机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

基于机器视觉的目标识别方法的研究进展

随着社会的不断发展,机器视觉系统在各行业已被广泛应用,基于目标检测与目标识别的图像处理方法在机器系统中有了主要的应用途径,总结近年来使用机器视觉研究中用到的目标识别方法,包括Blob分析法、模板匹配法、深度学习法,详细讨论这些目标识别方法的原理、优劣以及在各个领域中的应用。首先介绍了基于机器视觉的目标检测识别的任务、难点和发展现状,其次基于深度学习方法的目标检测识别算法,最后讨论当前实际应用中目标检测识别方法存在的问题和未来可能的发展方向。     

海战场的目标检测与识别

针对海战场图像信息的目标检测与识别,提出了一种适于海战场区域特征的遥感图像目标检测与识别方法．研究采用线性滤波器将图像划分为若干个空间尺度,并对不同空间尺度的图像,根据生物视觉生理特性的原理,提取图像中目标的视觉显著性特征,此特征包含目标不同于其周围区域的程度和空间分布状态．根据分析提取的目标空间特征信息,使用支持向量机对视觉显著性特征图像进行分类,实现目标信息提取,并通过Dempster-Shafer证据理论的分析方法判断目标的相关信息及其置信度,达到识别目标的目的．实验结果表明：此方法能以高可靠性和高精确度检测出海战场图像信息中的目标,获取目标相关信息．     

基于机器视觉的油田仪表示数自动识别方法

传统的以指针定位为基础进行仪表示数识别主要通过人眼确定指针位置,导致识别结果误差较大。因此,该研究将机器视觉应用在自动识别中,设计一种新的油田仪表示数识别方法。针对CCD摄像机拍摄的油田仪表图像,进行光照均衡、图像校正和图像分割处理,再通过Faster-RCNN网络结构检测并提取仪表示数图像的目标识别区域。运用机器视觉算法获取仪表刻度数值信息,并精准定位仪表指针位置。根据指针与最小刻度线夹角,自动识别出当前仪表示数。实验结果表明：所提方法的示数识别结果最大绝对误差仅为0.01 MPa,可满足油田仪表示数识别精度要求。     

机器视觉玻壳缺陷检测方法的研究

研究了利用机器视觉检测技术识别玻壳缺陷的方法.针对玻壳图像中缺陷的特征,采用Kirsch梯度算子法对图像进行处理,取得了理想的效果,可识别出玻壳缺陷.     

杂波环境下基于视听信息融合的目标跟踪

以监控系统为研究背景,充分利用场景中视听媒体间存在的天然时空相关性,将视觉信息和听觉信息有效地融合从而实现对目标的快速跟踪.利用机器视觉相关理论提取视觉运动特征,利用计算听觉场景分析技术抽取音频场景特征,建立视听信息特征级融合模型并进行联合场景事件判断.仿真结果表明,应用视听信息融合对目标进行跟踪,预测误差小于单独基于视觉的目标跟踪,同时听觉信息的引入有助于克服图像噪声.     

足球机器人视觉系统中彩色目标分割方法

足球机器人(MiroSot系列)仅依赖于其视觉系统获得比赛场上的信息.视觉系统对获取的小车顶部标志块的彩色图像进行处理,以识别小车信息.作者试验了3种彩色标志块的设置,并在第1种方案的基础上研究了一种快速彩色目标分割方法,即根据足球机器人视觉系统所处理的视频图像中,待识别的目标区域(前景)面积远小于其他区域(背景)的面积,运用一种基于全局扫描的快速算法,1次分割出所有感兴趣的目标,缩减了系统中目标识别时间,从而使系统能进行一些额外的图像预处理操作,在提高系统识别速度的同时,提高识别精度.     

视觉和毫米波雷达信息融合行人识别算法

提出了一种在主动防碰撞系统中采用视觉和毫米波雷达数据融合来识别行人的算法.在基于单目视觉获取的图像中提取HOG特征,采用支持向量机的分类方法检测行人,获取行人信息,通过快速容差中频匹配算法快速地检测目标,并获取目标信息,将基于视觉的行人信息传递给毫米波雷达;根据视觉检测的行人信息与毫米波雷达检测的目标信息进行比对,将匹配通过的目标识别为行人;将基于视觉的行人特征信息与毫米波雷达检测的行人特征信息进行融合,得到行人目标的新特征信息.通过采集道路环境的视频和雷达数据对行人正确识别率进行验证.验证结果表明,采用所提出的算法进行行人识别,在获取更加精确的行人特征信息的前提下,正确识别率较高.     

基于HSI色彩的血细胞图像的分割算法实现

图像分割是图像处理和计算机视觉中基本而关键的技术之一,分割质量高低直接影响图像的后续分析处理.利用染色后的血细胞图像的HSI色彩信息对其进行阈值分割,并对分割后的二值图像中的孔洞进行填充优化,基本解决了此类图像目标分割困难的问题,取得了较好的分割效果,有利于细胞识别.     

视觉动态目标识别研究进展

近年来,基于计算机视觉的动态目标识别的研究和应用逐渐成为热点问题,通过介绍国内外基于计算机视觉的动态目标检测、确认、定位等领域的研究进展,展望目标识别的发展趋势.首先介绍目标识别过程中的典型方法,然后对基于计算机视觉的动态目标识别算法进行分类,接着对各种方法中采用的不同算法技术进行阐述,并分别介绍了各类别中具有代表性的算法及其优缺点,最后就动态目标识别领域的研究难点及发展趋势进行了简要论述.     

