陈哲尧

（浙江省镇海中学，宁波浙江，315200）

0 引言

人工智能作为新时代一项世界尖端技术，其可以通过转变工作方式，带动产业结构的升级换代，替代大部分劳动力来推动更多相关行业的创新，同时开拓了生产、服务、医药等行业经济发展的全新资源，拥有着巨大的应用潜能。可以说，机器视觉是人工智能发展成熟过程中不可或缺的重要组成部分。

机器视觉技术自起步发展到现在，已逐渐完善并拥有着广阔的应用前景。视觉技术快速获得大量信息，经过自动处理，帮助减少人工的重复劳动，具有良好的社会经济效益[1]。

如今，在各行各业中，智能化始终是其追求的目标，尤其是在食品工业领域[2-4]、工业机械包装[5]、农机化学[6]等领域。随着市场需求的提升和机器视觉技术自身的成熟和发展，机器视觉将不断智能化并在现代和未来制造企业中得到越来越广泛的应用。

顺应共享经济的发展趋势，现在学校、地铁站等公共场所有设置“漂流伞”项目。但自从设置该类项目以来，时常存在雨伞不及时归还以及乱丢乱放的现象[7],，造成了部分雨伞的损失并带来取用雨伞的不便。因此，对雨伞进行有效的监管显得尤为重要。

当前对雨伞的监管大多使用人力，其智能化水平较低，不仅需要消耗大量人力资源，而且存在效率低下、准确度较差的弊端。采用机器视觉的方法[8-10]不会受到人工识别缺陷的限制，且准确率高、识别速度快，所以开发基于机器视觉的雨伞自助借还识别系统有助于提高识别速度，快速提供雨伞位置信息，对实现雨伞的有效监管具有重大意义，同时降低了监管成本。

本文所介绍的系统将通过VS与OpenCv开发的雨伞位置孔位特征识别定位算法等，实现检测、获取图像信息的目的，为雨伞监管提供支持。

1 系统整体结构框架设计

所设计的雨伞自助借还识别系统包括硬件和软件两个部分的内容。系统启动后，控制端发出指令触发传感器，传感器受到的高低电平信号会触发工业相机开始采集图像，所采集的图像经过GIGE通讯传输到控制端，结合所开发的雨伞特征识别算法完成对雨伞自助借还的自动化的识别。具体的框架结构图如图1所示。

图1 系统处理流程图

2 系统硬件设计

硬件部分是系统中非常重要的组成部分，获取图像的相机是图像处理中核心部件，镜头和光源也是非常重要的部件，是与相机进行配合完成获取图像的重要部件，传感器与受到的触发信号通过GIGE网进行通讯，GIGE网络同时把传输过来的图像传送到控制端。

■2.1 工业相机

本系统选取型号为MER-630-16GM/C-P的630万像素的相机，考虑系统的处理效率和速度，选择面阵，相机拍摄帧率为16帧。由于伞的位置相对固定，但信息特征不同，彩色图像的灰度值相差太大，处理起来比较麻烦，因此选用黑白工业相机来满足雨伞的快速识别和检测。MER- 6 30 - 1 6GM/C-P实物图如图2所示。

图2 MER—630—16GM/C—P 实物图

工业相机的光谱曲线图如图3所示。

图3 MER—630—16GM/C—P 的光谱曲线

■2.2 工业镜头

考虑到雨伞表面为光滑的面，为了确保获取到的雨伞图像具有非常好的特征，已经确保后面算法具有较高的处理效率和速度，所以镜头的型号选取为OTP-C7528-5M的500万像素。

该镜头MTF图如图5所示。

图4 OTP—C7528—5M 实物图

图5 OTP—C7528—5M 的 MTF 图像

■2.3 光源

在光源方面，考虑到雨伞种类不均一，而且获取图像过程中环境光对其的影响也是不相同的，综合考虑所以光源选用白光光源，其型号为OPT-R15090。光源的形状为环形，带90度角度的光源。环形光源如图6所示。

图6 OPT—R15090环形光源

图7 OPT—R15090 光谱图

■2.4 传感器

雨伞的自动化、智能化识别检测，首先要保证识别检测系统的传感器能相互配合。雨伞自助识别系统中的图像采集部分和图像处理部分分别使用了采集触发传感器和图像处理器，各传感器的选型及参数如表1所示。

表1 核心参数

3 系统软件框架设计

■3.1 软件框架设计

系统软件部分的框架流程如图8所示，第一步是图像的采集内容，第二步是对第一步中的图像进行初步的预处理，第三步是在第二步的基础上进行识别和检查雨伞的特征。经过三步的完成之后就可以完成对雨伞特征的识别和检测，最后将识别到的结果进行显示。

■3.2 软件系统界面设计

结合整个系统的设计功能和具体的功能，基于VS2010软件开发平台进行设计开发，其中的视觉方面的处理算法主要是在目前最主流的开源算法库OpenCV算法库进行开发完成的。识别检测之前设置好各项参数，软件系统对所接受到的雨伞图像信息进行各种特征的处理，最后将处理得当的结果信息实时的显示并传送出去，识别处理的结果通过设计开发的软件界面看到。

4 试验与分析

针对雨伞自主借还系统，为确保系统能够实时准确的对雨伞自主借还的实时识别和检测，也为了验证所设计的系统的稳定性、可靠性。现利用系统分别对2组相同数量的雨伞借还图像进行识别检测，对实验过程中的识别所用时间、识别正确率进行了记载。具体的数据如表2所示。

图8 信息软件框架图

表2 试验数据表

从表2中可以得出，系统识别2组所用的时间均在355s以内，识别时间较短，识别速度较快。识别检测的误检率均在0.5%以内，识别正确率高，可靠性较高。

5 总结

从上面的试验结果可以看到2组所用的时间均在355s以内，识别时间较短，识别速度较快。识别检测的误检率均在0.5%以内，识别正确率高，可靠性较高。表明该检测系统可以高效、高质的识别检测出雨伞表面特征信息，实时识别出雨伞的借还状态。在实际应用推广方面，有较大的意义。