導(dǎo)語：如何才能寫好一篇圖像識別技術(shù)的基本原理，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：車牌定位；字符分割；BP神經(jīng)網(wǎng)絡(luò)；車牌識別；VC++

目錄

第1章緒論1

1.1課題研究背景1

1.2車輛牌照識別系統(tǒng)原理1

1.3車輛牌照識別在國內(nèi)外研究現(xiàn)狀2

1.4本文主要工作及內(nèi)容安排3

第2章車輛牌照的定位方法4

2.1車輛牌照圖像的預(yù)處理4

2.1.1256色位圖灰度化4

2.1.2灰度圖像二值化5

2.1.3消除背景干擾去除噪聲6

2.2車輛牌照的定位方法簡介6

2.3系統(tǒng)采用的定位方法7

2.3.1車輛牌照的水平定位7

2.3.2車輛牌照的垂直定位7

2.3.3定位的算法實現(xiàn)10

2.4實驗結(jié)果分析12

第3章車輛牌照的字符分割13

3.1車牌預(yù)處理13

3.1.1去邊框處理13

3.1.2去噪聲處理13

3.1.3梯度銳化15

3.1.4傾斜調(diào)整16

3.2字符分割方法簡介17

3.3系統(tǒng)采用的分割方法19

3.3.1算法介紹19

3.3.2算法的實現(xiàn)20

3.4字符分割實驗結(jié)果21

第4章特征提取與字符識別22

4.1字符的特征提取22

4.2字符的識別方法簡介23

4.3系統(tǒng)采用的識別方法24

4.3.1人工神經(jīng)網(wǎng)絡(luò)簡介24

4.3.2BP神經(jīng)網(wǎng)絡(luò)識別車牌25

4.3.3BP神經(jīng)網(wǎng)絡(luò)識別算法實現(xiàn)28

4.4實驗結(jié)果分析29

總結(jié)32

致謝33

參考文獻(xiàn)34

第1章緒論

1.1課題研究背景

現(xiàn)代社會已經(jīng)進(jìn)入信息時代，計算機(jī)技術(shù)、通信技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，自動化信息處理能力的不斷提高，在人們社會活動和生活的各個領(lǐng)域得到了廣泛的應(yīng)用，在這種情況下，作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的重視。

隨著汽車數(shù)量的急劇增加，車牌自動識別(licenseplaterecognition,LPR)技術(shù)日益成為交通管理自動化的重要手段[1]。車牌自動識別技術(shù)是計算機(jī)視覺、圖像處理技術(shù)與模式識別等技術(shù)的融合，是智能交通系統(tǒng)中一項非常重要的技術(shù)。通過車輛牌照自動識別，就可以對運動車輛查詢相關(guān)的數(shù)據(jù)庫，根據(jù)提取的車輛信息，實現(xiàn)有針對性的車輛檢查，極大的提高工作人員的效率，降低工作強度，同時也減少了國家財政收入的流失，減少交通事故的發(fā)生以及加強社會治安。因此對車牌識別技術(shù)研究有巨大的經(jīng)濟(jì)價值和現(xiàn)實意義。

由于車牌自動識別技術(shù)在智能化交通控制管理中發(fā)揮的重要作用，吸引了各國的科研工作者對其進(jìn)行廣泛的研究，目前已有眾多的算法，有些已應(yīng)用于交叉路口、車庫管理、路口收費、高速公路等場合。由于需適應(yīng)各種復(fù)雜背景，加之要識別的車輛種類繁多，顏色變化多端，以及檢測時要適應(yīng)不同天氣變化導(dǎo)致的不同光照條件，因此，目前的系統(tǒng)都或多或少地存在一些問題。但隨著計算機(jī)性能的提高和計算機(jī)視覺理論及技術(shù)的發(fā)展，這種技術(shù)必將日趨成熟。

車牌的定位與識別技術(shù)，總體來說是圖像處理技術(shù)與車牌本身特點的有機(jī)結(jié)合，當(dāng)然也包括小波分析、神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)形態(tài)學(xué)、模糊理論等數(shù)學(xué)知識的有效運用[2]。

本課題是對汽車圖像進(jìn)行分析，從算法角度來研究車牌的定位與識別。

1.2車輛牌照識別系統(tǒng)原理

篇2

Discussion and practice on "image processing technology"

Zhang Yongmei， Ma Li， He Li

（School of Information Engineering， North China University of Technology， Beijing 100144， China）

Abstract： The disadvantages， the characteristics and the content of the current teaching for "Image Processing Technology" are analyzed. Four teaching procedures including the selection of textbooks and expansion materials for initiative learning， application of modern teaching models and methods， strengthening teaching practice and reforming appraisal methods have been discussed and practiced. The result shows that it has obtained better teaching effects， improved the students' interest in learning and motivation to participate in scientific research， as well as the ability to solve practical problems.

Key words： teaching content； teaching method； assessment way； teaching practice

0 引言

圖像信息是獲取信息的重要來源，圖像處理研究對于科學(xué)理論研究和工程應(yīng)用有重要影響。研究圖像處理和通信是導(dǎo)向智能計算機(jī)、智能機(jī)器人或多媒體通信系統(tǒng)的必由之路?，F(xiàn)有的圖像處理技術(shù)在很多方面給人們生活、學(xué)習(xí)、工作帶來極大的便利，如：視頻廣播、遙感圖像、醫(yī)學(xué)圖像（計算機(jī)X射線斷層掃描技術(shù)CT，以及核磁共振成像MRI）等，計算機(jī)的發(fā)展使處理更復(fù)雜的圖像成為可能。

圖像處理是計算機(jī)應(yīng)用領(lǐng)域中的一個重要方面，是模式識別、計算機(jī)視覺、圖像通訊、多媒體技術(shù)等學(xué)科的基礎(chǔ)，是一門涉及多領(lǐng)域的交叉學(xué)科。在圖像處理技術(shù)課程的教學(xué)中，不但要讓學(xué)生掌握其基本概念和原理，還要讓不同層次的學(xué)生能夠理解和掌握圖像處理在其應(yīng)用領(lǐng)域的最新發(fā)展，故傳統(tǒng)的常規(guī)教學(xué)已經(jīng)不能滿足課程的發(fā)展要求。目前的教學(xué)不足之處主要體現(xiàn)在：傳統(tǒng)的圖像處理技術(shù)教學(xué)大多數(shù)偏重于理論，缺乏圖像處理技術(shù)與實踐相結(jié)合的環(huán)節(jié)。本文結(jié)合計算機(jī)學(xué)科的特點和多年的教學(xué)經(jīng)驗，對圖像處理技術(shù)課程的教學(xué)模式與實踐進(jìn)行了探討。

1 課程特點和教學(xué)內(nèi)容分析

人類通過眼、耳、鼻、舌、身接受信息，感知世界。約有75%的信息是通過視覺系統(tǒng)獲取的。圖像處理是利用計算機(jī)處理所獲取視覺信息的技術(shù)[1]。圖像處理技術(shù)的理論基礎(chǔ)涉及了眾多學(xué)科，包括數(shù)學(xué)、物理、信號處理和計算機(jī)科學(xué)等多個學(xué)科的知識，其內(nèi)容廣泛，理論抽象，不易理解。圖像處理技術(shù)還有很強的實用性，因此理論和實踐的結(jié)合是本課程的關(guān)鍵，注重基礎(chǔ)理論和技術(shù)的教學(xué)，以及加強學(xué)生實踐能力和課題研究能力的培養(yǎng)是本課程的主要教學(xué)目的。

圖像處理技術(shù)已經(jīng)成為眾多高校的一門重要課程，該課程主要介紹圖像的數(shù)學(xué)描述、圖像的數(shù)字化、圖像變換、圖像增強、圖像恢復(fù)、圖像編碼、圖像重建、圖像分割與邊緣提取、圖像的分析和識別等基本的圖像處理方法，使學(xué)生能熟練地掌握圖像處理的基本過程，并能應(yīng)用這些基本方法開發(fā)圖像處理系統(tǒng)。通過這樣的內(nèi)容設(shè)置，使學(xué)生能夠真正掌握圖像處理技術(shù)的基本思想和技術(shù)，為深入學(xué)習(xí)打下堅實基礎(chǔ)[2]。

2 教學(xué)環(huán)節(jié)的探討和實踐

2.1 教材的選用和自主學(xué)習(xí)擴(kuò)充性資料的選用

圖像處理技術(shù)發(fā)展日新月異，雖然該課程已經(jīng)有很多可選教材，但大部分教材內(nèi)容比較陳舊，許多新的算法，新的思想都沒有提到，學(xué)生無法從這些教材中獲取圖像處理最新的技術(shù)和發(fā)展趨勢，因此我們選擇了章毓晉編著、清華大學(xué)出版社的《圖像工程》系列教材。該教材全面介紹了圖像工程的第一層次――圖像處理，圖像工程的第二層次――圖像分析，圖像工程的第三層次――圖像理解的基本概念、基本原理、典型方法、實用技術(shù)以及國際上相關(guān)研究的最新成果。同時我們要求學(xué)生將國外的經(jīng)典圖像處理的書籍作為參考書目，如：Rafael C Gonzalez主編的《Digital Image Processing》，并建議學(xué)生關(guān)注圖像處理的一些重要期刊和國際會議，如：IEEE Transactions on Medical Imaging、IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE International Conference on Image Processing、電子學(xué)報、CT理論與應(yīng)用研究、模式識別與人工智能等。這樣學(xué)生能熟悉一些專業(yè)術(shù)語，了解最新的前沿動態(tài)，并具備一定的英文文獻(xiàn)閱讀能力，為今后的科研和工作打下了堅實基礎(chǔ)。

要求學(xué)生自主學(xué)習(xí)一些最新方法和技術(shù)，例如，深入分析中華人民共和國設(shè)計制造的玉兔號月球車的結(jié)構(gòu)，給出玉兔號月球車如何通過全景相機(jī)、測月雷達(dá)、粒子激發(fā)X射線譜儀、紅外光譜儀等儀器，對月表進(jìn)行三維光學(xué)成像、紅外光譜分析，開展月壤厚度和結(jié)構(gòu)科學(xué)探測，對月表物質(zhì)主要元素進(jìn)行現(xiàn)場分析等探測的原理和方法。又例如，探討將遙感圖像應(yīng)用于5.12汶川大地震的方法，2008年5月14日上午，中國科學(xué)院的兩架高性能遙感飛機(jī)飛赴汶川，對地震災(zāi)區(qū)開展遙感監(jiān)測和災(zāi)情評估工作，這兩架飛機(jī)可分別提供高分辨率光學(xué)和雷達(dá)圖像，具有全天候快速獲取大面積災(zāi)情數(shù)據(jù)的能力，探討如何根據(jù)汶川地震前、后圖像，給出建筑物、河流、山體等關(guān)鍵區(qū)域的變化檢測結(jié)果，為國務(wù)院和相關(guān)部門的抗震救災(zāi)工作提供咨詢服務(wù)和決策依據(jù)。

2.2 采用現(xiàn)代化教學(xué)模式與方法

為了使復(fù)雜的算法和抽象的知識更加形象化，便于學(xué)生理解和提高學(xué)習(xí)興趣，我們充分運用現(xiàn)代電子技術(shù)、工具和方法，采用多媒體形式進(jìn)行課堂教學(xué)，利用VC、MATLAB編寫一些典型的圖像處理程序，并在課堂上演示這些程序，增加了課堂的信息量，提高了學(xué)生的學(xué)習(xí)興趣，激發(fā)了學(xué)生自主學(xué)習(xí)，同時也為實驗環(huán)節(jié)的開展奠定了一定的編程基礎(chǔ)[3]。

此外，我們深入分析MOOCs、SPOCs以及“翻轉(zhuǎn)課堂”教學(xué)模式等國際流行教育新概念，嘗試開展圖像處理技術(shù)的MOOCs，包括從課堂教學(xué)、學(xué)生學(xué)習(xí)進(jìn)程、學(xué)生的學(xué)習(xí)體驗、師生互動過程等教與學(xué)過程的完整系統(tǒng)在線實現(xiàn)。MOOCs是一個改變學(xué)習(xí)方式的時代產(chǎn)物，受到全球各地的重視。國內(nèi)教育部三個教指委（計算機(jī)類專業(yè)、軟件工程專業(yè)、計算機(jī)課程）2013年底專門召開會議研討MOOCs。我們建立了校內(nèi)MOOCs平臺并對學(xué)生開放，將其作為課堂外學(xué)習(xí)的有效補充，這樣可以方便學(xué)生隨時隨地學(xué)習(xí)，或者進(jìn)行預(yù)習(xí)和復(fù)習(xí)。我們嘗試了結(jié)合圖像處理技術(shù)的MOOCs，探索創(chuàng)新教學(xué)模式與方法，穩(wěn)步提高教學(xué)質(zhì)量。

2.3 加強實踐教學(xué)

圖像處理技術(shù)可以廣泛應(yīng)用于數(shù)字電視、視頻通話、宇宙探測、自然災(zāi)害預(yù)測、環(huán)境污染的監(jiān)測、氣象云圖等應(yīng)用領(lǐng)域，而教材一般只涉及到理論知識和算法，或者是對應(yīng)用的簡單介紹，對其設(shè)計實現(xiàn)介紹得很少，所以必須加強實踐教學(xué)，將理論與實踐結(jié)合起來，使理論指導(dǎo)實踐，實踐加強理論[4-5]。要求學(xué)生利用VC或者M(jìn)ATLAB進(jìn)行實際程序設(shè)計，培養(yǎng)學(xué)生分析問題、解決問題的能力，具備圖像處理系統(tǒng)的開發(fā)能力。

根據(jù)課程的教學(xué)要求設(shè)置了四個課外實驗。①圖像變換實驗。要求對輸入的圖像，分別采用傅里葉變換、離散余弦變換、小波變換進(jìn)行圖像變換，分別給出變換前后的圖像，并分析圖像變換前后的視覺效果。②圖像增強實驗。將給定的圖像進(jìn)行增強處理，要求至少使用線性變換增強、對數(shù)變換增強、指數(shù)變換增強以及偽彩色增強處理，分析增強后的視覺效果。③圖像編碼實驗。將給定的圖像進(jìn)行壓縮處理，要求采用 Huffman編碼方法，并計算壓縮比。分析圖像壓縮后的視覺效果，并對圖像壓縮效果進(jìn)行客觀評價。④圖像分割與邊緣提取實驗。分別利用邊緣檢測法、閾值分割法進(jìn)行圖像分割；分析圖像分割后的視覺效果。學(xué)生完成所有實驗后，我們安排了實驗指導(dǎo)課，解決學(xué)生在實驗中遇到的問題，進(jìn)一步提高學(xué)生的算法設(shè)計能力和編程能力。

