Компьютерное зрение. Реферат компьютерное зрение

Реферат Компьютерное зрение

Реферат на тему:

План:

Введение
• 1 Современное положение
• 2 Связанные области
• 3 Примеры применения компьютерного зрения
• 4 Типичные задачи компьютерного зрения
  • 4.1 Распознавание
  • 4.2 Движение
  • 4.3 Восстановление сцены
  • 4.4 Восстановление изображений
• 5 Системы компьютерного зрения
• 6 Связанные статьи

Введение

Компьютерное зрение — теория и технология создания машин, которые могут видеть.

Как научная дисциплина, компьютерное зрение относится к теории и технологии создания искусственных систем, которые получают информацию из изображений. Видеоданные могут быть представлены множеством форм, таких как видеопоследовательность, изображения с различных камер или трехмерными данными с медицинского сканера.

Как технологическая дисциплина, компьютерное зрение стремится применить теории и модели компьютерного зрения к созданию систем компьютерного зрения. Примерами применения таких систем могут быть:

1. Системы управления процессами (промышленные роботы, автономные транспортные средства)
2. Системы видеонаблюдения
3. Системы организации информации (например, для индексации баз данных изображений)
4. Системы моделирования объектов или окружающей среды (анализ медицинских изображений, топографическое моделирование)
5. Системы взаимодействия (например, устройства ввода для системы человеко-машинного взаимодействия)

Компьютерное зрение также может быть описано как дополнение (но не обязательно противоположность) биологическому зрению. В биологии изучается зрительное восприятие человека и различных животных, в результате чего создаются модели работы таких систем в терминах физиологических процессов. Компьютерное зрение, с другой стороны, изучает и описывает системы компьютерного зрения, которые выполнены аппаратно или программно. Междисциплинарный обмен между биологическим и компьютерным зрением оказался весьма продуктивным для обеих научных областей.

Подразделы компьютерного зрения включают воспроизведение действий, обнаружение событий, слежение, распознавание образов, восстановление изображений.

1. Современное положение

Область компьютерного зрения может быть охарактеризована как молодая и разнообразная. Даже хотя существуют более ранние работы, можно сказать, что только с конца 1970-х началось интенсивное изучение этой проблемы, когда компьютеры смогли управлять обработкой больших наборов данных, таких как изображения. Однако, эти исследования обычно начинались с других различных областей, и, следовательно, нет стандартной формулировки проблемы компьютерного зрения. Также, и это даже более важно, нет стандартной формулировки того, как должна решаться проблема компьютерного зрения. Вместо этого, существует масса методов для решения различных строго определённых задач компьютерного зрения, где методы часто зависят от задач и редко могут быть обобщены для широкого круга применения. Многие из методов и приложений все ещё находятся в стадии фундаментальных исследований, но все большее число методов находит применение в коммерческих продуктах, где они часто составляют часть более большой системы, которая может решать сложные задачи (например, в области медицинских изображений или измерения и контроля качества в процессах изготовления). В большинстве практических применений компьютерного зрения компьютеры предварительно запрограммированны для решения отдельных задач, но методы, основанные на знаниях, становятся все более общими.

Важную часть в области искусственного интеллекта занимает автоматическое планирование или принятие решений в системах, которые могут выполнять механические действия, такие как перемещение робота через некоторую среду. Этот тип обработки обычно нуждается в входных данных, предоставляемых системами компьютерного зрения, действующими как видеосенсор и предоставляющими высокоуровневую информацию о среде и роботе. Другие области, которые иногда описываются как принадлежащие к искусственному интеллекту и которые используются относительно компьютерного зрения, это распознавание образов и обучающие методы. В результате компьютерное зрение иногда рассматривается как часть области искусственного интеллекта или области компьютерных наук вообще.

Физика является другой наукой, которая тесно связана с компьютерным зрением. Значительная часть компьютерного зрения имеет дело с методами, которые требуют досконального понимания процесса, в котором электромагнитное излучение, обычно в области видимого или инфракрасного диапазона, отражается поверхностью объектов и измеряется датчиком изображения, чтобы получить видеоданные. Этот процесс основан на оптике и физике твердого тела. Более сложные датчики изображения даже требуют знания квантовой механики для полного понимания процесса формирования изображения. Также, различные проблемы измерений в физике могут быть разрешены, используя компьютерное зрение (например, относящиеся к движению в жидкостях). Поэтому, компьютерное зрение может рассматриваться как расширение физики.

