【关键词】视觉；症状和体征；计算机；环境暴露；学生
【中图分类号】R179R163【文献标识码】A【文章编号】1000-9817(2008)07-0585-03
视频显示终端综合征又称VDT（visualdisplayterminal）综合征，是指从事光学显示器终端作业所引起的一系列症候群。随着计算机等视频终端的普及，人群视疲劳的发生率呈逐渐上升趋势。视疲劳不但不同程度地影响患者的视觉功能和生活质量，而且也影响患者的身心健康。VDT操作人员由于长时间注视荧屏和在固定姿势下操作,易出现视觉疲劳与全身症状，其主要表现为眼干、眼酸、眼痛、视力减退以及头昏、头胀、颈和腰背酸痛、四肢酸痛、食欲减退、便秘、失眠等［1-3］。世界卫生组织（worldhealthorganization,WHO）调查表明，计算机工作人员视疲劳发生率为10%～40%，有的可达40%～92%；经常连续击键的计算机操作人员，骨骼肌慢性损伤发生率可达10%以上。同时，它还会造成神经行为异常，影响正常的免疫系统功能等。目前，随着我国经济的发展和现代化办公设备的普及以及教育理念的不断更新，高校学生的计算机使用率和拥有率不断上升，计算机教学、计算机作业、网络信息交流等已经迅速深入到大学生的学习和生活中，各种荧屏暴露的影响也更为深刻。为了解和分析目前在校大学生和研究生计算机荧屏暴露的时间，探讨暴露时间对眼视觉功能及全身状况的影响，笔者对北京市海淀区4所重点大学的在学生进行了调查，为探讨和建立长期计算机荧屏暴露人群的防治措施和膳食与健康指南提供依据。
1对象与方法
1.1对象以北京大学医学部、北京航空航天大学、北京科技大学、清华大学在校本科生、研究生为对象，采用多阶段抽样方法，按年级、学校、性别分层，共调查在校大学生和研究生2222名，其中本科生1437名(64.7%)，研究生785名(35.3%)；男生1136名(51.1%)，女生1086名(48.9%)。年龄为17～30岁。
1.2方法采用问卷调查方法。问卷由北京大学医学部营养与食品卫生学系专业人员设计完成，并选取20名不同性别的大学生与研究生进行预调查，根据预调查反馈的信息对问卷进行了修订，再进行正式调查。问卷由北京大学医学部预防医学专业的研究生和大五年级的学生发放。调查主要采取入户方式，由调查员指导被调查者填写，由督导员进行监督，问卷当场收回，在完成问卷填写后发放礼品。共调查问卷2246份，其中有效问卷2222份，废卷24份。
1.3调查内容内容包括一般个人资料、工作史、计算机荧屏暴露史、荧屏前工作时间、眼痛、眼干等眼部症状及头痛、头昏、颈和腰背酸痛、四肢酸痛等全身症状。症状分为10级：0分为无症状；1～4分为轻，即用眼后出现眼部酸、胀等眼部症状，休息后很快恢复，对学习和工作无明显影响；5～8分为中，即有明显的眼部症状，且症状经常出现，影响生活质量及工作，必须用药缓解；9～10分为重，即除有明显的眼部症状和视作业不能持久外，尚有记忆减退、失眠等全身不适，用药后不缓解。
1.4质量控制调查问卷设计中有质量控制题，以判定问卷填写的真实程度；问卷无记名，在问卷抬头处注明调查目的和保密方法，并在调查问卷回收时赠送礼品以提高被调查者的依从性；数据录入完成后，项目负责人随机抽取10%的问卷进行检查、复核，错误率
1.5资料整理与分析首先进行方差齐性检验，数据呈正态分布，采用方差分析和χ2检验。数据统计分析采用SPSS10.0数据包进行，以P
2结果
2.1计算机荧屏暴露时间将被调查对象按年级分组，计算各年级学生计算机荧屏暴露时间，见表1。
表1结果显示，北京市4所重点大学学生每日计算机荧屏暴露平均时间为(5.20±3.06)h。方差分析结果表明，随着年级的增长，计算机荧屏暴露时间显著延长（P＜0.05）；LSD法两两比较结果表明，各年级研究生计算机荧屏暴露时间显著长于本科生（P＜0.05），高年级学生显著长于下一年级学生（P＜0.05）。
2.2计算机荧屏暴露时间对眼与视觉功能的影响将每日计算机荧屏暴露时间以2h和6h为界，分为低、中、高3个时间段，统计各时间段眼症状发生状况，表2结果显示，计算机荧屏暴露时间长短与各项眼症状均有明显相关性，即计算机荧屏暴露时间越长，症状越明显（P＜0.01）。χ2检验结果显示，计算机荧屏暴露高时间段组眼及视觉症状出现的频率高于暴露低时间段组和中时间段组，且差异有统计学意义；同样，计算机荧屏暴露中时间段组出现眼及视觉症状的频率高于暴露低时间段组。其中总发生率最高的是视力下降（42.71%）、视物模糊（39.3%）和眼干（38.3%）。
2.3计算机荧屏暴露时间对全身症状的影响将每日计算机荧屏暴露时间以2h和6h小时为界，分为低、中、高3个时间段，统计各时间段全身症状发生状况，表3显示，计算机荧屏暴露时间长短与全身症状均有明显相关性，即计算机荧屏暴露时间越长，症状越明显（P＜0.01）。χ2检验结果显示，计算机荧屏暴露高时间段组全身症状出现的频率高于暴露低时间段组和中时间段组，且差异有统计学意义；同样，计算机荧屏暴露中时间段组出现全身症状的频率高于暴露低时间段组。其中总发生率最高的是困倦（48.4%）和颈痛（38.1%）。