在課程教學(xué)中，我們還安排了三次專題討論課，由教師指定具體題目，學(xué)生通過查閱相關(guān)文獻(xiàn)，深入分析基本原理和方法，設(shè)計相應(yīng)的算法，編程實現(xiàn)，并給出實驗結(jié)果及分析，充分調(diào)動學(xué)生學(xué)習(xí)的積極性，提高學(xué)生利用理論知識解決實際問題的能力。三次專題討論課分別是：

⑴ 數(shù)字圖像表示及其處理專題討論課。題目為：用VC或者M(jìn)atlab實現(xiàn)常見圖像文件格式的顯示；常見的圖像文件格式，以及用VC或者M(jìn)atlab實現(xiàn)圖像格式轉(zhuǎn)換；給出國內(nèi)外先進(jìn)的圖像處理系統(tǒng)軟、硬件，名稱、作用，以及先進(jìn)性的體現(xiàn)。

⑵ 圖像變換專題討論課。題目為：給出小波變換常用的小波基的基本原理、具體應(yīng)用，以及用VC或者M(jìn)atlab的具體實現(xiàn)；給出小波變換、脊波變換、子波變換的基本原理、具體應(yīng)用，用VC或者M(jìn)atlab的具體實現(xiàn)；給出小波變換以及小波變換在圖像處理中的具體應(yīng)用，以及用VC或者M(jìn)atlab的具體實現(xiàn)；給出快速傅里葉變換算法的具體內(nèi)容，以及時間復(fù)雜度或者運行時間的分析。

⑶ 圖像編碼專題討論課。題目為：給出小波變換圖像編碼的基本思想與特點，編碼中需要解決的問題，實驗結(jié)果及分析；給出基于感興趣區(qū)域的小波圖像編碼方法的基本思想，具體步驟，實驗結(jié)果及分析；給出幾種圖像編碼質(zhì)量評價方法，具體實現(xiàn)，實驗結(jié)果及分析；給出基于子波變換的圖像編碼基本思想與特點，具體步驟，實驗結(jié)果及分析。

此外，鼓勵學(xué)生積極參與本校教師主持的科研項目，如國家自然科學(xué)基金、863項目、科技支撐計劃，以及北京市自然科學(xué)基金等項目。這些項目涉及到視音頻檢索、視音頻理解、視音頻處理、網(wǎng)絡(luò)信息分析、文字處理、信息檢索、網(wǎng)絡(luò)行為分析、圖像識別等研究方向。通過參與項目，系統(tǒng)地鍛煉了學(xué)生的科研能力和思維創(chuàng)新能力，也為今后的科研工作打下了堅實基礎(chǔ)。

2.4 改革考核評價方式

考核是對學(xué)生學(xué)習(xí)成果的檢驗，考核目標(biāo)不僅要檢驗學(xué)生對課堂教學(xué)內(nèi)容的掌握程度，而且要對提高學(xué)生發(fā)現(xiàn)問題、思考問題、解決問題的能力起到作用。為了避免出現(xiàn)平時不努力，考前突擊的情況，我們對傳統(tǒng)的考核方式進(jìn)行了改革。本課程的考核由兩部分組成：平時成績（占30%）和期末考試成績（70%）。將平時的上課出勤、作業(yè)、實驗和專題討論成績列入平時成績。在整個教學(xué)過程中，嚴(yán)格要求學(xué)生，使學(xué)生重視教學(xué)的各個環(huán)節(jié)。

篇3

關(guān)鍵詞：模糊控制；人工神經(jīng)網(wǎng)絡(luò)；人臉識別

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2011)16-3904-03

隨著人工智能技術(shù)的飛速發(fā)展，機(jī)器視覺已經(jīng)成為當(dāng)前人工智能研究領(lǐng)域的一大熱點，很多國家的研究人員都開展了對機(jī)器視覺的研究，其中以機(jī)器視覺識別人臉最為困難，這主要是因為人的面部帶有表情，不同的人具有不同的臉，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，如何讓計算機(jī)通過機(jī)器視覺高效率的識別人臉，成為當(dāng)前機(jī)器視覺和智能機(jī)器人關(guān)鍵技術(shù)領(lǐng)域的技術(shù)難題。

隨著模糊邏輯控制算法和人工神經(jīng)網(wǎng)絡(luò)算法的發(fā)展，對于機(jī)器視覺識別人臉特征的算法也有了新的發(fā)展，目前多數(shù)研究算法所采用的人臉識別從實現(xiàn)技術(shù)上來說，主要可以分為以下幾個類別：

1) 基于人臉幾何特征進(jìn)行的識別算法，該算法運算量較小，原理簡單直觀，但是識別率較低，適合應(yīng)用于人群面部的分類，而不適宜于每一個人臉的識別。

2) 基于人臉特征的匹配識別算法，這種算法是預(yù)先構(gòu)建常見的人臉特征以及人臉模板，構(gòu)成人臉特征庫，將被識別的人臉與特征庫中的人臉進(jìn)行逐一比對，從而實現(xiàn)人臉識別，該算法識別效率較高，但是應(yīng)用有一定局限性，只能夠識別預(yù)先設(shè)立的人臉特征庫中的人臉模型，因此人臉特征庫就成為該算法實現(xiàn)的技術(shù)關(guān)鍵。

3) 基于統(tǒng)計的人臉識別算法，該算法將人臉面部進(jìn)行特征參數(shù)的劃分，如兩眼距離大小，五官之間距離等，通過構(gòu)建統(tǒng)計特征參數(shù)模型實現(xiàn)對人臉模型的識別，該算法識別率較高，但是算法實現(xiàn)起來運算量比較大，且識別效率較低。

4) 基于模糊邏輯的人臉識別算法，這一類算法主要結(jié)合了模糊邏輯和神經(jīng)網(wǎng)絡(luò)能夠自我訓(xùn)練學(xué)習(xí)的機(jī)制實現(xiàn)對人臉的識別，識別率較高，且算法運算量適中，但是算法的原理較難理解，且模糊邏輯控制規(guī)則的建立存在一定技術(shù)難度。

本論文主要結(jié)合模糊人工神經(jīng)網(wǎng)絡(luò)方法，將其應(yīng)用于計算機(jī)人臉識別，以期從中能夠找到有效可靠的人臉識別方法及其算法應(yīng)用，并以此和廣大同行分享。

1 模糊邏輯及人工神經(jīng)網(wǎng)絡(luò)在圖像辨識中的應(yīng)用可行性分析

1) 人臉識別的技術(shù)難點

由于計算機(jī)只能夠認(rèn)識0和1，任何數(shù)據(jù)，包括圖像，都必須要轉(zhuǎn)化為0和1才能夠被計算機(jī)識別，這樣就帶來一個很復(fù)雜很棘手的問題：如何將成千上萬的帶有不同表情的人臉轉(zhuǎn)變?yōu)閿?shù)字信號并被計算機(jī)識別。由于人的面部帶有表情，不同的人具有不同的臉，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，因此這些都成為了計算機(jī)識別人臉特征的技術(shù)難點，具體來說，人臉實現(xiàn)計算機(jī)識別的主要技術(shù)難度包括：

① 人臉表情：人有喜怒哀樂等不同表情，不同的表情具有不同的面部特征，因此如何分辨出不同表情下的人臉特征，這是首要的技術(shù)難點；

② 光線陰影的變換：由于人臉在不同光線照射下會產(chǎn)生陰影，而陰影敏感程度的不一也會增加計算機(jī)識別人臉特征的難度；

③ 其他因素：如人隨著年齡的增長面部特征會發(fā)生些微變化，人臉部分因為裝飾或者帽飾遮擋而增加識別難度，以及人臉側(cè)面不同姿態(tài)也會對計算機(jī)識別帶來技術(shù)難度。

2) 模糊人工神經(jīng)網(wǎng)絡(luò)在人臉辨識中的應(yīng)用可行性

如上分析所示，計算機(jī)識別人臉，需要考慮的因素太多，并且每一種因素都不是線性化處理那么簡單，為此，必須要引入新的處理技術(shù)及方法，實現(xiàn)計算機(jī)對人臉的高效識別。根據(jù)前人的研究表明，模糊人工神經(jīng)網(wǎng)絡(luò)算法是非常有效的識別算法。

模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來人工智能研究較為活躍的兩個領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能，具有較強的自學(xué)習(xí)和聯(lián)想功能，人工干預(yù)少，精度較高，對專家知識的利用也較少。但缺點是它不能處理和描述模糊信息，不能很好利用已有的經(jīng)驗知識，特別是學(xué)習(xí)及問題的求解具有黑箱特性，其工作不具有可解釋性，同時它對樣本的要求較高;模糊系統(tǒng)相對于神經(jīng)網(wǎng)絡(luò)而言，具有推理過程容易理解、專家知識利用較好、對樣本的要求較低等優(yōu)點，但它同時又存在人工干預(yù)多、推理速度慢、精度較低等缺點，很難實現(xiàn)自適應(yīng)學(xué)習(xí)的功能，而且如何自動生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則，也是一個棘手的問題。如果將二者有機(jī)地結(jié)合起來，可以起到互補的效果。

模糊邏輯控制的基本原理并非傳統(tǒng)的是與不是的二維判斷邏輯，而是對被控對象進(jìn)行閾值的設(shè)計與劃分，根據(jù)實際值在閾值領(lǐng)域內(nèi)的變化相應(yīng)的產(chǎn)生動態(tài)的判斷邏輯，并將邏輯判斷規(guī)則進(jìn)行神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)，逐漸實現(xiàn)智能判斷，最終實現(xiàn)準(zhǔn)確的邏輯判斷。相較于傳統(tǒng)的線性判斷規(guī)則，基于模糊規(guī)則的神經(jīng)網(wǎng)絡(luò)是高度復(fù)雜的非線性網(wǎng)絡(luò)，同時由于其廣闊的神經(jīng)元分布并行運算，大大提高了復(fù)雜對象（如人臉）識別計算的效率，因此，將模糊神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于人臉的智能識別是完全可行的。

2 基于模糊人工神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究

2.1 基于模糊神經(jīng)網(wǎng)絡(luò)的人臉識別分類器設(shè)計

1) 輸入、輸出層的設(shè)計：針對模糊神經(jīng)網(wǎng)絡(luò)層的輸入層和輸出層的特點，需要對識別分類器的輸入、輸出層進(jìn)行設(shè)計。由于使用BP神經(jīng)網(wǎng)絡(luò)作為識別分類器時，數(shù)據(jù)源的維數(shù)決定輸入層節(jié)點數(shù)量，結(jié)合到人臉的計算機(jī)識別，人臉識別分類器的輸入輸出層，應(yīng)當(dāng)由人臉特征數(shù)據(jù)庫的類別數(shù)決定，如果人臉數(shù)據(jù)庫的類別數(shù)為m，那么輸入、輸出層節(jié)點數(shù)也為m，由m個神經(jīng)元進(jìn)行分布式并行運算，能夠極大提高人臉識別的輸入和輸出速度。

2) 隱藏層結(jié)點數(shù)的選擇：由于一般的BP神經(jīng)網(wǎng)絡(luò)都是由3層BP網(wǎng)絡(luò)構(gòu)成：輸入層，隱藏層和輸出層，隱層的數(shù)量越多，BP神經(jīng)網(wǎng)絡(luò)越復(fù)雜，那么最終能夠?qū)崿F(xiàn)的運算精度就越高，識別率也就越高；但是隨著隱層數(shù)量的增加，隨之而來的一個突出的問題就是神經(jīng)網(wǎng)絡(luò)變的復(fù)雜了，神經(jīng)網(wǎng)絡(luò)自我訓(xùn)練和學(xué)習(xí)的時間變長，使得識別效率相對下降，因此提高精度和提高效率是應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)的一個不可避免的矛盾。在這里面向人臉識別的分類器的設(shè)計中，仍然采用傳統(tǒng)的3層BP神經(jīng)網(wǎng)絡(luò)構(gòu)建人臉識別分類器，只設(shè)計一層隱層，能夠在保障識別精度的前提下有效的保障神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練的效率，增加人臉識別的正確率。

3) 初始值的選?。涸谠O(shè)計了3層BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，需要確定神經(jīng)網(wǎng)絡(luò)的輸入初始值。由于模糊神經(jīng)網(wǎng)絡(luò)是非線性的，不但具有線性網(wǎng)絡(luò)的全部優(yōu)點，同時還具有收斂速度快等特點，而初始值的選取在很大程度上影響神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練時間的長短，以及是否最終能夠?qū)崿F(xiàn)收斂輸出得到最優(yōu)值。如果初始值太大，那么對于初始值加權(quán)運算后的輸出變化率趨向于零，從而使得神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)訓(xùn)練趨向于停止，最終無法得到收斂的最優(yōu)值；相反，我們總是希望初始值在經(jīng)過每一次加權(quán)運算后的輸出都接近于零，從而能夠保證每一個參與運算的神經(jīng)元都能夠進(jìn)行調(diào)節(jié)，最終實現(xiàn)快速的收斂。為此，這里將人臉識別的初始值設(shè)定在[0，0.2]之間，初始運算的權(quán)值設(shè)定在[0，0.1]之間，這樣都不太大的輸入初始值和權(quán)值初始值能夠有效的保證神經(jīng)網(wǎng)絡(luò)快速的收斂并得到最優(yōu)值。

如果收斂速度太慢，則需要重新設(shè)置權(quán)值和閾值。權(quán)值和閾值由單獨文件保存，再一次進(jìn)行訓(xùn)練時，直接從文件導(dǎo)出權(quán)值和閾值進(jìn)行訓(xùn)練，不需要進(jìn)行初始化，訓(xùn)練后的權(quán)值和閾值直接導(dǎo)入文件。

2.2 人臉識別的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法步驟

1) 神經(jīng)網(wǎng)絡(luò)的逐層設(shè)計步驟：神經(jīng)網(wǎng)絡(luò)需要按層進(jìn)行設(shè)計，構(gòu)建信號輸入層、模糊層以及輸出層，同時還要構(gòu)建模糊化規(guī)則庫，以構(gòu)建神經(jīng)網(wǎng)絡(luò)模糊算法的完整輸入輸出條件。具體構(gòu)建人臉識別的神經(jīng)網(wǎng)絡(luò)層可以按照下述步驟執(zhí)行：

