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

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)范文第1篇

【關(guān)鍵詞】農(nóng)產(chǎn)品 計(jì)算機(jī)視覺(jué)技術(shù) 品質(zhì)檢測(cè)

農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作中除了采取人工檢測(cè)法以外，還可以采取半自動(dòng)或自動(dòng)檢測(cè)法，如在水果分級(jí)檢測(cè)工作中的質(zhì)量分級(jí)檢測(cè)法、光電分選法以及大小分級(jí)法等。然而農(nóng)產(chǎn)品品質(zhì)會(huì)受到自然生長(zhǎng)環(huán)境或人為因素等方面的影響，農(nóng)產(chǎn)品的色澤、大小及形狀等并不相同，無(wú)法采取單一指標(biāo)進(jìn)行檢測(cè)。因此充分應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)農(nóng)產(chǎn)品的品質(zhì)進(jìn)行檢測(cè)，極為重要。

1 計(jì)算機(jī)視覺(jué)技術(shù)

計(jì)算機(jī)視覺(jué)技術(shù)又被稱(chēng)為機(jī)器視覺(jué)技術(shù)，指的是通過(guò)人類(lèi)設(shè)計(jì)，在計(jì)算機(jī)環(huán)境下，達(dá)到再現(xiàn)或模擬人類(lèi)視覺(jué)相關(guān)的職能行為的一種技術(shù)，包括了印刷和手寫(xiě)文字的識(shí)別技術(shù)，圖像模式識(shí)別技術(shù)，物體三維表面形狀識(shí)別技術(shù)、距離識(shí)別以及速度感知等技術(shù)。該技術(shù)是諸多學(xué)科的結(jié)合與交叉，涉及到數(shù)學(xué)、生理學(xué)、信息處理、物理學(xué)、光學(xué)以及計(jì)算機(jī)等多種學(xué)科。探究計(jì)算機(jī)視覺(jué)技術(shù)的目的在于實(shí)驗(yàn)人類(lèi)視覺(jué)的再現(xiàn)及延伸，即再現(xiàn)高等動(dòng)物的視覺(jué)系統(tǒng)，并對(duì)物體形狀以及類(lèi)別進(jìn)行識(shí)別。

此外，計(jì)算機(jī)視覺(jué)技術(shù)處理的原始資料多是圖像，所以該技術(shù)和圖像處理以及模擬識(shí)別等有著緊密的聯(lián)系?，F(xiàn)階段，計(jì)算機(jī)視覺(jué)技術(shù)在諸多領(lǐng)域有著較為廣泛的運(yùn)用，包括了醫(yī)學(xué)輔助診斷、資源調(diào)查、衛(wèi)星圖像解釋、軍事指導(dǎo)、災(zāi)害監(jiān)測(cè)、氣象以及工業(yè)產(chǎn)品的外觀篩選及檢測(cè)等。同時(shí)研究該技術(shù)在農(nóng)業(yè)工程領(lǐng)域中的應(yīng)用，也成為了熱門(mén)話(huà)題。

2 在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中，計(jì)算機(jī)視覺(jué)技術(shù)的具體應(yīng)用

筆者在查閱相關(guān)文獻(xiàn)資料的基礎(chǔ)上，探究在農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作中，計(jì)算機(jī)視覺(jué)技術(shù)在產(chǎn)品表面缺陷以及損傷識(shí)別工作中的具體應(yīng)用；果形識(shí)別工作中的具體應(yīng)用；農(nóng)產(chǎn)品尺寸以及面積檢測(cè)工作中的具體應(yīng)用。

2.1 在產(chǎn)品表面缺陷以及損傷識(shí)別工作中的具體應(yīng)用

在對(duì)農(nóng)產(chǎn)品進(jìn)行分級(jí)的過(guò)程中，依然存在著一大問(wèn)題，即農(nóng)產(chǎn)品表面缺損以及損傷識(shí)別。而早在1984年就已經(jīng)出現(xiàn)了采取線(xiàn)掃描和模擬攝像機(jī)針對(duì)蘋(píng)果表面損傷進(jìn)行檢測(cè)的實(shí)驗(yàn)報(bào)道，實(shí)驗(yàn)結(jié)果顯示，采取數(shù)據(jù)技術(shù)能夠檢測(cè)出蘋(píng)果表面損傷，其檢測(cè)結(jié)果完全能夠達(dá)到人工分級(jí)的精度。與此同時(shí)，還出現(xiàn)了一種機(jī)器視覺(jué)系統(tǒng)，該系統(tǒng)將不規(guī)則的圖像信息與正常的圖像信息區(qū)分開(kāi)來(lái)，在去除蔬菜內(nèi)的雜物以及檢測(cè)農(nóng)產(chǎn)品的污點(diǎn)等方面能夠取得較好的應(yīng)用效果。此外，在1989年，國(guó)外出現(xiàn)了一種全新的計(jì)算方法，即運(yùn)用紅外線(xiàn)掃描攝像機(jī)，處理蘋(píng)果表面的灰度圖像，既能夠確定蘋(píng)果表面的損傷面積，還能夠區(qū)分不同損傷區(qū)。然而還技術(shù)是以機(jī)械裝置的設(shè)定為基礎(chǔ)，需要消耗2s的時(shí)間，對(duì)一個(gè)蘋(píng)果進(jìn)行檢測(cè)，蘋(píng)果表面缺陷分級(jí)精度以及損傷分級(jí)進(jìn)度并不高。

我國(guó)在1997年，出現(xiàn)了運(yùn)用計(jì)算機(jī)圖像處理技術(shù)對(duì)蘋(píng)果損壞自動(dòng)化檢測(cè)的試驗(yàn)研究，該試驗(yàn)結(jié)果顯示，該技術(shù)的損壞檢出率較高，能夠規(guī)避果梗區(qū)以及花萼區(qū)對(duì)于壞損區(qū)域識(shí)別的具體影響，且該檢測(cè)技術(shù)的魯棒性較強(qiáng)。