Третья область науки, которая играет важную роль это нейробиология, особенно изучение систем биологического зрения. За последнее столетие, были проведены большие исследования глаз, нейронов и структур мозга, относящихся к обработке визуальных раздражителей как у человека так и у различных животных. Это привело к грубому, к тому же сложному, описанию того, как работают «реальные» системы зрения, что помогло решить некоторые задачи. Результаты этих исследований привели к созданию искусственных систем, имитирующих работу и функционирование аналогичных биологических систем на различных уровнях сложности. Также, некоторые методы изучения, разработанные в области компьютерного зрения, обязаны своему происхождению биологии.

Ещё одной областью, связанной с компьютерным зрением, является обработка сигналов. Многие методы обработки одномерных сигналов, обычно временных сигналов, могут быть естественным путем расширены для обработки двумерных или многомерных сигналов в компьютерном зрении. Однако, из-за своеобразной природы изображений, существует много методов, разработанных в области компьютерного зрения, не имеющих аналогов в области обработки одномерных сигналов. Особым свойством этих методов является их нелинейность, что, вместе с многомерностью сигнала, делает соответствующую подобласть в обработке сигналов частью области компьютерного зрения.

Помимо упомянутых подходов к проблеме компьютерного зрения, многие из исследуемых вопросов могут быть изучены с чисто математической точки зрения. Например, многие методы основываются на статистике, оптимизационной математике или геометрии. Наконец, большие работы ведутся в области практического применения компьютерного зрения, того, как существующие методы могут быть реализованы программно и аппаратно или как они могут быть изменены с тем, чтобы достичь высокой скорости работы без существенного увеличения потребляемых ресурсов.

2. Связанные области

Компьютерное зрение, Обработка изображений, Анализ изображений, Зрение робота и Машинное зрение являются тесно связанными областями. Если вы посмотрите учебники по одной из этих областей, то вы увидите значительные совпадения в их применении и техниках, которые они используют. Это подразумевает, что основные технические приемы, которые используются и разрабатываеются в этих областях, являются более или менее идентичными. Можно сделать вывод, что существует только одна область, просто имеющая разные названия.

С другой стороны, кажется необходимым для исследовательских групп, научных журналов, конференций и компаний представлять себя принадлежащими исключительно к одной из этих областей. Поэтому представлены различные направления, отличающие одну область от другой. Следующие направления являются наиболее важными.

Обработка изображений и Анализ изображений в основном сосредоточены на работе с двухмерными изображениями, то есть как преобразовать одно изображение в другое. Например, попиксельные операции увеличения контрастности, операции по выделению краёв, устранению шумов или геометрические преобразования, такие как вращение изображения. Данные операции предполагают, что обработка/анализ изображения действуют независимо от содержания самих изображений.

Компьютерное зрение сосредотачивается на обработке трехмерных сцен, спроектированных на одно или несколько изображений.

Например, восстановлением структуры или другой информации о трехмерной сцене по одному или нескольким изображениям.

Компьютерное зрение часто зависит от более или менее сложных допущений относительно того, что представлено на изображениях.

Машинное зрение сосредотачивается на применении, в основном промышленном, например, автономные роботы и системы визуальной проверки и измерений. Это значит, что технологии датчиков изображения и теории управления связаны с обработкой видеоданных для управления роботом и обработка данных в реальном времени осуществляется аппаратно или программно.

Также существует область названная Визуализация, которая первоначально была связана с процессом создания изображений, но иногда имела дело с обработкой и анализом. Например, рентгенография работает с анализом видеоданных медицинского применения.

Наконец, распознавание образов является областью, которая использует различные методы для получения информации из видеоданных, в основном, основанные на статистическом подходе. Значительная часть этой области посвящена практическому применению этих методов.

3. Примеры применения компьютерного зрения

Одним из наиболее важных применений является обработка изображений в медицине. Эта область характеризуется получением информации из видеоданных для постановки медицинского диагноза пациентам. В большинстве случаев, видеоданные получают с помощью микроскопии, рентгенографии, ангиографии, ультразвуковых исследований и томографии. Примером информации, которая может быть получена из таких видеоданных является обнаружение опухолей, атеросклероза или других злокачественных изменений. Также примеров может быть измерение размеров органов, кровотока и т. д. Эта прикладная область также способствует медицинским исследованиям, предоставляя новую информацию, например, о строении мозга или качеству медицинского лечения.

