Машинное зрение.

Заключение
Современные технологии, построенные на системах машинного зрения, основательно вошли в нашу жизнь за какое-то десятилетие и прочно заняли свои позиции. Такие технологии встречаются нам практически каждый день. Будь это обследование в поликлинике на аппарате УЗИ, сканер на считывающей ленте в супермаркете, прибор освещения с датчиком движения, который установлен в подъезде вашего дома или комфортный автомобиль со встроенной системой круиз-контроля – все это машинное зрение. В данной области учеными всего мира получены впечатляющие результаты и, что радует, ведутся постоянные разработки. Но фактом остается то, что машинному зрению еще далеко до зрения человека. Поэтому как в дальнейшем будет идти развитие в данной области еще не известно. Опередят ли технологии, построенные на сис ...

 
Содержание


Аннотация 2
Введение 3
Содержание 4
Понятие машинного зрения 5
История развития машинного зрения 5
Задачи, решаемые с помощью машинного зрения 7
Концепция простейшей системы машинного зрения 7
Пассивное и активное зрение 8
Применение систем машинного зрения в производстве 8
Контроль геометрических размеров объектов 8
Дефектоскопия, контроль внешнего вида объектов 9
Другие области применения систем машинного зрения 9
Система считывания регистрационных номеров автомобилей 9
Медицина и фармацевтика 9
Биометрия 10
Заключение 11
Литература 12

Введение
Зрение является для человека основным источником информации об окружающем нас мире. Ведь всю основную информацию, а это до 90 процентов, мы получаем по зрительному каналу. Человеческий глаз является уникальным «прибором». Вся полученная через зрительные каналы информация анализируется мозгом, благодаря которому мы можем делать выводы о размерах объектов, их форме и положении, цветовой гамме и т.д. Глаз не просто воспринимает изображение, а может рассмотреть его с разных сторон, благодаря возможностям человеческого организма. Причем точность зрения при этом очень высока.
Поэтому ученых уже давно заинтересовал вопрос о возможности машинной реализации данного процесса. Разработка методов и алгоритмов «понимания» изображений ведется достаточно давно и является одной из основных и акт уальных задач в области машинного зрения. К тому же аппаратные возможности, в данной области, благодаря последним достижениям электроники и вычислительной техники, достигли такого уровня, что они уже во многом приближаются к «техническим характеристикам» человека. В настоящее время разработаны различные сенсоры для получения видеоинформации, разрешение которых соответствует числу элементов сетчатки глаза человека. Возможности IT-технологий и специальных процессоров последнего десятилетия стали близки к характеристикам «вычислительных мощностей», используемых для обработки изображений в нашем мозге. Биомеханика вплотную подошла к разработке сложных механических манипуляторов, достаточных для имитации моторной деятельности человека по управлению различными техническими системами [1].

Аннотация
В данной работе рассмотрены системы машинного зрения. В реферате кратко изложена история развития машинного зрения, перечислены все этапы становление этой научной области, начиная с шестидесятых годов и до нашего времени, даны определения основным понятиям, перечислены и подробно описаны основные задачи, решаемые машинным зрением. Приведено подробное описание концепции простейшей системы машинного зрения, даны определения пассивному и активному зрению, приведены примеры. Рассмотрено применение систем машинного зрения в производстве, в медицине и в биометрии.