2.2 在果形識(shí)別工作中的具體應(yīng)用

果形識(shí)別是影響水果質(zhì)量的重要因素之一，對(duì)于水果品質(zhì)檢測(cè)有著重大意義。當(dāng)水果成熟后，水果的外形將會(huì)發(fā)生巨大的改變，且無(wú)法采取數(shù)學(xué)方法進(jìn)行鑒別，采取其他方式進(jìn)行果形識(shí)別極為重要。

在1981年，有研究人員就針對(duì)形狀識(shí)別中的圖像特征進(jìn)行了探討，提倡采取結(jié)構(gòu)分析法以及外形輪廓曲線(xiàn)檢測(cè)法，針對(duì)水果外形進(jìn)行識(shí)別。并在1985年，以數(shù)字圖像分析技術(shù)以及模式識(shí)別技術(shù)為依據(jù)，針對(duì)番茄定向、番茄形狀、表面缺陷以及尺寸進(jìn)行分類(lèi)的特殊算法，運(yùn)用灰度梯度曲線(xiàn)，明確番茄表面缺陷以及花萼位置等。而我國(guó)則在2000年，按照果實(shí)形狀分析，通過(guò)連續(xù)性指標(biāo)、半徑指標(biāo)、連續(xù)指標(biāo)對(duì)稱(chēng)性、半徑指標(biāo)對(duì)稱(chēng)性等特征參數(shù)，表示果形，并首次采取參數(shù)形狀分析法。

2.3 在農(nóng)產(chǎn)品尺寸以及面積檢測(cè)工作中的具體應(yīng)用

農(nóng)產(chǎn)品分級(jí)中，以農(nóng)產(chǎn)品外形尺寸為依據(jù)。在1987年，國(guó)外就已經(jīng)開(kāi)始研究機(jī)械視覺(jué)技術(shù)在牡蠣肉分級(jí)以及尺寸檢測(cè)工作中的具體應(yīng)用。并在1992年，針對(duì)人工檢測(cè)以及機(jī)器視覺(jué)檢測(cè)進(jìn)行進(jìn)行了對(duì)比分析，試驗(yàn)結(jié)果顯示，和人工檢測(cè)技術(shù)相比，采取視覺(jué)檢測(cè)技術(shù)，能夠提高檢測(cè)的精確度，減少檢測(cè)消耗時(shí)間；同時(shí)在評(píng)價(jià)以及推廣種質(zhì)資源中，準(zhǔn)確的測(cè)量以及詳細(xì)的記錄種質(zhì)形態(tài)的指標(biāo)，有著極為重要的意義。為了能夠精確、快速地計(jì)算出玉米種質(zhì)尺度，在1995年，有研究人員就提出了自動(dòng)化選擇技術(shù)，該技術(shù)在處理玉米種質(zhì)圖像中，其辨別精度極高。

而我國(guó)在2002年，有研究人員就針對(duì)水果品質(zhì)進(jìn)行動(dòng)態(tài)、實(shí)時(shí)監(jiān)測(cè)的智能化分級(jí)生產(chǎn)線(xiàn)進(jìn)行了研究，該生產(chǎn)線(xiàn)，首先通過(guò)水果輸送翻轉(zhuǎn)系統(tǒng)，利用滾筒式輸送翻轉(zhuǎn)裝置，將水果往前輸送，在輸送過(guò)程中，以水平軸為中心，保證水果表面能夠被系統(tǒng)檢測(cè)到，以此獲得圖像信息。然后利用計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)，對(duì)水果等級(jí)進(jìn)行判斷，明確圖像信息。該系統(tǒng)具備了視覺(jué)識(shí)別功能。最終通過(guò)分級(jí)系統(tǒng)，完成水果分級(jí)工作。

3 結(jié)語(yǔ)

在二十世紀(jì)七十年代以后，計(jì)算機(jī)視覺(jué)技術(shù)就已經(jīng)得到了較為迅速的發(fā)展，在我國(guó)，該技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的具體應(yīng)用也得到了人們的高度關(guān)注，同時(shí)也取得了一定的成效。計(jì)算機(jī)視覺(jué)技術(shù)作為人眼的延伸技術(shù)之一，其具備了人腦功能，運(yùn)用該技術(shù)代替以往的人工操作技術(shù)，已經(jīng)成為了農(nóng)產(chǎn)品品質(zhì)檢測(cè)工作的必然發(fā)展趨勢(shì)。

參考文獻(xiàn)

[1]朱從容.計(jì)算機(jī)視覺(jué)技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用[J].浙江海洋學(xué)院學(xué)報(bào)（自然科學(xué)版），2008，10（04）：191-192.

[2]王勃，徐靜.計(jì)算機(jī)視覺(jué)技術(shù)在蘋(píng)果葉片營(yíng)養(yǎng)診斷上的應(yīng)用[J].農(nóng)機(jī)化研究，2008，（03）：887-888.

[3]李朝東，崔國(guó)賢，盛暢，等.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用[J].農(nóng)機(jī)化研究，2009，10（12）：667-668.

作者簡(jiǎn)介

陳超（1995-），男，福建省福州市人。現(xiàn)為北京交通大學(xué)在校學(xué)生。研究方向?yàn)殡娮涌茖W(xué)與技術(shù)。

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)范文第2篇

【關(guān)鍵詞】計(jì)算機(jī)視覺(jué)技術(shù) 馬鈴薯外部品質(zhì) 檢測(cè)

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)運(yùn)而生并在工業(yè)自動(dòng)化以及農(nóng)產(chǎn)品檢驗(yàn)檢測(cè)等領(lǐng)域成功應(yīng)用。其中，將計(jì)算機(jī)視覺(jué)技術(shù)用于以自動(dòng)化采集和品級(jí)分級(jí)為代表的果蔬商品化處理具有非常廣闊的發(fā)展空間。我國(guó)政府將“農(nóng)產(chǎn)品深加工技術(shù)與設(shè)備研究開(kāi)發(fā)”列為我國(guó)“十五”重大科技攻關(guān)項(xiàng)目的第一項(xiàng)，這標(biāo)志著計(jì)算機(jī)視覺(jué)技術(shù)在果蔬外部品質(zhì)檢測(cè)中會(huì)發(fā)揮越來(lái)越重要的作用。

馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農(nóng)作物，種植區(qū)域非常廣泛。馬鈴薯品質(zhì)檢測(cè)是馬鈴薯深加工的一個(gè)關(guān)鍵步驟，目前，該檢驗(yàn)過(guò)程多數(shù)采用人工檢測(cè)，不僅成本高、效率低，而且與檢驗(yàn)員的專(zhuān)業(yè)素質(zhì)有密切的關(guān)系，受到人為因素影響的程度較大，嚴(yán)重制約的馬鈴薯加工企業(yè)的發(fā)展。計(jì)算機(jī)視覺(jué)技術(shù)能對(duì)農(nóng)產(chǎn)品的某些特性變化和缺陷進(jìn)行識(shí)別，具有客觀、無(wú)損害等特點(diǎn)。本文對(duì)基于計(jì)算機(jī)視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)的應(yīng)用進(jìn)行了研究。

1 應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯進(jìn)行外部品質(zhì)檢測(cè)的必要性

隨著“麥當(dāng)勞”、“肯德基”的餐飲服務(wù)業(yè)的快速發(fā)展，炸薯?xiàng)l、炸薯片已經(jīng)成為一種休閑食品深受消費(fèi)者的喜愛(ài)，推動(dòng)了我國(guó)馬鈴薯產(chǎn)業(yè)的發(fā)展。然而，情況并不十分樂(lè)觀，與國(guó)外的馬鈴薯企業(yè)相比，我國(guó)馬鈴薯加工企業(yè)生產(chǎn)規(guī)模小、生產(chǎn)產(chǎn)品單一、技術(shù)設(shè)備落后、產(chǎn)品質(zhì)量不高的現(xiàn)象導(dǎo)致我國(guó)的馬鈴薯產(chǎn)品銷(xiāo)售困難，經(jīng)濟(jì)效益逐漸下滑。

基于以上現(xiàn)狀，對(duì)馬鈴薯的加工研究還有很長(zhǎng)的一段路程。企業(yè)要擴(kuò)大生產(chǎn)規(guī)模，針對(duì)中國(guó)的消費(fèi)趨勢(shì)與消費(fèi)水平開(kāi)發(fā)出新的馬鈴薯產(chǎn)品，從而提高我國(guó)馬鈴薯產(chǎn)品的競(jìng)爭(zhēng)力。這就要求馬鈴薯加工企業(yè)要對(duì)馬鈴薯的加工技術(shù)進(jìn)行創(chuàng)新，保證產(chǎn)品質(zhì)量。其中，馬鈴薯外部品質(zhì)檢測(cè)對(duì)馬鈴薯產(chǎn)品的最終品質(zhì)起著決定性作用。當(dāng)前的人工檢測(cè)方式已經(jīng)不再適應(yīng)社會(huì)發(fā)展的要求，利用計(jì)算機(jī)視覺(jué)檢驗(yàn)代替人工檢驗(yàn)成為社會(huì)發(fā)展的必然趨勢(shì)，這是因?yàn)橛?jì)算機(jī)視覺(jué)技術(shù)具有以下優(yōu)點(diǎn)：

（1）精度高，能夠進(jìn)行定量測(cè)量。

（2）自動(dòng)化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內(nèi)的檢測(cè)和分析，并能進(jìn)行綜合識(shí)別。

（3）無(wú)損檢測(cè)，計(jì)算機(jī)視覺(jué)檢測(cè)過(guò)程不需要接觸產(chǎn)品，是通過(guò)傳感器掃面獲取圖像的，不會(huì)造成產(chǎn)品的損傷。

（4）信息量大，可對(duì)大量信息進(jìn)行采集，對(duì)光譜的敏感范圍也很廣。

2 基于計(jì)算機(jī)視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)的應(yīng)用研究

2.1 馬鈴薯大小的檢測(cè)方法

馬鈴薯的大小檢測(cè)不僅影響馬鈴薯深加工的商業(yè)價(jià)值，在在遺傳和育種方面也有很高的應(yīng)用價(jià)值。

利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯大小的檢測(cè)步驟如下：先從攝像機(jī)中獲取馬鈴薯的圖像信息，在圖像信息的基礎(chǔ)上對(duì)馬鈴薯三維空間的幾何信息進(jìn)行計(jì)算，并由此重建和識(shí)別馬鈴薯。而馬鈴薯物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系是由攝像機(jī)成像的幾何模型決定的，這些幾何參數(shù)成為攝像機(jī)參數(shù)。要想準(zhǔn)確的獲取這些攝像機(jī)參數(shù)，就必須將實(shí)驗(yàn)與計(jì)算相結(jié)合，此過(guò)程成為系統(tǒng)定標(biāo)。

系統(tǒng)定標(biāo)的基本步驟：根據(jù)設(shè)定好的攝像機(jī)模型和特定的實(shí)驗(yàn)條件包括形狀、尺寸等已知的定標(biāo)參照物，經(jīng)過(guò)對(duì)馬鈴薯圖像的處理，并利用一系列的數(shù)學(xué)轉(zhuǎn)換和計(jì)算方法將攝像機(jī)模型的內(nèi)部和外部參數(shù)計(jì)算出來(lái)，從而建立照片與實(shí)物的聯(lián)系推算出馬鈴薯的真實(shí)尺寸。

2.2 馬鈴薯形狀的檢測(cè)方法

根據(jù)《中國(guó)馬鈴薯栽培學(xué)》中的知識(shí)，我們可以把馬鈴薯的塊莖形狀分為三類(lèi)，分別是圓形、長(zhǎng)筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長(zhǎng)筒形，并且采用橢圓的短長(zhǎng)軸比來(lái)模擬馬鈴薯的縱橫直徑之間的關(guān)系。