Другой прикладной областью компьютерного зрения является промышленность. Здесь информацию получают для целей поддержки производственного процесса. Примером может служить контроль качества, когда детали или конечный продукт автоматически проверяются на наличие дефектов. Другим примером является измерение положения и ориентации деталей, поднимаемых рукой робота.

Военное применение является, пожалуй самой большой областью компьютерного зрения. Очевидными примерами являются обнаружение вражеских солдат и транспортных средств и управление ракетами. Наиболее совершенные системы управления ракетами посылают ракету в заданную область, вместо конкретной цели, а селекция целей производится, когда ракета достигает заданной области, основывась на получаемых видеоданных. Современное военное понятие, такое как «боевая осведомленность», подразумевает, что различные датчики, включая датчики изображения, предоставляют большой набор информации о поле боя, которая может быть использована для принятия стратегических решений. В этом случае, автоматическая обработка данных используется, чтобы уменьшить сложность или увеличить надежность получаемой информации.

Одними из новых областей применения являются автономные транспортные средства, включая подводные, наземные (роботы, машины), воздушные. Уровень автономности изменяется от полностью автономных (беспилотных) до транспортных средств, где системы, основанные на компьютерном зрении, поддерживают водителя или пилота в различных ситуациях. Полностью автономные транспортные средства используют компьютерное зрение для навигации, то есть для получения информации о месте своего нахождения, для создания карты окружающей обстановки, для обнаружения препятствий. Они также могут быть использованы для определённых задач, например, для обнаружения лесных пожаров. Примерами таких систем могут быть система предупредительной сигнализации о препятствиях на машинах и системы автономной посадки самолетов. Некоторые производители машин демонстрировали системы автономного управления автомобилем, но эта технология все ещё не достигла того уровня, когда её можно запустить в массовое производство.

Другие области применения включают:

• Поддержку создания видеоэффектов для кино и телевидения
• Наблюдение

4. Типичные задачи компьютерного зрения

Каждая из областей применения компьютерного зрения, описанных выше, связана с рядом задач; более или менее хорошо определённые проблемы измерения или обработки могут быть решены с использованием множества методов. Некоторые примеры типичных задач компьютерного зрения представлены ниже.

4.1. Распознавание

Классическая задача в компьютерном зрении, обработке изображений и машинном зрении это определение содержат ли видеоданные некоторый характерный объект, особенность или активность. Эта задача может быть достоверно и легко решена человеком, но до сих пор не решена удовлетворительно в компьютерном зрении в общем случае: случайные объекты в случайных ситуациях.

Существующие методы решения этой задачи эффективны только для отдельных объектов, таких как простые геометрические объекты (например, многогранники), человеческие лица, печатные или рукописные символы, автомобили и только в определённых условиях, обычно это определённое освещение, фон и положение объекта относительно камеры.

В литературе описано различное множество проблем распознавания:

• Распознавание: один или несколько предварительно заданных или изученных объектов или классов объектов могут быть распознаны, обычно вместе с их двухмерным положением на изображении или трехмерным положением в сцене.
• Идентификация: распознается индивидуальный экземпляр объекта. Примеры: идентификация определённого человеческого лица или отпечатка пальцев или автомобиля.
• Обнаружение: видеоданные проверяются на наличие определённого условия. Например, обнаружение возможных неправильных клеток или тканей в медицинских изображениях. Обнаружение, основанное на относительно простых и быстрых вычислениях иногда используется для нахождения небольших участков в анализируемом изображении, которые затем анализируются с помощью приемов, более требовательных к ресурсам, для получения правильной интерпретации.

Существует несколько специализированных задач, основанных на распознавании, например:

• Поиск изображений по содержанию: нахождение всех изображений в большом наборе изображений, которые имеют определённое содержание. Содержание может быть определено различными путями, например в терминах схожести с конкретным изображением (найдите мне все изображения похожие на данное изображение), или в терминах высокоуровневых критериев поиска, вводимых как текстовые данные (найдите мне все изображения, на которых изображено много домов, которые сделаны зимой и на которых нет машин).
• Оценка положения: определение положения или ориентации определённого объекта относительно камеры. Примером применения этой техники может быть содействие руке робота в извлечении объектов с ленты конвейера на линии сборки.
• Оптическое распознавание знаков: распознавание символов на изображениях печатного или рукописного текста, обычно для перевода в текстовый формат, наиболее удобный для редактирования или индексации (например, ASCII).