Step 1，構(gòu)建信號輸入層，以視覺攝像頭為坐標(biāo)原點構(gòu)建人臉識別坐標(biāo)系統(tǒng)，這里推薦采用極坐標(biāo)系統(tǒng)構(gòu)建識別坐標(biāo)系，以人臉平面所處的角度與距離作為信號的輸入層，按照坐標(biāo)系的變換得到神經(jīng)網(wǎng)絡(luò)信號輸入的距離差值和角度差值Δρ，Δθ，作為完整的輸入信號。

Step 2，構(gòu)建模糊化層，將上一層信號輸入層傳輸過來的系統(tǒng)人臉識別信號Δρ與Δθ進(jìn)行向量傳輸，將模糊化層中的每一個節(jié)點直接與輸入信號向量的分量相連接，并進(jìn)行信號矢量化傳輸；同時在傳輸?shù)倪^程中，根據(jù)模糊化規(guī)則庫的條件制約，對每一個信號向量的傳輸都使用模糊規(guī)則，具體可以采用如下的隸屬度函數(shù)來進(jìn)行模糊化處理：

(1)

其中c ij 和σij分別表示隸屬函數(shù)的中心和寬度。

Step 3，構(gòu)建信號輸出層，將模糊化層經(jīng)過模糊處理之后的信號進(jìn)行清晰化運算，并作為最終結(jié)果輸出。

關(guān)于模糊規(guī)則庫的建立，目前所用的方法都是普遍所采用的匹配模糊規(guī)則，即計算每一個傳輸節(jié)點在模糊規(guī)則上的適用度，適用就進(jìn)行模糊化規(guī)則匹配并進(jìn)行模糊化處理，不適用則忽略該模糊規(guī)則并依次向下行尋找合適的模糊規(guī)則。當(dāng)所有的，模糊規(guī)則構(gòu)建好之后，需要對每條規(guī)則的適用度進(jìn)行歸一化運算，運算方法為：

(2)

2) 人臉的識別算法按如下步驟執(zhí)行：

Step 1：一個樣本向量被提交給網(wǎng)絡(luò)中的每一個神經(jīng)元；

Step 2：計算它們與輸入樣本的相似度di；

Step 3：由競爭函數(shù)計算出競爭獲勝的神經(jīng)元，若獲勝神經(jīng)元的相似度小于等于相似度門限值ν，則計算每個神經(jīng)元的獎懲系數(shù)γi，否則添加新的神經(jīng)元；

Step 4：根據(jù)學(xué)習(xí)算法更新神經(jīng)元或?qū)⑿绿砑拥纳窠?jīng)元的突觸權(quán)值置為x；

Step 5：學(xué)習(xí)結(jié)束后，判斷是否有錯誤聚類存在，有則刪除。

其中，

(3)

di是第i個神經(jīng)元的相似度值，β為懲罰度系數(shù)，ν為相似度的門限值。γ的計算方法是對一個輸入樣本x，若競爭獲勝神經(jīng)元k的相似度dk≤ν，則獲勝神經(jīng)元的γk為1，其它神經(jīng)元的γi=-βdi/ν，i≠k；若dk >ν，則添加新的神經(jīng)元并將其突觸權(quán)值置為x。

實際上，網(wǎng)絡(luò)訓(xùn)練的目的是為了提高本算法的權(quán)值實用域，即更加精確的實現(xiàn)對人臉特征的識別，從而提高算法的人臉識別率，當(dāng)訓(xùn)練結(jié)束后，即可輸出結(jié)果。

2.3 算法仿真測試

為了驗證本論文所提出的人臉識別模糊神經(jīng)網(wǎng)絡(luò)算法的有效性和可靠性，對該算法進(jìn)行仿真測試，同時為了凸顯該算法的有效性，將該算法與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對比仿真測試。

該測試采集樣本500張人臉圖片，分辨率均為128×128，測試計算機(jī)配置為雙核處理器，主頻2.1GHz，測試軟件平臺為Matlab，分別構(gòu)建BP神經(jīng)網(wǎng)絡(luò)分類器與本算法的神經(jīng)網(wǎng)絡(luò)分類器，對500幅人臉圖片進(jìn)行算法識別測試。

如表1所示，為傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法和本論文算法的仿真測試結(jié)果對比表格。

從表1所示的算法檢測對比結(jié)果可以發(fā)現(xiàn)：傳統(tǒng)的算法也具有人臉特征的識別，但是相較于本論文所提出的改進(jìn)后的算法，本論文提出的算法具有更高的人臉特征識別率，這表明了本算法具有更好的魯棒性，神經(jīng)網(wǎng)絡(luò)模糊算法的執(zhí)行上效率更高，因而本算法是具有實用價值的，是值得推廣和借鑒的。

3 結(jié)束語

傳統(tǒng)的圖像識別技術(shù)，很多是基于大規(guī)模計算的基礎(chǔ)之上的，在運算量和運算精度之間存在著不可調(diào)和的矛盾。因人工神經(jīng)網(wǎng)絡(luò)技術(shù)其分布式信息存儲和大規(guī)模自適應(yīng)并行處理滿足了對大數(shù)據(jù)量目標(biāo)圖像的實時處理要求，其高容錯性又允許大量目標(biāo)圖像出現(xiàn)背景模糊和局部殘缺。相對于其他方法而言，利用神經(jīng)網(wǎng)絡(luò)來解決人臉圖像識別問題，神經(jīng)網(wǎng)絡(luò)對問題的先驗知識要求較少，可以實現(xiàn)對特征空間較為復(fù)雜的劃分，適用于高速并行處理系統(tǒng)來實現(xiàn)。正是這些優(yōu)點決定了模糊神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于包括人臉在內(nèi)的圖像識別。本論文對模糊神經(jīng)網(wǎng)絡(luò)在人臉圖像識別中的應(yīng)用進(jìn)行了算法優(yōu)化設(shè)計，對于進(jìn)一步提高模糊神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用具有一定借鑒意義。

參考文獻(xiàn)：

[1] 石幸利.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其應(yīng)用[J].重慶科技學(xué)院學(xué)報:自然科學(xué)版,2006(2):99-101.

[2] 胡小鋒,趙輝.Visral C++/MATLAB圖像處理與識別實用案例精選[M].北京:人民郵電出版社,2004.

[3] 戰(zhàn)國科.基于人工神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D].北京:中國計量科學(xué)研究院,2007.

[4] 王麗華.基于神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)的研究[D].北京:中國石油大學(xué),2008.

[5] 范立南,韓曉微,張廣淵.圖像處理與模式識別[M].北京:科學(xué)出版社,2007.

[6] 金忠.人臉圖像特征抽取與維數(shù)研究[D].南京:南京理工大學(xué),1999.

篇4

Abstract： The teaching content and teaching mode for course of digital image analysis are researched in the paper， education reform measures is implemented from three aspects， the theory teaching， the practice teaching and the related scientific research. Project driven teaching is proposed to cultivate innovative and practice talents， the practice teaching is strengthened and the scientific research is introduced into the teaching process.

Key words： image analysis； teaching mode； teaching reform； project driven

0 引言

隨著現(xiàn)代信息技術(shù)的快速發(fā)展，圖像分析日益廣泛地應(yīng)用于軍事目標(biāo)識別控制、智能交通、醫(yī)學(xué)圖像重建、社會事務(wù)管理、生物特征識別，以及互聯(lián)網(wǎng)相關(guān)產(chǎn)業(yè)等諸多領(lǐng)域，越來越多的研究者更加關(guān)注圖像分析領(lǐng)域的研究工作[1-2]。而高等教育要與實際應(yīng)用緊密聯(lián)系，“圖像分析”這門課程在高校電子信息類專業(yè)也有了越來越重要的地位。

圖像分析是用模式識別和人工智能方法對景物進(jìn)行分析、描述、分類和解釋的技術(shù)，又稱景物分析或圖像理解。一般利用數(shù)學(xué)模型并結(jié)合圖像處理的技術(shù)來分析底層特征和上層結(jié)構(gòu)，從而提取具有一定智能性的信息。圖像分析側(cè)重于研究圖像的內(nèi)容，包括但不局限于使用圖像處理的各種技術(shù)，它更傾向于對圖像內(nèi)容的分析、解釋和識別。

“圖像分析”的教學(xué)目的是使學(xué)生了解和掌握數(shù)字圖像分析的基本概念與主要內(nèi)容，為今后的深入研究和開發(fā)工作打下良好的基礎(chǔ)。其基本教學(xué)內(nèi)容包括圖像增強、圖像分割、圖像復(fù)原、圖像描述、圖像識別等理論和方法。該課程主要闡述數(shù)字圖像分析中的基本概念、基礎(chǔ)理論和常用算法，介紹數(shù)字圖像分析研究中的基本問題以及解決這些問題的原理和實現(xiàn)方法，使學(xué)生能夠編程實現(xiàn)簡單的圖像處理算法，能夠逐漸解決數(shù)字圖像分析領(lǐng)域的實際問題。

“圖像分析”課程屬交叉學(xué)科，其起點高、難度大，既有較強的理論性，又與實踐緊密結(jié)合，目前的教學(xué)現(xiàn)狀表明，學(xué)生對本課程往往入門時就心存畏懼，深入學(xué)習(xí)困難，不管是考試成績還是實踐動手能力都不理想，教學(xué)上存在許多問題。如何引導(dǎo)學(xué)生明確學(xué)習(xí)目的、轉(zhuǎn)變思想觀念，如何在教學(xué)過程中合理利用多重教學(xué)手段、靈活采用教學(xué)相長的方法激發(fā)學(xué)生的學(xué)習(xí)興趣，成為教學(xué)中必須解決的難題。

1 課程教學(xué)現(xiàn)狀分析

經(jīng)過對國內(nèi)多所高校的調(diào)研發(fā)現(xiàn)，現(xiàn)行的教學(xué)模式存在嚴(yán)重的弊端。在目前的圖像分析課程教學(xué)中，教師只是按部就班地按照教學(xué)大綱進(jìn)行講授，而對于程序運行實現(xiàn)及實際應(yīng)用部分大綱中并沒有嚴(yán)格的要求，所以多數(shù)教師也就只講解理論，對程序?qū)崿F(xiàn)則省略掉或是一帶而過。而學(xué)生也只是按部就班地對理論知識進(jìn)行學(xué)習(xí)，沒有結(jié)合相關(guān)的應(yīng)用，所以隨著課程內(nèi)容的深人，學(xué)生會感覺到枯燥乏味，對該課程逐漸失去了興趣。即便是認(rèn)真學(xué)習(xí)的學(xué)生，也是一直處于被動學(xué)習(xí)的狀態(tài)。至于考試，只需要按照教師的授課內(nèi)容認(rèn)真復(fù)習(xí)就可以拿到優(yōu)異的成績。很多學(xué)生直到他們學(xué)完了該門課程，也沒弄清楚這些圖像處理的方法該如何具體實現(xiàn)，而且對于如何應(yīng)用到實際生活和研究當(dāng)中，也是一無所知，更談不上創(chuàng)新能力、實踐能力和綜合能力了。該課程目前的教學(xué)方法大大影響了學(xué)生的創(chuàng)新實踐能力的培養(yǎng)。長此以往，高分低能的現(xiàn)象將會日趨嚴(yán)重。因此，圖像分析課程教學(xué)改革迫在眉睫。

2 課程教學(xué)改革措施

2.1 教學(xué)內(nèi)容和方法的改革

圖像分析本身為交叉學(xué)科，與圖像處理、模式識別、信號分析多領(lǐng)域存在密切聯(lián)系，而課程內(nèi)在耦合性并不強，目前還沒有一個完備的課程體系，許多教學(xué)實踐難以組織。一般除了圖像分析課程的基本內(nèi)容，根據(jù)教材豐富程度的不同，可能還包括圖像的數(shù)據(jù)結(jié)構(gòu)、圖像重建、圖像識別、圖像的小波分析，以及圖像的數(shù)學(xué)形態(tài)學(xué)分析。其內(nèi)容龐雜，難度也偏大，在有限的教學(xué)時間內(nèi)往往難以將全部內(nèi)容講透，傳統(tǒng)的教學(xué)模式只能以理論介紹為主，忽視實現(xiàn)步驟，造成學(xué)生在學(xué)習(xí)時普遍感到過于抽象。故有必要優(yōu)化教學(xué)課程設(shè)置，精簡課程教學(xué)內(nèi)容。課堂講授中，要抓住重點難點進(jìn)行講解，鼓勵學(xué)生課下自主學(xué)習(xí)，有疑問主動討論求教，以此來提高教學(xué)質(zhì)量。

教學(xué)內(nèi)容中不能只有理論知識，還要與圖像分析相關(guān)應(yīng)用軟件結(jié)合起來，如Matlab、Opencv、Image Analyzer等，必要的時候也可以用目前較流行的Photoshop軟件舉例。這樣和軟件結(jié)合起來講解，學(xué)生可以看到實實在在的圖像變化過程，學(xué)習(xí)興趣自然就提高了。而且學(xué)生也比較容易理解圖像分析的基本原理，聽起來也不會覺得枯燥，無形中提高了學(xué)生的學(xué)習(xí)效率。同時學(xué)生學(xué)會了一門語言，用以實現(xiàn)各種圖像處理過程，為以后的學(xué)習(xí)和工作打下堅實的基礎(chǔ)。

傳統(tǒng)教學(xué)中理論學(xué)時與實驗學(xué)時的分配比例一般為3：1，高校普遍偏重理論教學(xué)，而忽視了實驗教學(xué)。理論教學(xué)是一種被動的單向的學(xué)習(xí)模式；而主動性的、互動式的實驗教學(xué)更能調(diào)動學(xué)生的積極性，有利于學(xué)生自主的去發(fā)現(xiàn)問題分析解決問題。因此，要優(yōu)化理論教學(xué)與實驗教學(xué)的課時比例，加大實驗教學(xué)的課時，通過實驗加深對理論基礎(chǔ)的理解。

2.2 強化實驗教學(xué)

選擇圖像分析中最重要的算法作為實驗課教學(xué)的主要內(nèi)容，覆蓋圖像分析中圖像增強、圖像壓縮、圖像分割、形態(tài)學(xué)處理、圖像特征描述等各個重要部分。圖像的讀取和顯示、圖像的直方圖均衡化、圖像的平滑濾波和銳化濾波、快速傅里葉變換、頻域上的高通和低通濾波、Hough 變換、圖像的閾值化、圖像的膨脹、腐蝕和開閉操作、細(xì)化算法等實驗完全能包含圖像分析領(lǐng)域理論。