2.4医学院校与理工类院校学生眼与视觉及全身症状发生率比较进一步比较发现，每日计算机荧屏暴露平均时间医学院校学生为(4.56±2.66)h（800名），理工类院校学生为(5.56±3.21)h（1422名），理工类院校学生计算机暴露时间显著高于医学院校（P＜0.01）。两类院校学生眼与视觉及全身症状的发生状况见表4，5。
表4，5显示，医学院校学生各种自觉症状发生率均低于理工科院校，其中重影、异物感、视力下降、眩晕、食欲减退、恶心、烦躁、记忆力减退、失眠等差异均有统计学意义（P值均＜0.01）。
3讨论
长时间计算机荧屏暴露对人体的影响主要表现在视觉功能与骨骼、肌肉，能引起视力下降、视物模糊、眼干等。产生视疲劳的原因主要有眼调节功能的过分使用和衰弱［4］，生活与工作环境的异常刺激，导致环境性视疲劳，以及精神因素、某些全身性疾病、长期过度紧张的脑力劳动也可致视疲劳［5］。
计算机操作为坐姿，长期、持续不变的姿势和强迫使作业者的腰、背、肩及手臂等部位的骨骼肌长时间处于紧张状态,产生疲劳。持续计算机作业者常会在作业中、作业后出现手指、手腕、肩、背等部位肌肉僵硬、麻木、疼痛等［6-8］。这些疲劳感的发生率、局部骨骼肌的疲劳程度与作业时间成正比。
调查发现，北京市几所重点大学在校学生计算机使用时间随年级递增而显著延长，各年级之间差异均有统计学意义。分析其原因，可能是随着年级的升高，课程逐步深入，越来越多地需要计算机参与教学与作业，多项社会工作、资料和信息查询也需要借助网络。研究生的查阅文献、撰写综述与论文等均需要计算机完成，且随着经济的发展，相当数量的学生持有个人计算机，这些都增加了计算机使用的时间。
理工类院校学生计算机荧屏暴露时间显著高于医学院校学生，多数自觉症状发生率也高于医学院校。一方面，医科学校学生的生活和学习对计算机的依赖程度低于理工科学校；另一方面，医学生对于长时间接触计算机的危害也更清楚，能自觉地采取各种预防和保健措施，防止身体受到过多负面影响。
近年来，多项国内外研究显示，过多暴露荧屏光可致视力下降以及一系列视觉及全身不适。韦莹［9］对某校计算机系大学生进行计算机终端视疲劳问卷调查显示，相当数量的学生有视力减退、视物模糊、眼干涩、烧灼感等视疲劳症状和肩背酸痛、腰痛、精力不集中、疲倦等全身症状。症状轻者休息后能缓解，对工作及生活影响较小；重者症状加剧，休息后不能有效缓解。本次对北京市4所不同性质的重点大学进行大样本量的调查，使结果可以进行对比研究，加以此次调查人群的广泛性和时效性，更能够反映目前高校学生的计算机荧屏暴露状况，为校园内视疲劳的流行病学研究提供资料，也更有利于探讨大学教育中应该注意的问题。
4参考文献
［1］傅智伏，张铭志，洪荣照，等.观看视频终端与青少年近视的关系:598例病例对照研究.伤残医学杂志，1999，7(3)：26-30.
［2］张云霞，卢彦明，赵广臣，等.视屏显示终端作业工人情感状态特征及神经行为功能测试.中国公共卫生，1997，13(11)：684-685.
［3］NAKAISHIH,YAMADAY.Abnormalteardynamicsandsymptomsofeyestraininoperatorsofvisualdisplayterminals.OccupEnvironMed,1999,56(1):6-9.
［4］徐广第.眼屈光学：修订版.北京：军事医学科学出版社，2001：226-273.
［5］MOCCIF,SERRAA,CORRIASGA.Psychologicalfactorsandvisualfatigueinworkingwithvideodisplayterminals.OccupEnvironMed,2001,58(4):267-271.
［6］YUNMH,LEEYG.Resultsofasurveyontheawarenessandseverityassessmentofupper-limbwork-relatedmusculoskeletaldisordersamongfemalebanktellersinkorea.IntJIndErgonom,2001,27(2):347-357.
［7］CHUNGMK,CHOIKG.ErgonomicanalysisofmusculoskeletaldiscomfortsamongconversationalVDToperators.ComputIndEng,1997,33(3-4):521-524.
［8］余善法，王志炜.VDT作业对肌肉骨骼系统的健康影响研究.工业卫生与职业病，1994，20(5)：277-279.