2.2.1 馬鈴薯形狀特征參數(shù)的提取

將馬鈴薯橢圓的短長(zhǎng)軸比R作為形狀特征參數(shù)，并按照R的大小將馬鈴薯進(jìn)行分類(lèi)。當(dāng)R小于0.67時(shí)，稱(chēng)之為長(zhǎng)筒馬鈴薯；當(dāng)R大于0.85時(shí)，稱(chēng)之為圓形馬鈴薯；當(dāng)R介于0.67到0.85之間時(shí)，稱(chēng)之為橢圓形馬鈴薯。

2.2.2 結(jié)果與分析

隨機(jī)抽取114塊馬鈴薯，對(duì)抽取的馬鈴薯進(jìn)行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類(lèi)后進(jìn)行計(jì)算機(jī)視覺(jué)分類(lèi)，操作步驟具體如下：

（1）用DIPS預(yù)處理：B通道灰度化，中值濾波和Otsu分割；

（2）通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)提取馬鈴薯圖片的短長(zhǎng)軸比R；

（3）將人工分類(lèi)與計(jì)算機(jī)視覺(jué)分類(lèi)進(jìn)行對(duì)比，并得出正確率。

根據(jù)圖表，我們可以看出在228張僅有兩張圖片被分類(lèi)錯(cuò)誤，正確率高達(dá)99.1%，而這兩個(gè)分類(lèi)錯(cuò)誤的馬鈴薯的短長(zhǎng)軸比處于0.67周?chē)?，分別為0.667604 ， 0.67193和0.671887， 0.661063，又因?yàn)閷?duì)馬鈴薯形狀的分類(lèi)不需要類(lèi)似工業(yè)生產(chǎn)那樣精密，所以，當(dāng)正反兩面短長(zhǎng)軸比接近時(shí)都可看作是橢圓形。

2.3 馬鈴薯的缺陷檢測(cè)

計(jì)算機(jī)視覺(jué)技術(shù)具有實(shí)時(shí)、客觀、無(wú)損的檢測(cè)特點(diǎn)，能對(duì)馬鈴薯的表面缺陷和某些特征要素進(jìn)行快速檢測(cè)?；诖?，國(guó)內(nèi)外很多研究學(xué)者進(jìn)行了大量的實(shí)驗(yàn)研究，在1998年開(kāi)發(fā)了利用PC機(jī)輔助的實(shí)時(shí)馬鈴薯檢測(cè)系統(tǒng)，能夠?qū)︸R鈴薯的重量、顏色以及形狀進(jìn)行快速檢測(cè)；2000年，相關(guān)研究者在此基礎(chǔ)上建立了計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)，不僅能實(shí)現(xiàn)大小、形狀的檢測(cè)，還能對(duì)馬鈴薯表面的生長(zhǎng)裂縫、機(jī)械裂縫、綠皮等表面缺陷進(jìn)行檢測(cè)。當(dāng)前對(duì)馬鈴薯表面缺陷進(jìn)行檢測(cè)的主要計(jì)算機(jī)視覺(jué)技術(shù)包括缺陷分割法和缺陷識(shí)別法兩種方法。

3 結(jié)論

本文應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯的大小、形狀和表面缺陷等外部品質(zhì)進(jìn)行了檢測(cè)，但是還未能實(shí)現(xiàn)利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯的表面缺陷進(jìn)行分類(lèi)這一技術(shù)。因此，相關(guān)部門(mén)要加大研究力度，爭(zhēng)取早日完善計(jì)算機(jī)視覺(jué)技術(shù)，從而推動(dòng)我國(guó)馬鈴薯加工企業(yè)快速高效的發(fā)展。

參考文獻(xiàn)

[1]魯永萍.基于機(jī)器視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)與分級(jí).機(jī)械設(shè)計(jì)及理論[D].內(nèi)蒙古農(nóng)業(yè)大學(xué).2013（學(xué)位年度）.

[2]史崇升.基于高光譜成像技術(shù)的馬鈴薯外部品質(zhì)無(wú)損檢測(cè)建模及優(yōu)化研究.電子與通信工程[D].寧夏大學(xué).2014（學(xué)位年度）.

作者單位

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)范文第3篇

參考文獻(xiàn)的寫(xiě)作是作者在這一科學(xué)領(lǐng)域的問(wèn)題進(jìn)行研究并且還有一定的研究成果，參考文獻(xiàn)的寫(xiě)作也是對(duì)科學(xué)研究的更進(jìn)一步的深入探討。下面是學(xué)術(shù)參考網(wǎng)的小編整理的關(guān)于信息系統(tǒng)論文參考文獻(xiàn)，希望可以在大家寫(xiě)作當(dāng)中帶來(lái)幫助。

信息系統(tǒng)論文參考文獻(xiàn)：

[1]郭銳，任強(qiáng)，宋麗華等.全運(yùn)會(huì)信息系統(tǒng)工程項(xiàng)目監(jiān)理策略分析[J].信息技術(shù)與信息化，2010，（6）：52-54.

[2]周鳴.信息系統(tǒng)工程監(jiān)理存在的必要性和充分性[J].電腦知識(shí)與技術(shù)，2009，5（2）：296-298.

[3]郭飛.信息系統(tǒng)工程監(jiān)理的博弈模型構(gòu)建[C].//2012中國(guó)工程管理論壇論文集.2012：260-262.

[4]湯劍，周芳芹，楊繼隆.計(jì)算機(jī)視覺(jué)圖像系統(tǒng)的技術(shù)改造[J].機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新周刊，2005，14（18）：33-36

[5]段發(fā)階等.拔絲模孔形計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)[J].光電工程時(shí)報(bào)，1996，23（13）：189-190

[6]馬玉真，程殿彬，范文兵等.計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的發(fā)展及應(yīng)用研究[J]，濟(jì)南大學(xué)學(xué)報(bào)，2004，18（23）：222-227.