實驗教學(xué)[3]要求學(xué)生提前閱讀課程實驗指導(dǎo)書，了解實驗內(nèi)容，進(jìn)行初步的設(shè)計分析，自己編寫核心代碼，自行設(shè)計實驗測試用例，預(yù)測實驗結(jié)果。實驗課上認(rèn)真演示圖像處理的效果，將實驗結(jié)果與預(yù)測結(jié)果相比較，對出現(xiàn)的問題耐心分析和總結(jié)，按要求撰寫實驗報告，從而加深對數(shù)字圖像分析概念和方法的理解。引導(dǎo)學(xué)生利用所學(xué)到的知識，來解決圖像分析領(lǐng)域簡單的實際應(yīng)用問題，要把課堂上講授的理論知識和現(xiàn)實生活中應(yīng)用的具體例子相結(jié)合，將最新的科研前沿動態(tài)和信息反饋給學(xué)生。

2.3 將科研引入教學(xué)

科研中的圖像分析相關(guān)部分要進(jìn)人到教學(xué)中，讓學(xué)生在學(xué)習(xí)理論知識的基礎(chǔ)上，了解該方向的前沿技術(shù)和應(yīng)用領(lǐng)域，這對以后的工作有重要的引導(dǎo)作用，也能夠激發(fā)學(xué)生的探索能力和創(chuàng)新靈感，達(dá)到真正的學(xué)以致用。同時形成科研帶動教學(xué)，教學(xué)促進(jìn)科研的良性循環(huán)[4]。

將科研引入教學(xué)，開展項目驅(qū)動教學(xué)，讓學(xué)生接觸一些具體的項目，在做這些項目時要用到哪些知識點，如何綜合運用它們，都是項目中必須解決的問題。通過項目驅(qū)動教學(xué)的方式，學(xué)生的綜合實踐能力將得到進(jìn)一步提高。

項目驅(qū)動教學(xué)的關(guān)鍵是項目的選擇和設(shè)計，它的好壞直接影響到教學(xué)的開展。圖像分析項目驅(qū)動教學(xué)的示意圖如圖1所示。由圖1可知，這一互動式的教學(xué)模式重點在于師生的交流反饋，學(xué)生是學(xué)習(xí)的主體，是項目的承擔(dān)者 、實施者，老師在項目中主要起組織引導(dǎo)的作用。在項目驅(qū)動教學(xué)實施中，教師不是直接把知識技能傳遞給學(xué)生，而是學(xué)生在教師的指導(dǎo)下去選擇“項目”，分析“項目”，并最終完成“項目”。學(xué)生不再盲目的把學(xué)習(xí)當(dāng)任務(wù)，而是以項目需求驅(qū)動，有目的、有針對性的學(xué)習(xí)，變被動地接受知識為主動地尋求知識。學(xué)生學(xué)習(xí)的主動性和創(chuàng)新意識在項目實施的過程中不斷強化。

根據(jù)課程的知識層次和內(nèi)容體系把理論學(xué)習(xí)與科研項目相結(jié)合。譬如設(shè)計“車牌識別系統(tǒng)研究[5]”來展開課堂教學(xué)，如圖2所示。由圖2可知，“圖像分析”的大部分教學(xué)內(nèi)容都可通過“車牌識別系統(tǒng)研究”這一項目組織起來。以“實施項目”的方式引入有關(guān)概念和主題，展開教學(xué)內(nèi)容深入學(xué)習(xí)，將學(xué)生的“被動學(xué)習(xí)”轉(zhuǎn)換為“興趣驅(qū)動”，從而提高教學(xué)效率。

另外，根據(jù)學(xué)校的實驗條件，還可設(shè)計“腦部CT圖像處理”、“運動目標(biāo)檢測研究”、“人臉識別系統(tǒng)”等項目，從而融合圖像分析各方面的知識點。

整個項目的實施分為兩個階段：理論學(xué)習(xí)和項目實施。在理論學(xué)習(xí)階段，可以引入大量應(yīng)用實例，授課時重點闡述諸如醫(yī)學(xué)圖像處理、運動目標(biāo)特征提取、智能視頻監(jiān)控、基于圖像的工業(yè)檢測、圖像壓縮在3G通信技術(shù)中的應(yīng)用等實例。通過對具體項目的講解，讓學(xué)生對項目的理論基礎(chǔ)有初步的了解，而這種將深奧的理論實例化，使學(xué)生易于接受，激發(fā)了學(xué)生的學(xué)習(xí)興趣和對項目的探索激情。在第二階段的項目實施中，將項目分成若干個小組，在教師的指導(dǎo)下，各小組召開會議，分析項目需求，明確項目任務(wù)，進(jìn)行成員分工，確定各分工的職責(zé)及項目實施計劃，在此階段，教師扮演項目顧問的角色，解答小組成員項目實施中遇到的各種問題。學(xué)生在教師的指導(dǎo)下完成對項目的需求分析、系統(tǒng)設(shè)計、編碼實現(xiàn)、測試部署的整個過程，達(dá)到學(xué)生在完成項目的過程中理解學(xué)科知識、掌握綜合技能的目的。

項目完成之后，需要對項目進(jìn)行總結(jié)和反饋。各小組提交項目結(jié)題材料，以論文答辯的形式在班上演示各小組項目成果，介紹項目實施過程、成果、優(yōu)勢及不足，總結(jié)項目實施階段的經(jīng)驗教訓(xùn)，回答現(xiàn)場提問。在聽取其他小組報告的基礎(chǔ)上自我總結(jié)，找出自己的不足，查缺補漏，提高專業(yè)理論基礎(chǔ)及定向分析解決問題的能力。最后，以學(xué)生自評、組內(nèi)成員互評、教師點評的方式來確定每位學(xué)生的最終成績。

篇5

關(guān)鍵詞：PCB；圖像處理；視覺檢測

中圖分類號：TP277文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2012)07-1648-06

當(dāng)今世界科技發(fā)展日新月異，電子產(chǎn)業(yè)的發(fā)展直接制約著國民經(jīng)濟(jì)的騰飛與否，而PCB電路板制作工藝的提高對促進(jìn)電子產(chǎn)業(yè)的發(fā)展至關(guān)重要，能否有效精確地檢測PCB電路板的缺陷一直都是電子行業(yè)的研究熱點。國外的印刷電路板自動檢測技術(shù)一直領(lǐng)先于國內(nèi)，國內(nèi)的很多廠家不得不采用昂貴的外國技術(shù)，雖然近年國內(nèi)的印刷電路板自動檢測技術(shù)發(fā)展迅速，但大都沒有取得令人非常滿意的結(jié)果。加入研究這一領(lǐng)域的熱潮，趕超外國的先進(jìn)技技水平，打斷外國壟斷技術(shù)，對于發(fā)展國民經(jīng)濟(jì)具有十分重要的意義。

1 PCB檢測系統(tǒng)的硬件設(shè)計

1.1 PCB檢測系統(tǒng)的硬件組成框圖

雖然本文所做的工作主要是軟件方面，但對于硬件系統(tǒng)的設(shè)計也是至關(guān)重要的，它對于建立有效的計算機(jī)視覺識別檢測系統(tǒng)，起著決定性作用。因此，必須在綜合考慮系統(tǒng)性價比和系統(tǒng)性能的基礎(chǔ)上，設(shè)計出合理的硬件系統(tǒng)[9]。PCB檢測系統(tǒng)的硬件組成框圖如圖1所示：圖1 PCB檢測系統(tǒng)硬件組成框圖

1.2系統(tǒng)的硬件組成

系統(tǒng)的硬件組成[10]主要包括：計算機(jī)主機(jī)、CCD攝像機(jī)、圖像采集卡、照明系統(tǒng)及相關(guān)的設(shè)備。

2 PCB電路板缺陷檢測識別

PCB電路板在電子工業(yè)中的應(yīng)用越來越廣泛，如何降低電路板的故障率、提高電路板的質(zhì)量直接影響到整個產(chǎn)業(yè)的發(fā)展。因此，對于PCB電路板缺陷的識別技術(shù)的發(fā)展至關(guān)重要。PCB電路板的缺陷很多[16]，主要有短路、斷路、劃痕、凸起、空洞、缺焊、過焊等等，由于實驗室設(shè)備限制和個人水平所限，本文主要研究的內(nèi)容是PCB電路板短路與斷路的檢測識別

近年來出現(xiàn)了很多圖像檢測算法,這些算法大致可分為三大類：有參考算法、無參考算法以及混合型算法。有參考算法分為兩大類：圖像對比法和模型對比法。無參考算法是一種不需要標(biāo)準(zhǔn)圖像的檢測算法，它是基于一定的設(shè)計規(guī)則來進(jìn)行檢測的。混合型方法是將有參考算法與無參考算法混合使用，從而發(fā)揮出各自的優(yōu)點。比如，模板匹配法與數(shù)學(xué)形態(tài)學(xué)方法結(jié)合使用，或者連接表方法與數(shù)學(xué)形態(tài)學(xué)方法結(jié)合使用等。本文中短路與斷路的檢測識別采取了圖像對比法，即將經(jīng)過一定處理后的圖像進(jìn)行相減，從而分析相應(yīng)的結(jié)果；而對焊點缺陷的識別主要采用模板匹配法與數(shù)學(xué)形態(tài)學(xué)方法結(jié)合使用。

2.1 PCB電路板缺陷檢測識別的主要流程圖

圖2為子程序流程圖；圖3為主程序流程圖。

2.2 PCB電路板短路與斷路的檢測識別

2.2.1邊緣檢測

在對圖像進(jìn)行基本的處理過后可以將圖像與背景分割開來。邊緣檢測是圖像處理和計算機(jī)視覺中的基本問題，邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。

這些包括：深度上的不連續(xù)；表面方向不連續(xù)；物質(zhì)屬性變化；場景照明變化。邊緣檢測是圖像處理和計算機(jī)視覺中，尤其是特征提取中的一個研究領(lǐng)域。

圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用于邊緣檢測，它們的絕大部分可以劃分為兩類[17]：基于查找一類和基于零穿越的一類。基于查找的方法通過尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向?；诹愦┰降姆椒ㄍㄟ^尋找圖像二階導(dǎo)數(shù)零穿越來尋找邊界，通常是Laplacian過零點或者非線性差分表示的過零點。

1）Roberts算子

邊緣，是指周圍像素灰度有階躍變化或屋頂?shù)茸兓哪切┫袼氐募?。圖像的邊緣對應(yīng)著圖像灰度的不連續(xù)性。顯然圖像的邊緣很少是從一個灰度跳到另一個灰度這樣的理想狀況。真實圖像的邊緣通常都具有有限的寬度呈現(xiàn)出陡峭的斜坡狀。邊緣的銳利程度由圖像灰度的梯度決定。梯度是一個向量，?f指出灰度變化的最快的方向和數(shù)量，如式2-1所示。

?f=(決定的。

因此最簡單的邊緣檢測算子是用圖像的垂直和水平差分來逼近梯度算子，式2-4所示。?f=(f(x,y)-f(x-1,y),f(x,y)-f(x,y-1))（式2-4）

因此當(dāng)我們想尋找邊緣的時候，最簡單的方法是對每一個像素計算出（2，4）的向量,然后求出他的絕對值，然后進(jìn)行閥值操作就可以了。利用這種思想就得到了Roberts算子，由式2-5所示。

R(i,j)=

（式2-5）

它是一個兩個2×2模板作用的結(jié)果。

2）Sobel算子

該算法通過2個3*3的模板，對選定的二維圖像中同樣大小窗口進(jìn)行卷積，通常是一個模板對一個邊緣響應(yīng)大，另一個模板對水平邊緣響應(yīng)大，兩個卷積值對最大值作為該點對輸出。對于圖像上的任意點（i，j）進(jìn)行卷積，可得其X方向上的差分由式2-6、式2-7所示。Δx=f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)-[f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)]（式2-6）Δy=f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1)-[f(i+1,j+1)+2f(i+1,j)+f(i+1,j+1)]（式2-7）則輸出圖像公式如式2-8所示。

用sobel算子檢測階躍邊緣得到的邊緣寬度至少為兩個寬度。3）Laplacian邊緣檢測算子

Laplacian算子定義由式2-9所示。

Δ2f(x,y)=

（式2-9）它的差分形式由式2-10所示。

Δ2f(x,y)={[f(x+1,y)-f(x,y)]-[f(x,y)-f(x-1,y)]}+{[f(x,y+1)-f(x,y)]-[f(x,y)-f(x,y-1)]}

=f(x+1,y)+f(x-1,y)+f(x,y-1)+f(x,y+1)+f(x,y+1)+4f(x+1,y)（式2-10）

Laplacian算子是一種各向同性算子，在只關(guān)心邊緣的位置而不考慮其周圍的灰度象素差值時時比較合適，Laplacian算子對孤立象素的響應(yīng)要比對邊緣或線的響應(yīng)更要強烈，因此只適用于無噪聲圖像。

原圖像與用三種邊緣檢測算子處理后的圖像如下所示：圖6 Sobel邊緣檢測圖7 Laplacian邊緣檢測

從上面四幅圖分析比較可得出結(jié)論：用Roberts邊緣檢測得出的圖像較之其他方法更為清晰，噪點更少，圖像更為連續(xù)，所以本文中采用Roberts算子來進(jìn)行邊緣檢測。

2.2.2閾值分割

閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則f(x，y)中找到特征值T，將圖像分割為兩個部分，分割后的圖像為：

若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。

在數(shù)字化的圖像數(shù)據(jù)中，無用的背景數(shù)據(jù)和對象物的數(shù)據(jù)經(jīng)常放在一起，同時，圖像中還含有各種噪聲，因此可以根據(jù)圖像的統(tǒng)計性質(zhì)，從概率的角度來選擇合適的閾值。

1）最大方差閾值法

把待處理圖像的直方圖在某一閾值處分割為兩組，當(dāng)被分割成的兩組間的方差最大時，便可以決定閾值了。

設(shè)灰度圖像f（x，y）的灰度級為0-L，灰度級I的像素為Ni，則圖中：

總象素數(shù)N=∑j=0 i=LNi（式2-11）灰度級i出現(xiàn)的概率Pi= 1-ω(K)（式2-16）則兩組間的數(shù)學(xué)期望為ω0μ0ω1μ1=μ（式2-17）兩組間的方差為ρ2(k)

ρ2(k)是K的函數(shù)，計算k取從0,1,2…L時ρ2(k)的值，當(dāng)多的值為最大時，K即為閾值。

2）雙峰法

根據(jù)圖像的直方圖具有背景和對象物的兩個峰，分割兩個區(qū)域的閾值由兩個峰值之間的谷所對應(yīng)的灰度值決定。設(shè)灰度圖像f（x，y）的灰度級為0-L，灰度i的像素為Pi，分別計算

