计算机视觉技术在工业领域中的应用

2021-10-18王华溢

科技创新与应用 2021年29期

王华溢

(新疆大学，新疆乌鲁木齐830008)

1 计算机视觉技术

1.1 计算机视觉技术理论

计算机视觉技术主要是通过模拟人眼视觉功能，并在数据和图像中提取关键信息，实现对不同形态、数据的有效识别。通常情况下，计算机视觉技术可以利用输入法对透射景物时产生的灰度阵列进行表达，但由于输入阵列可以通过不同的方向、角度以及时间获得景物符号的描述。因此阵列表达可以描述多个不同的数据信息，在计算机视觉技术基础理论的研究过程中，可以将计算机视觉技术大致分为三个阶段[1]。第一个阶段是早期视觉技术阶段，这个阶段的主要目的是为了更好地对周围景物特征进行提取，通常提取的景物有距离、材料、方向等数据，并对这些数据进行有效地处理和分析。第二个阶段是中期视觉阶段，以观察者为核心，可以形成一个坐标系，并利用这个坐标系对周围景物进行有效描述，然后结合实际情况对景物进行重建，同时对景物表面以及体积分割的不同景物进行结合，可以使中期视觉处理只能对可见物进行有效描述。第三个阶段是后期视觉处理阶段，使用中期处理得出相应的数据建立合适的观察者来识别三维图形，但由于在这个过程中，描述和实际观察视角没有显著存在的关系，所以需要将物体作为中心坐标，同时使用符号结构描述相关的三维结构和空间关系，其具体关系如图1所示。

图1 计算机视觉三阶段

1.2 与计算机视觉相关的领域

由于计算机视觉技术是一种涉及多个方面的全新技术，在计算机视觉领域中，涵盖了计算机科学、人工智能、生物神经、心理学、物理学等多个领域的学科。因此计算机视觉技术主要包括对图像内容的处理和识别，在图像处理中，根据系统图像进行转化，并对图像本身所代表的景物进行描述，可以根据图像所展示的相关特点与结构等方式，实现对图像类别的规划和具体划分[2]。

1.3 计算机视觉和人类视觉

计算机视觉的发展是依据人类视觉而建立起来的，所以导致计算机视觉和人类视觉具有相同的障碍，通常这两者之间的障碍表现在以下三点内容。首先是对目标识别的过程中，如何准确、实时地识别；其次是扩大储存容量，只有扩大储存容量才能对更多细节相关的图像内容进行容纳；最后是构建出有效的识别算法，并按照算法完成相应的内容要求，具体见表1所示。

表1 计算机视觉和人类视觉的各项类型比较

2 工业视觉

2.1 工业视觉的特点

工业视觉系统和传统的视觉系统有着非常明显的区别，这是因为工业视觉系统图像能够更好地满足我国工业领域的特殊要求。因此在传统视觉工业系统的处理过程中，需要对工业生产线进行有效地测量，可以实现对被测物体达到同步协调的生产和检测目的[3]。在实际的工业视觉检测过程中，将检测结果呈报给其他部门，有利于工业视觉系统可以涵盖到其他的系统当中，但由于不同的系统有着不同的差异，所以当工业视觉系统被涵盖到其他系统后，很容易导致工业视觉系统能够拥有更多的其他系统性功能。在我国计算机视觉工业领域中，系统设计需要设计出不同的子系统，保证其最后可以形成一个完整的系统，有利于使工业视觉系统的特点更加清晰，同时也可以最大限度地发挥工业视觉系统的作用。

2.2 工业视觉的技术性能

通常在工业视觉技术性能的要求中，高质量的检测以及高质量的分辨率是工业视觉系统最为主要的衡量目标。但是通常情况下，工业视觉系统包含了环境变化以及物体大小的不同，所以对图像的分辨率有着非常高的要求。而工业视觉系统在灰度变化中，需要依靠光源作为主要的指标形式，因此在工业视觉系统的检测中，相关设备必须具备足够的灵敏度，才能快速对工业产品进行实时动态的检测[4]。但是在空间变化的过程中，只有确保清晰的图像分辨率，才能高效保障图像的处理能力，对于那些影响计算机视觉系统的运行性能，可以确保精准的测量形式，实现信号来源位置、尺寸、形状等信息开展有效地配合，在工业系统中，可以针对实际要求进行动态调节，从而确保工业视觉系统具备良好的性能。

2.3 工业视觉的应用领域

计算机视觉技术由于具有非常独特的优势，所以广泛应用于工业领域，通过计算机视觉技术，能够快速获取相关的信息资料，有利于及时对相关信息数据进行分析。计算机视觉技术在工业视觉领域的快速发展，使得图像处理技术也得到了极快的发展，在对图像处理技术不断创新和完善中，促使计算机视觉技术的检测效率和准确率得到了有效提升，使得工业生产可以达到无损检验的效果，不仅提升了产品质量，同时也提升了产品效率。因此从工业视觉系统来看，工业视觉技术大致有以下两个优点：首先是通过计算机视觉技术对比被测物体的图像，可以更好地提升被测物体的检测质量；其次是将计算机视觉技术充分发挥，并对计算机视觉技术进行控制，能够实现在工业生产领域做出更大的贡献。

