（landmarks）进行训练。

（2）训练完成后分别将两个特征点的peek拉大，以使每一个特征点都在自己的peek范围内。

（3）对需要检测的区域进行训练，并添加相应的程序。

（4）运行检测程序，当零件位置既发生移动，又发生旋转时，所要检测部位的peek就会根据land-mark点自动精确的找到所要检测的部位并进行检测。

零件位置发生旋转时，也可以使用三个land-marks实现对准，假定第一点相对于零件来说是一个固定点，随后的两点只被用来计算旋转信息。那么，记录下点之间的原始角度，再找出运行时的新角度，然后通过新角度和原始角度之间的比较计算出旋转距离，就可以实现零件对准。

2．3使用SmartSearch360的结果来实现零件对准

sherlock软件中的分析算法SmartSearch360是一个模式识别的分析算法，该算法不但可以识别旋转的物体，也可以实现零、部件对准。SmartSearch360的返回结果中有一个最佳点和一个最佳角度。使用点的转换函数Formula―Align把该点和该角度转换成两个landmarks，就可以实现零件对准。