管理论文计算机视觉技术在物流领域中的应用

《管理论文计算机视觉技术在物流领域中的应用》由会员分享，可在线阅读，更多相关《管理论文计算机视觉技术在物流领域中的应用（6页珍藏版）》请在装配图网上搜索。

1、计算机视觉技术在物流领域中的应用 计算机视觉技术在物流领域中的应用是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，计算机视觉技术在物流领域中的应用是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，计算机视觉技术在物流领域中的应用的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 摘要：在计算机视觉理论和原理分析基础上，对计算机图像处理及识别技术在物流配送中心中的应用进行了探讨，介绍了该系统的硬软件结构，对应用中的关键技术进行了分析。准确识

2、别商品包装外观，快速进行商品自动分拣，满足流水线上实时性要求，成为决定物流配送中心商品在线检测与识别系统获得成功的关键。关键词：计算机视觉；图像处理；物流配送中图分类号：TP391文献标识码：A文章编号：1002-3100(2008)06-0070-03Abstract: This article to the computer vision theory and in the principle analysis foundation, has carried on the discussion to the computer imagery processing and the recog

3、nition technology in the logistics allocation centers application, introduced this systems hard software architecture, has carried on the analysis to the application key technologies. The accurate recognition protective mark outward appearance, carries on the commodity to sort automatically fast, sa

4、tisfies in the assembly line the timely request, becomes the decision logistics allocation center commodity online examination and the recognition system obtains the successful key.Key words: computer vision; image processing; logistics allocation网络信息时代，人类通过接受信息感知世界、认识世界和改造世界。据统计，人类由外界感受到的信息有70%以上是视

5、觉信息，包括图形、图像、文字等。由于视觉信息具有传递速度快、数据量大和距离远等特点，成为人们研究的热点。计算机视觉自动识别技术是对物体图像进行采集、加工、处理和识别，作为一门交叉学科，具有自动化程度高，能快速获取大量信息，且易于与管理信息系统和工业控制系统集成，被广泛应用于工业、商业、物流等领域，近年来受到各相关行业的高度重视，并逐渐形成一种新的检测识别技术计算机视觉在线识别系统（Automated Visual In-circuit Recognition System）。1计算机视觉原理计算机视觉是指利用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对三维景物进行形态和运动识别，以

6、实现对人类视觉功能的扩展，解决许多工业、商业和物流产品图像自动检测识别问题，提高检测识别效率和生产过程自动化水平。对于计算机视觉系统而言，输入的是表示三维景物投影的灰度图形阵列，结合相应算法，通过计算机图像处理，输出图像所表示景物的符号描述，这些描述是关于物体的类别和物体间的关系，也可以包括表面空间结构、表面物理特性等相关信息。目前，计算机视觉技术的研究工作都是基于马尔（Marr）的视觉计算理论。Marr视觉计算理论认为，视觉感知可分为三个阶段：（1）早期视觉阶段，目的是提取物体景物的物理特性，包括物体边缘检测、双目立体匹配、形状纹理确定和光流计算等。（2）形成物体本征图像，是以视觉观察点为中

7、心的坐标系中描述物体表面的各种特性，根据描述重建物体边界、按表面和体积分割景物，获得物体的本征图像。（3）物体三维模型重构，即用物体本征图像中所得到的表面信息建立适于视觉识别的三维形状描述，该描述与视觉点无关，是在以物体为中心的坐标系中，用各种符号和几何结构描述物体的三维结构和空间关系。人类视觉的景物识别能力很强，但也存在障碍，一旦置于某种特殊环境，且景物识别能力会急剧下降，使景物识别的有效性和可靠性大幅度下降。计算机视觉也存在着同样的障碍，它主要表现在三个方面：（1）如何准确、高速（实时）地识别出目标景物；（2）如何有效地增大存储容量，以便容纳足够细节的目标图像；（3）如何有效地构造和组织可

