计算机视觉技术在自动化中的应用探析

江浩

摘  要：科技发展，计算机新技术兴起，不断地在更新功能与配件，以此为人们的工作和生活带来了诸多便利。近两年来，人们开始在原先技术上进行创新，力求探索人工智能系统。这种高端系统的建成离不开计算机视觉技术的强有力的支撑。文章将先简要概述计算机视觉技术的工作原理及理论框架，并着重分析该项技术在农业、工业、医学自动化领域的应用，希望可供相关专业人士参考。

关键词：计算机视觉技术;应用;参考

中图分类号：TP391.4        文献标志码：A         文章编号：2095-2945（2020）14-0179-02

Abstract： With the development of science and technology and the rise of new computer technology， functions and accessories are constantly updated， which brings a lot of convenience to people's work and life. In the past two years， people have begun to innovate the original technology and strive to explore artificial intelligence systems. The construction of this high-end system is inseparable from the strong support of computer vision technology. This paper briefly summarizes the working principle and theoretical framework of computer vision technology， and focuses on the application of this technology in the fields of agriculture， industry and medical automation， in the hope of providing reference for relevant professionals.

Keywords： computer vision technology; application; reference

计算机视觉技术主要是利用图像来实现对环境信息的识别与认知，为实现这项技术功能需要依靠多种高尖端技术提供支撑。随着近几年来技术的研发创新，计算机视觉技术的先进化、便利化等都有了明显的提升，已逐步应用在实际的生产与生活中。

1 计算机视觉技术相关概念

1.1 相关概念

计算机视觉技术是在图像与信号处理技术、概率分析统计、网络神经技术以及信息处理技术的基础上，与计算机系统相连来分析、处理数据信息的一项视觉信息的技术，它是在现代社会科学技术发展下新兴起的一项高新技术。在技术运行上具体是通过用摄像机来代替人眼，计算机主体充当人的大脑，使其能够在技术的支撑下进行识别、判断以及记忆目标的功能，代替人类进行部分生产作业。现如今，该项技术已在众多领域得到推广使用[1]。

1.2 工作原理

在亮度满足要求的情况下，摄影机开始通过镜头对具体事物的图像信息进行采集，接着利用进行内部信息的输送，计算机系统迅速响应与接收，并利用图像处理技术进一步处理原始图像，优化图像效果，分类与整理图像中的关键信息，从而识别提取到所需的精准、高层次的抽象信息，最后再将信息储存到数据库中，以用来实时对需识别事物与所储存信息的进行对比，高效地完成技术运行作业。

1.3 理论框架

自20世纪80年代起，计算机视觉技术在市场上所占比例开始直线攀升，从理论的归纳提出，到应用策略问题的解决，计算机视觉技术在不断的完善。视觉计算理论研究层次涵盖计算机理论、算法以及实际执行等多个方面。如若以计算机的理论视角入手來分析视觉技术，需要借助于要素图、维图以及三维模型表像来进一步探索。在此过程中，我们通过有效信息的传送进而去完成处理、识别等作业。视分析作业的复杂程度，大致可分为低层、中层、高层视觉处理三大层次，方便于用户根据需求自行选择，快捷地完成功能命令[2]。

2 计算机视觉技术在自动化中的应用

2.1 应用在农业自动化领域

农业与我们的日常生活息息相关，农业作业要考虑生产周期、产量等因素，保质保量的进行生产，所以在作业的过程中对高新技术的使用也有所需求。在生产作业的过程中，也可通过利用计算机视觉技术，来实现全天候实时监测农作物的生长状况，及时的发现问题与寻找应对措施去解决问题，科学地、高效地管理农作物的生产近况。同时，该项技术还可用于检测农产品的质量，保障优质化的产出。以农业中对蔬菜质量的监测为例，使用传统的人工检测既费时费力，且在检测过程中易造成蔬菜损伤，最终所得的结果准确度也不高。依据此情况，我们可借助计算机视觉技术进行辅助作业，先通过感应外部所释放出来的红外线、紫外线以及其他可见光的大小，接着与标准值相对比，进而依据对比结果科学地判断蔬菜质量的优劣，这种方法快捷、效率高，在有效的时间内检测能够精准检测多于人工检测几倍的农田，获得事半功倍的结果，在技术上具有无可比拟的优势，所以现如今被广泛地应用于农业生产自动化领域[3]。