因為實際PCB電路板有著許多的劃痕、污點等，使用最大方差閾值法時，會在處理后的圖像上產(chǎn)生許多誤點，而影響實際結(jié)果的分析，而雙峰法能夠順利地濾除這些干擾，這個結(jié)論在分析對比以上圖像時也可得出。所以本文選用了雙峰法來進(jìn)行閾值分割。

2.2.3粒子分析與圖像對比

經(jīng)過邊緣檢測和閾值分割的圖像中會存在許多瑕點，這些點會影響到最后的圖像識別與分析，有可能會增加多余的殘留圖像。本文中利用NI VISION ASSISTANT中的REMOVE SMALL OBJECTS功能進(jìn)行去除，如圖11和圖12所示。圖11原圖像圖12粒子分析

將標(biāo)準(zhǔn)PCB圖片減去缺陷缺陷PCB圖片，便可以得到缺陷板的斷路部分的圖像，再利用NI ASSISTANT中的PARTICLE ANALYSIS可以得到斷路部分的具體分析，如圖13示。

將缺陷PCB圖片減去標(biāo)準(zhǔn)PCB圖片，便可以得到缺陷板的短路部分的圖像，與上述相同的方法，便可以得到短路部分的具體分析，如圖14所示。

3結(jié)束語

利用LABVIEW來進(jìn)行PCB電路板缺陷的識別與檢測是一項非常好的課題，它在近些年已經(jīng)得到了一定的發(fā)展，并將得到更大的進(jìn)步。限于本人能力和時間，本文的研究還未涉及很深的領(lǐng)域，可以在以下方面加以改進(jìn)：

1）本文中只利用到NI公司的LABVIEW和IMAQ VISION，更好的設(shè)計可以再利用其他語言如VISUAL BASIC,C++等編程語言加以輔助設(shè)計，相信可以取得更加令人滿意的結(jié)果。

2）由于實驗設(shè)備等其他因素，本文中只重點研究了PCB電路板短路與斷路的檢測識別，PCB電路板的其他缺陷還有待于進(jìn)一步的分析研究、分類和總結(jié)，并設(shè)計出更好的檢測方法，以真正滿足PCB電路板檢測的需求。

3）照明設(shè)備的限制在很大程度上影響到了圖像的檢測效果，為取得PCB缺陷檢測的進(jìn)一步進(jìn)展，在照明設(shè)備的選擇上必須重視，并且設(shè)計出更好的圖像采集系統(tǒng)。

4）在識別與檢測手段上，可以引入更新更好的方法，而不要局限于在傳統(tǒng)的方法中分析比較，例如基于BP神經(jīng)網(wǎng)絡(luò)的識別檢測，圖像的模糊決策等將有待于進(jìn)一步研究。

總之，基于LABVIEW的機(jī)器視覺檢測系統(tǒng)已經(jīng)取得了不錯的進(jìn)展，高速發(fā)展的PCB制造技術(shù)和計算機(jī)技術(shù)對于PCB缺陷的檢測提出了更高的要求，同時也大大地促進(jìn)了PCB缺陷檢測技術(shù)的發(fā)展。利用機(jī)器視覺檢測在未來的較長的一段時間內(nèi)將占據(jù)檢測行業(yè)的半壁江山，相信在未來會取得更大的發(fā)展。

參考文獻(xiàn)：

[1]程學(xué)慶,房曉溪.LabVIEW圖形化編程與實例應(yīng)用[M].北京:中國鐵道出版社,2005.

[2]胡仲波.基于虛擬儀器技術(shù)的PCB視覺檢測系統(tǒng)[D].南京:南京理工大學(xué)碩士學(xué)位論文,2006.

[3]段峰,王耀南.機(jī)器視覺技術(shù)及其應(yīng)用綜述[J].自動化博覽,2002,19(3).

[4]周長發(fā).精通Visual C++圖像處理編程[M].北京:電子工業(yè)出版社,2004.

[5]陳錫輝,張銀鴻.LabVIEW 8.20程序設(shè)計從入門到精通[M].北京:清華大學(xué)出版社,2007.

[6]鄭偉.圖像法檢測印刷電路板缺陷[M].西安:西安理工大學(xué),2002.

[7] National Instruments,IMAQ User Manual Concepts[Z].1999.

[8]李強.PCB板缺陷自動檢測技術(shù)的分析研究[D].合肥:合肥工業(yè)大學(xué),2002.

[9]傅茂名.基于形態(tài)邊緣檢測算法的一種改進(jìn)[J].電子科技大學(xué)學(xué)報,2005(2).

[10]王思華.計算機(jī)視覺新技術(shù)及其在IC標(biāo)記質(zhì)量檢驗系統(tǒng)設(shè)計中的應(yīng)用[J].電子技術(shù)應(yīng)用,2000(9).

[11]岳永哲.圖像處理技術(shù)在閱卷系統(tǒng)中的應(yīng)用[D].北京:北京工業(yè)大學(xué),2006.

[12] Bruce sehneier.Applied Cryptography protocols,Algorithms,and SourceCode[M].C Jolm Wiley & Sons,Inc,1994.

[13] William work Security Essentials:Applications and Standard[M].Prentice Hall/Pearson,2002.

[14]高育鵬,楊俊,何廣軍.基于圖像識別的自動閱卷系統(tǒng)研究[J].現(xiàn)代電子期刊,2006(22).

[15]楊青燕,彭延軍.基于灰度圖像的答題卡識別技術(shù)[J].山東科技大學(xué)學(xué)報:自然科學(xué)版,2009(3).

[16]周海濤,韓曉軍.基于數(shù)字圖像處理的答題卡識別方法研究[J].電腦知識與技術(shù),2008(28).

[17]周萬珍,鄭廣,王建霞,等.數(shù)字圖像處理技術(shù)在客觀題閱卷中的應(yīng)用[J].數(shù)學(xué)的實踐與認(rèn)識,2006(8).

[18]王勝春.基于SVM的信息卡識別系統(tǒng)[D].長沙:湖南師范大學(xué),2008.

[19]吳志明.SMT系統(tǒng)中焊點位置的檢測[D].哈爾濱:哈爾濱工業(yè)大學(xué),2006.

[20]楊敏,王春青,鄒增大,等.表面組裝印刷電路板上焊點信息的自動獲取[J].焊接學(xué)報,2005,39(6).

篇6

針對乳腺X光醫(yī)學(xué)圖像多分類問題中訓(xùn)練速度比較慢的問題，提出超球體多分類支持向量數(shù)據(jù)描述（HSMCSVDD）分類算法，即把超球體單分類支持向量數(shù)據(jù)描述直接擴(kuò)展到超球體多分類支持向量數(shù)據(jù)描述。通過對乳腺X光圖像提取灰度共生矩陣特征；然后用核主成分分析（KPCA）對數(shù)據(jù)進(jìn)行降維；最后用超球體多分類支持向量數(shù)據(jù)描述分類器進(jìn)行分類。由于每一類樣本只參與構(gòu)造一個超球體的訓(xùn)練，因此訓(xùn)練速度明顯提高。實驗結(jié)果表明，這種超球體多分類支持向量數(shù)據(jù)描述分類器的平均訓(xùn)練時間為21.369s，訓(xùn)練時間比Wei等（WEI L Y， YANG Y Y， NISHIKAWA R M， et al. A study on several machinelearning methods for classification of malignant and benign clustered microcalcifications. IEEE Transactions on Medical Imaging， 2005， 24（3）： 371-380）提出的組合分類器（平均訓(xùn)練時間40.2s）減少了10～20s，分類精度最高達(dá)76.6929%，適合解決類別數(shù)較多的分類問題。

關(guān)鍵詞：

乳腺X光圖像；多類支持向量數(shù)據(jù)描述；灰度共生矩陣；核主成分分析

0引言

乳腺癌是女性常見的腫瘤疾病之一，由于乳腺癌的病發(fā)機(jī)理還未完全弄清楚，因此早期診斷對防治乳腺癌十分重要[1]。乳腺癌的臨床診斷方法包括觸摸式診斷、組織學(xué)診斷、細(xì)胞學(xué)診斷和影像學(xué)診斷四大類，其中影像診斷是最適合適齡女性乳腺癌診斷方法，乳腺X光攝影技術(shù)是最常見乳腺癌早期診斷方法[2]。隨著計算機(jī)技術(shù)的不斷發(fā)展，醫(yī)學(xué)圖像上的計算機(jī)輔助診斷技術(shù)也得到了迅猛的發(fā)展，其中常用的方法有關(guān)聯(lián)規(guī)則、決策樹、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)、貝葉斯、粗糙集、模糊聚類和支持向量機(jī)（Support Vector Machine，SVM）等。支持向量機(jī)在近些年發(fā)展比較迅速，它是建立在統(tǒng)計學(xué)習(xí)理論中的VC理論和結(jié)構(gòu)化風(fēng)險最小原理基礎(chǔ)上實現(xiàn)的一種機(jī)器學(xué)習(xí)方法[3]，能較好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題。Tax等[4]在1999年提出支持向量數(shù)據(jù)描述（Support Vector Data Description， SVDD），它是一種源于統(tǒng)計學(xué)習(xí)理論和SVM的全新的數(shù)據(jù)描述方法，與SVM尋求最優(yōu)超平面不同，SVDD包容所有目標(biāo)樣本數(shù)據(jù)的最小超球體。并且相比SVM，SVDD有著復(fù)雜性低、易移植和訓(xùn)練速度快等優(yōu)點，在信用卡欺詐檢測、入侵檢測、人臉識別領(lǐng)域等有著廣泛的應(yīng)用，同時SVDD在解決不平衡數(shù)據(jù)分類和多示例分類中已成為一種新方法。SVDD在單分類問題中分類效果比較好，其中超球體單分類支持向量機(jī)[5]表現(xiàn)的效果更好，但是超球體單分類SVM缺乏有效的訓(xùn)練算法，所以其在應(yīng)用中受到限制。在實際問題的解決中，很多分類問題都是包含多個類別的多分類問題，而目前大多數(shù)多分類器基本上都是由二分類器組合而成的，當(dāng)分類類別數(shù)達(dá)到一定的數(shù)量時，這種經(jīng)二分類器組合而成的多分類器將會遇到諸如樣本訓(xùn)練階段速度較慢的問題。例如在醫(yī)學(xué)圖像識別問題中，從圖像中提取出來的信息特征量往往比較大，如果直接用二分類器組合而成的多分類器，訓(xùn)練速度相對來說較慢，而文獻(xiàn)[6-7]中分別提到的關(guān)于多球體支持向量數(shù)據(jù)描述和多分類支持向量機(jī)的基本思想和實現(xiàn)對進(jìn)一步研究多分類問題提供了幫助。

Wei等[8]提到用級聯(lián)AdaBoost對標(biāo)準(zhǔn)醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行分類，分類精度達(dá)到80.3%，但是訓(xùn)練時間比較長，平均訓(xùn)練時間為40.2s。文獻(xiàn)[9]中提到對標(biāo)準(zhǔn)醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行分類的方法，如果只使用ID3進(jìn)行分類，分類精度為43.3%，只使用K最近鄰（KNearest Neighborhood，KNN）分類法進(jìn)行分類，分類精度為40.3%，而使用ID3和KNN的組合分類器進(jìn)行分類，分類精度為47.6%。文獻(xiàn)[10]中提到對標(biāo)準(zhǔn)醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行分類的方法，用主成分分析（Principal Component Analysis，PCA）和基于規(guī)則的粗糙集進(jìn)行分類，分類精度為69.27%；用BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，分類精度為51.51%；用學(xué)習(xí)向量量化（Learning Vector Quantization， LVQ）神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類，分類精度為63.63%。從文獻(xiàn)[8]中可以看出分類精度雖然達(dá)到80.3%，但是訓(xùn)練速度比較慢；而文獻(xiàn)[9-10]中的分類精度比較低。

針對上述問題，本文提出基于超球體多分類支持向量數(shù)據(jù)描述方法。一些冗余的特征信息不僅會增大分類算法在構(gòu)建分類模型時的數(shù)據(jù)量，而且還會影響分類器的分類效果；所以本文提出的超球體多分類支持向量數(shù)據(jù)描述算法優(yōu)點在于分類模型建立前期先運用核主成分分析（Kernel Principal Component Analysis，KPCA）來有效地對數(shù)據(jù)進(jìn)行降維，然后在構(gòu)建分類模型時使每一類樣本只參與構(gòu)造一個超球體的訓(xùn)練，以此來直接構(gòu)造多個SVDD超球體的多分類器，在保證分類精度的基礎(chǔ)上有效地提高了訓(xùn)練速度。乳腺X光醫(yī)學(xué)圖像標(biāo)準(zhǔn)數(shù)據(jù)集MIAS（Mammographic Image Analysis Society）[11]分類實驗效果表明：與文獻(xiàn)[8]相比，超球體多分類SVDD分類器的訓(xùn)練時間減少了10～20s，而且分類精度最高達(dá)到76.6929%。

1KPCA和SVDD的基本原理

1.1核主成分分析

篇7

關(guān)鍵詞：實踐教學(xué)；教學(xué)改革；柔性制造系統(tǒng)

中圖分類號：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-9324（2016）47-0179-02

一、引言

實踐教學(xué)是高等教育的重要環(huán)節(jié)，是實現(xiàn)人才培養(yǎng)目標(biāo)的有效途徑和重要保證。隨著社會的進(jìn)步和發(fā)展，對人才的需求也發(fā)生了很大的變化，給實踐教學(xué)帶來一些新的問題和新的挑戰(zhàn)。我校機(jī)械電子工程專業(yè)的培養(yǎng)目標(biāo)中強調(diào)了機(jī)電結(jié)合的高級工程技術(shù)人才，為了培養(yǎng)“厚基礎(chǔ)、寬口徑、高素質(zhì)、強能力”的創(chuàng)新型工程技術(shù)人才，適應(yīng)現(xiàn)代社會的要求，就必須要優(yōu)化實踐教學(xué)內(nèi)容，推進(jìn)實踐教學(xué)方法和實踐教學(xué)體制改革。而營造培養(yǎng)高素質(zhì)創(chuàng)新工程技術(shù)人才的實踐教學(xué)環(huán)境，提供合適的實踐訓(xùn)練平臺是達(dá)到培養(yǎng)目標(biāo)的重要保障。為此，我校2012年在共建基金支持下成立了柔性制造實驗室，通過柔性制造系統(tǒng)對實際工業(yè)自動化生產(chǎn)中的模擬運行，讓學(xué)生了解和掌握現(xiàn)代機(jī)電系統(tǒng)運行控制技術(shù)，培養(yǎng)學(xué)生的實踐能力和創(chuàng)新能力。本文圍繞該柔性制造系統(tǒng)在我校機(jī)械電子工程專業(yè)實踐培養(yǎng)上的應(yīng)用，就我校在教學(xué)改革上的措施進(jìn)行論述。