【关键词】机器视觉；应用研究
机器视觉是一门涉及人工智能、计算机科学、图像处理、模式识别、神经生物学、心理物理学等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。随着现代计算机技术、现场总线技术与大规模集成电路技术的飞速发展，机器视觉技术也日臻成熟，已经广泛应用在国民经济发展的各行业。
1.机器视觉系统组成
一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。首先采用CCD摄像机获得被测目标的图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，根据像素分布、亮度和色彩等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别标准输出判断结果，去控制驱动执行机构进行相应处理。
总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。
2.机器视觉技术的应用
在国外，机器视觉的应用主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路；SMT表面贴装；电子生产加工设备；机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。
而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致机器视觉在以上各行业的应用几乎空白。目前随着我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大中专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场和其它领域的应用。
（1）工业中的应用
虽然机器视觉技术从20世纪80年代才开始起步，但由于其突出的优点，在各种工业领域被广泛应用，特别是近几年发展十分迅速，国内外的成果也是层出不穷。
在国外，机器视觉技术广泛应用于机器零部件的装配、非接触测量、产品质量检测、在线过程控制、数控机床加工、过程监控等领域。英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0。1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系列汽车的车身检测。
机器视觉在国内的应用主要集中于检测与定位等几个方面，这样的工业产品占据了中国市场的绝大部分。机器视觉在工业检测中的应用最为常见的是对各种机械零件的几何尺寸进行测量，在半导体及电子行业，国内高等院校和科研单位也研究出基于机器视觉的管脚尺寸自动检测装置。此外，机器视觉还被用于对于如刀具等工业设备的检测和数控机床的加工。在很多工业领域存在着高精度定位的问题，如钻床数控系统钻头定位、金属板材数控加工轨迹坐标定位等。目前机器视觉技术由于其高精度的优点在这方面得到广泛的应用。华中科技大学在金属板材数控加工中利用机器视觉技术对加工轨迹坐标定位。提出一种基于机器视觉的非接触式加工轨迹坐标定位方法，完成了金属板材数字化成形中支撑模型的非接触式高精度快速定位。湖南大学进行了钻头视觉定位研究，在视觉定位中采用间接定位方式，间接实现钻头刃磨初始状态的定位。中国计量学院等单位进行了基于机器视觉的PCB数控钻机定位研究。大量的实践证明采用机器视觉系统进行定位并且综合运用数控伺服传动技术以及各种先进控制技术能够有效实现精确定位。利用机器视觉系统节约了大量的人力和物力，降低了产品生产成本。
（2）农业中的应用
计算机视觉技术在农业上的应用研究，起始于20世纪70年代末期，主要应用于植物种类的鉴别、农产品品质检测与分级等。随着计算机软硬件技术、图形图像处理技术的迅猛发展，它在农业上的应用研究有了较大的突破，在农业领域的生产前、生产中、收获时和产后的各个环节中，均可以利用计算机视觉技术来实现这些农业生产的视觉化。计算机视觉在产前的应用主要是检验种子质量；在产中的应用包括田间杂草识别、植物生长信息的监测、病虫害的监视和营养胁迫诊断等方面；在农作物收获时的应用主要体现在农业机器人的研制与开发上；在产后的应用包括水果分级和农产品的加工等。在农田作业机械上，机器视觉技术被不断的开发和应用。农药的粗放式喷洒正是农业生产中效率最低、污染最严重的环节。利用机器视觉技术可以实现农药的精量喷洒，近年来，机器视觉技术在播种机械方面的应用主要是检测播种质量；在自动收获机等农田自动作业机械上，更需要依靠机器视觉系统来确定作物行与机械的相对位置，以控制自动作业机械在作物行间自动行进，
机器视觉技术在农业生产上的应用可提高生产的自动化水平，解放劳动力，具有良好的应用前景。同时还应看到，由于农业对象的特点，机器视觉理论和技术的局限性以及硬件条件的限制，机器视觉技术在农业生产的应用距离实用和普及还有相当长的距离。相信随着相关技术的发展，很多问题会得到好的解决，机器视觉技术在农业生产中的应用会极大地加快农业现代化的进程。
（3）医学上的应用
随着药品和医疗器械安全性问题重要性的不断提升，越来越多的生产厂商将机器视觉技术引入实际生产中来，以达到提高生产效率，加强产品品质保障的目的。同样，在医疗系统中机器视觉也得到了越来越多的应用。
机器视觉科技医药领域的应用主要分为医学与药物两部分。机器视觉技术在医学疾病诊断方面的应用主要体现在两个方面：一是对（X射线成像、显微图片、B超、CT、MRI）图像增强、标记、渲染处理，主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加，然后进行综合分析协助医生诊断；二是利用专家知识和3D重构对物体三维信息与运动参数进行分析并给出形象准确的解释，如诊断与手术等。机器视觉技术的应用不仅节省了人力，而且大大提高了准确率和效率。在药物方面，机器视觉系统对药用瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。除此之外，对药剂杂质的检测、对医学用具质量的检测、对药物外包装泄露的检测等等都在保障着药物的质量安全，保障着人们的生命健康。
（4）交通领域的应用
随着计算机的普及和相关软件的不断更新升级，机器视觉技术在交通领域所发挥的作用愈为重要。机器视觉技术在交通领域的应用范围较广，主要包括视频检测系统、智能车辆的安全保障系统、车牌识别和交通指挥等。
视觉技术应用于视频检测时，视频检测系统的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，
并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。视频的交通事件和参数检测系统有高度的网络化和智能化，可实现远程监控和设置。视觉技术应用于智能车辆安全保障系统，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。德国UBM大学Dick-manns教授领导的智能车辆研究小组一直致力于动态机器视觉领域的研究，研制的EMS-Vision视觉可较好地模拟人眼功能。车牌识别技术（VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。过去的10多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪系统。其中，具有代表性的系统有：LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。
机器视觉技术在交通各领域都发挥着越来越重要的不可替代的作用。在取得较大成绩的同时仍有不足。其一应尽快开发出具有高性价比的实用化的激光距离成像系统，能够获取高质量的原始图片至关重要；其二，处理各种交通事件的及时性决定了所有的图像处理的速度应尽可能的快，目前的各种算法都各有优劣，如何能在最短的时间内完成图像的识别工作成为我们下一步要努力的方向。
3.发展趋势
在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。未来，中国机器视觉发展主要表现为以下一些特性：
（l）随着产业化的发展对机器视觉的需求将呈上升趋势。
（2）统一开放的标准是机器视觉发展的原动力。
（3）基于嵌入式的产品将取代板卡产品。
（4）标准化一体化解决方案是机器视觉发展的必经之路。
（5）机器视觉系统价格持续下降、功能逐渐增多。
4.结语
机器视觉技术经过20年的发展，已成为一门新兴的综合技术，在社会诸多领域得到广泛应用。大大提高了装备的智能化、自动化水平，提高了装备的使用效率、可靠性等性能。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各个领域发挥更大的作用。
参考文献
[1]李福建，张元培.机器视觉系统组成研究[J].自动化博览，2004（2）：61-63.