3 计算机视觉技术在工业领域中的应用

3.1 在视觉检测技术中的应用

计算机视觉技术在工业领域的应用，首先是在视觉检测技术中，对图像检测数据进行采集处理过程需要充分考虑到每个图像检测输出帧的格式，并根据相关用户的信息进行综合分析处理，只有当图像检测中获得足够精准的信息数据后，才能使检测结果变得更加准确。其次是想要检测结果图像质量得到稳定提升，就必须考虑对源头图像数据进行预处理，并根据预处理图像技术提供必要的技术条件，从而帮助并提升检测的图像质量[5]。最后是可以借助模型分析的方式，建立一定的能量模板后，可以形成对应的模型，有利于更好地对相关检测物体能量的分析对比，不但可以直接获得比较真实的能量分析效果，还可以获得足够的能量分配。同时在利用这些数据处理时，可以做到对数据结果的前提预测，能够更好地监控这些数据，使数据工作的处理过程得到大幅度的提升，才能有效地提高实际数据的检测效率和工作质量。

3.2 在图像预处理技术中的应用

在计算机视觉技术的应用中，图像预处理技术对计算机视觉技术有着非常重要的影响，因此利用图像预处理技术可以实现对图像的处理和分析，随后结合数据处理的能力，对图像内的相关信息数据进行提取，可以使图像预处理技术工作变得更加简单。因此计算机视觉技术在工业领域的应用中，能够将图像预处理技术与模板技术结合在一起，从而在很大程度上减少工作中的技术难度，同时结合实际技术要求对图像及时进行预处理，可以提升图像的使用效率[6]。由于图像预处理技术目前已经得到了有效应用，所以随着图像预处理技术的不断发展，经过多次图像预视化处理后，将传统图像处理中的二维数值进行边缘化提取显示，并在计算机网络视觉图像技术领域中提取预处理技术节点算法，使预处理结果精准化的程序检测稳定性得到提升。

3.3 在模板匹配技术中的应用

模板匹配技术在计算机视觉技术的应用中，需要提前设定模板和工业生产中需要检测的物体，并对模板进行有效的匹配和对比分析，从而利用计算机视觉技术对工业生产中存在的问题进行解决。在工业生产过程中，对于那些比较细微的问题，还可以用模板匹配技术进行问题分析，因此在计算机视觉技术的实际使用中，需要和模板相结合，实现对检测物体的提前预设，只有当模板和实际物体的图像比较相似的情况下才能进行分析，可以获得最真实的检测结果。将计算机视觉技术应用到模板匹配技术中，可以实现全方位、立体化的对比，最终实现数据快速强化的作用[7]。在模块匹配中，作为相似性度量的方式，计算机视觉技术在距离衡量上具有非常高的相似性，这是因为在模板匹配中需要建立点与点之间的对应关系。在用来处理很多特征点的情况时，计算机实时性比较高且具有很强的抗干扰能力和容错能力情况下，计算机视觉技术通常在实际使用过程中却具有非常良好的效果。而计算机视觉技术在模板匹配中对两个给定的有限点集分别用A、B两点标示，两点分别为A={a1，a2，...ap}和B={b1，b2，...bq}，使得A、B两点之间的距离可以定义为：h(A，B)=max[h(A，B)，h(B，A)]。其公式标示为h(A，B)=max min‖a-b‖。在公式中A和B之间的接近程度，则表示集中每一点与另外一点集中距离很接近时，它的数据就越小，反之亦然，而整个距离的大小与两点最不匹配的距离有着一定的关系，通常对于原理中心的噪声点则是非常的敏感。在对不同点的集中匹配时，通过适当的选取相关值，可以排除图形轮廓畸变和噪音声带点的匹配结果。

4 计算机视觉技术对工业领域未来发展的影响

4.1 实现应用范围的拓宽

从总体效果来看，计算机视觉技术已经广泛应用于各大工业领域当中，同时计算机视觉技术还可以更好地提升图像处理精度。因此在工业领域使用计算机视觉技术，使图像处理能力和视觉检测能力得到提升，能够进一步实现对工业产品的无损检测，由于检测效率高、质量稳定，所以在工业视觉系统中，计算机视觉技术主要应用在视觉检测和工业机器人这两种系统当中。在工业领域的发展中，计算机视觉系统给工业自动识别和加工提供了视觉技术支持，最终促进工业产业的快速发展。

4.2 对应用性能的提升

通常情况下，计算机视觉技术主要应用于工业视觉系统中，而工业领域中判定应用成果的最重要指标是分辨率，所以对于不同的工业环境和元件体积，所需的视觉分辨率要求也有所不同[8]。针对这种情况，计算机视觉技术就需要在特定的条件下对工业产品做出精准的检测，在未来计算机视觉技术工业化发展中，站在空间和灰度变化方面实现对图像分辨率和精度的提升，可以实现快速检测工业产品性能的要求，最终能够很好地完成对工业元件尺寸、形状以及大小的精准核算。