二、柔性制造系統(tǒng)

柔性自動生產(chǎn)線是將微電子學(xué)、計算機(jī)信息技術(shù)、控制技術(shù)、機(jī)械制造和系統(tǒng)工程有機(jī)地結(jié)合起來，是一種技術(shù)復(fù)雜、高度自動化系統(tǒng)，柔性制造技術(shù)更是當(dāng)前機(jī)械制造業(yè)適應(yīng)市場動態(tài)需求及產(chǎn)品不斷迅速更新的主要手段，是先進(jìn)制造技術(shù)的基礎(chǔ)。

通過該系統(tǒng)，能使學(xué)生可通過實驗了解柔性制造自動化生產(chǎn)實訓(xùn)系統(tǒng)的基本組成和基本原理，能為學(xué)生提供一個開放性的，創(chuàng)新性的和可參與性的實驗平臺，讓學(xué)生全面掌握機(jī)電氣一體化與物流技術(shù)的應(yīng)用開發(fā)和集成技術(shù)，能夠幫助學(xué)生從系統(tǒng)整體角度去認(rèn)識系統(tǒng)各組成部分，從而掌握柔性制造相關(guān)系統(tǒng)的組成、功能及控制原理。促進(jìn)學(xué)生在機(jī)械設(shè)計制造、電氣自動化、數(shù)字控制技術(shù)、機(jī)器人技術(shù)、計算機(jī)技術(shù)、傳感器技術(shù)、生產(chǎn)線技術(shù)等方面的學(xué)習(xí)，并對數(shù)控加工、電機(jī)驅(qū)動及控制技術(shù)、PLC控制系統(tǒng)的設(shè)計與應(yīng)用、機(jī)器人控制技術(shù)、高級語言編程等技能得到實際的訓(xùn)練，激發(fā)學(xué)生的學(xué)習(xí)興趣，使學(xué)生在光機(jī)電氣一體化系統(tǒng)的設(shè)計、裝配、調(diào)試能力等方面均能得到綜合提高。系統(tǒng)組成如圖1所示，共分為總控系統(tǒng)、自動化立體庫及碼垛機(jī)、自動化輸送線系統(tǒng)單元、CCD形狀顏色尺寸檢測單元、上下料搬運機(jī)器人單元、數(shù)控加工單元、串聯(lián)機(jī)器人裝配與分揀單元、視覺導(dǎo)引搬運AGV幾個單元部分。系統(tǒng)模擬某自動化加工、分揀、自動裝配及自動出入庫完整制造過程。立體庫由兩排貨架及中間的碼垛機(jī)構(gòu)成，實現(xiàn)毛坯及成品部件的存儲；傳送線負(fù)責(zé)從立體庫取件、傳送工件到到各工作單元及傳送入庫；通過圖像識別功能，對工件進(jìn)行形狀與顏色識別，通過信息識別，六自由度行走搬運機(jī)器人可選擇把工件放入相應(yīng)的數(shù)控加工設(shè)備（車削加工中心或銑削加工中心）當(dāng)中。加工完畢，通過CCD視覺裝置進(jìn)行高度與直徑等尺寸識別。并為下一工序做好準(zhǔn)備。

該柔性制造系統(tǒng)可聯(lián)機(jī)/單機(jī)兩種運行模式，方便學(xué)生進(jìn)行PLC控制、生產(chǎn)線控制、機(jī)器人控制及數(shù)控機(jī)床應(yīng)用實訓(xùn)。

三、柔性制造系統(tǒng)在機(jī)械電子工程專業(yè)實踐能力培養(yǎng)中的應(yīng)用

1.課程實驗實訓(xùn)。利用該柔性制造系統(tǒng)的各組成單元，對原有相關(guān)課程中的實驗內(nèi)容進(jìn)行了調(diào)整整合，增加了綜合性實驗環(huán)節(jié)內(nèi)容設(shè)計，根據(jù)教師授課情況，結(jié)合學(xué)生特點進(jìn)行選取。主要服務(wù)的課程包括：機(jī)電傳動與控制（步進(jìn)電機(jī)、伺服電機(jī)控制）、PLC控制技術(shù)（立體庫碼垛機(jī)控制、傳送線控制）、機(jī)器人技術(shù)（分揀機(jī)械手、搬運機(jī)械手）、機(jī)床數(shù)控技術(shù)（數(shù)控加工單元）、傳感與測試技術(shù)（傳送線、CCD等單元）、機(jī)電一體化技術(shù)。

2.實習(xí)實訓(xùn)環(huán)節(jié)。根據(jù)專業(yè)特點及實習(xí)實訓(xùn)要求，對原有實習(xí)實訓(xùn)環(huán)節(jié)進(jìn)行了改革。將原第七學(xué)期三周的實習(xí)環(huán)節(jié)分割成幾個模塊，其中一個模塊是2.5天的柔性制造系統(tǒng)實習(xí)實訓(xùn)模塊，每次二十余人分成多個小組進(jìn)行該模塊的實習(xí)實訓(xùn)。對學(xué)生獲得的專業(yè)知識和專業(yè)技能進(jìn)行的一次全面考核和綜合檢驗。按照機(jī)械電子工程專業(yè)設(shè)置的要求，通過柔性制造系統(tǒng)平臺開展的集中實踐教學(xué)環(huán)節(jié)，讓學(xué)生完成的主要任務(wù)為：氣路、電路或控制回路的構(gòu)成的模擬設(shè)計及運行調(diào)試；根據(jù)工作要求對PLC控制程序進(jìn)行修改或編寫，模擬實際的控制過程；對人為設(shè)定的故障（電氣及PLC故障）進(jìn)行故障診斷及排除練習(xí)，提高學(xué)生解決實際問題的能力；模擬系統(tǒng)的各單元之間可以通過I/O進(jìn)行通訊，將多個加工單元連接構(gòu)成系統(tǒng)。通過這個教學(xué)環(huán)節(jié)，讓學(xué)生自己動手來搭建實際機(jī)電一體化設(shè)備，以此來提高學(xué)生解決實際工程問題的能力。實習(xí)的內(nèi)容：①柔性制造系統(tǒng)基礎(chǔ)知識教學(xué)。主要講授柔性制造系統(tǒng)技術(shù)的一些基本概念，讓學(xué)生對柔性制造系統(tǒng)有全面的了解和認(rèn)識。②立體庫系統(tǒng)設(shè)計。通過對立體庫實際操作，了解立體庫工作過程；以立體庫結(jié)構(gòu)設(shè)計及PLC控制為主要教學(xué)內(nèi)容，了解并掌握立體庫結(jié)構(gòu)設(shè)計技術(shù)，學(xué)生能夠完成單元格的設(shè)計出圖。了解立體庫控制要求，采用PLC實現(xiàn)取、送工件的控制設(shè)計。③搬運線設(shè)計。以搬運線為教學(xué)對象，使學(xué)生了解掌握生產(chǎn)線工作原理及操作方法，了解生產(chǎn)線基本結(jié)構(gòu)及控制方法，了解典型分揀、傳送、檢測環(huán)節(jié)的設(shè)計方法及操作。④AGV尋跡車設(shè)計。了解尋跡車基本結(jié)構(gòu)組成和功能；了解AGV尋跡車車體結(jié)構(gòu)設(shè)計方法，了解尋跡車控制原理和操作。⑤機(jī)械手。了解工業(yè)機(jī)器人基本原理，了解和掌握工業(yè)機(jī)器人機(jī)構(gòu)及基本結(jié)構(gòu)設(shè)計知識，掌握工業(yè)機(jī)器人操作知識，了解和掌握機(jī)器人控制原理，掌握機(jī)器人編程控制，利用測繪技術(shù)實現(xiàn)實物的測繪建模使學(xué)生在掃描和建模。⑥數(shù)控機(jī)床編程操作。以典型車、銑零件為對象，讓學(xué)生能夠通過動手實踐將其數(shù)控加工程序編制出來，并在數(shù)控車及數(shù)控銑削加工中心完成各自零件的裝夾、對刀及加工仿真操作。

本實習(xí)重點強化動手能力的訓(xùn)練，鼓勵學(xué)生在對柔性制造系統(tǒng)全面了解和認(rèn)識的基礎(chǔ)上，獨立完成系統(tǒng)的運行和各分系統(tǒng)的設(shè)計操作。

四、結(jié)論

柔性制造實驗教學(xué)系統(tǒng)的建成與投入使用，豐富提高了我校機(jī)械電子工程專業(yè)在開放性實驗室的實驗教學(xué)和實訓(xùn)的能力。以此平臺為基礎(chǔ)，在授課教師及實驗教師的共同努力下，有針對性地開展相關(guān)實驗、實訓(xùn)項目，使學(xué)生可以更好地掌握機(jī)械、電子、電氣、液壓、自動控制、數(shù)控等專業(yè)知識，并以實際設(shè)備為對象，建立機(jī)電一體化設(shè)備調(diào)試、運行、維護(hù)等相關(guān)能力，有效地對應(yīng)本專業(yè)培養(yǎng)目標(biāo)要求。經(jīng)過學(xué)習(xí)和訓(xùn)練，學(xué)生的綜合素質(zhì)得到提高并激發(fā)了部分學(xué)生的專業(yè)學(xué)習(xí)興趣和科技創(chuàng)新興趣，為今后的能力培養(yǎng)和就業(yè)發(fā)展打下了基礎(chǔ)。

通過一年多時間的應(yīng)用，實驗、實訓(xùn)等項目內(nèi)容在不斷充實完善，在其間也發(fā)現(xiàn)了一些問題，例如包括對指導(dǎo)教師的能力要求、系統(tǒng)運行耗材費用控制等將在今后工作中逐步完善。

參考文獻(xiàn)：

[1]王偉，王殿君，申愛明，等.柔性制造系統(tǒng)在機(jī)電一體化專業(yè)綜合訓(xùn)練中的應(yīng)用[J].安徽師范大學(xué)學(xué)報，2010，33（6）：554-557.

篇8

    一、 數(shù)控機(jī)床故障診斷原則

    1. 先外部后內(nèi)部

    數(shù)控機(jī)床是機(jī)械、液壓、電氣一體化的機(jī)床,所以故障的發(fā)生必然要從這三者之間綜合反映出來。所以要求維修人員掌握先外部后內(nèi)部的原則,即當(dāng)數(shù)控機(jī)床發(fā)生故障后,維修人員應(yīng)采用望、聞、聽、問等方法,由外向里逐一進(jìn)行檢查。

    例1:一數(shù)控車床剛投入使用的時候,在系統(tǒng)斷電后重新啟動時,必須要返回到參考點。即當(dāng)用手動方式將各軸移到非干涉區(qū)外后,再使各軸返回參考點。否則,可能發(fā)生撞車事故。所以,每天加工完后,最好把機(jī)床的軸移到安全位置。此時再操作或斷電后就不會出現(xiàn)問題。

    外部硬件操作引起的故障是數(shù)控修理中的常見故障。一般都是由于檢測開關(guān)、液壓系統(tǒng)、氣動系統(tǒng)、電氣執(zhí)行元件、機(jī)械裝置出現(xiàn)問題引起的。這類故障有些可以通過報警信息查找故障原因。對一般的數(shù)控系統(tǒng)來講都有故障診斷功能或信息報警。維修人員可利用這些信息手段縮小診斷范圍。而有些故障雖有報警信息顯示,但并不能反映故障的真實原因。這時需根據(jù)報警信息和故障現(xiàn)象來分析解決。

    例如:臺立式加工中心采用FANUC-OM控制系統(tǒng)。機(jī)床在自動方式下執(zhí)行到X軸快速移動時就出現(xiàn)414#和410#報警。此報警是速度控制OFF和X軸伺服驅(qū)動異常。由于此故障出現(xiàn)后能通過重新啟動消除,但每執(zhí)行到X軸快速移動時就報警。經(jīng)查該伺服電機(jī)電源線插頭因電弧爬行而引起相間短路,經(jīng)修整后此故障排除。

    2. 先機(jī)械后電氣

    由于數(shù)控機(jī)床是一種自動化程度高,技術(shù)復(fù)雜的先進(jìn)機(jī)械加工設(shè)備。機(jī)械故障較易發(fā)現(xiàn),而系統(tǒng)故障診斷難度要大一些。

    3. 先靜后動

    維修人員要做到先靜后動,不可盲目動手,應(yīng)先詢問操作人員故障發(fā)生的過程及狀態(tài),查看說明書、資料后方可動手查找故障原因,繼而排除故障,

    4. 先公用后專用

    公用性問題會影響到全局,而專用性問題只影響局部。

    5. 先簡單后復(fù)雜當(dāng)出現(xiàn)多種故障相互交織掩蓋、一時無從下手時,應(yīng)先解決容易的問題,后解決較大的問題。常常在解決簡單的故障的過程中,難度大的問題也可能變的容易,理清思路,將難度較大的變得容易一些。

    6. 先一般后特殊

    在排除某一故障時,要先考慮最常見的可能原因,然后再分析很少發(fā)生的特殊原因。

    二、 數(shù)控系統(tǒng)自診斷技術(shù)及故障排除方法

    所謂系統(tǒng)診斷技術(shù),就是利用數(shù)控裝置中的計算機(jī)及相關(guān)運行診斷軟件進(jìn)行各種測試。

    1. 自診斷技術(shù)

    1) 開機(jī)自診斷:數(shù)控系統(tǒng)通電后,設(shè)備內(nèi)部診斷軟件會自動對系統(tǒng)中各種元件如CPU、RAM及各應(yīng)用軟件進(jìn)行逐一檢測并將檢測結(jié)果顯示出來,如檢測發(fā)現(xiàn)問題,系統(tǒng)會顯示報警信息或發(fā)出報警信號。開機(jī)自診斷通常會在開機(jī)一分鐘之內(nèi)完成。

    有時開機(jī)診斷會將故障原因定位到電路板或模塊上,但也經(jīng)常僅將故障原因定位在某一范圍內(nèi),這時維修人員需查找相關(guān)維修手冊根據(jù)提示找到真正故障原因并加以排除。