[2]范祥，卢道华，王佳.机器视觉在工业领域中的研究应用[J].现代制造工程，2007（6）：129-133.
[3]张萍，朱政红.机器视觉技术及其在机械制造自动化中的应用[J].合肥工业大学学报（自然科学版），2007，30（10）：1292-1295.
[4]马彦平.计算机视觉技术在农业生产中的应用与展望[J].中国农业资源与区划，2009，30（4）：21-27.
[5]饶秀勤.基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[博士学位论文].杭州：浙江大学，2007.
[6]冯新宇，庞艳辉.车牌识别技术实现方法初探[J].交通科技与经济，200712：50-511.
[7]徐琨，贺昱曜，王夏黎.基于背景模型的运动车辆检测算法究[J].微计算机信息，2007，4-1：120-1211.
李飞飞在新泽西读高中期间，家中难以支付她的教育费用，她只能勤工俭学，自己想办法挣钱读书。在初到美国的前两年里，李飞飞利用课余时间，做过街头清洁工、餐馆收银员，还做过照看宠物狗的服务员。
不仅生活艰苦，她的英语成绩也不好，美国的学生比较势利，同学不想和她来往。初到美国的几年里，她基本上没有朋友。幸运的是，她读高中时遇到几位特别善良的老师，在老师们的关怀和鼓励下，她逐渐祛除了自卑心理，增添了奋斗的勇气。
临近高中毕业时，李飞飞申请了很多大学，也收到不少录取通知书。只有普林斯顿大学给予李飞飞近乎全额的奖学金，这也让李飞飞的生活开始发生改变。
父母依然在困境中挣扎。李飞飞在进入普林斯顿大学读书时，就决定在课余时间自己去打工挣钱，为父母在帕西帕尼开设一个干洗店，让他们每个月有稳定收入，摆脱窘境。开店的钱最终还是不够，她只得向高中数学老师借钱。
在老师热情支持下，干洗店终于开业。李飞飞从此在学校和店铺之间奔波，周一到周五在学校攻读物理学，辅修工程物理专业，周末就回到帕西帕尼，在干洗店里帮忙。尽管干活用去很多时间，不过李飞飞的成绩还是相当优秀。大学毕业时，她以最高荣誉取得普林斯顿大学物理学学士学位。
李飞飞大学毕业时，金融证券市场无比火爆，对来自华尔街的征召，她居然不接受邀请，认为自己应该去，研究藏医。在父母耐心劝说下，她才改变想法，打算继续深造。
随后，李飞飞进入加州理工大学攻读电子工程的硕士、博士学位，开始研究人工智能和计算神经科学。在李飞飞读研期间，她的母亲患癌症，还有中风症状，家庭生活再次陷入困境。这种境遇会压垮很多人，李飞飞竟然没有垂头丧气，她积极寻找办法度过难关、完成学业，取得了博士学位。
李飞飞博士一毕业，高盛就投来橄榄枝，愿意给予她高薪工作；麦肯锡等公司也希望她前去工作。这是很大的诱惑，能极大改变家庭的生活状况。可是，她并拒绝了，“我几次拒绝高薪工作，父亲都没有轻易反对。非常感激他们对我追寻梦想的支持。”
“我的研究兴趣，集中在视觉研究领域，主要是计算机视觉和视觉心理学。我将利用大数据训练计算机学习视觉认知、记忆、推理和与环境互动。”用两年时间，李飞飞通过网络众包技术，建立起含有1500万张照片、涵盖22000种物品的全球最大图像识别数据库ImageNet。李飞飞希望研究界能从中受益。
无论数量还是质量，ImageNet都是规模空前的数据库。所陈列的物品，是根据日常英语单词进行分类组织的。光是猫，就有62000多只，长相各异，姿势多样，涵盖了各种家猫和野猫。李飞飞将数据库免费提供给全球的研究团体，很快被研究者广泛运用。
博士毕业四年后，李飞飞来到斯坦福大学计算机科学系任教。在上课的时候，她娓娓而谈，学生们都全神贯注地聆听。仅用三年时间，李飞飞就晋升为终身教授，并成为斯坦福大学人工智能实验室及斯坦福大W视觉实验室的主任。
从1955年起，美国斯隆基金会每年颁发斯隆研究奖，专门奖励科学领域最杰出的年轻教授。获奖者来自美国和加拿大54所高等院校，涵盖七大科学领域。2011年3月1日，斯隆基金会授予李飞飞“计算机科学奖”，表彰她在这一领域的重要贡献。
2015年9月4日，斯坦福大学宣布，丰田汽车公司投资2500万美元，在校园内设立人工智能研究中心，利用人工智能教计算机与现实世界互动，发展出突破性的技术，普遍运用于日常生活之中。首先展开的研究项目，是教机械人安全地自动驾驶无人车。
李飞飞担任斯坦福大学人工智能研究中心主管，由她领军研发无人车技术。李飞飞觉得无人车自动驾驶，是计算机学习人脑的极佳研究，基本目标是让计算机学习人脑做决定的方法。研究中心迅速制作出多个计算机系统，推进自动驾驶的技术。
2016年11月，李飞飞加盟谷歌云担任首席人工智能和机器学习科学家。同时，她仍担任斯坦福大学副教授，负责斯坦福人工智能实验室和斯坦福视觉实验室。
第3期谢珺，等：机器视觉在轮胎检测领域的应用研究
