基于机器视觉的植物检测与识别研究

第３０卷　增刊　２０１Ｏ年６月　西南林学院学报　ＪＯＵＲＮＡＬ　ＯＦ　ＳＯＵＴＨＷＥＳＴ　ＦＯＲＥＳＴＲＹ　ＵＮＩＶＥＲＳＩ＇Ｉ３７　Ｖｏ１．３０　Ｓｕｐｐｌｅｍｅｎｔ　Ｊｕｎ．２０１０　

机器视觉在口岸植物检疫实验室的应用前景　

高　渊，胡斌华，葛华林，庄呜娟　

（苏州出入境检验检疫局．江苏苏州２１５０２１）　

摘要：对机器视觉的应用领域进行阐述，并进一步分析机器视觉技术在口岸植物检疫实验室中　

的应用前景和存在的困难。　

关键词：机器视觉；植物检疫；实验室　

Ａｐｐｌｉｃａｔｉｏｎ　Ｐｒｏｓｐｅｃｔ　ｏｆ　Ｍａｃｈｉｎｅ　Ｖｉｓｉｏｎ　ｉｎ　

Ｐｈｙｔｏｓａｎｉｔａｒｙ　Ｑｕａｒａｎｔｉｎｅ　Ｌａｂｏｒａｔｏｒｉｅｓ　

ＧＡＯ　Ｙｕａｎ，ＨＵ　Ｂｉｎ－ｈｕａ，ＧＥ　Ｈｕａ—ｌｉｎ，ＺＨＵＡＮＧ　Ｍｉｎｇ－ｊｕａｎ　

（Ｓｕｚｈｏｕ　Ｅｎｔｒｙ—Ｅｘｉｔ　Ｉｎｓｐｅｃｔｉｏｎ　ａｎｄ　Ｑｕａｒａｎｔｉｎｅ　Ｂｕｒｅａｕ，Ｓｕｚｈｏｕ　Ｊｉａｎｇｓｕ　２１５０２１．Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐｒａｃｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎ　ｆｉｅｌｄｓ　ｏｆ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｗｅｒｅ　ｅｌａｂｏｒａｔｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．Ｍｏｒｅｏｖｅｒ，　

ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｐｒｏｓｐｅｃｔ　ａｎｄ　ｐｏｔｅｎｔｉａｌ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｉｎ　ｔｈｅ　ｌａｂｏｒａｔｏｒｉｅｓ　ｆｏｒ　ｅｎｔｒｙ　ｐｌａｎｔｓ　ｑｕａｒａｎｔｉｎｅ　ｗｅｒｅ　

ａｎａｌｙｚｅｄ．　

Ｋｅｙ　ｗｏｒｄｓ：ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ；ｐｈｙｔｏｓａｎｉｔａｒｙ　ｑｕａｒａｎｔｉｎｅ；ｌａｂｏｒａｔｏｒｙ　