应用Gabor纹理特征的水管内壁图像分类

Gabor滤波器在图像分析和机器视觉方面得到广泛应用.将Gabor滤波用于识别地下水管内壁图像,对管壁损坏程度进行分类.针对Gabor函数之间的非正交性,优化参数,尽量减少滤波输出数据中的冗余信息,使用一组不同频率响应和角度特性的Gabor滤波器获取图像块纹理信息,并用主分量分析(principal components analysis, PCA)对得到的高维特征向量进行降维.对提取的纹理特征进行k-均值聚类,实验结果验证了该方法的有效性.
     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

基于机器视觉的工业机器人分拣实验平台设计

为提高机械电子等专业学生的实训质量,设计了基于机器视觉的工业机器人分拣实验平台.平台包括上位机、机器视觉、机器人和气动系统共4个子系统,涉及图像目标识别与定位、图像坐标系与机器人坐标系的转换、吸盘控制系统设计等关键技术,并设计了6组创新型实训项目.通过该实验平台,学生可以进行图像采集与处理、机器人控制以及上位机软件开发...     

灌装液体药品质量的机器视觉检测与识别

针对机器视觉检测灌装液体药品中存在的对噪声敏感、难以区分杂质和气泡的问题,提出多帧序列图像检测与识别杂质的方法.在获取灌装液体药品连续序列图像的基础上,采取以最不相邻图像差分来获取瓶内液体图像中变动区域;选取多帧序列图像中运动对象建立目标链,从而提取可能是杂质的运动对象在多帧序列图像中的特征.运用具有较强推广能力的支持向量机对提取特征进行分类识别.实验结果表明:采用该方法可识别灌装液体药品的杂质,选取合适的支持向量机惩罚参数和核参数,其识别准确率可达95%,可以区分杂质和气泡等,可提高检测灌装液体药品质量的准确性.     

基于显著性检测的图像简化

图像简化作为机器视觉、计算机视觉中的一项重要任务,对于提高网络传输效率、加速视觉算法分析处理具有重要意义.针对传统图像简化模型中存在的目标、背景不加区分及尺度效应等问题,提出了一种新的基于显著性检测的图像简化模型,模型首先采用MB+显著性检测算法计算图像的目标显著区域,然后在CIE Lab颜色空间中对L波段上的背景区域进行快速水平集变换,最后按照设定准则合并背景中的非主导区域并输出简化后的图像.     

半智能排爆机器人单手双目手眼系统的研究

针对目前排爆机器人手动控制方式的不足,研究和开发了一个单手双目手眼系统用于半智能排爆机器人的自动控制.单手双目手眼系统是半智能排爆机器人的重要组成部分和关键技术,该视觉系统利用双目立体视觉原理,采用Matlab7.0作为运算引擎,调用机器视觉处理软件EVision6.2中的EasyMatch模式匹配库进行立体图像匹配,能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、确定机器人未端手爪与可疑目标物的相对位置坐标,并把图像实时显示在控制台,自动控制手臂靠近并准确地抓取可疑目标物.该半智能排爆机器人成功地抓取实验,表明了该立体视觉系统在精度上能够满足半智能排爆机器人的项目要求.     

视觉机器人货物识别技术探究

对某现代物流储仓中168箱货物进行机器视觉技术试验,通过硬件和软件系统对货物进行了图像采集、处理和分析,建立机器人视觉技术进行货物物流公司和包装类型的识别模型,并对该机器人视觉识别模型进行检验,综合识别准确率高达98.96％.该视觉系统可有效用于现代物流储仓的机器人货物识别,能够加快物资转运速度、降低运作成本并使控制自动化,符合现代物流的要求,市场前景广阔.     

一种基于模糊识别的移动机器人避障算法

设计了一种基于障碍物模糊识别的移动机器人避障方案.移动机器人的视觉导航,具有信息量大的特点,在避障中相对其他传感系统,有一定优势.视觉图像处理计算量大复杂度高,避障中采用模糊控制的思想,减少图像矩阵精确变化和处理,选取障碍物图像中部分边缘点作为特征坐标点,据此设计模糊控制算法识别出障碍物其大致的姿态信息.根据障碍物图像大致姿态信息和其在视觉探测图像区域的方位信息,设定一组虚拟目标点序列,合理规划移动机器人的安全避障路径.最后,仿真试验演示方案良好的避障效果,证明在简单视觉环境中可行性和有效性.     

两种形状识别方法及其实验

物体的形状识别是模式识别的重要方向,广泛应用于图像分析、机器视觉和目标识别等领域.目前,对形状识别的主要方法有傅里叶描述子、主分量分析等.对傅里叶描述子、主分量分析方法进行了详细阐述,通过对仿真得到的数据分析比较,验证了主分量分析法和傅里叶描述子方法对形状识别具有比较好的效果.     

机器视觉的背景颜色对水稻种子图像分割的影响

在机器视觉识别水稻种子的发展过程中,背景颜色对水稻种子的图像分割直接影响着识别分析的准确性.采用4种不同的背景颜色进行图像采集,即将黑色、蓝色、绿色和红色涂在种子上,分析其图像识别效果,研究背景颜色对水稻种子图像分割的影响.利用LabVIEW软件实现图像处理,对水稻种子的长度、宽度等简单参数进行测量,根据水稻种子的实际长度和宽度计算不同背景色下的图像识别误差.研究发现,蓝色背景下种子长度和宽度的识别对比度更好,识别准确度更高.