4.2. Движение

Несколько задач, связанных с оценкой движения, в которых последовательность изображений (видеоданные) обрабатываются для нахождения оценки скорости каждой точки изображения или 3D сцены. Примерами таких задач являются:

• Определение трехмерного движения камеры
• Слежение, то есть следование за перемещениями объекта (например, машин или людей)

4.3. Восстановление сцены

Даны два или больше изображения сцены, или видеоданные. Восстановление сцены имеет задачей воссоздать трехмерную модель сцены. В простейшем случае, моделью может быть набор точек трехмерного пространства. Более сложные методы воспроизводят полную трехмерную модель.

4.4. Восстановление изображений

Задача восстановления изображений это удаление шума (шум датчика, размытость движущегося объекта и т. д.). Наиболее простым подходом к решению этой задачи являются различные типы фильтров, таких как фильтры нижних или средних частот. Более сложные методы используют представления того, как должны выглядеть те или иные участки изображения, и на основе этого их изменение.

Более высокий уровень удаления шумов достигается в ходе первоначального анализа видеоданных на наличие различных структур, таких как линии или границы, а затем управления процессом фильтрации на основе этих данных.

5. Системы компьютерного зрения

Реализация систем компьютерного зрения сильно зависит от области их применения. Некоторые системы являются автономными и решают специфические проблемы детектирования и измерения, тогда как другие системы составляют под-системы более крупных систем, которые, например, могут содержать подсистемы контроля за механическими манипуляторами, планирования, информационные базы данных, интерфейсы человек-машина и т. д. Реализация систем компьютерного зрения также зависит от того, является ли её функциональность заранее определённой или некоторые её части могут быть изучены и модифицированы в процессе работы. Однако, существуют функции, типичные для многих систем компьютерного зрения.

• Получение изображений: цифровые изображения получаются от одного или нескольких датчиков изображения, которые помимо различных типов светочувствительных камер включают датчики расстояния, радары, ультразвуковые камеры и т. д. В зависимости от типа датчика, получающиеся данные могут быть обычным 2D изображением, 3D изображением или последовательностью изображений. Значения пикселей обычно соответствуют интенсивности света в одной или нескольких спектральных полосах (цветные или изображения в оттенках серого), но могут быть связаны с различными физическими измерениями, такими как глубина, поглощение или отражение звуковых или электромагнитных волн, или ядерным магнитным резонансом.
• Предварительная обработка: перед тем, как методы компьютерного зрения могут быть применены к видеоданным с тем, чтобы извлечь определённую долю информации, необходимо обработать видеоданные, с тем чтобы они удовлетворяли некоторым условиям, в зависимости от используемого метода. Примерами являются:
  • Повторная выборка с тем, чтобы убедиться, что координатная система изображения верна
  • Удаление шума с тем, чтобы удалить искажения, вносимые датчиком
  • Улучшение контрастности, для того, чтобы нужная информация могла быть обнаружена
  • Масштабирование для лучшего различения структур на изображении
• Выделение деталей: детали изображения различного уровня сложности выделяются из видеоданных. Типичными примерами таких деталей являются:
  • Линии, границы и кромки
  • Локализованные точки интереса, такие как углы, капли или точки: более сложные детали могут относиться к структуре, форме или движению.
• Детектирование/Сегментация: на определённом этапе обработки принимается решение о том, какие точки или участки изображения являются важными для дальнейшей обработки. Примерами являются:
  • Выделение определённого набора интересующих точек
  • Сегментация одного или нескольких участков изображения, которые содержат характерный объект
• Высокоуровневая обработка: на этом шаге входные данные обычно представляют небольшой набор данных, например набор точек или участок изображения, в котором предположительно находится определённый объект. Примерами являются:
  • Проверка того, что данные удовлетворяют условиям, зависящим от метода и применения
  • Оценка характерных параметров, таких как положение или размер объекта
  • Классификация обнаруженного объекта по различным категориям

6. Связанные статьи

• Искусственный интеллект
• Computer vision research groups
• Обработка изображений
• List of computer vision topics
• Машинное самообучение
• Машинное зрение
• Рентгенография
• Распознавание образов

wreferat.baza-referat.ru

Реферат Машинное зрение

Реферат на тему:

План:

Введение
• 1 Введение
• 2 Компоненты системы машинного зрения
• 3 Методы обработки
• 4 Применение машинного зрения
• 5 Связанные области
ПримечанияЛитература