Благодаря этой концепции начали развиваться такие подходы к распознаванию объектов на изображении, как структурные, признаковые и текстурные.В 1979 году профессором Гамбургского университета Ганс-Хельмутом Нагелем были заложены основы теории анализа динамических сцен, которые позволяли распознавать движущиеся объекты в видеопотоке.В восьмидесятые и девяностые годы появилось новое поколение датчиков двухмерных цифровых информационных полей различной физической природы. Развитие новых измерительных систем и методов регистрации на основе нового поколения датчиков сделало возможным получать для анализа устойчивые во времени изображения. В начале девяностых годов последовательность действий по обработке изображения условились рассматривать с точки зрения парадигмы, предложенной Д.Марром. Парадигма утверждает, что обработка изображений должна опираться на несколько последовательных уровней восходящей информационной линии: от «иконического» представления объектов (растровое изображение, неструктурированная информация) – к их символическому представлению (векторные и атрибутивные данные в структурированной форме, реляционные структуры и т. п.) [7]. Середина девяностых годов ознаменовалась появлением первых коммерческих систем автоматической навигации автомобилей. Эффективные средства компьютерного анализа движений были разработаны в конце XX века. В 2003 году на рынке появились первые корпоративные системы распознавания лиц, характеризовавшиеся достаточной надежностью.Задачи, решаемые с помощью машинного зренияЗадачи, решаемые с помощью машинного зрения, условно можно разделить на четыре группы: • Распознавание положения. Целью машинного зрения в данном случае может являться: Определение пространственного местоположения, то есть определение местоположения объекта относительно внешней системы координат; Статическое положение объекта, то есть определение в каком положении находиться объект относительно системы координат с началом отсчета в пределах самого объекта; Заключительным шагом для этих двух случаев является передача информации о положении и ориентации объекта в систему управления или контроллер. Пример: погрузочно-разгрузочный робот, перед которым стоит задача перемещения объектов различной формы из бункера. Интеллектуальной задачей машинного зрения в этом случае является определение оптимальной базовой системы координат и ее центра для локализации центра тяжести детали. Полученная информация позволяет роботу захватить деталь должным образом и переместить ее в надлежащее место. • Измерение. Основной задачей видеокамеры в приложениях данного типа является измерение различных физических параметров объекта. Под физическим параметром в данном случае может рассматриваться линейный размер, диаметр, кривизна, площадь, высота и количество. В качестве примера реализации данной задачи можно привести измерение различных диаметров горлышка стеклянной банки. • Инспекция. Цель машинного зрения в данном случае подтвердить определенные свойства, например, наличие или отсутствие этикетки на готовой продукции, болтов для проведения операции сборки, шоколадных конфет в коробке или наличие различных дефектов.• Идентификация. В задачах идентификации основное назначение видеокамеры – считывание различных кодов с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Приме: считывание кода даты для отбраковки просроченных продуктов в пищевой промышленности, считывание кода цены товара для оплаты на кассовой ленте [4].Концепция простейшей системы машинного зренияСамая простейшая система машинного зрения состоит из следующих элементов: видеокамера, линзы, подсветка и объект. Для получения цифрового изображения необходима матрица чувствительных элементов, входящая в состав видеокамеры. Матрица чувствительного элемента состоит из большого количества аналого-цифровых преобразователей, которые преобразуют световой поток в цифровое значение. Благодаря объективу, который позволяет камере фокусироваться на определенном расстоянии, получается четкое изображение объекта. Если объект находится вне фокусного расстояния, изображение получается нерезким (размытым, с нечеткими краями), что ухудшает возможность обработки видеоряда. Поле зрения объектива FOV (Field of View) – это площадь поверхности, которую видит камера с фокусного расстояния. FOV является его важной характеристикой. В машинном зрении применяется оптика с фиксированным фокусным расстоянием или ручной настройкой фокуса. Существуют различные типы объективов, предназначенные для разных задач (стандартные, телескопические, с широким углом обзора, с увеличением и другие), поэтому при проектировании системы машинного зрения необходимо выбирать правильный тип оптики. Благодаря использованию различных типов освещения можно расширить круг задач, решаемых машинным зрением, поэтому подсветка является еще одним важным элементом в машинном зрении. Типы подсветок существует различные, но наиболее популярной является светодиодная (подсветка высокой яркости). Современная светодиодная техника обеспечивает большой срок службы устройства и малое энергопотребление. К наиболее популярным вариантам подсветки можно отнести: кольцевую; точечную; заднюю лампу подсветки; инфракрасную; коаксиальную. При создании подсветки необходимо учитывать цвет светодиодов и возможность использования различных оптических фильтров [4].Пассивное и активное зрениеМашинное зрение разделяют на два типа: активное и пассивное. Принцип работы робота при активном зрении: робот посылает сигнал в пространство (ультразвук, лазер), ждет обратного ответа и регистрирует отраженный сигнал. Пример: автомобильные радары, лазерные дальномеры и датчики движения (ультразвуковые). Принцип работы робота при пассивном зрении: робот считывает отраженный сигнал, не выдавая своего присутствия, и на основании полученного сигнала делает выводы. В качестве примера можно привести матрицу фотоаппарата, которая только поглощает световой поток, при этом, никак не выдавая своего присутствия. Сюда также можно отнести различные сенсоры, регистрирующие тепло, вибрацию (движение). Пассивное машинное зрение широко используется в охранных системах банков [8]. Применение систем машинного зрения в производствеКонтроль геометрических размеров объектовМашинное зрение широко используется в промышленности. Промышленные системы машинного зрения позволяют проводить измерения геометрических размеров заготовок и деталей, а также готовой продукции, полученной в процессе производства. Весь процесс измерений происходит непосредственно на конвейере или на производственной линии, причем все измерения производятся бесконтактно, с помощью цифровых промышленных видеокамер. Специальные модули подсветки увеличивают оптический контраст изображения и обеспечивают устойчивость системы к изменению условий внешнего освещения.