8、靠的识别算法，并且顺利地实现目标识别。前两者相当于如人类大脑般的物质基础，计算机视觉技术需要解决的是如何在此物质基础上，应用高速阵列处理单元及算法（如神经网络、分维算法、小波变换等）上的新突破，以极少的计算量快速并行地实现某些功能。计算机视觉涉及到人工智能、神经生物学、心理物理学、计算机科学、图像处理、图像理解、模式识别等多个领域，是一门多学科交叉的边缘科学，其中，图像处理、图像理解、模式识别与计算机视觉关系最为密切。图像处理，是把输入图像转换成具有所希望特性的另一幅图像，例如滤波、锐化增强等。模式识别，是根据图像的统计特性或结构信息把输入图像分成预定的类别。图像理解，是对于给定的图像，描述图

9、像本身及图像所代表的景物。图像处理和模式识别一般过程主要由五部分组成：图像采集输入、图像预处理、特征提取、图像匹配和图像输出。计算机视觉系统的特点是高效、准确和低成本。尤其是在某些不适于人工作业的环境或人眼难以满足要求的场合，用计算机视觉来替代人工视觉，可以大大提高生产效率和生产的自动化程度，是实现计算机集成管理和集成控制的技术基础。2工业视觉系统架构计算机视觉作为一门独立的学科正受到越来越广泛的重视，目前，计算机视觉已被大量应用于遥感图像分析、文字识别、医学图像处理、多媒体技术、图像数据库、工业检测与军事等方面。在工业领域中，计算机视觉的应用已从国防工业转向了民用工业，推动图象处理和计算机视

10、觉检测技术广泛应用于工业领域。工业视觉系统的应用大致可分为两个方向：工业视觉检测系统和工业机器人系统。工业视觉检测系统是利用视觉手段获取被测物体图像与预先已知标准进行比较，从而确定被测物体的质量状况。工业机器人系统是一种基于视觉测量并进行制导和控制的系统。比较而言，工业视觉检测系统比工业机器人系统有更广泛的应用。工业视觉系统组成如图3所示：工业视觉系统与普通视觉系统的区别，不在于图像处理的理论方法，而在于图像处理实现的技术和工业应用环境的特殊要求。典型的工业视觉系统，在线工作于生产流水线中；被测物体是运动的，图像的获取与物体的运动同步进行；被测物体处于杂乱背景中，必须将其从中提取出来。此外，检

11、测结果必须及时报告或传输给其它执行系统。这使得工业视觉系统必须包括一些必要的子系统：光源和光学成像系统；摄像与图像处理系统；用于控制摄像、图象处理、图象分析的计算机系统；与生产线的同步通讯系统；输出检测结果系统。 工业视觉系统的各子系统，随应用问题的不同，有很大差异。通常，根据求解的问题不同，系统设计必须分别选择或设计不同的子系统，最后集成为一个完整的系统。3计算机视觉技术在物流领域中的应用配送中心设立主要目的是为了实现对上游资源的重新整合，完成物流中的配送，是位于物流节点上专门从事货物配送活动的经营组织或经营实体。建立物流配送中心的根本意义在于提高服务水平，降低成本和增加效益。配送中心信息系

12、统是一个内部流程十分复杂，信息量十分大的系统。其基本功能包括：系统管理、出入库管理、订单管理、发货计划、采购管理、报表管理、退货管理等。配送中心内部的信息流动是交错复杂的，所以各部门模块之间也相互关联。配送中心信息系统与各种自动化设备和自动化技术密切相关。配送中心作业流程的每一步操作都要准确、及时，快速准确的关键在于数据采集。如果没有高效率的数据采集技术，就不可能将信息快速、准确的传达给管理控制系统。目前，国内配送中心大多采用的是条码扫描技术作为仓库管理中货物流和信息流同步的主要载体。随着企业对信 计算机视觉技术在物流领域中的应用是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，计算机视

13、觉技术在物流领域中的应用是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，计算机视觉技术在物流领域中的应用的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。息化要求不断提高，条码技术和RFID技术在应用中存在着一些无法克服的缺点。（1）成本高、易受外在环境干扰而影响信息正确识别。（2）需要上游供应商在生产过程中提供相应配合，RFID目前无统一标准，编码标准体系复杂。（3）仅靠条码和RFID技术，无法对商品外观完整性进行检测等。从整个供应链物流作业