Введение

Ранняя система машинного зрения Автовижн II компании Автоматикс была продемонстрирована на выставке в 1983. Камера на штативе направлена вниз на стол с подсветкой для получения четкого изображения на экране, которое затем подвергается проверке на блобы

Машинное зрение — это применение компьютерного зрения для промышленности и производства. В то время как компьютерное зрение -это общий набор методов, позволяющих компьютерам видеть, областью интереса машинного зрения, как инженерного направления, являются цифровые устройства ввода/вывода и компьютерных сети, предназначенные для контроля производственного оборудования, таких как роботы-манипуляторы или аппараты для извлечения бракованной продукции. Машинное зрение является подразделом инженерии, связанное с вычислительной техникой, оптикой, машиностроением и промышленной автоматизацией. Одним из наиболее распространенных приложений машинного зрения — инспекции промышленных товаров, таких как полупроводниковые чипы, автомобили, продукты питания и лекарственные препараты. Люди, работавшие на сборочных линиях, осматривали части продукции, делая выводы о качестве исполнения. Системы машинного зрения для этих целей используют цифровые и интеллектуальные камеры, а также программное обеспечение обрабатывающее изображение для выполнения аналогичных проверок.

1. Введение

Системы машинного зрения запрограммированы для выполнения узкоспециализированных задач, таких как подсчет объектов на конвейере, чтение серийных номеров или поиск поверхностных дефектов. Польза системы визуальной инспекции на основе машинного зрения заключается в высокой скорости работы с увеличением оборота, возможности 24-часовой работы и точности повторяемых измерений. Так же преимущество машин перед людьми заключается в отсутствии утомляемости, болезней или невнимательности. Тем не менее, люди обладают тонким восприятием в течение короткого периода и большей гибкостью в классификации и адаптации к поиску новых дефектов.

Компьютеры не могут «видеть» таким же образом, как это делает человек. Фотокамеры не эквивалентны системе зрения человека, и в то время как люди могут опираться на догадки и предположения, системы машинного зрения должны «видеть» путем изучения отдельных пикселей изображения, обрабатывая их и пытаясь сделать выводы с помощью базы знаний и набора функций таких, как устройство распознавания образов. Хотя некоторые алгоритмы машинного зрения были разработаны, чтобы имитировать зрительное восприятие человека, большое количество уникальных методов были разработаны для обработки изображений и определения соответствующих свойств изображения.

2. Компоненты системы машинного зрения

Хотя машинное зрение — процесс применения компьютерного зрения для промышленного применения, полезно перечислить часто использовались аппаратные и программные компоненты. Типовое решение системы машинного зрения включает в себя несколько следующих компонентов:

1. Одна или несколько цифровых или аналоговых камер (черно-белые или цветные) с подходящей оптикой для получения изображений
2. Программное обеспечение для изготовления изображений для обработки. Для аналоговых камер это оцифровщик изображений
3. Процессор (современный ПК c многоядерным процессором или встроенный процессор, например — ЦСП)
4. Программное обеспечение машинного зрения, которое предоставляет инструменты для разработки отдельных приложений программного обеспечения.
5. Оборудование ввода/вывода или каналы связи для доклада о полученных результатах
6. Умная камера: одно устройство, которое включает в себя все вышеперечисленные пункты.
7. Очень специализированными источниками света (светодиоды, люминесцентные и галогенные лампы и т. д.)
8. Специфичные приложения программного обеспечения для обработки изображений и обнаружения соответствующих свойств.
9. Датчик для синхронизации частей обнаружения (часто оптический или магнитный датчик) для захвата и обработки изображений.
10. Приводы определенной формы используемые для сортировки или отбрасывания бракованных деталей.

Датчик синхронизации определяет, когда деталь, которая часто движется по конвейеру, находится в положении, подлежащем инспекции. Датчик запускает камеру, чтобы сделать снимок детали, когда она проходит под камерой и часто синхронизируется с импульсом освещения, чтобы сделать четкое изображение. Освещение, используемое для подсветки деталей предназначено для выделения особенностей, представляющих интерес, и скрытия или сведения к минимуму появление особенностей, которые не представляют интереса (например, тени или отражения). Для этой цели часто используются светодиодные панели подходящих размеров и расположения.