（1）算法的精确性提高伴随着计算量的成倍增加，处理时间就成为了实时检测的软肋；（2）硬件的分辨率提高了，图像的分辨率、精度也随之提高了，但是数据量计算量都因此成倍增加。因此，如何保证检测的实时性和准确性，是机器视觉系统在工业应用中需要解决的核心问题。2视觉检测核心技术
2.1机器视觉图像处理技术机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。有大量的文献和著作给与介绍和讨论，其中比较著名的马颂德的《计算机视觉》介绍了计算机视觉的算法和理论，以及RichardHartley的《MultipleViewGeometryinComputerVision》介绍了在计算机视觉中的几何理论和方法[2]。机器视觉中的图像处理方法，主要包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既优化了图像的视觉效果，又便于处理器对图像进行分析、处理和识别[3]。机器视觉理论应用于现代检测领域，是上世纪末本世纪初计算机视觉的一个新的研究方向。它使用计算机视觉的理论方法来识别物体的关键点，经过分析处理以后，转换成坐标数据，然后产生检测数据。国内已有学者把机器视觉技术运用于检测领域[4]。但是在轮胎检测领域，机器视觉技术的应用还仅仅停留在理论之上，还没有可实际应用的商品化的设备，更不用说结合机器视觉和嵌入式两种技术的便携式检测仪了。
2.2嵌入式技术嵌入式系统一般指非PC系统，有计算机功能但又不称之为计算机的设备或器材。它是以应用为中心，软硬件可裁减的，适应对功能、可靠性、成本、体积、功耗等综合性严格要求的专用计算机系统。嵌入式系统几乎包括了生活中的所有电器设备，如掌上PDA、移动计算设备、电视机顶盒、手机上网、数字电视、多媒体、汽车、微波炉、数字相机、家庭自动化系统、电梯、空调、安全系统、自动售货机、蜂窝式电话、消费电子设备、工业自动化仪表与医疗仪器等。嵌入式系统有以下几大优点应用的，它通常都具有低功耗、体积小，集成度高等特点；（2）嵌入式系统和具体应用有机地结合在一起，它的升级换代也是和具体产品同步进行的，因此嵌入式系统产品一旦进入市场，就具有较长的生命周期；（3）由于空间和各种资源相对不足，嵌入式系统的硬件和软件都必须设计，量体裁衣、去除冗余，力争在同样的硅片面积上实现更高的性能，这样才能在具体应用中对处理器的选择更具有竞争力。本研究选取嵌入式系统中的DSP（数字信号处理器）来进行开发，具体型号为TI公司的TMS320。它具有很高的编译效率和执行速度，在信号处理方面具有优势，它的特点如下：（1）程序和数据具有独立的存储空间，有着各自独立的程序总线与数据总线，可以同时对数据和程序进行寻址，大大提高了数据处理能力；（2）由于广泛采用了流水线操作，减少了指令的执行时间，可以同时运行8条指令；（3）与一般计算机不同，乘法（除法）不由加法和移位实现，它具有硬件乘法器，乘法运算可以在一个指令周期内完成；（4）指令周期降到了1.67ns。随着工作频率进一步提高，指令周期将进一步缩短；（5）拥有自己独特的专门为数字信号处理而设计的指令系统；（6）相比传统的处理芯片，它还具有体积小、功耗小、使用方便、实时处理迅速、处理数据量大、处理精度高、性能价格比高等许多优点。3轮胎检测系统构成
3.1研究目标机器视觉用于产品表面缺陷检测需要面对以下主要问题：（1）数据处理量非常庞大；（2）如何快读匹配图像；（3）如何快速实现缺陷分割并剔除伪缺陷；（4）如何选取缺陷特征，用以实现缺陷识别。以具体产品为例，相对其他轮胎产品，航空轮胎对质量检测的要求较为严格，只要航空轮胎的检测技术到位，其他轮胎产品也基本可以检测。以航空轮胎的缺陷检测为例，根据GB/T9747-2008《航空轮胎试验方法》、GB/T13652-2004《航空轮胎表面质量》和GB15323-1994《航空轮胎内胎》等标准的要求，研究表面缺陷在线检测的图像处理方案；开发一套基于机器视觉的产品表面缺陷的在线检测设备，同时根据GB/T13653-2004《航空轮胎X射线检测方法》所述，配合X射线发射仪，利用一对一的服务器/客户机构架的机器视觉对标准中所描述的航空轮胎的一系列缺陷，如断层、气泡和裂口等进行高精度、高实时性、高连续性以及非接触式的在线缺陷检测。具体技术指标：（1）能检测出最小直径0.3mm的轮胎内部缺陷（即横向纵向最小均为0.3mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率要求大于90%；（2）对缺陷部位进行定量和定位分析：读出缺陷的尺寸（误差0.5mm），测出缺陷距离轮胎表面的深度，决定缺陷在轮胎内部的位置；（3）在线检测设备的检测检测速度与X射线管旋转速度同步，X射线管旋转一周即完成一个轮胎一个圆周的缺陷检测。