[7]張文景，王輝，丁國(guó)忠等.計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)及其在機(jī)械零件檢測(cè)中的應(yīng)用，上海交通大學(xué)學(xué)報(bào)，1999，33（5）：635-638

信息系統(tǒng)論文參考文獻(xiàn)：

[1]張建林，王鎖柱，王瑞梅.應(yīng)用型本科信息系統(tǒng)分析與設(shè)計(jì)教學(xué)改革實(shí)踐[J].計(jì)算機(jī)教育，2010（5）：2-4.

[2]邵莉，李清茂.ERwin在教學(xué)管理系統(tǒng)設(shè)計(jì)中的應(yīng)用研究[J].攀枝花學(xué)院學(xué)報(bào)，2010（12）：101-104.

[3]張富國(guó).信息系統(tǒng)分析與設(shè)計(jì)課程教學(xué)改革探索與實(shí)踐[J].教學(xué)研究，2007（1）：74-76.

[4]彭濤，佟建新，范莉麗.基于案例教學(xué)的信息系統(tǒng)分析與設(shè)計(jì)課程改革研究與實(shí)踐[J].北京聯(lián)合大學(xué)學(xué)報(bào)：自然科學(xué)版，2009（4）：86-89.

[5]史磊.試分析地理信息系統(tǒng)（CIS）的發(fā)展趨勢(shì)[J].2011.

信息系統(tǒng)論文參考文獻(xiàn)：

[1]辜體仁.電力企業(yè)文化與電力企業(yè)管理[J].中國(guó)電力企業(yè)管理，2005，（11）.

[2]余華.淺談電力企業(yè)管理信息系統(tǒng)的設(shè)計(jì)[J].農(nóng)電管理，2004，（1）.

[3]陳帆，楊琳，顏中原.電力企業(yè)管理信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].供用電，2002，（3）.

[4]楊素芬，李江西，孔德星.電力企業(yè)管理信息系統(tǒng)[J].焦作工學(xué)院學(xué)報(bào)（自然科學(xué)版），2002，（4）.

[5]任仲泉.現(xiàn)代商業(yè)空間展示設(shè)計(jì)[M].濟(jì)南：山東科學(xué)技術(shù)出版社，2004.

[6]楊公俠.視覺(jué)與視覺(jué)環(huán)境[M].重慶：西南師范大學(xué)出版社，2002.

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)范文第4篇

【關(guān)鍵詞】視頻；圖像處理；智能交通系統(tǒng)

交通視頻監(jiān)控系統(tǒng)是一個(gè)國(guó)家交通正常運(yùn)行的有力保障。隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷推進(jìn)和汽車(chē)的普及，交通問(wèn)題日益嚴(yán)峻，道路擁擠、事故頻發(fā)，加上不遵守交通規(guī)則的人比比皆是，使交通問(wèn)題成為一直困擾我國(guó)的難題。而由于交通系統(tǒng)是一個(gè)相當(dāng)復(fù)雜的龐大系統(tǒng)，所以監(jiān)控起來(lái)十分困難。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)處理技術(shù)興盛起來(lái)。計(jì)算機(jī)視覺(jué)處理技術(shù)是模擬人類(lèi)視覺(jué)系統(tǒng)的一種技術(shù)，人類(lèi)可以通過(guò)對(duì)視覺(jué)中感知到的信息進(jìn)行適當(dāng)?shù)慕M合和聯(lián)想以達(dá)到對(duì)外界信息進(jìn)行判斷的能力，計(jì)算機(jī)視覺(jué)處理技術(shù)就是要用計(jì)算機(jī)代替人類(lèi)的大腦實(shí)現(xiàn)對(duì)采集到的信息進(jìn)行處理，從而使計(jì)算機(jī)具有外部感知的能力，這對(duì)于交通視頻監(jiān)控系統(tǒng)具有非常重要的意義。

在智能交通系統(tǒng)中，基于計(jì)算機(jī)視覺(jué)的圖像處理技術(shù)扮演著重要的角色，它以視頻圖像為分析對(duì)象，利用先進(jìn)的算法去除干擾，具有直觀、高效、精度高等特點(diǎn)。

1 交通視頻中進(jìn)行圖像處理的重要性

交通視頻檢測(cè)系統(tǒng)的攝像機(jī)在工作時(shí)面臨的是自然氣象條件，這就意味著它要受到各種自然條件的干擾，比如強(qiáng)光、霧霾、粉塵、街燈等，由于光照條件不同所引起的圖像差異遠(yuǎn)遠(yuǎn)大于由于人的不同所引起的圖像差異，即使是在相同光照條件下，由于鏡面反射的存在，同一物體的不同表面對(duì)光的反射不同，再加上粉塵、霧霾等的影響，從不同視角反映出來(lái)的圖像有很大差異。外界光照的方向和強(qiáng)度還會(huì)隨著時(shí)間不斷發(fā)生變化，這些因素會(huì)導(dǎo)致采集的圖像不清晰、重影、有陰影等，給基于視頻的檢測(cè)帶來(lái)很大的難度。而視覺(jué)檢測(cè)必須借助外界光線(xiàn)才能夠獲取圖像信息，所以要把圖像中的車(chē)輛信息完整清晰的反應(yīng)出來(lái)，就要對(duì)靜止的視頻圖像序列（即每幀圖像）進(jìn)行預(yù)處理。這些處理會(huì)涵蓋圖像色彩模式轉(zhuǎn)換、格式轉(zhuǎn)換、算法處理等。

2 交通視頻監(jiān)控系統(tǒng)的組成

交通視頻監(jiān)控系統(tǒng)一般由采集、傳輸、控制、顯示四部分組成。

2.1 圖像采集

圖像采集工作由前端的攝像機(jī)完成，采集質(zhì)量的好壞將直接影響視頻圖像處理的效果。如果視頻圖像中的車(chē)輛信息清楚，對(duì)比度好，無(wú)干擾信息或干擾信息少，將有利于車(chē)輛的檢測(cè)和跟蹤，反之，將不利于車(chē)輛的檢測(cè)和跟蹤。