Изображение с камеры попадает в захватчик кадров или в память компьютера в системах, где захватчик кадров не используется. Захватчик кадров — это устройство оцифровки (как часть умной камеры или в виде отдельной платы в компьютере), которое преобразует выходные данные с камеры в цифровой формат (как правило, это двумерный массива чисел, соответствующих уровню интенсивности света, соответствующей точки в области зрения, называемых пикселями) и размещает изображения в памяти компьютера, так чтобы оно могло быть обработано с помощью программного обеспечения для машинного зрения.

Программное обеспечение, как правило, совершает несколько шагов для обработки изображений. Часто изображение для начала обрабатывается с целью уменьшения шума или конвертации множества оттенков серого в простое сочетание черного и белого (бинаризации). После первоначальной обработки программа будет считать, производить измерения и/или определять объекты, размеры, дефекты и другие характеристики изображения. В качестве последнего шага, программа пропускает или забраковывает деталь в соответствии с заданными критериям. Если деталь идет с браком, программное обеспечение подает сигнал механическому устройству для отклонения детали; другой вариант развития событий, система может остановить производственную линию и предупредить человека работника для решения этой проблемы, и что привело к неудаче.

Хотя большинство систем машинного зрения полагаются на «черно-белые» камеры, использование цветных камер становится все более распространенным явлением. Кроме того, все чаще системы машинного зрения используют цифровые камеры прямого подключения, а не камеры с отдельным захватчиком кадров, что сокращает расходы и упрощает систему.

«Умные» камеры со встроенными процессорами, захватывают все большую долю рынка машинного зрения. Использование встроенных (и часто оптимизированных) процессоров устраняет необходимость в карте захватчика кадров и во внешнем компьютере, что позволяет снизить стоимость и сложность системы, обеспечивая вычислительную мощность для каждой камеры. «Умные» камеры, как правило, дешевле, чем системы, состоящих из камеры, питания и/или внешнего компьютера, в то время как повышение мощности встроенного процессора и ЦСП часто позволяет достигнуть сопоставимой или более высокой производительности и больших возможностей, чем обычные ПК-системы.

3. Методы обработки

Коммерческие пакеты программ для машинного зрения и пакеты программ с открытым исходным кодом обычно включают в себя ряд методов обработки изображений, таких как:

• Счетчик пикселей: подсчитывает количество светлых или темных пикселей
• Бинаризация: преобразует изображение в серых тонах в бинарное (белые и черные пиксели)
• Сегментация: используется для поиска и/или подсчета деталей
  • Поиск и анализ блобов: проверка изображения на отдельные блобы связанных пикселей (например, черной дыры на сером объекте) в виде опорных точек изображения. Эти блобы часто представляют целей для обработки, захвата или производственного брака.
  • Надежное распознавание по шаблонам: поиск по шаблону объекта, который может быть повернут, частично скрыт другим объектом, или отличным по размеру.
• Чтение штрих-кодов: декодирование 1D и 2D кодов, разработанных для считывая или сканирования машинами
• Оптическое распознавание символов: автоматизированное чтение текста, например, серийных номеров
• Измерение: измерение размеров объектов в дюймах или миллиметрах
• Обнаружение краев: поиск краев объектов
• Сопоставление шаблонов: поиск, подбор, и/или подсчет конкретных моделей

В большинстве случаев, системы машинного зрения используют последовательное сочетание этих методов обработки для выполнения полного инспектирования. Например, система, которая считывает штрих-код может также проверить поверхность на наличие царапин или повреждения и измерить длину и ширину обрабатываемых компонентов.

4. Применение машинного зрения

Применение машинного зрения разнообразно, оно охватывает различные области деятельности, включая, но не ограничиваясь следующими:

• Крупное промышленное производство
• Ускоренное производство уникальных продуктов
• Системы безопасности в промышленных условиях
• Контроль предварительно изготовленных объектов (например, контроль качества, исследование допущенных ошибок)
• Системы визуального контроля и управления (учет, считывание штрих-кодов)
• Контроль автоматизированных транспортных средств
• Контроль качества и инспекция продуктов питания

В автомобильной промышленности системы машинного зрения используются в качестве руководства для промышленных роботов, а также для проверки поверхности окрашенного автомобиля, сварных швов, блоков цилиндров и многих других компонентов на наличие дефектов.

5. Связанные области

Машинное зрение относится к инженерным автоматизированным системам визуализации в промышленности и на производстве, и в этом качестве машинное зрение, связано с самыми разными областями компьютерных наук: компьютерное зрение, оборудования для управления, базы данных, сетевые системы и машинное обучение.