3.2研究内容和技术路线
3.2.1确定机器视觉检测系统的基本框架在数据量大时，采用一个处理器搭配一台摄像机的一对一方式。在产品表面检测中，由于航空轮胎的圆周面比较大，数据量也就比较大，通常采用的机器视觉单摄像机方式，很难满足圆周面检测分辨率高、数据量大的要求，而多台摄像机能满足分辨率和数据量的要求，却又相应带来实时性差的问题。若采用多台摄像机的方式，就需要配备多套成像系统，一套成像系统造价在10万元左右，基于成本和计算数据量的考虑，本研究选用一对一方式，利用分时运动克服单台摄像机采集数据量不足的缺点。具体来说，就是在经典的服务器/客户端模式架构的基础上设计一种基于机器视觉的系统结构以实现轮胎圆周面产品表面缺陷的在线检测，该结构主要由四部分组成：服务器（嵌入式系统）、客户端（图像处理子系统）、信号模块（PLC）、输出单元。系统框架如图1所示。每隔一定的时间（系统初步设定为5s），服务器通过PLC控制步进电机驱动轮胎做圆周转动，每转过一个固定角度（系统定为120°），服务器就调动客户端完成此区域内相对独立的视觉检测任务，一次间隔只检测轮胎的三分之一（120/360），经过3个时间间隔，客户端即完成了整个轮胎360°的全面检测，然后利用拼接原理把各部分拼接起来，统一到一个坐标系下。拼接测量的关键是利用重叠区计算出各次测量时基准的不同，然后消除不同，统一在一个坐标系下。拼接测量的方法可以直接计算出被测轮胎的全面信息。为了保证服务器和客户端之间图像检测数据可靠、实时的交互，本研究采用千兆以太网的方式传输数据。作为整个检测系统的管理控制单元和人机交互接口，服务器不仅要完成检测任务的调度，还要可以设定检测参数，接收和实时显示客户端上传的图像数据和处理结果（缺陷等），并将信息存入数据库中。此外，服务器还接收PLC传来的位置检测信号，用于与客户端的同步，并且根据检测结果中的位置信号，对执行机构发出动作信号，标记并剔除有缺陷的产品。在客户端处理核心中安装有图像采集卡，接收服务器设置的参数和任务调度，控制采集卡和摄像机完成图像实时采集，利用图像处理算法处理和分析图像数据，将最终得到的缺陷位置和分类信息上传给服务器，保存缺陷图像以备查。
3.2.2设计编写表面缺陷检测的图像处理方案在表面缺陷检测中，根据图像数据的特点，本研究提出以下图像处理过程：缺陷分割、特征提取及缺陷分类。首先是缺陷分割：在表面缺陷检测的时候，利用图像处理算法，处理采集到的产品表面图像，将缺陷从复杂的背景图像中分离出来。接着是特征提取：提取缺陷后，对缺陷的各种标识性属性进行提取，主要是几何特征和灰度统计特征，以保证后续的缺陷分类和识别。几何特征指的是轮廓特征，比如长度、形状、面积、重心等。灰度统计特征指的是分布位置、统计值、均方差等等。还有缺陷分类：本研究采用改进的BP算法[7]对网络进行训练，构建神经网络分类器来实现轮胎缺陷分类，为了提高检测系统对伪缺陷的适应性，本研究将部分伪缺陷也作为网络输出并对其进行训练。由于图像处理中需要运用大量的计算机内存处理算法，为避免编程中出现内存泄露进而造成计算机内存资源流失的现象，决定采用对内存进行托管的C#语言进行编程。
3.2.3服务器和客户机系统之间的同步服务器/客户端模式架构的机器视觉系统具有独立性和并行性的特点，它不得不面临的一个重要问题是如何解决服务器和图像处理子系统之间的同步问题，包括摄像机同步采集、数据同步处理和轮胎运动同步控制等。本研究利用摄像机本身的外同步特性，采用对摄像机提供统一的线扫描触发信号保证摄像机采集同步。机器视觉系统基本组成模块见图2。
4结论实际测量结果证明，应用视觉检测方法可以较好地解决传统测量方法中时间长、工作量大、测量效率低的问题。该方法能够充分利用现代计算机技术的优势，设备简单、易用，克服了传统测量仪器的许多误差来源，具有快速、准确、非接触测量的优点。在实验室中初步完成了实验系统的核心部分（如图3所示），与传统的测量方法相比，原先需要15min的测量时间，现在只需要15～30s就可完成，操作也更加简单便捷。该系统可检测出最小直径0.3mm的轮胎内部缺陷（即横向纵向最小均为0.3mm）并能对缺陷进行分类识别，主要包括结构类、气泡类和夹杂物类，对缺陷的检出率为96%。
参考文献：
[1]彭向前.产品表面缺陷在线检测方法研究及系统实现[D].武汉：华中科技大学，2008.
[2]ZHANGZ.DeterminingtheEpipolargeometryanditsuncertainty[J].AReviewIntJournalonComputerVision，1998，27（2）：161-195.
[3]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.
