前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇對(duì)計(jì)算機(jī)視覺(jué)的理解范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

對(duì)計(jì)算機(jī)視覺(jué)的理解范文第1篇

關(guān)鍵詞：雙目視覺(jué)；匹配算法；計(jì)算機(jī)視覺(jué)；立體匹配；相位一致性

1.計(jì)算機(jī)視覺(jué)系統(tǒng)分析研究

1.1計(jì)算機(jī)視覺(jué)技術(shù)及雙目立體視覺(jué)

計(jì)算機(jī)視覺(jué)是通過(guò)計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)視覺(jué)信息處理的整個(gè)過(guò)程，是一門新的學(xué)科。視覺(jué)是人們認(rèn)知事物的重要途徑，視覺(jué)是人們對(duì)視覺(jué)信息獲取、處理和存儲(chǔ)的過(guò)程。隨著計(jì)算機(jī)技術(shù)的發(fā)展，信號(hào)處理技術(shù)的應(yīng)用，人們通過(guò)照相機(jī)來(lái)把實(shí)際的事物拍攝下來(lái)轉(zhuǎn)變?yōu)閿?shù)字信息，并通過(guò)計(jì)算機(jī)信號(hào)處理技術(shù)隊(duì)獲取的視覺(jué)信號(hào)進(jìn)行處理。計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像的處理分為獲取圖像、特征抽象選取、事物識(shí)別及分類和對(duì)三維信息的理解。獲取圖像主要是通過(guò)攝像機(jī)和紅外線等技術(shù)對(duì)周圍視覺(jué)事物進(jìn)行獲取，并通過(guò)計(jì)算得到和真實(shí)事物相應(yīng)的二維圖像，二維圖像主要是數(shù)字圖像。計(jì)算機(jī)視覺(jué)系統(tǒng)的最基本的功能是數(shù)字圖像的獲取。可以看出計(jì)算機(jī)視覺(jué)研究最基本內(nèi)容是三維場(chǎng)景距離信息的獲取。在計(jì)算機(jī)被動(dòng)測(cè)量距離方法中，有一種重要的距離感知技術(shù)叫作雙目立體視覺(jué)。雙目立體視覺(jué)技術(shù)是其他計(jì)算機(jī)視覺(jué)技術(shù)無(wú)法取代的一種技術(shù)，對(duì)雙目立體視覺(jué)技術(shù)的研究在計(jì)算機(jī)視覺(jué)技術(shù)和工程應(yīng)用方面都是非常重要的。

1.2計(jì)算機(jī)視覺(jué)理論框架

第一個(gè)視覺(jué)系統(tǒng)理論框架的提出是以信息處理為基礎(chǔ)，綜合了圖像處理和神經(jīng)生理學(xué)等研究?jī)?nèi)容而建立的。這個(gè)視覺(jué)系統(tǒng)理論框架是計(jì)算機(jī)視覺(jué)系統(tǒng)的基本框架，與計(jì)算機(jī)視覺(jué)技術(shù)有著密切的關(guān)系。視覺(jué)系統(tǒng)的研究是以信息處理為基礎(chǔ)的，從理論層次、算法層次和硬件層次3個(gè)層次進(jìn)行研究。計(jì)算機(jī)理論層次主要是表達(dá)系統(tǒng)各個(gè)部分計(jì)算的目的和方法，對(duì)視覺(jué)系統(tǒng)的輸入和輸出進(jìn)行規(guī)定，輸入作為二維圖像，輸出是以二維圖像為基礎(chǔ)建立起來(lái)的三維物體，視覺(jué)系統(tǒng)的目的就是對(duì)三維物體進(jìn)行分析和識(shí)別，通過(guò)計(jì)算對(duì)二維物置和形狀進(jìn)行重新建立。算法層次對(duì)計(jì)算機(jī)規(guī)定的目標(biāo)進(jìn)行計(jì)算，算法和計(jì)算機(jī)表達(dá)有關(guān)，不同的表達(dá)可以通過(guò)不同的算法進(jìn)行實(shí)現(xiàn)，在計(jì)算機(jī)理論的層次上，算法和表達(dá)比計(jì)算機(jī)理論的層次要低。硬件層次是通過(guò)硬件來(lái)實(shí)現(xiàn)算法的一種表達(dá)方法。計(jì)算機(jī)理論層次在計(jì)算機(jī)信息處理中時(shí)最高的層次，取決于計(jì)算機(jī)的本質(zhì)是解決計(jì)算機(jī)的自身問(wèn)題，不是取決于計(jì)算問(wèn)題的計(jì)算機(jī)硬件。要更好地對(duì)計(jì)算機(jī)系統(tǒng)和框架進(jìn)行理解最好的方法就是要區(qū)分3個(gè)不同的層次，計(jì)算機(jī)理論的含義和主要解決的問(wèn)題是計(jì)算機(jī)的目的，表達(dá)算法含義和主要解決的問(wèn)題是實(shí)現(xiàn)計(jì)算理論的方法和輸入輸出的表達(dá)，硬件的實(shí)現(xiàn)的含義和主要解決的問(wèn)題是如何在物理上對(duì)表達(dá)和算法進(jìn)行實(shí)現(xiàn)。計(jì)算機(jī)視覺(jué)處理的可以分為3個(gè)階段，對(duì)視覺(jué)信息的處理過(guò)程從最初的二維圖像的原始數(shù)據(jù)，到三維環(huán)境的表達(dá)。第一階段基元圖的構(gòu)成，基元圖是用來(lái)表示二維圖像中的重要信息，主要是圖像中亮度變化位置及其幾何分布和組織結(jié)構(gòu)，圖像中每點(diǎn)的亮度值包括零交叉、斑點(diǎn)、端點(diǎn)和不連續(xù)點(diǎn)、邊緣等。第二階段2.5維圖描述，在以觀測(cè)者為中心的坐標(biāo)中，表示可見(jiàn)表面的方向、深度值和不連續(xù)的輪廓，基元是局部表面朝向離觀測(cè)者的距離深度上的不連續(xù)點(diǎn)表面朝向的不連續(xù)點(diǎn)。第三階段三維模型表示，在以物體為中心的坐標(biāo)系中，有由體積單元和面積單元構(gòu)成的模塊化多層次表示，描述形狀及其空間組織形式，分層次組成若干三維模型，每個(gè)三維模型都是在幾個(gè)軸線空間的基礎(chǔ)上構(gòu)成的，所有體積單元或面積形狀基元都附著在軸線上。視覺(jué)理論框架圖如圖1所示。

2.基于計(jì)算機(jī)的視覺(jué)立體匹配算法研究

視覺(jué)立體匹配算法是基于人類視覺(jué)系統(tǒng)的一種計(jì)算機(jī)算法。立體匹配算法作為計(jì)算機(jī)立體視覺(jué)問(wèn)題研究的重點(diǎn)，快速地實(shí)現(xiàn)圖像對(duì)應(yīng)點(diǎn)的匹配來(lái)獲得視差圖是當(dāng)今研究的熱點(diǎn)問(wèn)題。立體視覺(jué)匹配算法根據(jù)基元匹配的不同可以分為相位匹配、區(qū)域匹配和特征匹配3種，其中區(qū)域匹配算法可以減少計(jì)算負(fù)擔(dān)，區(qū)域匹配算法實(shí)時(shí)性高，應(yīng)用前景廣闊。計(jì)算機(jī)立體視覺(jué)通過(guò)對(duì)人的雙眼進(jìn)行模仿，在雙眼的立體感知中獲得信息，從攝像機(jī)拍攝的圖像中獲取物體的三維深度信息，這就是深度圖的獲取，把深度圖經(jīng)過(guò)處理得到三維空間信息數(shù)據(jù)，二維圖像到三維空間實(shí)現(xiàn)轉(zhuǎn)換。深度的獲取在雙目立體成像視覺(jué)系統(tǒng)中分為兩步，首先在雙目立體圖像與圖像之間建立點(diǎn)對(duì)點(diǎn)的對(duì)象關(guān)系，雙目立體視覺(jué)算法研究的重點(diǎn)問(wèn)題是解決對(duì)應(yīng)點(diǎn)之間的匹配問(wèn)題。其次以對(duì)應(yīng)點(diǎn)之間的視差為依據(jù)對(duì)深度值進(jìn)行計(jì)算。雙目成像是獲取同一場(chǎng)景中兩幅不同的圖像，兩個(gè)單目成像模型構(gòu)成一個(gè)雙目成像模型。雙目成像示意圖如圖2所示。系統(tǒng)的基線B是兩個(gè)鏡頭中心的連接線，空間點(diǎn)w（z，y，z）作為世界坐標(biāo)的值由（x1，y1）與（x2，y2）進(jìn)行確定，如果攝像機(jī)的坐標(biāo)位置和空間點(diǎn)w世界坐標(biāo)的位置重合，圖像平面和世界坐標(biāo)軸xY的平面就是平行的。如果兩個(gè)攝像機(jī)在坐標(biāo)系統(tǒng)中的原點(diǎn)不同但是它們的光軸平行，那么雙目成像計(jì)算人們可以看圖3所示，圖3表示的是兩個(gè)攝像頭連線在平臺(tái)xY的示意。