14、过程看，商品在整个供应链上流动。操作中最为频繁的就是出/入库操作和配送中心商品自动识别和分拣，与条码和RFID技术相配合，商品在线图像识别技术在配送中心出/入库、自动分拣过程中的应用具有很好的扩展价值。基于图像识别商品出/入库及自动分拣原理如图5所示。依托先进的自控技术、电子技术和信息技术，可实现资源最优化配置，使整个物流系统进入现代化的运行模式，降低运营成本、提高运营效率、提高经济效益，把现代物流配送智能化推进到一个崭新的阶段。4基于商品图像自动识别关键技术由于物流业务过程复杂，配送中心所涉及商品品目繁多，与条码和RFID商品信息自动采集系统相配合，商品自动识别和自动分拣应用必须解决以下关键

15、技术。（1）在计算机视觉系统中，分辨率是一项重要指标。不同应用环境、被测物体的大小和精度差别对计算机视觉系统采样分辨率都有不同的要求。在空间方面，必须满足采样定理，保证获取图像空间的分辨率足以表征被测物的最小缺陷尺寸；在灰度方面，光源必须有足够的照度，摄像机必须有足够的灵敏度和动态范围。大多数应用中，采用普通5125128面阵CCD摄像机和线阵1 024摄像机就能满足需要。在某些要求极高的场合中，必须研制光学成像系统或增加多套摄像系统。（2）图像的处理能力和速度是计算机视觉系统另一个重要指标。在典型的计算机视觉系统中，图象处理应当完成如下任务：精确的维数测量，抑制无用信号，增强有用信号，检测特

16、征尺寸、位置和形状，识别特征表征的物体、标号或缺陷等，确定位置、方向并决策。完成上述任务需要相当大的计算量，只靠高性能通用计算机是无法完成的，需要专用的实时图象处理系统与之相配合。图象处理系统具有实时特征提取能力，是保证能实时进行图像分析的前提。通用计算机用于实时读取来自图象处理系统的特征数据，并在此基础上完成：特征数据分析、识别和判决、控制图象处理系统的工作流程、与生产线同步通讯、检测结果实时向外输送报告等工作。特征数据分析是较高级处理，需要特定知识的支持，但在计算机视觉系统中，图象分析的时间很有限，因此，研究简单有效算法非常重要。由此可见，计算机视觉系统是一个集成系统，是一个面向特定问题的

17、系统，它受到分辨率和图像处理速度两个条件的约束。计算机视觉系统要在满足这两者条件下，对每个子系统进行调整和平衡，以求得最好的性能价格比。参考文献：1 连国栋，蒋挺. 利用图象处理技术进行空心光纤内外径测量J. 计算机测量与控制，2003,11(8):569-573.2 郁梅，蒋刚毅，郁伯康,等. 智能交通系统中计算机视觉技术的应用J. 计算机工程与应用，2001(10):101-103.3 王洪君，孙筱雯，石钧,等. 基于自适应邻域对比度增强的直方图均衡算法J. 计算机应用，2003,6(23):124-126.4 张汗灵，郝重阳. 基于特征的自动图像配准算法J. 视频技术应用与工程，2003

18、,9(255):80-83.5 张文景，张文渊，苏健锋,等. 计算机视觉检测技术及其在机械零件检测中的应用J. 上海交通大学学报， 1999,33(5):635-638.6 王缅，刘文清. 具有快速、可靠机器视觉的智能传感器J. 光电子技术与信息，2000,13(6):28-30.7 费耀平，谷士文，刘应龙,等. 工业视觉系统及应用J. 长沙铁道学院学报，1997,15(1):25-30.其他参考文献Baker, Sheridan. The Practical Stylist. 6th ed. New York: Harper & Row, 1985.Flesch, Rudolf. The A

19、rt of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation Studies: An Integrated Approach. Amsterdam: John Benjamins, 1987.Hu, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto. The Philosophy of

20、 Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Shuneng. 连淑能, 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊, 当代西方翻译理论选读 M. 北京:

21、 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: Longman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.