植物检疫是为防止危险性有害生物随植物及　

植物产品进行传播而采取的治理措施…。ＩＳｌ岸植　

物检疫实验室主要承担进出境植物或植物产品携　

带或感染有害生物的检测及检疫鉴定。机器视觉　

哈尔滨理工大学

硕士学位论文

基于机器视觉的焊缝缺陷检测技术的研究

姓名：王慧玲

申请学位级别：硕士

专业：计算机应用技术

指导教师：林克正

20080301基于机器视觉的焊缝缺陷检测技术的研究

摘要

Ｘ射线无损探伤是工业无损检测的主要方法之一。目前国内外ｘ射线探

伤检测方法仍以胶片成像法及图像增强实时成像法为主。采用人工方式进行

在线检测与分析，但人工检测存在主观标准不一致、劳动强度大等缺点。因

此计算机辅助焊缝缺陷检测一直受到广泛关注。然而，由于成像条件、检测

对象及算法的复杂性和局限性，实际应用中，仍有许多问题尚待进一步研究。

机器视觉技术在工业在线检测中的应用是近年来的研究热点之一。机器

视觉技术可以大幅降低检测成本，提高产品质量，提高生产速度和效率，因

而在工业检测和控制领域得到了广泛的应用。

本文比较系统地研究了基于机器视觉的焊缝图像缺陷检测的技术，首先

在分析研究Ｘ射线采集系统的的基础上，建立了一套基于ＣＣＤ的Ｘ射线图像

采集系统；其次在焊缝图像在拍摄和传输过程中，往往受到高斯噪声与椒盐

噪声的同时干扰，单独使用均值滤波和中值滤波的效果都不太理想。为了能

同时去除这两种噪声，本文采用了一种能有效的去除同时加入高斯噪声和椒

盐噪声的多尺度形态滤波算法；然后研究了边缘检测算法，在基于边缘检测

的分割算法中，针对焊缝图像的缺陷特征，结合数学形态学边缘检测理论，

对现有的形态学边缘检测算子进行改进，找到了一种适用于焊缝图像的多尺

度抗噪型熵值边缘检测方法；最后对检测出的二值焊缝图像，将随机Ｈｏｕｇｈ

变换与模糊集理论相结合，使用了一种改进的随机Ｈｏｕｇｈ变换，检测出焊缝图像中可能存在的圆形缺陷，实验结果证明了算法的有效性。

关键词焊缝图像；数学形态学；边缘检测；Ｈｏｕｇｈ变换；缺陷检测哈尔滨理工大学工学硕士学位论文

ＲｅｓｅａｒｃｈｏｎＤｅｆｅｃｔＤｅｔｅｃｔｉｏｎＴｅｃｈｎｏｌｏｇｙｆｏｒ

ＷｅｌｄｉｎｇＳｅａｍＢａｓｅｄｏｎＭａｃｈｉｎｅＶｉｓｉｏｎＴｅｃｈｎｏｌｏｇｙ

基于机器视觉的生物特征识别技术

生物特征识别技术是一种基于人体生理结构、生理功能、行为特征等个体生物特征权威鉴别身份的技术。目前，生物识别技术主要包括指纹识别、人脸识别、虹膜识别、掌纹识别、声纹识别等多种技术。随着科技的不断发展，生物特征识别技术也在不断进步，其中基于机器视觉的生物特征识别技术是其中一种非常重要的技术。

据统计，目前全球使用生物特征识别技术的场景有金融、航空、政务、医疗、教育等多个领域，识别精度和速度越来越高。而在这些领域，基于机器视觉的生物特征识别技术得到了广泛的运用，其主要优势在于无需接触，安全性高，易于操作等特点，成为了识别率最高的技术之一。

基于机器视觉的生物特征识别技术又称为计算机视觉技术，该技术主要是通过图像处理及特征提取算法等方法，将人体生物特征数字化并与预先录入的人体生物特征信息进行比对，从而实现身份识别的过程。

机器视觉技术的发展离不开深度学习的支持。深度学习模型通常采用卷积神经网络、循环神经网络、目标检测等算法，通过对大量数据进行自动学习，完成图像的分类、识别、跟踪等任务。这种模型在生物识别技术中也有广泛应用。

在基于机器视觉的生物特征识别技术实现中，人脸识别是其中比较常见的一种技术。基于人脸的生物特征识别技术是通过摄像头获取人体面部特征信息，包括人脸轮廓、眼睛、鼻子、嘴巴等部位，并将该信息与数据库存储的相关特征进行比对，从而完成人脸识别的过程。该技术广泛应用于移动支付、门禁等场景。

虹膜识别是一种生物特征识别技术，该技术通过扫描人眼中的虹膜，获取其特征信息，然后再将该信息与数据库存储的相关信息进行比对，以实现身份认证。虹膜是人体的一种生物特征，其在每个人的眼中都是独一无二的，因此虹膜识别技术实现的准确性非常高。目前，该技术主要应用于身份识别、远程医疗等场景。

指纹识别是一种常见的生物特征识别技术，该技术通过摄像头或指纹扫描设备获取个体指纹图像信息，并将其与预先录入的指纹信息进行比对，以完成身份认证。指纹是人体最容易获取的生物特征之一，因此该技术非常易于操作和推广。目前，指纹识别技术主要应用于门禁、考勤、金融等场景。

百度文库 - 让每个人平等地提升自我

1 基于机器视觉的产品检测技术研究

1、机器视觉

1.1机器视觉的概念

机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。

值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是：

1、机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。

2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。

3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。

4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。

1.2机器视觉的研究范畴

从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。