立體視覺(jué)的成像過(guò)程是成像的逆過(guò)程，具有一定的不確定性。大量的數(shù)據(jù)信息在從三維影像向二維圖像進(jìn)行投影的過(guò)程會(huì)出現(xiàn)丟失的現(xiàn)象，所以視覺(jué)系統(tǒng)要通過(guò)自然的約束條件才能保證獲取正確的解。這些約束條件在減少匹配的計(jì)算量方面可以提供有利的幫助。針對(duì)基于區(qū)域匹配快速算法，還可以應(yīng)用基于視差梯度的匹配算法，這種匹配算法應(yīng)用較大的搜索范圍在邊緣的特征點(diǎn)上進(jìn)行搜索，采用視差梯度在非邊緣區(qū)減少搜索范圍。應(yīng)用計(jì)算機(jī)視覺(jué)立體匹配算法可以減少成像匹配時(shí)間，大大提高了工作效率。計(jì)算機(jī)立體匹配算法征點(diǎn)的提取是算法的關(guān)鍵問(wèn)題，今后的研究方向重點(diǎn)是對(duì)有效特征點(diǎn)提取方法的研究。

對(duì)計(jì)算機(jī)視覺(jué)的理解范文第2篇

關(guān)鍵詞：數(shù)字?jǐn)z影測(cè)量 計(jì)算機(jī)視覺(jué) 多目立體視覺(jué) 影像匹配

引言

攝影測(cè)量學(xué)是一門古老的學(xué)科，若從1839年攝影術(shù)的發(fā)明算起，攝影測(cè)量學(xué)已有170多年的歷史，而被普遍認(rèn)為攝影測(cè)量學(xué)真正起點(diǎn)的是1851―1859年“交會(huì)攝影測(cè)量”的提出。在這漫長(zhǎng)的發(fā)展過(guò)程中，攝影測(cè)量學(xué)經(jīng)歷了模擬法、解析法和數(shù)字化三個(gè)階段。模擬攝影測(cè)量和解析攝影測(cè)量分別是以立體攝影測(cè)量的發(fā)明和計(jì)算機(jī)的發(fā)明為標(biāo)志，因此很大程度上，計(jì)算機(jī)的發(fā)展決定了攝影測(cè)量學(xué)的發(fā)展。在解析攝影測(cè)量中，計(jì)算機(jī)用于大規(guī)模的空中三角測(cè)量、區(qū)域網(wǎng)平差、數(shù)字測(cè)圖，還用于計(jì)算共線方程，在解析測(cè)圖儀中起著控制相片盤的實(shí)時(shí)運(yùn)動(dòng)，交會(huì)空間點(diǎn)位的作用。而出現(xiàn)在數(shù)字?jǐn)z影測(cè)量階段的數(shù)字?jǐn)z影測(cè)量工作站（digital　photogrammetry　workstation，DPW）就是一臺(tái)計(jì)算機(jī)+各種功能的攝影測(cè)量軟件。如果說(shuō)從模擬攝影測(cè)量到解析攝影測(cè)量的發(fā)展是一次技術(shù)的進(jìn)步，那么從解析攝影測(cè)量到數(shù)字?jǐn)z影測(cè)量的發(fā)展則是一場(chǎng)技術(shù)的革命。數(shù)字?jǐn)z影測(cè)量與模擬、解析攝影測(cè)量的最大區(qū)別在于：它處理的是數(shù)字影像而不再是模擬相片，更為重要的是它開(kāi)始并將不斷深入地利用計(jì)算機(jī)替代作業(yè)員的眼睛。[1-2]毫無(wú)疑問(wèn)，攝影測(cè)量進(jìn)入數(shù)字?jǐn)z影測(cè)量時(shí)代已經(jīng)與計(jì)算機(jī)視覺(jué)緊密聯(lián)系在一起了[2]。

計(jì)算機(jī)視覺(jué)是一個(gè)相對(duì)年輕而又發(fā)展迅速的領(lǐng)域。其目標(biāo)是使計(jì)算機(jī)具有通過(guò)二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力將不僅使機(jī)器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運(yùn)動(dòng)等，而且能對(duì)它們進(jìn)行描述、存儲(chǔ)、識(shí)別與理解[3]。數(shù)字?jǐn)z影測(cè)量具有類似的目標(biāo)，也面臨著相同的基本問(wèn)題。數(shù)字?jǐn)z影測(cè)量學(xué)涉及多個(gè)學(xué)科，如圖像處理、模式識(shí)別以及計(jì)算機(jī)圖形學(xué)等。由于它與計(jì)算機(jī)視覺(jué)的聯(lián)系十分緊密，有些專家將其看做是計(jì)算機(jī)視覺(jué)的分支。

數(shù)字?jǐn)z影測(cè)量的發(fā)展已經(jīng)借鑒了許多計(jì)算機(jī)視覺(jué)的研究成果[4]。數(shù)字?jǐn)z影測(cè)量發(fā)展導(dǎo)致了實(shí)時(shí)攝影測(cè)量的出現(xiàn)，所謂實(shí)時(shí)攝影測(cè)量是指利用多臺(tái)CCD數(shù)字?jǐn)z影機(jī)對(duì)目標(biāo)進(jìn)行影像獲取，并直接輸入計(jì)算機(jī)系統(tǒng)中，在實(shí)時(shí)軟件的幫助下，立刻獲得和提取需要的信息，并用來(lái)控制對(duì)目標(biāo)的操作[1]。在立體觀測(cè)的過(guò)程中，其主要利用計(jì)算機(jī)視覺(jué)方法實(shí)現(xiàn)計(jì)算機(jī)代替人眼。隨著數(shù)碼相機(jī)技術(shù)的發(fā)展和應(yīng)用，數(shù)字近景攝影測(cè)量已經(jīng)成為必然趨勢(shì)。近景攝影測(cè)量是利用近距離攝影取得的影像信息，研究物體大小形狀和時(shí)空位置的一門新技術(shù)，它是一種基于數(shù)字信息和數(shù)字影像技術(shù)的數(shù)據(jù)獲取手段。量測(cè)型的計(jì)算機(jī)視覺(jué)與數(shù)字近景攝影測(cè)量的學(xué)科交叉將會(huì)在計(jì)算機(jī)視覺(jué)中形成一個(gè)新的分支――攝影測(cè)量的計(jì)算機(jī)視覺(jué)，但是它不應(yīng)僅僅局限于地學(xué)信息[2]。

1.　計(jì)算機(jī)視覺(jué)與數(shù)字?jǐn)z影測(cè)量的差異

1.1　目的不同導(dǎo)致二者的坐標(biāo)系和基本公式不同

攝影測(cè)量的基本任務(wù)是嚴(yán)格建立相片獲取瞬間所存在的像點(diǎn)與對(duì)應(yīng)物點(diǎn)之間的幾何關(guān)系，最終實(shí)現(xiàn)利用攝影片上的影像信息測(cè)制各種比例尺地形圖，建立地形數(shù)據(jù)庫(kù)，為各種地理信息系統(tǒng)建立或更新提供基礎(chǔ)數(shù)據(jù)。因此，它是在測(cè)繪領(lǐng)域內(nèi)發(fā)展起來(lái)的一門學(xué)科。

而計(jì)算機(jī)視覺(jué)領(lǐng)域的突出特點(diǎn)是其多樣性與不完善性。計(jì)算機(jī)視覺(jué)的主要任務(wù)是通過(guò)對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，因此直到計(jì)算機(jī)的性能提高到足以處理大規(guī)模數(shù)據(jù)時(shí)它才得到正式的關(guān)注和發(fā)展，而這些發(fā)展往往起源于其他不同領(lǐng)域的需要。比如在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足要求的場(chǎng)合，常用計(jì)算機(jī)來(lái)替代人工視覺(jué)。

由于攝影測(cè)量是測(cè)繪地形圖的重要手段之一，為了測(cè)繪某一地區(qū)而攝影的所有影像，必須建立統(tǒng)一的坐標(biāo)系。而計(jì)算機(jī)視覺(jué)是研究怎樣用計(jì)算機(jī)模擬人的眼睛，因此它是以眼睛（攝影機(jī)中心）與光軸構(gòu)成的坐標(biāo)系為準(zhǔn)。因此，攝影測(cè)量與計(jì)算機(jī)視覺(jué)目的不同，導(dǎo)致它們對(duì)物體與影像之間關(guān)系的描述也不同。

1.2　二者處理流程不同

2.　可用于數(shù)字?jǐn)z影測(cè)量領(lǐng)域的計(jì)算機(jī)視覺(jué)理論――立體視覺(jué)

2.1　立體視覺(jué)

立體視覺(jué)是計(jì)算機(jī)視覺(jué)中的一個(gè)重要分支，一直是計(jì)算機(jī)視覺(jué)研究的重點(diǎn)和熱點(diǎn)之一，在20多年的發(fā)展過(guò)程中，逐漸形成了自己的方法和理論。立體視覺(jué)的基本原理是從兩個(gè)（或多個(gè)）視點(diǎn)觀察同一景物，以獲取在不同視角下的感知圖像，通過(guò)三角測(cè)量原理計(jì)算像像素間的位置偏差（即視差）來(lái)獲取景物的三維信息，這一過(guò)程與人類視覺(jué)的立體感知過(guò)程是類似的。一個(gè)完整的立體視覺(jué)系統(tǒng)通常可分為圖像獲取、攝像機(jī)定標(biāo)、特征提取、影像匹配、深度確定及內(nèi)插等6個(gè)大部分[5]。其中影像匹配是立體視覺(jué)中最重要也是最困難的問(wèn)題，也是計(jì)算機(jī)視覺(jué)和數(shù)字?jǐn)z影測(cè)量的核心問(wèn)題。