2.2 傳輸

根據(jù)攝像機(jī)和控制中心之間距離的長(zhǎng)短，會(huì)采用不同的傳輸設(shè)備，一般的傳輸方式包括視頻基帶傳輸、射頻有線(xiàn)傳輸、光纖傳輸、電話(huà)線(xiàn)傳輸?shù)取?/p>

2.3 控制

控制部分是整個(gè)交通視頻監(jiān)控系統(tǒng)的中心，由總控制臺(tái)組成?？偪刂婆_(tái)可以進(jìn)行信號(hào)的縮放、矯正、補(bǔ)償、切換、遙控、記錄存儲(chǔ)圖像等。

2.4 顯示

顯示部分的功能就是把傳送過(guò)來(lái)的圖像顯示出來(lái)，由若干臺(tái)監(jiān)視器組成。

3 交通視頻監(jiān)控系統(tǒng)中視頻圖像處理技術(shù)的應(yīng)用

3.1 車(chē)輛檢測(cè)

對(duì)運(yùn)動(dòng)車(chē)輛的檢測(cè)是交通視頻監(jiān)控系統(tǒng)的核心功能，通過(guò)對(duì)視頻圖像中的連續(xù)畫(huà)面的變化分析能抽出運(yùn)動(dòng)車(chē)輛的特征，從而實(shí)現(xiàn)檢測(cè)。但是由于運(yùn)動(dòng)的車(chē)輛受光線(xiàn)、灰塵、霧霾、陰影等因素的影響，給圖像分割帶來(lái)很大的困難。所以在進(jìn)行車(chē)輛檢測(cè)時(shí)，要對(duì)獲得的視頻圖像進(jìn)行處理，來(lái)提取目標(biāo)車(chē)輛信息，常用的方法有幀間差分法、背景差分法、邊緣檢測(cè)法等。

3.2 車(chē)輛跟蹤

對(duì)車(chē)輛進(jìn)行檢測(cè)的目的是辨別運(yùn)動(dòng)車(chē)輛，然而要想了解目標(biāo)的運(yùn)動(dòng)參數(shù)，還要對(duì)車(chē)輛進(jìn)行跟蹤。車(chē)輛跟蹤的核心內(nèi)容是根據(jù)目標(biāo)運(yùn)動(dòng)車(chē)輛的某些特征在不同的圖像幀中進(jìn)行目標(biāo)匹配，用于匹配的特征包括位置、大小、形狀，以及局部的點(diǎn)、線(xiàn)特征和整體輪廓特征等[1]。常用的車(chē)輛跟蹤方法有基于區(qū)域的方法、基于特征的方法、基于運(yùn)動(dòng)估計(jì)的方法、基于模型的方法、基于輪廓的方法等。

3.3 陰影檢測(cè)

陰影檢測(cè)是交通視頻監(jiān)控系統(tǒng)的一項(xiàng)重要且具有挑戰(zhàn)性的工作。運(yùn)動(dòng)目標(biāo)車(chē)輛由于受各種光源的影響會(huì)產(chǎn)生陰影，而陰影與運(yùn)動(dòng)目標(biāo)車(chē)輛具有相似的視覺(jué)特征和運(yùn)動(dòng)特征，所以前面介紹的車(chē)輛檢測(cè)方法都不能有效地將陰影檢測(cè)出來(lái)。陰影的存在會(huì)使車(chē)輛檢測(cè)和跟蹤產(chǎn)生誤差，給交通參數(shù)的提取帶來(lái)很大誤差，因而陰影的檢測(cè)與去除是視頻檢測(cè)的重點(diǎn)和難點(diǎn)。根據(jù)陰影形成的不同原理可以把陰影分成不同的類(lèi)型，而不同類(lèi)型的陰影又有不同的特點(diǎn)，這給陰影的檢測(cè)和提取提供了可能。目前，陰影檢測(cè)方法通常包括兩大類(lèi)：一類(lèi)是基于陰影屬性如顏色不變性、紋理不變性、低頻性質(zhì)等屬性的檢測(cè)技術(shù)，另一類(lèi)是基于應(yīng)用場(chǎng)景先驗(yàn)知識(shí)的模型的陰影檢測(cè)[2]。

3.4 交通參數(shù)的檢測(cè)

交通參數(shù)可以分為兩類(lèi)，一類(lèi)是針對(duì)某一具體車(chē)輛的，如該車(chē)輛的車(chē)型、顏色、車(chē)牌、速度、重量等；另一類(lèi)是針對(duì)某一具體路段的，如該這段的固定時(shí)間內(nèi)的車(chē)流量、平均速度、車(chē)輛密度、車(chē)輛數(shù)目、路面占有率等。基于圖像處理的交通參數(shù)檢測(cè)需要實(shí)時(shí)處理大量的圖像數(shù)據(jù)，這些參數(shù)的獲得可以為交通執(zhí)法提供依據(jù)，增加交通道路的容量。目前應(yīng)用較為廣泛的交通參數(shù)獲取方法為虛擬線(xiàn)圈檢測(cè)方法，很多學(xué)者都在此基礎(chǔ)之上設(shè)計(jì)算法更加精密的檢測(cè)系統(tǒng)。

3.5 車(chē)牌識(shí)別

車(chē)牌識(shí)別技術(shù)（Vehicle License Plate Recognition，VLPR） 是計(jì)算機(jī)視頻圖像識(shí)別技術(shù)在車(chē)輛牌照識(shí)別中的一種應(yīng)用。車(chē)牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車(chē)輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車(chē)唯一的車(chē)牌號(hào)碼，從而完成識(shí)別過(guò)程。通過(guò)車(chē)牌識(shí)別可以實(shí)現(xiàn)對(duì)停車(chē)場(chǎng)的收費(fèi)管理、車(chē)輛定位、交通違法行為監(jiān)控等功能，對(duì)于維護(hù)交通安全、實(shí)現(xiàn)交通自動(dòng)化管理有很重要的意義。

視頻圖像處理技術(shù)在交通視頻監(jiān)控系統(tǒng)中應(yīng)用的已經(jīng)十分廣泛，隨著計(jì)算機(jī)視覺(jué)、人工智能理論的發(fā)展，對(duì)包含運(yùn)動(dòng)目標(biāo)的圖像序列進(jìn)行分析和處理，能夠?qū)崿F(xiàn)交通管理的高效智能化。隨著視頻圖像處理技術(shù)硬件的不斷發(fā)展，我們所面臨的挑戰(zhàn)是如何找出與硬件相匹配的高效的軟件技術(shù)（即先進(jìn)的算法），使智能交通系統(tǒng)的功能更加強(qiáng)大和完善。

【參考文獻(xiàn)】

[1]梁曉愛(ài).基于視頻的車(chē)輛檢測(cè)與跟蹤技術(shù)研究[D].山東師范大學(xué)，2010.