关键词：自动控制技术农业自动化
中图分类号：DF413.1文献标识码：A
由于历史、观念和技术等方面的原因,我国传统农业机械与发达国家相比有很大差距,已远远不能适应农业的科技进步。近些年来,自动化的研究逐渐被人们所认识,自动控制在农业上的应用越来越受到重视。例如,把计算机技术、微处理技术、传感与检测技术、信息处理技术结合起来,应用于传统农业机械,极大地促进了产品性能的提高。我国农业部门总结了一些地区的农业自动化先进经验(如台湾地区的农业生产自动化、渔业生产自动化、畜牧业生产自动化及农产品贸易自动化)的开发与应用情况,同时也汲取了国外一些国家的先进经验、技术,如日本的四行半喂人联合收割机是计算机控制的自动化装置在半喂人联合收割机中的应用,英国通过对施肥机散播肥料的动力测量来控制肥料的精确使用量。这些技术和方法是我国农业机械的自动化装置得到了补充和新的发展,从而形成了一系列适合我国农业特点的自动化控制技术。
一、已有的农业机械及装置的部分自动化控制
自动化技术提高了已有农业机械及装置的作业性能和操作性能。浙江省把自动化技术应用于茶叶机械上,成功研制出6CRK-55型可编程控制加压茶叶揉捻机,它利用计算机控制电功加压机构,能根据茶叶的具体情况编制最佳揉捻程序实现揉捻过程的自动控制,是机电一体化技术在茶叶机械上的首次成功应用。
1.应用于拖拉机
在农用拖拉机上已广泛使用了机械油压式三点联结的位调节和力调节系统装置,现又在开发和采用性能更完善的电子油压式三点联结装置。
2.应用于施肥播种机
根据行驶速度和检测种子粒数来确定播种量是否符合要求的装置,以及将马铃薯种子割成瓣后播种的装置等。
3.应用于谷物干燥机
不受外界条件干扰,能自动维持热风温度的装置停电或干燥机过热引起火灾时,自动掐断燃料供给的装置。
二、微灌自动控制技术
我国从20世纪年50代就开始进行节水灌溉的研究与推广据统计。到1992年,全国共有节水灌溉工程面积0.133亿m2,其中喷灌面积80万m2,农业节水工程取得了巨大的进展。灌溉管理自动化是发展高效农业的重要手段,高效农业和精细农业要求必须实现水资源的高效利用。采用遥感遥测等新技术监测土壤墒性和作物生长情况,对灌溉用水进行动态监测预报,实现灌溉用水管理的自动化和动态管理。在微灌技术领域,我国先后研制和改进了等流量滴灌设备、微喷灌设备、微灌带、孔口滴头、压力补偿式滴头、折射式和旋转式微喷头、过滤器和进排气阀等设备,总结出了一套基本适合我国国情的微灌设计参数和计算方法,建立了一批新的试验示范基地。在一些地区实现了自动化灌溉系统,可以长时间地自动启闭水泵和自动按一定的轮灌顺序进行灌溉。这种系统中应用了灌水器、土壤水分传感器、温度传感器、压力传感器、水位传感器和雨量传感器、电线等。
三、自动控制技术在精准农业中的应用
精准农业是在传统农业与农业机装备技术上,运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统,实现农业生产的定位、定量、定时,做到精耕细作和由于农业水土管理区管理点较为分散,用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来,采用现代方法进行自动化监控和管理非常必要,如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展,进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制,实施精准灌溉、精准施肥,提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究,从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护,是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域,日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究,如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人,在定位蘑菇采摘点和测量时,已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用,但在设施农业、虚拟农业中的应用尚处于起步阶段,应进一步加强、加快该领域的研究与应用。
我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展,尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展,人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现,继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战,并进一步促进农业自动化控制技术向智能化技术发展。
四、自动控制技术在精准农业中的应用
精准农业是在传统农业与农业机装备技术上,运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统,实现农业生产的定位、定量、定时,做到精耕细作和由于农业水土管理区管理点较为分散,用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来,采用现代方法进行自动化监控和管理非常必要,如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展,进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制,实施精准灌溉、精准施肥,提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究,从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护,是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域,日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究,如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人,在定位蘑菇采摘点和测量时,已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用,但在设施农业、虚拟农业中的应用尚处于起步阶段,应进一步加强、加快该领域的研究与应用。
我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展,尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展,人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现,继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战,并进一步促进农业自动化控制技术向智能化技术发展。
【参考文献】
[1]马玉敏等.工业以太网的最新发展.自动化系统工程，2006（2）：2.