2.2　影像匹配

立體視覺(jué)的最終目的是為了恢復(fù)景物可視表面的完整信息。當(dāng)空間三維場(chǎng)景被投影為二維圖像時(shí)，同一景物在不同視點(diǎn)下的圖像會(huì)有很大不同，而且場(chǎng)景中的諸多因素，如光照條件，景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機(jī)特性等，都被綜合成單一的圖像中的灰度值。因此，要準(zhǔn)確地對(duì)包含了如此之多不利因素的圖像進(jìn)行無(wú)歧義的匹配，顯然是十分困難的。

在攝影測(cè)量中最基本的過(guò)程之一就是在兩幅或者更多幅的重疊影像中識(shí)別并定位同名點(diǎn)，以產(chǎn)生立體影像。在模擬攝影測(cè)量和解析攝影測(cè)量中，同名點(diǎn)的識(shí)別是通過(guò)人工操作方式完成的；而在數(shù)字?jǐn)z影測(cè)量中則利用計(jì)算機(jī)代替人工解決同名點(diǎn)識(shí)別的問(wèn)題，即采用影像匹配的方法。

2.3　多目立體視覺(jué)

根據(jù)單張相片只能確定地面某個(gè)點(diǎn)的方向，不能確定地面點(diǎn)的三維空間位置，而有了立體像對(duì)則可構(gòu)成與地面相似的立體模型，解求地面點(diǎn)的空間位置。雙目立體視覺(jué)由不同位置的兩臺(tái)或者一臺(tái)攝像機(jī)（CCD）經(jīng)過(guò)移動(dòng)或旋轉(zhuǎn)拍攝同一幅場(chǎng)景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過(guò)計(jì)算空間點(diǎn)在兩幅圖像中的視差，獲得該點(diǎn)的三維坐標(biāo)值。現(xiàn)在的數(shù)字?jǐn)z影測(cè)量中的立體像對(duì)技術(shù)通常是在一條基線上進(jìn)行的，但是由于采用計(jì)算機(jī)匹配替代人眼測(cè)定影像同名像對(duì)時(shí)存在大量的誤匹配，使自動(dòng)匹配的結(jié)果很不可靠。其存在的問(wèn)題主要是，對(duì)存在特殊結(jié)構(gòu)的景物，如平坦、缺乏紋理細(xì)節(jié)、周期性的重復(fù)特征等易產(chǎn)生假匹配；在攝像機(jī)基線距離增大時(shí)，遮擋嚴(yán)重，能重建的空間點(diǎn)減少。為了解決這些問(wèn)題，降低雙目匹配的難度，自1986年以來(lái)出現(xiàn)了三目立體視覺(jué)系統(tǒng)，即采用3個(gè)攝像機(jī)同時(shí)攝取空間景物，通過(guò)利用第三目圖像提供的信息來(lái)消除匹配的歧義性[5]。采用“多目立體視覺(jué)技術(shù)”可以利用攝影測(cè)量的空中三角測(cè)量原理，對(duì)多度重疊點(diǎn)進(jìn)行“多方向的前方交會(huì)”，既能較有效地解決隨機(jī)的誤匹配問(wèn)題，同時(shí)又能增加交會(huì)角，提高高程測(cè)量的精度[2]。這項(xiàng)技術(shù)的應(yīng)用，將很大程度地解決自動(dòng)匹配結(jié)果的不可靠性，提高數(shù)字?jǐn)z影測(cè)量系統(tǒng)的準(zhǔn)確性。

對(duì)計(jì)算機(jī)視覺(jué)的理解范文第3篇

關(guān)鍵詞： 食品物流； 運(yùn)作模式； 計(jì)算機(jī)視覺(jué)； 實(shí)時(shí)監(jiān)控

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2013）08-87-02

0 引言

為了加強(qiáng)食品安全的有效追蹤和監(jiān)控，山東省自2011年5月以來(lái)，建成了黃河三角洲高效生態(tài)冷鏈產(chǎn)業(yè)物聯(lián)網(wǎng)管理運(yùn)營(yíng)中心，開(kāi)通了“冷鏈產(chǎn)業(yè)物聯(lián)網(wǎng)管理平臺(tái)”。黃三角冷鏈產(chǎn)業(yè)物聯(lián)網(wǎng)管理平臺(tái)依托食品產(chǎn)銷對(duì)接系統(tǒng)和食品品質(zhì)安全管理系統(tǒng)，實(shí)現(xiàn)了食品全程監(jiān)控和追溯。然而，目前這一管理平臺(tái)只能實(shí)現(xiàn)食品運(yùn)輸流程的監(jiān)控和出現(xiàn)安全問(wèn)題之后的追溯，而不能實(shí)現(xiàn)食品質(zhì)量的實(shí)時(shí)監(jiān)管。對(duì)消費(fèi)者健康的保障和對(duì)社會(huì)穩(wěn)定、經(jīng)濟(jì)發(fā)展的需求日益增長(zhǎng)，通過(guò)一個(gè)可視化的食品物流信息化監(jiān)控體系運(yùn)作模式來(lái)進(jìn)行食品安全監(jiān)控的重要性日益突出[1]。

1 監(jiān)控體系運(yùn)作模式

監(jiān)控體系運(yùn)作模式利用計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)圖像分析，提取食品數(shù)字圖像中的特征信息，實(shí)現(xiàn)食品品質(zhì)安全信息的快速、客觀、準(zhǔn)確檢測(cè)，能為食品生產(chǎn)、加工、物流和銷售過(guò)程的自動(dòng)化跟蹤和監(jiān)管提供信息支持，讓食品行業(yè)徹底實(shí)施食品的源頭追蹤以及在食品供應(yīng)鏈中提供完全透明度的能力[2]。

1.1 食品圖像的分析

計(jì)算機(jī)圖像處理步驟包括圖像預(yù)處理、目標(biāo)邊緣、檢測(cè)與圖像分割、特征提取以及模式識(shí)別，為后續(xù)圖像特征提取提供分析對(duì)象。食品圖像質(zhì)量檢測(cè)流程如圖1所示。

[進(jìn)行食品邊緣檢測(cè)][圖像處理和模式識(shí)別軟件][獲取食品顏色][食品圖像][食品分析系統(tǒng)]

圖1 食品質(zhì)量檢測(cè)流程

為了在食品物流中實(shí)時(shí)監(jiān)控食品的品質(zhì)，我們利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)直觀可視化的監(jiān)控。通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)可以對(duì)食品進(jìn)行像素級(jí)的圖像獲取，并能根據(jù)食品的形狀變化和表面顏色的識(shí)別實(shí)現(xiàn)對(duì)食品外觀的初步檢測(cè)。同時(shí)在物流運(yùn)輸過(guò)程中能夠?qū)崟r(shí)對(duì)檢測(cè)不合格的食品進(jìn)行篩選和處理，避免了消費(fèi)者購(gòu)買到腐爛變質(zhì)和表面缺陷的食品。實(shí)現(xiàn)實(shí)時(shí)物流跟蹤，建立信息追溯和信息共享機(jī)制，成為當(dāng)前食品物流配送的關(guān)鍵。物流可視化運(yùn)作模式可以大大加快數(shù)據(jù)的處理速度，使時(shí)刻都在產(chǎn)生的海量數(shù)據(jù)得到有效利用；可以在人與數(shù)據(jù)、人與人之間實(shí)現(xiàn)圖像通信，從而使人們能夠觀察數(shù)據(jù)中隱含的現(xiàn)象，為發(fā)現(xiàn)和理解食品流動(dòng)過(guò)程中出現(xiàn)的問(wèn)題和及時(shí)解決問(wèn)題提供了有力工具。

1.2 建立智能移動(dòng)貨倉(cāng)

在本物流可視化運(yùn)作模式中，設(shè)計(jì)了在移動(dòng)貨倉(cāng)上安裝攝像頭并連接到信息管理平臺(tái)，通過(guò)攝像頭對(duì)貨倉(cāng)打開(kāi)次數(shù)及貨物的提取、裝載情況等進(jìn)行記錄。當(dāng)在運(yùn)輸過(guò)程中需要對(duì)食品進(jìn)行提取、調(diào)換等其他操作時(shí)，只有工作人員向物流信息平臺(tái)發(fā)送請(qǐng)求指令，主管人員確認(rèn)身份后，指令下達(dá)到貨倉(cāng)，方可進(jìn)行工作。這樣可以有效避免在運(yùn)輸過(guò)程中遺漏、丟失或者更換貨物，管理流程如圖2所示。

為了在食品生產(chǎn)、加工、運(yùn)輸、銷售過(guò)程中及時(shí)了解食品物流的情況，給食品原料中夾帶了RFID標(biāo)簽；在RFID標(biāo)簽中對(duì)食品的倉(cāng)儲(chǔ)過(guò)程、入庫(kù)、出庫(kù)情況進(jìn)行標(biāo)示，物流信息管理平臺(tái)可以根據(jù)計(jì)算機(jī)視覺(jué)處理系統(tǒng)得出的數(shù)據(jù)與RFID信息進(jìn)行比對(duì)，避免了貨物在物流過(guò)程中出現(xiàn)異常情況[3]。

2 可視化食品物流功能結(jié)構(gòu)

在食品物流監(jiān)控體系中，通過(guò)攝像頭CCD獲取食品圖像，傳送到計(jì)算機(jī)視覺(jué)系統(tǒng)。系統(tǒng)對(duì)圖像進(jìn)行處理和分析，然后將分析結(jié)果提交到物流信息管理平臺(tái)。食品質(zhì)量管理員可以根據(jù)信息系統(tǒng)給出的信息通知到貨倉(cāng)告知物流現(xiàn)有情況；同時(shí)，在顧客購(gòu)買食品時(shí)可以通過(guò)RFID技術(shù)，采用系統(tǒng)提供的終端接口，對(duì)貨物的生產(chǎn)、加工、運(yùn)輸、分發(fā)、銷售等情況進(jìn)行追溯查詢。系統(tǒng)結(jié)構(gòu)圖如圖3所示。