[2]許潔瓊.基于視頻圖像處理的車(chē)輛檢測(cè)與跟蹤方法研究[D].中國(guó)海洋大學(xué)，2012.

[3]衛(wèi)小偉.視頻圖像處理技術(shù)在智能交通系統(tǒng)中的運(yùn)用[J].電子測(cè)試，2015（6）.

[4]姜旭.視頻圖像處理技術(shù)在智能交通系統(tǒng)中的應(yīng)用[D].蘇州大學(xué)，2009.

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)范文第5篇

【關(guān)鍵詞】人工智能 機(jī)器視覺(jué) PCB 機(jī)器人生產(chǎn)線(xiàn)

隨著《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》的和國(guó)家對(duì)制造業(yè)的高度重視，2016年中國(guó)人工智能市場(chǎng)規(guī)模達(dá)到239億，其中智能硬件平臺(tái)為152.5億，占比達(dá)到63.8%，高于86.5億的軟件集成平臺(tái)。未來(lái)三年人工智能市場(chǎng)將迎來(lái)新興機(jī)遇點(diǎn)，預(yù)計(jì)2017年產(chǎn)業(yè)規(guī)模達(dá)到295.9億，2018年將達(dá)到381億元，復(fù)合增長(zhǎng)率達(dá)26.3%。

很顯然，人工智能正處于爆發(fā)式的發(fā)展階段，作為對(duì)于先進(jìn)科技最為敏感的工業(yè)界，會(huì)有大批量的技術(shù)更新?lián)Q代的需求。人工智能可以從各種方面優(yōu)化制造業(yè)，提高流水線(xiàn)效率，精進(jìn)制造工藝，解放技術(shù)工人生產(chǎn)力等等。人工智能的發(fā)展將會(huì)重塑萬(wàn)億級(jí)別的產(chǎn)業(yè)，激發(fā)工業(yè)界的潛在創(chuàng)新能力。

1 基于計(jì)算機(jī)視覺(jué)的視覺(jué)層智能高速檢測(cè)排錯(cuò)設(shè)備設(shè)計(jì)方案

印刷電路板（PCB）是集成各種電子元器件的信息載體，由于貼片元器件體積小，安裝密度大，這就要求PCB板的集成度進(jìn)一步提高。為了保證電子產(chǎn)品的性能，PCB板缺陷檢測(cè)技術(shù)已經(jīng)成為電子行業(yè)中非常關(guān)鍵的技術(shù)。電路板缺陷檢測(cè)包括兩部分：焊點(diǎn)缺陷檢測(cè)和元器件檢測(cè)，傳統(tǒng)的檢測(cè)采用人工檢測(cè)方法，容易漏檢、檢測(cè)速度慢、檢測(cè)時(shí)間長(zhǎng)、成本高，已經(jīng)逐漸不能夠滿(mǎn)足生產(chǎn)需要。因此，設(shè)計(jì)一種高效精準(zhǔn)搭載工業(yè)相機(jī)以取代人眼的機(jī)器視覺(jué)電路板檢測(cè)系統(tǒng)，具有非常重要的現(xiàn)實(shí)意義。機(jī)器視覺(jué)檢測(cè)技術(shù)是建立在圖像處理算法的基礎(chǔ)上，通過(guò)數(shù)字圖像處理與模式識(shí)別的方法來(lái)實(shí)現(xiàn)，與傳統(tǒng)的人工檢測(cè)技術(shù)相比，提高了缺陷檢測(cè)的效率和準(zhǔn)確度。

本系統(tǒng)將視覺(jué)設(shè)備設(shè)置于電子設(shè)備（如PCB板，單片機(jī)，電腦主板）安裝的末端，采用高速工業(yè)攝像頭，對(duì)裝配好的器材進(jìn)行拍照，并出傳輸?shù)脚佩e(cuò)設(shè)備的主機(jī)進(jìn)行高速的分析，在毫秒級(jí)單位的時(shí)間內(nèi)，分析出正在檢測(cè)的設(shè)備是否正確安裝及正確排版等一系列視覺(jué)層可分析的錯(cuò)誤（電容大小是否正確，排線(xiàn)順序是否正確，電路板虛焊是否存在等問(wèn)題）。

本系統(tǒng)由計(jì)算機(jī)視覺(jué)的分支：深度學(xué)習(xí)的CNN（卷積神經(jīng)網(wǎng)絡(luò)）在主板中實(shí)現(xiàn)，根據(jù)檢測(cè)設(shè)備的不同，在前期進(jìn)行大量的圖片訓(xùn)練，調(diào)卷積神經(jīng)網(wǎng)絡(luò)各個(gè)層次之間的參數(shù)權(quán)重，構(gòu)建專(zhuān)屬的卷積神經(jīng)網(wǎng)絡(luò)。將圖片轉(zhuǎn)換成像素級(jí)的矩陣，并對(duì)其進(jìn)行多層次卷積，得到該像素矩陣的得分函數(shù)，返回該圖片的分類(lèi)，確定是否為正確的組裝設(shè)備，如圖1所示。