关键词：计算机视觉分析；微小尺寸；精密校正；阈值；图像分割
中图分类号：TP274.4
计算机视觉分析理论是基于精密模式识别和人工智能程序化校验技能进行综合整编的方法，利用光学信息对真实物理结构的实时反映，配合人机协调手段进行二维图像的呈现。在工件表面进行质量检测和图片制备要素分析的系统环节中，阐述物体在空间环境之间的关系样式，争取三维场景的科学搭建。集合要素内容包括边缘、线条和曲面的配备，建立以工业部件为中心的坐标体系，并适当运用不同符号表现模式实现必要三维结构和空间关系的调整，促进精密仪器细节检验工作质量的不断提高。
1计算机视觉检测技术的相关理论研究
1.1技术原理分析
渗透性计算机辅助支持结构的视觉鉴定技术在被测实体中的图像显示支持功能基础形势上进行质量状况的把控，这其实就是根据既定的偏差标准实现规模物件的逐个排查。细致的检测工作在深度零件的诱导性特征和完整性配件的支持下，对整体完好效果的几何制备模型进行测量[1]。近阶段的视觉规范系统利用电耦合器件和摄像机进行主题元素的捕捉，并利用计算机内部程序的数字信号转化工具实现图像的并行处理。采用目标图像的特殊坐标记录，利用灰度分布图内的多种综合功能处理系统改善的要务。常规视觉下的检测过程相对比较繁琐，主要是将被检测物体放置于照明效果相对均匀的可控制背景环境中，联结CCD技术和图像卡实现被测部件和数字图像的共性要素融合，保证计算机自动化处理程序的录入。当然，这类研究系统是需要利用相关软体进行放大的，其主要必备功能就是进行图像的预处理、识别和有效分析，将整个过程内部的实际结果数值，包括被测部件的自身缺陷、尺寸等进行整理。
1.2计算机视觉微小尺寸精密检测工业应用技术的现状
在科学设计信息内容和工业加工制备要领集成化对待的环节中，通常不会直接进行部件表面的接触，一般运用计算机程序下的扫描认知和图像即时呈现功能进行快速的比对检测，整体信号抗干扰能力较强，因此在现代工业生产技术领域内部广受好评。电子工业是在建立计算机视觉分析工艺之后表现最为活跃的行业类型，在此基础上衍生的印刷电板路和集成电路芯片就是利用标准模型的整改，实现规模工序的紧密排列。目前，时下流行的汽车生产、纺织、商品包装等也逐渐向这类手段靠拢，全面改善了现代化工业制备的应用效果。
2应用视觉微小尺寸分析技术内部拓展机能的补充
灰度图像的主要分割方法包括灰度阈值校正、边缘检测制备等手段。
2.1灰度阈值校正
这是区域分割方法中一种常见的手段，主要配合多个或单个阈值将图像自身的灰度级别划分为几个项目组，对相同像素的单位数据进行整编。根据实效范围进行分类，包括局部和全局阈值探究两种手段，全局规模下的阈值分析方法就是利用整幅图的灰度直方分布图进行内部最优阈值分割，包括单阈值和多阈值两种形式；同时还可以将初始分析的图像进行子元素的拆解，之后利用单个子图像的既定阈值范围进行最优化分割[2]。分割的基本原理公式为：
其中，合理阈值的选取是非常重要的，目前阈值确定的手段主要包括直方图双峰对照法和最大类间方差累积法等。这种利用灰度阈值实现精准质量的划分手段，计算执行工作相对比较简单，并且实际工作效率水平较高，即便是实际需要分割的物体与图像背景对比深度较强也可以收放自如，但唯一的缺点就是缺少对空间信息的掌控，涉及亮度不足的图像问题，这种阈值分割技术的施工质量往往不会太高。
2.2边缘检测制备工序
图像内部元素的分割其实就是进行部件边界效益的提取，而边缘检测制备工序则是利用像元及邻域的整体状态进行物体边界相关结构的搭建。边缘检测分割制备技术具体包括并行和串行两种模式，并行手法是运用梯度信息的提取实现不同类别算子的整理；串行边界分割原理则是根据适当强度标准和相似走向的两个边缘端点位置实现连接，主要代表算法包括启发式智能搜索手段等。这种串行算法较并行边界积累统计原则来说具有更强的抗干扰能力，但实际的边缘检测同样不能完好地维持连续效果，需要利用其余技术内容进行边缘制备技巧的修复。
（1）原始图像（2）Robert算子边缘检测（3）Sobel算子边缘检测
（4）Prewitt算子边缘检测（5）Kirsch算子边缘检测（6）Gauss-Laplace算子检测
图1微小双联齿轮边缘检测
3视觉检测系统的创新性改进
根据以上现状问题，创新式视觉整改校验系统利用照明光源、摄像机和图像采集卡等结构实现计算机输出结果质量的补充。其主要运行过程如下：利用被测部件在均匀照明背景的全面优化控制基础，实现物体结构的全面清晰呈现，使用摄像机对相关图像信号进行梳理并转化为电荷信号，配合相关的图像资源采集卡进行部件数字化图像的格式转化；计算机内部软体操作程序将得到的数字图像进行处理和识别，并将最终结果数据输出，实现现代工业技术整体质量规模控制的既定要求。
系统硬件在实现部件转化图像信息的环节中，连接检测机理下的连续软件规划和照明光源等相关设备进行图像适当分辨率的调整，维持图像较为清晰的对比效果。全面控制获取数字图像的时间，抵抗不良因素的干扰影响，维持内部成本经济规模的合理控制，促进科技应用和可持续发展经济战略双重价值标准的同步进展。其中，光源设备的选择必须落实到部件既定的几何形状条件下，利用相关性能参数进行实际工作要求的提供，包括光源位置、亮度、寿命特性等因素的堆积，常用的可见光源包括水银灯、荧光灯等，但这类光源使用寿命有限，因此现下多配用LED光源进行快捷反应、小功耗标准的补充，并且长期使用后的照明效果比较稳定[3]。而摄像机等结构主要还是校正参数的表达方式，进行图像合理分辨率的整改，促进图像采集数字化协调功能的发展，提高系统工作速度等。
4结束语
计算机视觉检测系统在进行一定部件性能评比的活动中有着很高的贡献，不仅配合硬件的照明、参数制备要领制备功能，同时促进数字化图像对比的速度，使得工业生产环节中的部件检查工序得到大范围整改，满足可持续发展战略规模的视觉意义，促进现代智能化分析处理技术的全面覆盖。
参考文献：
[1]陆春梅.基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究[D].上海交通大学，2008.
[2]罗敏.基于机器视觉的黑片缺陷检测图像边缘提取算法研究[D].沈阳理工大学，2010.