可視化食品物流運(yùn)作系統(tǒng)基于B/S體系架構(gòu)，并且利用軟件自動(dòng)采集圖像信息，并將貨物信息、條碼信息、尺寸信息和重量信息合成到圖片中，同時(shí)這些信息也記錄在服務(wù)器的關(guān)系數(shù)據(jù)庫(kù)中。通過(guò)服務(wù)器端的Web服務(wù)，可以實(shí)現(xiàn)用戶在局域網(wǎng)/廣域網(wǎng)內(nèi)，查詢相應(yīng)的信息內(nèi)容[4]。

3 結(jié)束語(yǔ)

利用計(jì)算機(jī)視覺(jué)技術(shù)可以獲得食品品質(zhì)的空間位置信息，能夠減少傳統(tǒng)人工檢測(cè)帶來(lái)的高強(qiáng)度勞動(dòng)，減少檢測(cè)主觀性和人工成本，釋放人力資源。通過(guò)獲取食品的數(shù)字圖像，可以傳輸給遠(yuǎn)距離的分析者或者分析系統(tǒng)，從而實(shí)現(xiàn)食品品質(zhì)信息的區(qū)域分析和共享。利用計(jì)算機(jī)視覺(jué)技術(shù)無(wú)縫地實(shí)現(xiàn)對(duì)貨物的全程可視化追溯，是今后食品物流方面研究的重點(diǎn)，為實(shí)現(xiàn)食品便捷的反向查詢，進(jìn)一步保證食品的安全奠定了基礎(chǔ)。

參考文獻(xiàn)：

[1] 全英華.我國(guó)現(xiàn)代食品物流發(fā)展現(xiàn)狀和對(duì)策[J].物流科技， 2011.5：67-68

[2] 陳非.物流可視化信息平臺(tái)探究[J].科技創(chuàng)新導(dǎo)報(bào)，2011.31：198-120

對(duì)計(jì)算機(jī)視覺(jué)的理解范文第4篇

關(guān)鍵詞 計(jì)算機(jī)圖形學(xué) 第三方演示 課程群 分組實(shí)踐

Abstract At present， computer graphics has become an important part of undergraduate computer education， and it is also plays an important role to cultivate innovative talents to adapt to the information age. Based on the teaching of computer graphics course by the author as an example， analyzes the existing problems in the teaching of computer graphics， and put forward improvement ideas from three aspects： according to the different needs of students utilizing the third party demonstration teaching and cross curriculum interpretation， introducing course group to replace single course， employing group practice examination instead of individual， and other forms to improve the quality of teaching.

Keywords computer graphics； third party demonstration； course group； group practic

計(jì)算機(jī)圖形學(xué)是一門介紹顯示、生成和處理計(jì)算機(jī)圖形的原理和方法的課程。它在計(jì)算機(jī)總體教學(xué)體系中屬內(nèi)容綜合性較強(qiáng)且發(fā)展迅速的方向之一。該課程既有具體的圖形軟硬件實(shí)現(xiàn)，又有抽象的理論和算法，旨在為學(xué)生從事相關(guān)工作打下堅(jiān)實(shí)基礎(chǔ)。學(xué)生須以高等數(shù)學(xué)和線性代數(shù)的基本理論和較熟練的程序設(shè)計(jì)能力作為本課程學(xué)習(xí)的基礎(chǔ)。課程的難點(diǎn)在于計(jì)算機(jī)圖形學(xué)研究范圍廣，與其他學(xué)科交叉性強(qiáng)，且知識(shí)不斷更新變化。在教學(xué)實(shí)施過(guò)程中，難點(diǎn)是理解和掌握相應(yīng)的基礎(chǔ)理論和算法，以及利用計(jì)算機(jī)圖形學(xué)相關(guān)工具進(jìn)行圖形學(xué)實(shí)際問(wèn)題的解決。

本課程對(duì)學(xué)生的培養(yǎng)學(xué)生圍繞以下三個(gè)方面展開(kāi)： （1）建立對(duì)計(jì)算機(jī)圖形學(xué)的基本認(rèn)識(shí)，理解圖形的表示與數(shù)據(jù)結(jié)構(gòu)、曲線曲面的基本概念。（2）理解并掌握基本圖形的生成算法，并能對(duì)現(xiàn)有的算法進(jìn)行改進(jìn)，理解圖形的變換和裁減算法。 （3）面向算機(jī)圖形的程序設(shè)計(jì)能力，以底層圖形生成算法為核心構(gòu)建應(yīng)用程序。相應(yīng)的考查方式由理論授課、上機(jī)實(shí)習(xí)和課外作業(yè)三個(gè)單元構(gòu)成。從近年的授課實(shí)踐和考試情況分析，該教學(xué)內(nèi)容難度設(shè)置合理，深入淺出且相互承接成為體系，學(xué)生總體反饋良好。但也存在一些矛盾和問(wèn)題。以下將對(duì)幾個(gè)問(wèn)題進(jìn)行重點(diǎn)闡述與思考，并提出課程改革思路。

1 計(jì)算機(jī)圖形學(xué)與計(jì)算機(jī)輔助設(shè)計(jì)銜接問(wèn)題

筆者所在院校是具有航空航天背景的工科院校，“CAD計(jì)算機(jī)輔助設(shè)計(jì)”是飛行器設(shè)計(jì)、機(jī)械設(shè)計(jì)與制造等多學(xué)科的重要課程。相關(guān)學(xué)科學(xué)生期望通過(guò)對(duì)計(jì)算機(jī)圖形學(xué)知識(shí)的深入理解，促進(jìn)CAD設(shè)計(jì)工具諸如Catia、Solidwork和Rhino等先進(jìn)工具的運(yùn)用能力。然而，目前的計(jì)算機(jī)圖形學(xué)課程的教學(xué)和考察環(huán)節(jié)倚重低層算法講解與基于OPENGL等的程序設(shè)計(jì)，除綜述外并未具體引入CAD相關(guān)內(nèi)容。產(chǎn)生的問(wèn)題是，一方面，飛行器設(shè)計(jì)及機(jī)械設(shè)計(jì)與制造等專業(yè)的學(xué)生由于程序設(shè)計(jì)能力不足，難以駕馭較復(fù)雜的程序設(shè)計(jì)任務(wù)，在學(xué)習(xí)過(guò)程中心理壓力較大；另一方面，由于授課均為教師為計(jì)算機(jī)相關(guān)專業(yè)背景，該課程的講授并未銜接CAD相關(guān)技術(shù)，學(xué)生難以構(gòu)建二者之間的聯(lián)系。

解決方案：

本質(zhì)上，該問(wèn)題是由于選課學(xué)生的學(xué)習(xí)動(dòng)機(jī)和基礎(chǔ)不同造成的。以單一的教學(xué)和考查方式難以兼顧這類面向具體應(yīng)用的學(xué)習(xí)需求。在教學(xué)方法上，采用第三方案例教學(xué)法和交叉講解法相結(jié)合以解決此問(wèn)題。具體的，將CAD等應(yīng)用場(chǎng)合以具體案例形式講解，授課教師邀請(qǐng)飛行器、機(jī)械設(shè)計(jì)相關(guān)教研組研究生以4～6學(xué)時(shí)的講臺(tái)演示的形式呈現(xiàn)CAD工具完整設(shè)計(jì)過(guò)程。授課教師則以交叉講解方式為學(xué)生講解運(yùn)用到的計(jì)算機(jī)圖形學(xué)知識(shí)點(diǎn)，同時(shí)與學(xué)生交互式的問(wèn)答和探討。在考查形式上，考慮到不同的學(xué)習(xí)動(dòng)機(jī)和基礎(chǔ)，采用多樣化實(shí)踐環(huán)節(jié)考查。計(jì)算機(jī)專業(yè)學(xué)生以O(shè)PENGL程序設(shè)計(jì)為考點(diǎn)，而外專業(yè)學(xué)生以CAD等面向應(yīng)用的實(shí)踐工具為考點(diǎn)，以兼顧各專業(yè)的學(xué)習(xí)需求。

2 計(jì)算機(jī)圖形學(xué)與計(jì)算機(jī)視覺(jué)相結(jié)合的問(wèn)題

當(dāng)前，虛擬現(xiàn)實(shí)技術(shù)（VR）和人工智能技術(shù)（AI）兩個(gè)最重要最熱門的研究領(lǐng)域。虛擬現(xiàn)實(shí)的基礎(chǔ)理論支撐是計(jì)算機(jī)圖形學(xué)，例如三維場(chǎng)景的生成與顯示。而人工智能的一個(gè)重要應(yīng)用場(chǎng)景是計(jì)算機(jī)視覺(jué)，例如基于圖像智能識(shí)別的自動(dòng)駕駛技術(shù)和場(chǎng)景理解技術(shù)。很多學(xué)生對(duì)以計(jì)算機(jī)視覺(jué)為代表的人工智能技術(shù)懷有濃厚興趣，同時(shí)，學(xué)生又難以區(qū)分計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)的關(guān)系。同時(shí)，二者在近年來(lái)的研究中呈現(xiàn)相互融合的趨勢(shì)。如基于三維立體視覺(jué)的機(jī)器人與場(chǎng)景實(shí)時(shí)定位與重建。如何在計(jì)算機(jī)圖形學(xué)課程中，很好地體現(xiàn)兩門課程的不同，避免學(xué)生的混淆，拓展學(xué)生的知識(shí)面，都是具有現(xiàn)實(shí)意義的課題。