Не стоит путать машинное и компьютерное зрения. Компьютерное зрение является более общей областью исследований, тогда как машинное зрение является инженерной дисциплиной связанной с производственными задачами.

Примечания

Литература

• E. R. Davies Machine Vision : Theory, Algorithms, Practicalities. — Morgan Kaufmann, 2004.
• Batchelor B.G. and Whelan P.F. Intelligent Vision Systems for Industry. — Springer-Verlag, 1997. — ISBN 3-540-19969-1. Online PDF version [1] - www.eeng.dcu.ie/~whelanp/ivsi/
• Demant C., Streicher-Abel B. and Waszkewitz P. Industrial Image Processing: Visual Quality Control in Manufacturing. — Springer-Verlag, 1999. — ISBN 3-540-66410-6
• Gonzales R. C. and Wintz P. A. Digital Image Processing. — Longman Higher Education, 2001. — ISBN 978-0201110265
• Pham D.T. and Alcock R.J. Smart Inspection Systems: Techniques and Applications of Intelligent Vision. — Academic Press, 2003. — ISBN 0-12-554157-0
• Berthold K.P. Horn Robot Vision. — MIT Press, 1986. — ISBN 0-262-08159-8

wreferat.baza-referat.ru

Реферат - Компьютер против глаз

Как всякое новшество, компьютеры не только облегчили нам жизнь, но и принесли с собой неприятности. Появляются сообщения о «компьютерных» шейных радикулитах, заболеваниях суставов кистей рук, дерматитах кожи лица. Описывались и более грозные явления, связанные с работой на компьютере: эпилептические припадки, а у беременных женщин — самопроизвольные выкидыши. Но более всего «досталось» глазам.

Экранное изображение отличается от естественного. Оно самосветящееся, а не отраженное как обычный свет, имеет небольшой контраст, который еще больше уменьшается за счет внешнего освещения, не непрерывное, а состоит из отдельных точек. К тому же еще мелькает и не имеет четких границ как на бумаге.

Зрительная нагрузка многократно возрастает, если необходимо постоянно перемещать взор с экрана на клавиатуру или бумажный текст. Если неправильно организовано рабочее место — на экране монитора блики, неправильно выбрано расстояние от глаз до экрана, неудачны цвета. Кстати, утверждение о будто бы абсолютной безвредности ноутбуков — неправда. Конечно, у них нет электронно-лучевых трубок, но имеется преобразователь питания, схема развертки, а, следовательно, — и переменное электромагнитное излучение. Так что не стоит их держать на коленях.

Что такое CVS

С недавних пор в специальной медицинской литературе утвердился термин «компьютерный зрительный синдром» («computer vision syndrome»). Тем, кому приходится работать с ПК постоянно изо дня в день, жалуются на снижение остроты зрения, замедленную фокусировку с ближних предметов на дальние и обратно, двоение предметов, быстрое утомление при чтении. Случается еще жжение в глазах, чувство «песка» под веками, боли в области глазниц и лба, покраснение глазных яблок. Все эти симптомы обычно объединяют термином «астенопия», что буквально означает — отсутствие силы зрения.

У большинства пользователей ПК жалобы на здоровье появляются через 4 часа и практически у всех — через 6 часов работы за экраном. Меньшую нагрузку на зрение оказывает считывание информации с экрана дисплея, большую — ее ввод. А самое сильное утомление вызывает работа в диалоговом режиме, компьютерная графика.

Уже в первые годы компьютерного бума врачи-офтальмологи стали искать объективные изменения органа зрения у компьютерных пользователей. Первые опасения о большей частоте у них таких опасных заболеваний, как катаракта и глаукома, к счастью, не подтвердились. Сейчас уже ясно, что никаких органических заболеваний глаз длительная работа с компьютером не вызывает. Единственное изменение, которое может происходить, — это появление или прогрессирование уже имеющейся близорукости.

Поэтому внимание исследователей было устремлено на систему рефракции — оптической установки глаза, и аккомодации — фокусировки глаза к различным расстояниям. У людей, которые работали на ПК в течение нескольких лет, оказалась сниженной аккомодация, а близорукость встречалась значительно чаще по сравнению с людьми того же возраста, не связанными с компьютером. Если за экраном монитора проводить весь рабочий день, может развиться даже так называемая ложная близорукость. Все эти нарушения оказались очень похожи на те, что наблюдаются у людей, занятых другими напряженными для зрения работами: сборщиков печатных схем-плат, сортировщиков драгоценных камней.