2.2 应用在工业自动化领域

计算机视觉技术在工业自动化领域也可发挥功效，如精密零件尺寸的测量等。其测量与被测对象的原理如图1所示。

具体运行原理为：在计算机检测系统中主要包括光学系统、处理系统以及CCD摄像头，运行时先通过光源发出平行光束照射到被检测对象身上，后利用显微光学镜将轮廓图像投射到摄像机的面阵CCD上，待系统接收到信息后进行处理，获取被测部位的轮廓的准确位置信息。若此时发现被测对象出现了轻微位移，则需重复操作过程进行二次测量，后将两次测量的位置差进行比较，避免误差的出现，最终得出被测物体的位移量及准确位置。

除此之外，计算机视觉技术还可被应用在工业自动化领域的逆向工程中。所谓的逆向工程是指：应用3D数字化测量仪快速测出现有工件轮廓的坐标值，同时构建起曲面，利于保存成CAD或CAM图像，便于后期在CNC制作中心加工，最终运用这些数据信息生产出具有统一规格的产品。仔细分析可发现逆向工程中最关键一环在于“如何通过精密测量系统来测量样品的三围尺寸？”进而获取数据、曲面处理与加工生产。针对这一问题可结合计算机视觉技术的功效，利用线结构光测量物体表面轮廓技术来完成精准测量。具体轮廓结构示意图如图2所示。

检测与图像转换流程为：先利用激光穿越平行、等距的振幅光栅组件，或直接式的采用干涉仪，来构建形成平面条纹结构光，投向物体表面，条纹会依据各物体表面深度、曲率的不同产生变化，保障所测数据的准确。接着，通过使用CCD摄像机对变形条纹进行拍摄，进一步分析物体表面轮廓的变化情况，并及时的将图像信号转化为模拟信号，再转化为数字信号，传送再还原信号到图形处理系统，得到我们最终所要的三维轮廓图像。

从上述论述的两项计算机视觉技术在工业自动化领域应用的案例中我们可以明显看出，计算机视觉技术的深入广泛应用，不仅能够通过精准测量、科学对比来保障产品的生产质量，还可促成产品的生产速度得到跨越式的提高。计算机视觉技术的辐射范围很大，可用以检测产品包装质量，封口质量以及印刷质量等细节部分，自然因功能的强大，受到了多个领域的一致好评。据一些权威书刊、互联网平台上的统计数据显示，在印刷造币机器上应用计算机视觉技术可以几乎没有出现任何差错，由此可知，在工业自动领域中应用计算机视觉技术的应用具有相当大的可行性以及宽阔的发展前景。

2.3 应用医学自动化领域

在医学自动化领域也可从CT图像、X射线图像上等多方面看到计算机视觉技术的应用。高新技术的辅助应用，在一定程度上简化了诊断流程，方便医生可准确判断病人病情。不仅在医疗诊断过程中计算机视觉技术可发挥出功效，而且在生产药品方面该项技术也可用于检测药品包装的合格程度。当向传送装置下达运输命令，传送装置通过内置的检测与分离两个区域，迅速采集的所需图像信息与传送药品到指定区域，接着将采集信息传递到计算机系统，进而去进行处理，精准地识别出未能包装好的药品，将信息传递到分离区，由分离区的自动装置进行药品的分离，有效地分类出包装好的药品与未能包装好的药品，这一检测过程大大地简化了传统检测的流程，在很大程度上减少了人力、物力的浪费，并做到了准确无误的检测，完善了药品生产的自动化作业，让工作效率得以提升，节约了企业经营成本，为企业创造更多收益。从此处可以看出，在医学自动化领域中应用计算机视觉技术既可以辅助医疗诊断，又可推动药品生產，值得被广泛推广使用。

3 结束语

总而言之，计算机视觉技术作为专门研究计算机识别能力的一项高新技术，它的身上涵盖了多项技术功能，虽看似具有一定的复杂性，但技术功能具有强有力的应用价值，能够给人们生产生活带来极大的便利。在自动化的各项生产过程中，要想科学、合理的应用该项技术提高生产效率，就必须在明确地理解基础理论知识的基础上，进一步结合实际生产情况，边探索边应用，坚持在实践探索中总结经验与突破创新，从而令计算机视觉技术得到更好地推广与应用，以此来辅助生产、检测等一系列作业流程，更好的服务于社会，服务于人类，进而促进社会发展与科技发展。

参考文献：

[1]王依楠.船舶自动识别系统中的计算机视觉技术应用[J].舰船科学技术，2019，41（02）：76-78.

[2]黄藩，刘飞，王云，等.计算机视觉技术在茶叶领域中的应用现状及展望[J].茶叶科学，2019，39（01）：81-87.

[3]应婧，王攀，卢营蓬，等.计算机视觉技术在农业上的应用初探[J].四川农业与农机，2019（01）：25.