解決方案：

實(shí)際上，計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)可不失一般性的概括為互逆的關(guān)系：計(jì)算機(jī)圖形學(xué)是由概念設(shè)計(jì)到模型生成，最終繪制圖形圖像的過(guò)程；而計(jì)算機(jī)視覺(jué)則是從原始圖像中再加工并分析理解、以產(chǎn)生新圖像（如二維到三維）或輸出語(yǔ)義信息（如圖像自動(dòng)標(biāo)注與理解、目標(biāo)檢測(cè)與識(shí)別）。將計(jì)算機(jī)圖形學(xué)納入“視覺(jué)處理課程群”框架，使學(xué)生首先掌握課程群中各課程的側(cè)重點(diǎn)，著重理解圖形學(xué)在課程群中的作用。精心選取2～3個(gè)計(jì)算機(jī)視覺(jué)和圖形學(xué)交叉的當(dāng)前主流研究方向，展開(kāi)概念層面的演示講解，不深究具體算法，著重闡述兩種技術(shù)的相互依賴關(guān)系并對(duì)比二者的區(qū)別。相關(guān)領(lǐng)域的演示還包括增強(qiáng)現(xiàn)實(shí)、人機(jī)交互、計(jì)算機(jī)輔助診斷等等。鼓勵(lì)學(xué)生自主學(xué)習(xí)，最終使學(xué)生在做中學(xué)、用中學(xué)，提高獨(dú)立分析新問(wèn)題和綜合運(yùn)用知識(shí)解決問(wèn)題的能力。

3 如何平衡算法講解和程序應(yīng)用技能

計(jì)算機(jī)圖形學(xué)涉及的算法多，核心算法是該課程的必講內(nèi)容，在算法細(xì)節(jié)的講解過(guò)程中學(xué)生容易產(chǎn)生畏難厭學(xué)情緒，注意教學(xué)方法以調(diào)動(dòng)學(xué)生的興趣尤為重要。另一方面，對(duì)學(xué)生的考察方式最終是通過(guò)編程實(shí)踐完成。學(xué)生在編程實(shí)踐中常常遇到大量調(diào)試問(wèn)題，同時(shí)要閱讀大量文檔以了解OPENGL接口函數(shù)的調(diào)用方法，這個(gè)過(guò)程占用了很大工作量。

解決方案：

在理論教學(xué)部分，著重講清計(jì)算機(jī)圖形學(xué)原理和概念、全面解析經(jīng)典算法思想。課程強(qiáng)調(diào)對(duì)理論核心思想的闡述，用通俗易懂的語(yǔ)言，條例清晰的邏輯，進(jìn)行簡(jiǎn)明透徹的闡述，附以直觀、形象的動(dòng)態(tài)演示系統(tǒng)，力圖使學(xué)生在較短的時(shí)間內(nèi)、有效地掌握基本理論。分析圖形學(xué)各種經(jīng)典算法的原理、可行性及幾何復(fù)雜性，盡可能多地比較算法之間的思想差異，分別指出它們的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)合，并促進(jìn)學(xué)生思考如何在保證算法的準(zhǔn)確性、可靠性的前提下，提高算法的效率。同時(shí)注重接近國(guó)際前沿的研究?jī)?nèi)容，注重講授經(jīng)典知識(shí)和最新進(jìn)展相結(jié)合，以激發(fā)學(xué)生的學(xué)習(xí)興趣，提高課堂效率和活躍度，力爭(zhēng)以較少的課時(shí)闡述計(jì)算機(jī)圖形學(xué)的基本原理、基本方法，加大實(shí)踐環(huán)節(jié)比重。通過(guò)往年學(xué)生完成的優(yōu)秀課程作業(yè)作品的展示，激發(fā)學(xué)生的創(chuàng)造熱情。改革實(shí)踐環(huán)節(jié)的考查方式，以項(xiàng)目小組形式取代對(duì)個(gè)體的考查。原則上每組3～5人，自由組合。在課程結(jié)束前，采用小組現(xiàn)場(chǎng)演示講解的方式，展示小組成員通過(guò)編程實(shí)踐環(huán)節(jié)完成的一個(gè)項(xiàng)目。學(xué)生在項(xiàng)目小M中鍛煉了團(tuán)隊(duì)協(xié)作能力，降低了個(gè)人工作強(qiáng)度，同時(shí)互相學(xué)習(xí)和督促的氛圍使課程作業(yè)的質(zhì)量得以大幅提高。以基礎(chǔ)實(shí)驗(yàn)――目標(biāo)性重建實(shí)驗(yàn)――自主性訓(xùn)練的層次化實(shí)踐框架模式，逐步培養(yǎng)學(xué)生自主研究，獨(dú)立解決問(wèn)題、分析問(wèn)題，確定解決方案的能力，樹(shù)立正確的科學(xué)研究習(xí)慣，培養(yǎng)學(xué)生的科學(xué)研究能力。

總之，合理設(shè)計(jì)實(shí)踐教學(xué)案例，進(jìn)一步實(shí)現(xiàn)課程體系和實(shí)踐內(nèi)容的統(tǒng)一，建立一個(gè)多層次、立體化的實(shí)踐教學(xué)體系，注重學(xué)生的參與性與實(shí)踐性，引導(dǎo)和鼓勵(lì)學(xué)生進(jìn)行創(chuàng)新實(shí)踐和課外研學(xué)。改革考核方式和考試形式，加大實(shí)踐環(huán)節(jié)在成績(jī)中的比重，強(qiáng)化實(shí)踐能力培養(yǎng)，寓教于樂(lè)的同時(shí)引導(dǎo)學(xué)生追求卓越。此外，計(jì)算機(jī)圖形學(xué)技術(shù)是發(fā)展非常快的一個(gè)研究及應(yīng)用領(lǐng)域，且對(duì)編程要求較高，應(yīng)注重實(shí)驗(yàn)室機(jī)房投入更新必要硬件，并保障軟件編程環(huán)境的正常運(yùn)行。

L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項(xiàng)目JGLX13_008資助

參考文獻(xiàn)

[1] 孫家廣，胡事民.計(jì)算機(jī)圖形學(xué)基礎(chǔ)教程.北京：清華大學(xué)出版社，2005.2.

[2] 唐榮錫，汪嘉業(yè)，彭群生等.計(jì)算機(jī)圖形學(xué)教程（修訂版）.北京：科學(xué)出版社，2000.

[3] LIU Hailan.On development and application of computer graphics[J].Computer Knowledge and Technology，2010（3）：9551-9552.

[4] 婁鳳偉.創(chuàng)造性思維與計(jì)算機(jī)基礎(chǔ)教學(xué)[J].教育探索，2002.

對(duì)計(jì)算機(jī)視覺(jué)的理解范文第5篇

關(guān)鍵詞：機(jī)器視覺(jué)技術(shù)；大米；品質(zhì)檢測(cè)

中圖分類號(hào)：TP391．4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439－8114（2012）05－0873-04

Application Progress of Machine Vision Technology in the Quality Inspection of Rice

WAN Peng，LONG Chang－jiang，REN Yi－lin

（College of Engineering， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The research dynamic of machine vision technology was reviewed from the aspects of rice varieties， germ， crack， yellow grain rice， and so on； and the shortcomings of the machine vision technology in rice quality inspection were proposed for its further application．

Key words： machine vision technology； rice； quality inspection

我國(guó)是世界上最大的稻米生產(chǎn)國(guó)，稻米年產(chǎn)量常年保持在1．8億t左右，占世界稻米總產(chǎn)量的1／3，居世界第一位［1］。我國(guó)也是大米消費(fèi)大國(guó)，有近2／3的人口以大米為主食，全國(guó)大米年消費(fèi)總量保持在1．35億t左右［2］。我國(guó)的水稻研究在世界上處于領(lǐng)先地位，但是在國(guó)內(nèi)外貿(mào)易、加工和消費(fèi)等領(lǐng)域中仍然存在諸多問(wèn)題［3，4］。

我國(guó)曾經(jīng)是世界三大稻米輸出國(guó)之一，但是由于我國(guó)大米的品質(zhì)不高，再加上大米的生產(chǎn)標(biāo)準(zhǔn)、質(zhì)量技術(shù)標(biāo)準(zhǔn)、檢驗(yàn)檢疫技術(shù)等與發(fā)達(dá)國(guó)家存在較大差距，在相當(dāng)程度上影響了我國(guó)大米在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)優(yōu)勢(shì)，大米的年出口量已退居六七位。2008年以來(lái)，隨著世界稻米產(chǎn)量的下降，各國(guó)對(duì)大米出口配額進(jìn)行調(diào)整，導(dǎo)致國(guó)際大米的價(jià)格出現(xiàn)了瘋漲，而我國(guó)出口的大米因品種不穩(wěn)定、品質(zhì)較差，在國(guó)際市場(chǎng)上競(jìng)爭(zhēng)力較低，市場(chǎng)份額逐漸減小。