Специальное обследование более 5000 пользователей ПК выявило следующие жалобы операторов: покраснения глаз 48%), зуд(41%), боли (9,17%), «мурашки» в глазах (36%), неприятные ощущения (6%), чувство тяжести (4%), общий дискомфорт (10%), головные боли (9%), слабость (3%), потемнение в глазах (2%), головокружение (2%), двоение (0,2%). При этом отмечались и объективные изменения в зрительной системе: снижение остроты зрения (34%), нарушение аккомодации (45%).

Рекомендации большинства врачей сводятся в основном к ограничению времени работы за компьютером, обязательным перерывам во время работы. Все это правильно, но иногда совершенно неосуществимо. Но можно пойти и по другому пути. Например, оптимизировать работу мониторов по всем параметрам изображения. Но главным, конечно, является их радикальное совершенствование.

Сейчас применяются мониторы с высоким разрешением, то есть увеличенным числом строк, повышается до 100 Гц и более частота смены кадров, подбираются светящиеся краски, дающие более высокий контраст. Наконец, электроннолучевые трубки заменяются жидкокристаллическими матрицами. Из них особенно эргономичны экраны с так называемой активной матрицей, применяемые, например, в портативных компьютерах типа Notebook. Однако, все эти усовершенствования, хотя и несколько снижают зрительное утомление пользователей, проблему CVS не решают.

Оказывается, помочь активным пользователям ПК можно с помощью специальных очков. Сейчас предлагаются специальные очки с линзами, в которых зона ясного видения соответствует перемещению взора при работе с дисплеем. Возможны также очки или контактные линзы, в которых один глаз фокусируется на экран, а другой на бумагу с текстом.

Важна еще и специальная краска очковых линз. Несколько лет назад Институтом биохимической физики РАН совместно с Московским Институтом глазных болезней им. Гельмгольца были разработаны цветовые покрытия, дающие значительное повышение контраста изображения. Применение очков с такими покрытиями у активных пользователей ПК дало снижение зрительного утомления и улучшение показателей аккомодации по сравнению с обычными очками в 85% случаев. В результате уменьшается количество ошибок, совершаемых оператором, особенно во второй половине дня, исчезает раздражительность и головные боли, улучшается эмоциональное состояние.

В очках с компьютерным фильтром комфортно в помещении, освещенном искусственными источниками света, особенно люминесцентными лампами. В них люди прекрасно себя чувствуют на улице: в пасмурную погоду видно четче и контрастнее, а в солнечный день такие очки не пропускают в глаза активную коротковолновую часть спектра. Другими словами их можно носить постоянно. А это очень важно, ибо более 50% компьютерщиков – это люди в очках.

Совершенные мониторы и специальные очки – все это, конечно, хорошо. Но есть и совсем простые способы обезопасить себя от общения с компьютером. Например, правильно организовать свое рабочее место. Вот советы, которые вам наверняка помогут.

Устанавливать монитор нужно в углу комнаты или в таком месте, где те, кто на нем не работает, не оказывались бы сбоку или сзади от аппарата.

В помещении, где работают несколько человек, расстояние между компьютерами должно быть не менее 2 м.

Причем, ни в коем случае их нельзя ставить напротив друг друга. Не оставляйте монитор надолго включенными, чаще пользуйтесь «ждущим» режимом.

Ваше лицо должно находиться от монитора на расстоянии не ближе 70 см (длина вытянутой руки) от экрана.

Стакан цитрусового сока в день защитит вас от излучения ПК. Сок нейтрализует разрушающее действие облучения на клетки организма. Кроме того, содержащиеся в цитрусовых эфирные масла снимают усталость. Наилучшим эффектом обладает запах лимона. Можно использовать обычные свежие корки то лимона или апельсина, если их размять и положить так, чтобы запах шел к вашему лицу.

www.ronl.ru

Смотрите также

• 
  Реферат вербное воскресенье
• 
  Психофизиология сознания реферат
• 
  Партнерские роды реферат
• 
  Немецкое просвещение реферат
• 
  Красноухая черепаха реферат
• 
  Концепция роджерса реферат
• 
  Компоненты ландшафта реферат
• 
  Вербное воскресенье реферат
• 
  Большой кавказ реферат
• 
  Элон маск реферат
• 
  Реферат многофакторный эксперимент