2 基于視覺(jué)機(jī)器人智能生產(chǎn)線(xiàn)設(shè)計(jì)方案

建立在3D視覺(jué)引導(dǎo)下的，機(jī)器人與機(jī)器人間，機(jī)器人與供料機(jī)構(gòu)間的定位聯(lián)動(dòng)系統(tǒng)。該系統(tǒng)以機(jī)器人為主體，供料機(jī)構(gòu)與機(jī)器人可任意組合。采用手眼識(shí)別的定位原理，首先通過(guò)CCD攝像機(jī)、圖像信號(hào)接收與A/D轉(zhuǎn)換模塊、圖像處理模塊，實(shí)現(xiàn)對(duì)圖像信息的獲取、采集、轉(zhuǎn)化、分析、提取和邊界特征識(shí)別，分析出供料機(jī)構(gòu)的空間坐標(biāo)信息，并傳送給總控模塊，總控模塊做出智能判斷并指導(dǎo)控制執(zhí)行模塊，將供料機(jī)構(gòu)的坐標(biāo)系與自己建立的坐標(biāo)系關(guān)聯(lián)。通過(guò)供料機(jī)構(gòu)的電路接口與主控機(jī)器人的電路接口。

該生產(chǎn)線(xiàn)包括傳送帶和高精度的搬運(yùn)、注膠、焊接和裝配機(jī)器人等。在機(jī)械臂的末端裝置CCD攝像機(jī)，使得機(jī)器人能夠精準(zhǔn)快速的查找裝備目標(biāo)，極大地節(jié)約設(shè)備運(yùn)行效率。

使用OPENCV編譯的可執(zhí)行文件，對(duì)攝像機(jī)傳輸回處理器的圖像進(jìn)行，線(xiàn)性切分，轉(zhuǎn)換像素矩陣，灰度化圖像。并在毫秒級(jí)環(huán)境下，準(zhǔn)確提取圖片特征，對(duì)圖片進(jìn)行分析，找到操作點(diǎn)。

各功能機(jī)器人實(shí)現(xiàn)聯(lián)動(dòng)工作，生產(chǎn)線(xiàn)傳送帶將空殼體傳送至該工位，裝配機(jī)器人通過(guò)視覺(jué)設(shè)備將殼體固定于裝配工位，并根據(jù)視覺(jué)系統(tǒng)的分析，準(zhǔn)確的將零件逐一安裝在殼體上，而后通過(guò)傳送帶將其傳送至打螺絲工位，打螺絲機(jī)器人，通過(guò)視覺(jué)設(shè)備快速定位螺絲口，快速精準(zhǔn)選取所對(duì)應(yīng)的的螺絲，從而實(shí)現(xiàn)高度智能化，自動(dòng)化。然后螺絲振動(dòng)盤(pán)上抓取螺絲安裝于殼體上，并進(jìn)行固定；完成安裝后傳送帶將殼體運(yùn)送到下一個(gè)工位。

3 基于大數(shù)據(jù)深度挖掘的工業(yè)智能腦決策系統(tǒng)

隨著大規(guī)模定制和網(wǎng)絡(luò)協(xié)同的發(fā)展，制造業(yè)企業(yè)還需要實(shí)時(shí)從網(wǎng)上接受眾多消費(fèi)者的個(gè)性化定制數(shù)據(jù)，并通過(guò)網(wǎng)絡(luò)協(xié)同配置各方資源，組織生產(chǎn)，管理更多各類(lèi)有關(guān)數(shù)據(jù)。

本系統(tǒng)構(gòu)建了基于大數(shù)據(jù)深度挖掘及潛在價(jià)值分析的智能決策模型，定義為數(shù)字工廠智能腦模型，系統(tǒng)體系由以下四個(gè)方面組成。

（1）數(shù)據(jù)流收集系統(tǒng)。數(shù)據(jù)從設(shè)備不同的傳感器生成后被通過(guò)網(wǎng)絡(luò)傳輸?shù)缴a(chǎn)商的服務(wù)器上。

（2）數(shù)據(jù)豐富系統(tǒng)。利用其他外部數(shù)據(jù)來(lái)豐富已有的機(jī)器日志，比如說(shuō)人口數(shù)據(jù)，地址數(shù)據(jù)。

（3）變量生成系統(tǒng)。在一段時(shí)間內(nèi)，為每個(gè)測(cè)量值，每臺(tái)設(shè)備生成幾千個(gè)變量特征的范式。

（4）機(jī)器學(xué)習(xí)系統(tǒng)。具有預(yù)測(cè)力的變量被自動(dòng)選擇，分類(lèi)模型已經(jīng)建立創(chuàng)建完成，并用于后期收集的數(shù)據(jù)。

（5）商業(yè)行動(dòng)系統(tǒng)。生產(chǎn)商以及銷(xiāo)售網(wǎng)絡(luò)可以執(zhí)行或者建議對(duì)高風(fēng)險(xiǎn)機(jī)器進(jìn)行預(yù)防性維修，如圖2所示。

4 結(jié)束語(yǔ)

人工智能在國(guó)內(nèi)外處于一個(gè)黃金階段且正在高速發(fā)展，但國(guó)內(nèi)的發(fā)展相對(duì)滯后，本文旨在電子行業(yè)首創(chuàng)運(yùn)用AI技術(shù)，實(shí)現(xiàn)作業(yè)機(jī)器人與智能視覺(jué)的協(xié)同，利用大數(shù)據(jù)分析平臺(tái)，指導(dǎo)企業(yè)的生產(chǎn)優(yōu)化，對(duì)電子行業(yè)的智能化發(fā)展具有一定的指導(dǎo)作用。

參考文獻(xiàn)

[1]丁林祥.電子制造業(yè)機(jī)器人智能化解決方案[M].北京：機(jī)械工業(yè)出版社，2016（06）.

[2]吳云峰，邱華，胡華強(qiáng).面向設(shè)計(jì)與制造的數(shù)字化工廠平臺(tái)[J].中國(guó)制造業(yè)信息化，2011（01）.