為了提高大米的品質(zhì)，不但需要選育優(yōu)質(zhì)的稻米品種，還需要加強(qiáng)大米品質(zhì)的檢測(cè)。但是，由于我國(guó)對(duì)大米品質(zhì)的檢測(cè)研究起步較晚，同時(shí)也缺乏方便簡(jiǎn)單的檢測(cè)方法和快捷準(zhǔn)確的檢測(cè)儀器，在對(duì)大米品質(zhì)進(jìn)行檢測(cè)的過(guò)程中，主要依靠人工識(shí)別、感官評(píng)定等方法進(jìn)行檢測(cè)，這些方法主觀性較強(qiáng)，準(zhǔn)確度較低，可重復(fù)性較差，工作效率也較低，因此在實(shí)施過(guò)程中的有效性受到了質(zhì)疑［5］。

機(jī)器視覺(jué)（Machine vision）又稱計(jì)算機(jī)視覺(jué)，是指利用計(jì)算機(jī)實(shí)現(xiàn)人的視覺(jué)功能，是研究采用計(jì)算機(jī)模擬生物外顯或宏觀視覺(jué)功能的科學(xué)和技術(shù)，是一門涉及數(shù)學(xué)、光學(xué)、人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、圖像理解、模式識(shí)別等多個(gè)領(lǐng)域的交叉學(xué)科［6］。機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)上的應(yīng)用研究始于20世紀(jì)70年代末期，主要進(jìn)行的是植物種類的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測(cè)和分級(jí)等。隨著計(jì)算機(jī)軟硬件技術(shù)、圖像處理技術(shù)的迅速發(fā)展，它在農(nóng)業(yè)上的應(yīng)用研究有了較大的進(jìn)展［7，8］。

目前，大部分的大米品質(zhì)檢測(cè)指標(biāo)根據(jù)國(guó)家標(biāo)準(zhǔn)采用人工進(jìn)行檢測(cè)，容易產(chǎn)生許多問(wèn)題。隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和在農(nóng)產(chǎn)品無(wú)損檢測(cè)領(lǐng)域的廣泛應(yīng)用，采用機(jī)器視覺(jué)技術(shù)對(duì)大米的品質(zhì)進(jìn)行檢測(cè)，不僅能夠提高大米品質(zhì)的檢測(cè)效率，而且能夠克服主觀因素的影響，降低檢測(cè)誤差，使得大米品質(zhì)的檢測(cè)變得更加快速和準(zhǔn)確［9］。

1 基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)裝置

基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)系統(tǒng)由檢測(cè)箱、檢測(cè)臺(tái)、光源、CCD圖像傳感器、鏡頭、圖像采集卡和計(jì)算機(jī)系統(tǒng)等幾個(gè)部分組成［10，11］（圖1）。

大米品質(zhì)檢測(cè)系統(tǒng)是一個(gè)內(nèi)空的箱體，箱子的底部是檢測(cè)臺(tái)，頂部為光源和攝像頭；檢測(cè)箱內(nèi)表面粘貼有背景紙，使光在箱體內(nèi)形成均勻的漫反射，避免樣品在檢測(cè)時(shí)形成鏡面反射。光源提供樣品檢測(cè)照相時(shí)所需的亮度，為了提供充足的光線，同時(shí)盡量消除光源照射樣品時(shí)在背景上產(chǎn)生的陰影，通常選用環(huán)形熒光燈管作為光源［12］。CCD圖像傳感器是獲取數(shù)字米粒樣品圖像的關(guān)鍵部件之一，它將大米圖像由光信號(hào)轉(zhuǎn)換為表示R、G、B顏色值的模擬電信號(hào)，并輸入圖像處理設(shè)備進(jìn)行后續(xù)處理［13］。計(jì)算機(jī)軟件系統(tǒng)用于對(duì)采集到的數(shù)字圖像進(jìn)行分析、處理和識(shí)別，實(shí)現(xiàn)對(duì)特定目標(biāo)的檢測(cè)、評(píng)價(jià)等［14］。

2 基于機(jī)器視覺(jué)技術(shù)的大米粒形檢測(cè)

大米的粒形是實(shí)現(xiàn)大米分級(jí)和質(zhì)量檢測(cè)的最基本參數(shù)。根據(jù)《GB1345－1986大米》中的規(guī)定，評(píng)價(jià)大米質(zhì)量的檢測(cè)指標(biāo)主要有加工精度、不完善粒、雜質(zhì)、碎米等，這些檢測(cè)指標(biāo)與大米的粒形直接或間接相關(guān)。由于人工評(píng)價(jià)是通過(guò)肉眼觀察對(duì)大米粒形進(jìn)行評(píng)價(jià)，因此受檢測(cè)環(huán)境、視覺(jué)生理、視覺(jué)心理等諸多因素以及評(píng)價(jià)人員對(duì)大米標(biāo)準(zhǔn)理解程度不同的影響，即便是同一份大米樣品，很難保證大米粒形檢測(cè)結(jié)果的穩(wěn)定，而采用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行檢測(cè)則可以有效避免主觀因素的影響，保證大米粒形檢測(cè)結(jié)果的準(zhǔn)確性［9，15］。

中國(guó)農(nóng)業(yè)大學(xué)孫明等［16］借助于MATLAB圖像處理工具箱對(duì)大米粒形進(jìn)行測(cè)定。首先定義單粒大米子粒的粒長(zhǎng)（A）與粒寬（B）的比值為粒形，檢測(cè)時(shí)先求出大米粒的橢圓離心率R，通過(guò)公式：

■＝sqrt■

將大米子粒的橢圓離心率轉(zhuǎn)變?yōu)殚L(zhǎng)寬比A／B，即求出大米子粒的粒形。試驗(yàn)結(jié)果表明，該方法具有操作簡(jiǎn)單、檢測(cè)速度快、重復(fù)性好的優(yōu)點(diǎn)。

武漢工業(yè)學(xué)院張聰?shù)龋?7］提出了一種基于計(jì)算機(jī)圖像分析識(shí)別大米破碎粒的方法，即先采用數(shù)碼相機(jī)獲取大米圖片，再對(duì)大米圖片進(jìn)行分析處理。識(shí)別時(shí)先將大米圖像的邊緣曲線變換為極坐標(biāo)形式，再結(jié)合大米粒形的一般形狀，用橢圓模板定位米粒，獲得一組與米粒平移、旋轉(zhuǎn)和尺度無(wú)關(guān)的形狀描述數(shù)據(jù)，再運(yùn)用小波變換提取奇異點(diǎn)及特征參數(shù)。試驗(yàn)結(jié)果表明，該方法簡(jiǎn)單有效，用于米粒定位與識(shí)別時(shí)的可信度高。同時(shí)，劉光蓉等［18］也研究了通過(guò)掃描儀獲取大米的圖像，再采用計(jì)算機(jī)圖像處理技術(shù)將彩色圖像轉(zhuǎn)化成灰度圖像并進(jìn)行進(jìn)一步的處理，最后獲得大米子粒的二值圖像，然后利用八鄰域分析法提取大米圖像的輪廓。試驗(yàn)結(jié)果表明，這種方法的檢測(cè)效果良好。

此外，袁佐云等［19］還提出了采用最小外接矩形計(jì)算大米粒形的方法。包曉敏等［20］分析了采用Roberts算子、Sobel算子、Prewitt算子、模板匹配法和快速模糊邊緣檢測(cè)法對(duì)大米粒形進(jìn)行邊緣檢測(cè)，并通過(guò)對(duì)大米圖像的分割試驗(yàn)驗(yàn)證了快速模糊邊緣檢測(cè)法最為有效。

3 基于機(jī)器視覺(jué)技術(shù)的大米加工精度檢測(cè)

大米加工精度是指大米背溝和粒面留皮程度，即糙米皮層被碾去的程度。大米的加工精度是決定大米外觀質(zhì)量的主要因素，加工精度越高，米粒表面殘留糠皮量就越少，胚乳表面光潔度、口感、外觀品質(zhì)也就越好。我國(guó)國(guó)家標(biāo)準(zhǔn)規(guī)定各類大米按加工精度分等級(jí)［9］。因此，大米加工精度的檢測(cè)具有十分重要的意義。傳統(tǒng)大米加工精度的測(cè)定有多種方法，國(guó)標(biāo)中規(guī)定大米加工精度的判定采用試劑染色法［21］，通過(guò)染色劑使米粒胚乳和胚乳表面殘留糠皮呈現(xiàn)不同的顏色差異便于肉眼觀測(cè)，該方法受到光照條件、視力、情緒等諸多因素以及各種染色參數(shù)的影響，操作繁瑣、效率低、誤差大，不能滿足快速、客觀檢測(cè)的需要。

河南工業(yè)大學(xué)張浩等［22］研究了機(jī)器視覺(jué)技術(shù)結(jié)合數(shù)字圖像處理技術(shù)檢測(cè)大米加工精度的方法，首先獲取大米的圖像，利用米粒區(qū)域和背景區(qū)域的亮度差異將大米圖像轉(zhuǎn)化為灰度圖像，再利用邊緣檢測(cè)函數(shù)求出分割閾值，將米粒從背景中分割出來(lái)，并計(jì)算米粒區(qū)域的面積；然后利用米粒區(qū)域中糠皮部分和胚乳部分R－B特征值差異，將大米圖像分解為R、G、B分量圖，以R－B矩陣代替大米圖像，再將R－B矩陣轉(zhuǎn)化為灰度圖，用邊緣檢測(cè)函數(shù)求出分割閾值把糠皮部分分割出來(lái)，計(jì)算糠皮部分面積。最后測(cè)得大米留皮率為米?？菲げ糠置娣e與米粒區(qū)域面積之比。