    2) 運行自診斷:運行自診斷也稱在線自診斷,是指數(shù)控系統(tǒng)正常工作時,運行內(nèi)部診斷程序,對系統(tǒng)本身、PLC、位置伺服單元以及與數(shù)控裝置相連的其它外部裝置進(jìn)行自動測試、檢查,并顯示有關(guān)信息,這種診斷一般會在系統(tǒng)工作時反復(fù)進(jìn)行。

    3) 脫機(jī)診斷:當(dāng)系統(tǒng)出現(xiàn)故障時,首先停機(jī),然后使用隨機(jī)的專用診斷紙帶對系統(tǒng)進(jìn)行脫機(jī)診斷。診斷時先要將紙帶上的程序讀入RAM系統(tǒng)中,計算機(jī)運行程序進(jìn)行診斷,從而判定故障部位,這種診斷在早期的數(shù)控系統(tǒng)中應(yīng)用較多。

    2. 人工診斷技術(shù)

    數(shù)控系統(tǒng)的故障種類很多,而自診斷往往不能對系統(tǒng)的所有部件進(jìn)行測試,也不能將故障原因定位到具體確定的元器件上,這時要迅速查明原因就需要采用人工診斷方法。人工診斷方法有很多種,最常用的有:功能程序測試法、參數(shù)檢查法、備件置換法、直觀法、原理分析法等,現(xiàn)簡介如下: 1) 功能程序測試法:這種方法將數(shù)控系統(tǒng)中的G、M、S、T、功能的全部指令編成一個測試程序,穿成紙帶或存儲到軟盤上在進(jìn)行診斷時運行這個程序,可快速判定哪個功能出現(xiàn)問題,這種方法一般在機(jī)床出現(xiàn)隨機(jī)性故障時使用,也可用于設(shè)備閑置時間較長重新投入使用時測試用。

    2) 參數(shù)檢查法:一般系統(tǒng)的參數(shù)是存放在RAM中的,一旦出現(xiàn)干擾或其它原因會造成參數(shù)丟失或混亂,從而使系統(tǒng)不能正常工作,這時應(yīng)根據(jù)故障特征,檢查和核對有關(guān)參數(shù),在排除某些故障時,有時還需對某些參數(shù)進(jìn)行調(diào)整。

    3) 備件置換法:是將系統(tǒng)中型號完全相同的電路板、模塊、集成電路或其它零部件進(jìn)行互相交換比較,或利用備用的元器件替換有疑點的部件,從而快速有效地確定故障部位。

    4) 直觀法:直觀法是利用維修中常用的“先外后內(nèi)”的原則,利用觀察零部件的工作狀態(tài)、聽聲音、摸發(fā)熱等方法,進(jìn)行逐個檢查,如利用視覺可觀察內(nèi)部器件或外部連接的形狀上的變化;利用聽覺可查尋器件發(fā)出的異常聲音;利用嗅覺或觸覺可查尋過載、高溫等現(xiàn)象;等等。

    5) 原理分析法:當(dāng)采用其它檢查方法難以奏效時,可以從電路基本原理出發(fā),一步一步用萬用表、邏輯表、示波器等工具對測點進(jìn)行檢查對照,最終查明故障原因。

    3. 高級診斷技術(shù)1) 在高級診斷中,常用的方法主要有以下幾種方法:

    2) 自修復(fù)診斷:自修復(fù)診斷一般是指在系統(tǒng)內(nèi)設(shè)置不參與運行的備用模塊。自修復(fù)程序在控制系統(tǒng)每次開機(jī)運行,當(dāng)發(fā)現(xiàn)某模塊有問題時,系統(tǒng)會把故障信息顯示在屏幕上,同時自動查尋備用模塊,故障模塊的工作即被備用模塊取代,維修人員可根據(jù)提示更換下一故障模塊。自修復(fù)診斷方法需要較多的備用模塊,這會使系統(tǒng)體積增大,價格提高。

    3) 診斷指導(dǎo)專家系統(tǒng):近年來,隨著圖像識別、聲音識別、自動翻譯和智能工業(yè)機(jī)器人等技術(shù)的發(fā)展,這些技術(shù)越來越多地被應(yīng)用到數(shù)控機(jī)床上。診斷專家系統(tǒng)以專家知識、經(jīng)驗為基礎(chǔ),自動模仿專家利用知識解決復(fù)雜問題的思維活動,這就使普通工作人員同樣能對故障做出具有專家級水平的診斷結(jié)論。

篇9

關(guān)鍵詞: 城市；航空攝影測量；發(fā)展趨勢

Abstract: The paper combine with author’s work experience, in-depth analysis of the future urban Aerophotogrammetry development trend introduced for reference.Key words: City; aerial photogrammetry; trends

中圖分類號：{P286+.4}文獻(xiàn)標(biāo)識碼：A文章編號：2095-2104（2012）

回顧過去, 城市航測走過了艱難曲折的歷程, 我們?yōu)樗〉渺橙粯I(yè)績的今天而自豪, 隨著科學(xué)技術(shù)的快速發(fā)展, 城市航測經(jīng)歷了從模擬測繪時代向數(shù)字測繪時代的跨越, 正積極朝向信息化測繪時代邁進(jìn)。由于發(fā)展應(yīng)用的拓展和延伸, 城市航測與RS ,GIS,GPS 集成技術(shù)更趨緊密,而成為地球空間信息技術(shù)的組成部分, 隨著計算機(jī)技術(shù)和互聯(lián)通信技術(shù)的發(fā)展, 地球空間信息技術(shù)的下一個發(fā)展目標(biāo)是空間信息網(wǎng)格技術(shù), 實現(xiàn)這一目標(biāo)任重道遠(yuǎn), 城市航空攝影測量者將面臨著前所未有的機(jī)遇和挑戰(zhàn)。

自 20 世紀(jì) 80 年代初起,北京、上海、沈陽、武漢等十幾個城市陸續(xù)開展了航空攝影測量技術(shù)測制城市大比例尺地形圖的生產(chǎn)應(yīng)用, 隨著生產(chǎn)發(fā)展的需要, 各城市測繪單位先后組建了航測機(jī)構(gòu)開展航空攝影測量業(yè)務(wù),自 CJJ8－85《城市測量規(guī)范》頒布實施后, 大比例尺航測成圖技術(shù)的應(yīng)用在國內(nèi)各城市測繪單位快速的得到推廣應(yīng)用。上世紀(jì) 6 0 年代末攝影測量技術(shù)在國際上開始由“模擬到解析”的過渡, 我國城市測繪系統(tǒng)的航空攝影測量也在上世紀(jì) 80 年代初到 9 0 年代基本實現(xiàn)了這一過渡, 在城市建設(shè)和城市規(guī)劃管理及城市重大設(shè)施的設(shè)計與建設(shè)中起到了積極作用。自 1983 年 5 月在江蘇省鎮(zhèn)江召開了由國家城市勘測主管部門主持的“城市航空攝影測量經(jīng)驗交流會”至今, 我國城市航空攝影測量的發(fā)展走過了不平凡的歷程,回顧城市航空攝影測量的發(fā)展進(jìn)程, 展望未來城市航測的發(fā)展趨勢, 對謀劃、布局今后城市航測的發(fā)展, 探索其發(fā)展規(guī)律, 以新的思路和對策迎接新時代的挑戰(zhàn)具有重要的意義。

1．大比例尺航測成圖成為城市基本地形圖成圖的主要方式

城市大比例尺地形圖精度要求高, 長期以來主要通過平板儀、經(jīng)緯儀配合小平板儀的作業(yè)方法來實現(xiàn)的。這種方法勞動強度大, 成圖周期長, 成本高, 因而難以適應(yīng)城市建設(shè)發(fā)展與城市規(guī)劃、管理的需要。采用航測法實施大范圍的大比例尺的成圖需要一、二級精密立體測圖儀方能保證精度, 在上世紀(jì) 8 0 年代初這類儀器往往需要進(jìn)口, 而且價格昂貴, 有的甚至需要申請國家外匯額度進(jìn)行配置。而當(dāng)時我國城市測繪經(jīng)費的來源是在城市維護(hù)費和規(guī)劃業(yè)務(wù)費中安排一定數(shù)量的城市勘測基礎(chǔ)業(yè)務(wù)費用, 高昂的儀器購置費用一般城市難以解決, 大多數(shù)城市航測成圖設(shè)備僅有1818 立體坐標(biāo)量測儀、國產(chǎn) HJ － 24 或 Hi－ 3 糾正儀、PC － 1500 計算機(jī)、單投影儀等, 如何使這些設(shè)備在城市大比例尺航測成圖的生產(chǎn)中形成良好的效益是當(dāng)時魚待解決的問題。從我國大多數(shù)城市處于地勢平坦(間有小丘陵) 的地理環(huán)境方面出發(fā), 經(jīng)過反復(fù)研究試驗, 航測綜合法成圖得到大家的認(rèn)同和普遍的應(yīng)用, 航測綜合法是攝影測量與平板儀測量相結(jié)合的一種方法,它可以使內(nèi)、外業(yè)分工流水作業(yè), 人力資源得到充分的應(yīng)用。

城鄉(xiāng)建設(shè)環(huán)境保護(hù)部在杭州市就城市大比例尺航測成圖及其設(shè)備配套問題, 邀請部分省、市、自治區(qū)的有關(guān)專家和工程技術(shù)人員參加的技術(shù)論證會。參會人員從理論與實踐、質(zhì)量與速度、經(jīng)濟(jì)與效益等不同角度將城市大比例尺航測成圖法與常規(guī)平板儀、經(jīng)緯儀配合小平板儀作業(yè)方法進(jìn)行了比較一致認(rèn)為: 城市大比例尺航測成圖是城市基本地形圖測繪的

主要手段。為了加快城市大比例尺地形圖的成圖和更新, 與會專家認(rèn)為根據(jù)航測綜合法的基本原理而形成的“解析綜合法”、“數(shù)字解析法”、“樁點透刻法”等 3 種方法符合當(dāng)時國情和城市測繪部門的現(xiàn)實條件, 是一種行之有效的方法。

2．大比例尺航測計算機(jī)輔助成圖技術(shù)的廣泛應(yīng)用

航測機(jī)助成圖技術(shù)是城市航空攝影測量從模擬經(jīng)解析向數(shù)字化方向發(fā)展的重要階段。2 0 世紀(jì)初奧地利維也納軍事地理研究所制成了“自動立體測圖儀”, 到上世紀(jì)60 至 7 0 年代, 這種類型的儀器發(fā)展到了頂峰。由于這些儀器均采用光學(xué)投影器、機(jī)械投影器或光學(xué)——機(jī)械投影器“模擬”攝影過程, 用它們交會被攝物體的空間位置, 所以稱其為“模擬攝影測量儀器”, 因而這一發(fā)展時期也被稱為“模擬攝影測量時代”。在模擬攝影測量的漫長發(fā)展階段中,攝影測量科技的發(fā)展可以說基本上圍繞著十分昂貴的精密立體測圖儀進(jìn)行的, 所以我國城市測繪部門擁有立體測圖儀的數(shù)量是十分有限的。20 世紀(jì) 80 年代至 90 年代城市規(guī)劃、建設(shè)和土地管理及其各相關(guān)專業(yè)由于采用 CAD 技術(shù)而需要數(shù)字化地圖。由于模擬測圖儀測繪的地形圖都是線劃產(chǎn)品, 用于建立地理信息基礎(chǔ)庫時, 還需要將地形圖數(shù)字化, 增加了工作量。在這樣的背景下如果仍用精測儀單純生產(chǎn)線劃地形圖已不符合實際發(fā)展需要了, 所以在這個時期城市各測繪部門都對已有的模擬儀器進(jìn)行技術(shù)改造, 增加計算機(jī)與接口設(shè)備, 用計算機(jī)輔助測圖, 提高測圖效率, 并使產(chǎn)品具有線劃與數(shù)字兩種形式, 可以直接進(jìn)入地理信息庫而形成機(jī)助成圖系統(tǒng), 成為當(dāng)時城市航空攝影測量的主要技術(shù)手段。

3．?dāng)?shù)字?jǐn)z影測量——城市航測的現(xiàn)代化

城市測繪部門隨著數(shù)字化測圖技術(shù)內(nèi)、外業(yè)一體化的實現(xiàn)、基礎(chǔ)地理信息系統(tǒng)的建立, 數(shù)字?jǐn)z影測量成為基礎(chǔ)地理信息獲取和快速更新的重要數(shù)據(jù)。數(shù)字?jǐn)z影測量系統(tǒng)除了勝任解析測圖儀的一切功能外, 還具有諸如圖像識別、影像的比較分析、任意方式的糾正和數(shù)據(jù)庫管理等功能,以測繪常規(guī)地形圖為主的城市航測成圖將全面轉(zhuǎn)向以實現(xiàn) GIS 數(shù)據(jù)庫的自動建立和更新。由于有了良好的經(jīng)濟(jì)支撐, 當(dāng)前國內(nèi)一些大、中城市測繪部門在配置上述兩類型數(shù)字?jǐn)z影測量系統(tǒng)的同時購置高精度影像掃描儀及圖形輸出設(shè)備, 從而形成了較為完善的城市大比例尺航測數(shù)字產(chǎn)品的生產(chǎn)規(guī)模和能力。

4．城市航空攝影測量的展望

利用高分辨率 CCD 相機(jī)所攝傾斜影像, 根據(jù)建筑物的幾何條件與約束條件, 按照透視變換原理直接獲取等主距的平行影像進(jìn)而獲取建筑物立面影像的方法, 隨后依最少的地面控制, 將平行影像放大到給定比例尺的數(shù)字城市中, 這種方法可大大加快車載系統(tǒng)大比例尺建筑物立面影像的獲取過程, 不受建筑物高低的影響, 可用于機(jī)載、固定和人工作業(yè)多種測量模式, 解決了航空攝影測量的“盲區(qū)”, 將成為數(shù)字城市建設(shè)的核心技術(shù)之一。

近期國內(nèi)外已將數(shù)碼航空攝影技術(shù)推向?qū)嵱没A段, 在我國一些城市也已進(jìn)行了數(shù)碼航空攝影的實踐, 該技術(shù)徹底拋開了常規(guī)航攝作業(yè)中對底片沖洗等十分繁冗的工作, 省去了膠片沖洗、影像掃描等專用設(shè)備及相應(yīng)工序, 可將影像數(shù)據(jù)直接在計算機(jī)中進(jìn)行后處理, 使航測作業(yè)從攝影、測量到最終成圖全過程的數(shù)字化, 隨著研究、實踐進(jìn)程的不斷深化, 該技術(shù)會不斷成熟、完善,應(yīng)引起城市航測界的高度關(guān)注。