江蘇理工大學(xué)許俐等［23］將計(jì)算機(jī)圖像處理技術(shù)與色度學(xué)理論相結(jié)合研究了大米加工精度的自動(dòng)檢測(cè)方法。檢測(cè)時(shí)先將大米染色，然后采用機(jī)器視覺(jué)系統(tǒng)獲取大米圖像，再根據(jù)染色后大米的胚乳、皮層以及胚芽所呈現(xiàn)的不同顏色特征，采用不同的區(qū)分方法獲取米粒不同部位的面積即像素的個(gè)數(shù)，然后根據(jù)胚乳面積與大米圖像總面積的百分比計(jì)算大米的加工精度。

此外，無(wú)錫輕工大學(xué)田慶國(guó)［24］根據(jù)色度學(xué)原理，采用圖像處理技術(shù)對(duì)染色后的大米進(jìn)行檢測(cè)，識(shí)別大米的加工精度，并建立了大米染色后的顏色值與加工精度之間的數(shù)據(jù)庫(kù)。西華大學(xué)的劉建偉與日本岐阜大學(xué)的三輪精博［25］合作研究大米加工精度與碾白程度之間的關(guān)系時(shí)，采用改良后的大米精度鑒定NMG溶液，按照品紅石碳酸溶液染色法（GB 5502－85）對(duì)大米進(jìn)行染色獲得米粒表皮呈綠色、糊粉層呈藍(lán)色、胚乳呈藍(lán)紅色的大米樣品，米粒干燥后采用測(cè)差計(jì)檢測(cè)樣品的顏色計(jì)算大米的加工精度。

4 基于機(jī)器視覺(jué)技術(shù)的大米堊白檢測(cè)

堊白是指稻米粒胚乳中不透明的部分。堊白之所以不透明是因?yàn)榈久鬃恿Ｖ械矸哿Ｅ帕惺杷?，顆粒間充氣引起光線折射所致。按其發(fā)生部位可將堊白區(qū)分為腹白、心白和背白等類型。通常用堊白粒率、堊白大小和堊白度等概念描述稻米的堊白狀況。堊白是衡量稻米品質(zhì)的重要性狀之一，不僅直接影響稻米的外觀品質(zhì)和商品品質(zhì)，而且還影響稻米的加工品質(zhì)和蒸煮食味品質(zhì)［9，26］。

黑龍江農(nóng)業(yè)工程職業(yè)學(xué)院于潤(rùn)偉等［27］研究了采用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)檢測(cè)稻米堊白的方法。先用機(jī)器視覺(jué)裝置獲取大米的原始圖像，再采用圖像處理方法對(duì)大米圖像進(jìn)行預(yù)處理，然后應(yīng)用大津算法自動(dòng)選取分割閾值對(duì)稻米圖像進(jìn)行兩次分割，分別得到大米子粒的二值圖像和堊白區(qū)域的二值圖像，再根據(jù)區(qū)域內(nèi)部像素點(diǎn)的聯(lián)通性，將不同區(qū)域分別進(jìn)行標(biāo)記，計(jì)算出子粒數(shù)和堊白粒數(shù)，同時(shí)計(jì)算出二者對(duì)應(yīng)的面積（像素點(diǎn)個(gè)數(shù)）。研究結(jié)果表明，該算法的自動(dòng)檢測(cè)結(jié)果與人工檢測(cè)相關(guān)性大于90％。

中國(guó)農(nóng)業(yè)大學(xué)侯彩云、日本東京大學(xué)Seiichi等［28］采用微切片三維圖像處理系統(tǒng)對(duì)大米的品質(zhì)特性進(jìn)行探索性研究，結(jié)果表明借助于三維可視化技術(shù)分析大米的微切片，不僅可以觀察大米堊白部分內(nèi)部的組織結(jié)構(gòu)以及在蒸煮過(guò)程中的變化，還可以利用灰度直方圖定量計(jì)算出堊白米粒中各部分堊白的面積和體積。同時(shí)，侯彩云等［29］還利用自行研制開(kāi)發(fā)的機(jī)器視覺(jué)圖像處理系統(tǒng)對(duì)大米的堊白度及堊白粒率進(jìn)行檢測(cè)，試驗(yàn)結(jié)果表明所研制的裝置具有客觀、準(zhǔn)確、快速和重現(xiàn)性好等特點(diǎn)，在大米的快速分等定級(jí)中具有良好的應(yīng)用前景。

江蘇大學(xué)黃星奕等［30］研究了采用遺傳神經(jīng)網(wǎng)絡(luò)計(jì)算大米堊白度的方法。先采用機(jī)器視覺(jué)系統(tǒng)提取堊白米的圖片，然后采用數(shù)字圖像處理技術(shù)提取米粒的堊白區(qū)域與胚乳非堊白區(qū)域的交界區(qū)域內(nèi)的像素，再采用遺傳算法建立一個(gè)人工神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)對(duì)這部分交界區(qū)域內(nèi)的像素進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明，采用機(jī)器視覺(jué)系統(tǒng)的檢測(cè)結(jié)果與人工檢測(cè)結(jié)果的誤差小于0．05。

此外，凌云等［31］提出了一種基于分形維數(shù)的堊白米檢測(cè)算法。孫明等［32］采用了MATLAB軟件開(kāi)發(fā)平臺(tái)構(gòu)造了基于計(jì)算機(jī)視覺(jué)的大米堊白檢測(cè)算法，完成了對(duì)大米堊白參數(shù)、堊白度以及堊白粒率的測(cè)定。吳建國(guó)等［33］從實(shí)際應(yīng)用出發(fā)，采用計(jì)算機(jī)和掃描儀結(jié)合開(kāi)發(fā)了機(jī)器視覺(jué)系統(tǒng)的堊白測(cè)定軟件。而曾大力等［34］利用視頻顯微鏡對(duì)大米粒進(jìn)行掃描，結(jié)合計(jì)算機(jī)圖形分析，直接計(jì)算大米的堊白大小和透明度，初步探討了視頻顯微掃描技術(shù)在大米堊白分析中的應(yīng)用。湖南農(nóng)業(yè)大學(xué)蕭浪濤等［35］開(kāi)發(fā)了基于微軟Windows 98平臺(tái)的大米堊白度測(cè)定軟件Chalkiness 1．0，該軟件與計(jì)算機(jī)和圖像掃描儀相結(jié)合能夠組成一套高效的大米堊白度測(cè)定系統(tǒng)。

5 基于機(jī)器視覺(jué)技術(shù)的整精米率檢測(cè)

整精米是指糙米碾磨成國(guó)家標(biāo)準(zhǔn)一級(jí)大米時(shí)米粒產(chǎn)生破碎，其中的完整米粒以及長(zhǎng)度達(dá)到完整精米粒平均長(zhǎng)度4／5以上（含4／5）的米粒。整精米率是指整精米占凈稻谷試樣質(zhì)量的百分率，它是稻米加工品質(zhì)優(yōu)劣的指標(biāo)，是稻米貿(mào)易中商家最關(guān)注的內(nèi)容，與碾米廠的經(jīng)濟(jì)效益密切相關(guān)。正確識(shí)別整精米是檢測(cè)整精米率的關(guān)鍵。目前整精米率主要采用人工方法進(jìn)行檢測(cè)，該方法難以滿足對(duì)稻米品質(zhì)快速、準(zhǔn)確的檢測(cè)要求［9，36］。

中國(guó)農(nóng)業(yè)大學(xué)尚艷芬等［37］開(kāi)發(fā)了一套基于機(jī)器視覺(jué)技術(shù)的整精米檢測(cè)系統(tǒng)用于識(shí)別整精米和碎米。該方法通過(guò)提取并分析稻米的粒長(zhǎng)、粒形等特征參數(shù)，提出了同一品種并在同一生長(zhǎng)條件下生長(zhǎng)的大米粒形具有相似性的前提假設(shè)，據(jù)此求得標(biāo)準(zhǔn)米，再通過(guò)偏差計(jì)算、粒長(zhǎng)、粒形分析等對(duì)整精米和碎米進(jìn)行識(shí)別。采用該方法開(kāi)發(fā)的整精米識(shí)別系統(tǒng)對(duì)整精米和碎米識(shí)別的準(zhǔn)確率與人工檢測(cè)結(jié)果的相關(guān)系數(shù)可到達(dá)0．99。

于潤(rùn)偉等［38］首先通過(guò)圖像識(shí)別系統(tǒng)采集大米的原始圖像，再采取動(dòng)態(tài)閾值分割等圖像處理方法把米粒圖像變成二值圖像，然后根據(jù)區(qū)域內(nèi)部像素的連通性計(jì)算出單個(gè)米粒的像素個(gè)數(shù)；再根據(jù)先期計(jì)算的整精米長(zhǎng)度／面積比換算出米粒長(zhǎng)度，最后根據(jù)米粒長(zhǎng)度判斷整精米和碎米。研究結(jié)果表明，該算法的自動(dòng)檢測(cè)與人工檢測(cè)的相關(guān)性大于99％，可用于整精米的自動(dòng)檢測(cè)。

6 問(wèn)題和展望

機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品的品質(zhì)檢測(cè)方面具有廣泛的應(yīng)用，國(guó)內(nèi)外的學(xué)者在此領(lǐng)域進(jìn)行過(guò)廣泛研究。但機(jī)器視覺(jué)技術(shù)在大米品質(zhì)檢測(cè)領(lǐng)域的應(yīng)用尚處于起步階段，仍有許多等待解決的技術(shù)問(wèn)題，需要進(jìn)一步深入研究。

1）目前的大米品質(zhì)檢測(cè)裝置多為靜態(tài)檢測(cè)裝置，即將大米放于檢測(cè)箱中通過(guò)機(jī)器視覺(jué)系統(tǒng)獲取圖片或通過(guò)掃描儀獲取圖片，大米相對(duì)于攝像頭靜止不動(dòng)；獲取圖像之后再采用計(jì)算機(jī)軟件系統(tǒng)對(duì)圖像進(jìn)行分析處理。這種檢測(cè)方法效率低下，因此，動(dòng)態(tài)地獲取大米圖像并進(jìn)行分析檢測(cè)是下一個(gè)要解決的難題。

2）采用機(jī)器視覺(jué)系統(tǒng)檢測(cè)大米品質(zhì)時(shí)，多采用的是串行化算法，即先獲取大米圖像，然后采用某種算法對(duì)大米圖像進(jìn)行處理，再檢測(cè)大米的某項(xiàng)品質(zhì)指標(biāo)；之后再采用某種算法對(duì)大米圖像處理大米的另一項(xiàng)品質(zhì)指標(biāo)，這種檢測(cè)方法在處理群體米粒圖像時(shí)極大地影響了檢測(cè)速度，因此開(kāi)發(fā)并行處理算法對(duì)大米圖像進(jìn)行分析檢測(cè)可以有效提高機(jī)器視覺(jué)系統(tǒng)的工作效率。

3）目前對(duì)大米品質(zhì)指標(biāo)進(jìn)行檢測(cè)分析時(shí)缺少統(tǒng)一的檢測(cè)裝置，有的研究者采用CCD攝像頭獲取大米的圖像進(jìn)行分析檢測(cè)，而有的研究者采用掃描儀獲取圖像進(jìn)行分析檢測(cè)，檢測(cè)裝置不同、檢測(cè)條件不一致難以達(dá)到相同的檢測(cè)結(jié)果，因此有必要研制具有實(shí)用價(jià)值的大米品質(zhì)檢測(cè)裝置，使基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)能夠具有統(tǒng)一的標(biāo)準(zhǔn)。

總之，伴隨著計(jì)算機(jī)科學(xué)技術(shù)的迅速發(fā)展，機(jī)器視覺(jué)技術(shù)在大米品質(zhì)檢測(cè)中的應(yīng)用將越來(lái)越廣泛。

參考文獻(xiàn)：

［1］ 龐乾林．稻米知識(shí)縱覽［J］．中國(guó)稻米，2004（3）：44－47．

［2］ 劉月好．陳米產(chǎn)生的原因與處理方法［J］．糧食加工，2004（1）：30－31．

［3］ 莊麗娟，刁慕容．中國(guó)谷物外貿(mào)格局與發(fā)展趨向分析［J］．中國(guó)農(nóng)墾經(jīng)濟(jì)，2004（8）：25－26．

［4］ 山世英，彭玉珊．我國(guó)農(nóng)產(chǎn)品出口遭遇技術(shù)性貿(mào)易壁壘的原因及對(duì)策［J］．山東農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，6（2）：41－43．

［5］ 李里特．糧油產(chǎn)品規(guī)格化、標(biāo)準(zhǔn)化是農(nóng)業(yè)現(xiàn)代化的迫切任務(wù)［J］．中國(guó)糧油學(xué)報(bào)，2001，16（5）：1－5．

［6］ 劉傳才．圖像處理與計(jì)算機(jī)視覺(jué)［M］．廈門：廈門大學(xué)出版社，2002．

［7］ 趙曉霞．計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用［J］．科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004，14（4）：124－126．

［8］ 熊利榮，陳 紅，丁幼春．機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品破損檢測(cè)上的應(yīng)用［J］．農(nóng)機(jī)化研究，2005（5）：204－205．

［9］ 李天真，周柏清．基于計(jì)算機(jī)視覺(jué)技術(shù)的稻米檢測(cè)研究［J］．糧食與食品工業(yè)，2005，12（4）：50－53，55．

［10］ 凌 云，王一鳴，孫 明，等．基于機(jī)器視覺(jué)的大米外觀品質(zhì)檢測(cè)裝置［J］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（9）：89－92．

［11］ 張巧杰，王一鳴，凌 云，等．稻谷品質(zhì)檢測(cè)技術(shù)與裝置研制［J］．現(xiàn)代科學(xué)儀器，2006（1）：128－130．

［12］ 趙志強(qiáng)，熊元姣．計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的設(shè)計(jì)方案［J］．工業(yè)控制計(jì)算機(jī)，2005，18（10）：1－2．

［13］ 唐向陽(yáng)，張 勇，李江有，等．機(jī)器視覺(jué)關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望［J］．昆明理工大學(xué)學(xué)報(bào)（理工版），2004，29（2）：36－39．

［14］ 張紀(jì)明．基于PC的機(jī)器視覺(jué)系統(tǒng)研究［J］．可編程控制器與工廠自動(dòng)化，2006（11）：107－110．

［15］ 任憲忠，馬小愚．農(nóng)產(chǎn)品粒形識(shí)別研究進(jìn)展及其在工程中應(yīng)用現(xiàn)狀［J］．農(nóng)業(yè)工程學(xué)報(bào)，2004，20（3）：276－280．

［16］ 孫 明，石慶蘭，孫 紅，等．基于計(jì)算機(jī)視覺(jué)的大米外觀品質(zhì)檢測(cè)［J］．沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，36（6）：659－662．

［17］ 張 聰，管庶安．基于圖像分析的大米形狀識(shí)別［J］．糧食與飼料工業(yè)，2006（6）：5－7．

［18］ 劉光蓉，周 紅，管庶安．基于圖像處理技術(shù)的大米輪廓檢測(cè)［J］．糧食與飼料工業(yè)，2004（6）：14－15．

［19］ 袁佐云，牛興和，劉傳云．基于最小外接矩形的稻米粒型檢測(cè)方法［J］．糧食與飼料工業(yè)，2006（9）：7－8．

［20］ 包曉敏，汪亞明，黃振．計(jì)算機(jī)視覺(jué)技術(shù)在大米輪廓檢測(cè)上的應(yīng)用［J］．浙江工程學(xué)院學(xué)報(bào)，2003，20（2）：104－107．

［21］ 呂季璋，陳效貴，范慕蕙，等．GB／T 18105－2000米類加工精度異色相差分染色檢驗(yàn)法［S］．北京：國(guó)家質(zhì)量技術(shù)監(jiān)督局，2000．

［22］ 張 浩，孟永成，周展明，等．基于圖像處理技術(shù)大米加工精度的檢測(cè)研究［J］．中國(guó)糧油學(xué)報(bào)，2006，21（4）：135－137．

［23］ 許 俐，錢敏娟，方如明，等．大米加工精度的圖象識(shí)別方法［J］．農(nóng)業(yè)工程學(xué)報(bào)，1996，12（3）：172－175．

［24］ 田慶國(guó)．圖像處理技術(shù)在大米碾白精度測(cè)定中的應(yīng)用［J］．糧食與飼料工業(yè)，1997（10）：10－11．

［25］ 劉建偉，徐潤(rùn)琪，三輪精博，等．大米加工精度與碾白程度檢測(cè)的研究［J］．中國(guó)糧油學(xué)報(bào)，2004，19（3）：5－8，61．

［26］ 周新橋，鄒冬生．稻米堊白研究綜述［J］．作物研究，2001（3）：52－58．

［27］ 于潤(rùn)偉，朱曉慧．基于圖像處理的稻米堊白自動(dòng)檢測(cè)研究［J］．中國(guó)糧油學(xué)報(bào)，2007，22（1）：122－125．

［28］ 侯彩云，SEIICHI O，YASUHISA S，等．三維圖像處理系統(tǒng)在稻米品質(zhì)檢測(cè)中的應(yīng)用研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2001，17（3）：92－95．

［29］ 侯彩云，王一鳴，凌 云，等．堊白米粒的計(jì)算機(jī)圖像識(shí)別［J］．農(nóng)業(yè)工程學(xué)報(bào)，2002，18（5）：165－168．

［30］ 黃星奕，吳守一，方如明，等．遺傳神經(jīng)網(wǎng)絡(luò)在稻米堊白度檢測(cè)中的應(yīng)用研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2003，19（3）：137－139．

［31］ 凌 云，王一鳴，孫 明，等．基于分形維數(shù)的堊白米圖像檢測(cè)方法［J］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（7）：92－95，91．

［32］ 孫 明，凌 云，王一鳴．在MATLAB環(huán)境中基于計(jì)算機(jī)視覺(jué)技術(shù)的大米堊白檢測(cè)［J］．農(nóng)業(yè)工程學(xué)報(bào)，2002，18（4）：146－149．

［33］ 吳建國(guó)，劉長(zhǎng)東，楊國(guó)花，等．基于計(jì)算機(jī)視覺(jué)的稻米堊白指標(biāo)快速測(cè)定方法研究［J］．作物學(xué)報(bào)，2005，31（5）：670－672．

［34］ 曾大力，藤 勝，錢 前，等．視頻顯微掃描技術(shù)在稻米堊白研究中的應(yīng)用［J］．中國(guó)農(nóng)業(yè)科學(xué)，2001，34（4）：451－453．

［35］ 蕭浪濤，李東暉，藺萬(wàn)煌，等．一種測(cè)定稻米堊白性狀的客觀方法［J］．中國(guó)水稻科學(xué)，2001，15（3）：206－208．

［36］ 郭英群．對(duì)國(guó)家標(biāo)準(zhǔn)中整精米率定義及檢測(cè)方法的探討［J］．糧油倉(cāng)儲(chǔ)科技通訊，2005（6）：52－53．