當(dāng)前商業(yè)化的高分辨率遙感影像諸如IKONOS, EROS, QuickBird 等已出現(xiàn)好幾年, 由于它們具有強大的幾何量測能力,已在中、小比例尺地形圖中得到充分應(yīng)用。我國也自主研發(fā)了較高分辨率的遙感衛(wèi)星, 并獲取了大量的對地觀測影像。未來還有發(fā)射更高分辨率衛(wèi)星計劃, 所獲取的高分辨率衛(wèi)星影像將擁有巨大的應(yīng)用市場, 為此, 城市測繪部門應(yīng)予以密切的關(guān)注, 使其完全依賴航空攝影生產(chǎn)地形圖的手段得到根本性的改變。

5．結(jié)語

數(shù)字航空攝影測量技術(shù)正在逐步取代傳統(tǒng)方法,在此重大革新的關(guān)口,筆者基于多年工作經(jīng)驗,結(jié)合大量相關(guān)文獻(xiàn),對城市航空攝影測量的發(fā)展趨勢進(jìn)行了詳細(xì)的分析和探討,對未來的發(fā)展提出了一定的展望。

參考文獻(xiàn)：

篇10

論文關(guān)鍵詞：人類智能，人工智能，認(rèn)知，心理學(xué)

 

人工智能技術(shù)無論是在過去，現(xiàn)在還是將來，都作為科學(xué)研究的熱點問題之一。人類對自己本身的秘密充滿好奇，隨著生物技術(shù)的飛速發(fā)展，人類不斷破譯人體的生命密碼。而以生物科學(xué)為基礎(chǔ)的人工智能技術(shù)也得到了長足的發(fā)展。人們希望通過某種技術(shù)或者某些途徑能夠創(chuàng)造出模擬人思維和行為的“替代品”，幫助人們從事某些領(lǐng)域的工作。為了讓計算機(jī)能夠從事一些只有人腦才能完成的工作，解脫人的繁重的腦力勞動，人類對自身的思維和智能不斷地研究探索。但是，科學(xué)技術(shù)是一柄雙刃劍，人們對人工智能技術(shù)的飛速發(fā)展存在著恐慌。如果機(jī)器真的具有了人類的智能，在未來的某一天，他們會不會取代人類而成為地球的主宰者？人類智能和人工智能，誰才是未來的傳奇？

1.你在和誰說話？

“先進(jìn)的人工智能機(jī)器人不但擁有可以亂真的人類外表，而且還能像人類一樣感知自己的存在。”這是人工智能發(fā)展到高級階段的目標(biāo)和任務(wù)。那么，我們在不久的未來能否實現(xiàn)這樣一個目標(biāo)呢？人類真的能發(fā)明出足以亂真的智能人類嗎？隔著一堵墻，我們是否能分辨出正在與我們對話的是一部機(jī)器還是人類？

1.1. 人工智能的定義

人工智能(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是相對于人的智能而言的。正是由于意識是一種特殊的物質(zhì)運動形式，所以根據(jù)控制論理論，運用功能模擬的方法心理學(xué)，制造電腦模擬人腦的部分功能，把人的部分智能活動機(jī)械化，叫人工智能。人工智能的本質(zhì)是對人思維的信息過程的模擬，是人的智能的物化。人工智能是計算機(jī)科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能發(fā)展的過程歸納為機(jī)器不斷取代人的過程。

1.2. 人工智能技術(shù)的發(fā)展

幾個世紀(jì)以來，人類依靠智慧，發(fā)明了許多機(jī)器，使人類能夠從許多體力勞動中解放出來。從1956年正式提出人工智能學(xué)科算起，40多年來取得長足的發(fā)展，成為一門廣泛的交叉和前沿科學(xué)?？茖W(xué)家發(fā)明了汽車，火車，飛機(jī)，收音機(jī)等等，它們模仿我們身體器官的功能，但是這些不能模仿人類大腦的功能畢業(yè)論文格式范文。當(dāng)計算機(jī)出現(xiàn)后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數(shù)科學(xué)家為這個目標(biāo)努力著。1997年5月，IBM公司研制的深藍(lán)（Deep Blue）計算機(jī)戰(zhàn)勝了國際象棋大師卡斯帕洛夫（Kasparov）。在一些地方計算機(jī)幫助人進(jìn)行其它原來只屬于人類的工作，計算機(jī)以它的高速和準(zhǔn)確為人類發(fā)揮著它的作用。計算機(jī)的出現(xiàn)，使得人工智能有了突破性的進(jìn)展。計算機(jī)不僅能代替人腦的某些功能，而且在速度和準(zhǔn)確性上大大超過人腦，它不僅能模擬人腦部分分析和綜合的功能，而且越來越顯示某種意識的特性。真正成了人腦的延伸和增強。

1.3. 人工智能的研究領(lǐng)域

人工智能是一種外向型的學(xué)科，也是一門多領(lǐng)域綜合學(xué)科。它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數(shù)學(xué)基礎(chǔ)，哲學(xué)和生物學(xué)基礎(chǔ)，只有這樣才可能讓一臺什么也不知道的機(jī)器模擬人的思維。而人工智能的最根本目的是模擬人類的思維，因此，它的研究領(lǐng)域與人類活動息息相關(guān)。什么地方只要有人在工作，他就可以運用到那個領(lǐng)域。

現(xiàn)階段主要研究領(lǐng)域有專家系統(tǒng)，機(jī)器學(xué)習(xí)，模式識別，自然語言理解，自動定理證明，自動程序設(shè)計心理學(xué)，機(jī)器人學(xué)，博弈，智能決定支持系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)等等。

2.機(jī)器真的可以思考嗎？

機(jī)器真的可以思考嗎？機(jī)器的思考?xì)w根結(jié)底還是模仿人類的思維模式，正是“思考”這一人類的本質(zhì)屬性，使得人工智能和心理學(xué)從最初就緊密地聯(lián)系在一起。心理學(xué)研究人腦中信息的輸入、輸出、存儲和加工，并研究人腦各個部位的功能。最早的雙核計算機(jī)模仿人的左右腦，在人腦不同區(qū)域主管各個不同功能這一原理的基礎(chǔ)上，來設(shè)計負(fù)責(zé)不同功能的芯片。以此為出發(fā)點，心理學(xué)家和計算機(jī)學(xué)者進(jìn)一步合作，通過研究人解決問題的方法來研究開發(fā)人工智能。隨著人工智能的發(fā)展，所要求實現(xiàn)的職能愈加復(fù)雜，但最基本的方式還是邏輯推理和歸納，這正是心理學(xué)家和邏輯學(xué)家的專業(yè)領(lǐng)域。心理學(xué)家以研究探討人類邏輯思維方式為人工智能提供了基本原理和原則。

2.1. 人類意識的本質(zhì)

意識是世界的內(nèi)在規(guī)定、一般規(guī)律和組成部分，是具有客觀實在性同世界的其它組成部分處在對立統(tǒng)一關(guān)系中的事物。意識普遍存于世界和萬物之中，世界是包含意識的世界，萬物是包含意識的萬物。沒有意識存在于其中的世界不是我們現(xiàn)實生活中的世界，沒有意識存在于其中的萬物也不是我們天天眼見手觸的萬物。有了意識的存在，世界和萬物就有了生機(jī)和活力。

2.1.1. 意識是與物質(zhì)相對應(yīng)的哲學(xué)范疇，與物質(zhì)既相對立又相統(tǒng)一的精神現(xiàn)象。

意識是自然界長期發(fā)展的產(chǎn)物，由無機(jī)物的反應(yīng)特性，到低等生物的刺激感應(yīng)性，再到動物的感覺和心理這一生物進(jìn)化過程是意識得以產(chǎn)生的自然條件。意識是社會的產(chǎn)物，人類社會的物質(zhì)生產(chǎn)勞動在意識的產(chǎn)生過程中起決定的作用。辯證唯物主義在強調(diào)物質(zhì)對意識起決定作用的前提下肯定意識對于物質(zhì)具有能動的反作用，在意識活動中人們從感性經(jīng)驗抽象出事物的本質(zhì)、規(guī)律形成理性認(rèn)識，又運用這些認(rèn)識指導(dǎo)自己有計劃、有目的地改造客觀世界。

2.1.2. 從意識的起源看，意識是物質(zhì)世界發(fā)展到一定階段的產(chǎn)物；從意識的本質(zhì)來看，意識是客觀存在在人腦中的反映。

意識是人腦對客觀存在的反映：第一，正確的思想意識與錯誤的思想意識都是客觀存在在人腦中的反映；第二，無論是人的具體感覺還是人的抽象思維，都是人腦對客觀事物的反映；第三，無論是人們對現(xiàn)狀的感受與認(rèn)識，還是人們對過去的思考與總結(jié)，以至人們對未來的預(yù)測，都是人腦對客觀事物的反映。 意識的能動作用首先表現(xiàn)在，意識不僅能夠正確反映事物的外部現(xiàn)象，而且能夠正確反映事物的本質(zhì)和規(guī)律；意識的能動作用還突出表現(xiàn)在，意識能夠反作用于客觀事物，以正確的思想和理論為指導(dǎo)心理學(xué)，通過實踐促進(jìn)客觀事物的發(fā)展。

2.2. 人類意識與人工智能的關(guān)系

認(rèn)知心理學(xué)和人工智能，是認(rèn)知科學(xué)的兩個組成部分。人工智能使用了心理學(xué)的理論，心理學(xué)又借用了人工智能的成果。人類意識與人工智能兩者具有以下關(guān)系：

l人工智能是研究用機(jī)器模擬和擴(kuò)展人的智能的科學(xué)。它撇開了人腦的內(nèi)在結(jié)構(gòu)和意識的社會性，而只是把人腦作為一種信息處理的過程，包括信息的接收、記憶、分析、控制和輸出五部分?，F(xiàn)代科學(xué)技術(shù)用相應(yīng)的部件來完成著五個過程，就構(gòu)成了人工智能或電腦。

l人工智能可以代替人的某些腦力勞動，甚至可以超過人的部分思維能力，隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，它發(fā)揮著越來越重要的作用。人工智能的出現(xiàn)不僅解放了人的智力，而且為研究人腦的意識活動提供了新的方法和途徑。它說明了人的意識活動不管多么復(fù)雜，都是以客觀物質(zhì)過程為基礎(chǔ)的，而不是什么神秘的超物質(zhì)的東西，人們完全可以用自然科學(xué)的精確方法來加以研究和模擬，它進(jìn)一步證實了辯證唯物主義意識論的科學(xué)性畢業(yè)論文格式范文。

l人工智能的產(chǎn)生和發(fā)展，深化了我們對意識相對獨立性和能動性的認(rèn)識。機(jī)器思維即人工智能表明，思維形式在思維活動中對于思維內(nèi)容具有相對獨立性，它可從人腦中分化出來，物化為機(jī)械的、物理的運動形式，部分地代替人的思維活動。

隨著科學(xué)技術(shù)的發(fā)展，人工智能將向更高水平發(fā)展，反過來推動科學(xué)技術(shù)、生產(chǎn)力和人類智慧向更高水平發(fā)展，對人類社會進(jìn)步將起著巨大的推動作用。

3. 人工智能的未來

人工智能是為了模擬人類大腦的活動而產(chǎn)生的科學(xué)，人類已經(jīng)可以用許多新技術(shù)新材料模擬人體的許多功能，諸如皮膚，毛發(fā)，骨骼等等，也就是說，人類可以創(chuàng)造出“類人體”。只要能夠模擬人的大腦的功能，人就可以完成人工生命的研究工作，人創(chuàng)造自己，這不但在科學(xué)上，而且在哲學(xué)上都具有劃時代的意義。這就是人工智能承擔(dān)的歷史使命。

在科學(xué)技術(shù)日新月異的今天，知識爆炸，科技的增長超出了人類承受的速度。各種新科技的出現(xiàn)層出不窮，隨之而來的成果簡直讓人瞠目結(jié)舌，克隆、基因芯片、轉(zhuǎn)基因等等，人類自身的秘密開始一層一層的揭開。我們?nèi)四X的復(fù)雜結(jié)構(gòu)，人體的基因鏈也逐漸被科學(xué)技術(shù)解剖。我們希望將來的人工智能機(jī)器能將我們從繁重的體力勞動和腦力勞動中解放出來心理學(xué)，例如機(jī)器人做家務(wù)，帶孩子，做司機(jī)，秘書等等一系列我們不愿意花太多精力或者有太多限制條件的工作。然而，人類由于多種“性能”都不如機(jī)器人，反而退化成為機(jī)器人的奴隸？他們會不會有一天無法忍受人類對他們的“剝削”和“壓迫”，挑戰(zhàn)人類的統(tǒng)治？很多的科幻作品和電影中都預(yù)言了這樣的場景，未來的智能機(jī)器人和人類爭奪有限的地球資源，并最終打敗人類，成為新的地球統(tǒng)治者。這也正是絕大多數(shù)心理學(xué)家和哲學(xué)家對人工智能的發(fā)展憂心忡忡的原因。

人工智能的發(fā)展，也只能無限接近于人的智能，而不能超越人的智能。因為人工智能技術(shù)的本質(zhì)，是模擬人類的思維過程，是為人類服務(wù)的。我們在進(jìn)行發(fā)明創(chuàng)造的同時，擔(dān)心被我們所發(fā)明的物質(zhì)所毀滅。正如人類發(fā)明了原子能，用于取代正在逐漸消逝的礦物能源，然而當(dāng)原子能用于軍事領(lǐng)域的時候，他產(chǎn)生的力量也足以毀滅人類文明?？萍急旧聿⒉皇菃栴}，人類如何運用自己掌握的技術(shù)，才是問題的關(guān)鍵。我們最大的敵人不是我們發(fā)明的技術(shù)，而是我們自己本身。

【參考文獻(xiàn)】

1.李建國人工智能與認(rèn)知心理學(xué)[J]. 西南師范大學(xué)學(xué)報 1986年4月第二期 142-146頁

2.鄭南寧認(rèn)知過程的信息處理和新型人工智能系統(tǒng)[J]. 中國基礎(chǔ)科學(xué).科學(xué)前沿2008年 9-18頁

3.蔡自興，徐光祐人工智能及其應(yīng)用(第三版)[M].北京.清華大學(xué)出版社 2004年

4.（美）Sternberg,R.J.認(rèn)知心理學(xué)[M] .北京.中國輕工業(yè)出版社 2006年

5.（美）Nils J.Nilsson 人工智能[M].北京. 機(jī)械工業(yè)出版社 2004年