一種機器視覺的胸卡智能識別系統設計

錢文韜

（江蘇省泰州中學，江蘇泰州，225300）

0 引言

近年來，人工智能技術進展迅速，而機器視覺技術更是應用于生活的方方面面。機器視覺是利用光電成像系統來采集圖像信息，然后經過在計算機上運行軟件進行圖像信息的處理或者在專用的圖像處理器上處理，最后進行識別分析來對目標物體的形狀和尺寸等進行判斷的技術[1]。

如今，機器視覺技術應用廣泛。制造業中，用戶和生產企業對產品質量的要求越來越高，除要求滿足使用性能外，還要有良好的外觀，即良好的表面質量[2]。通過人工檢測的傳統方法已難以滿足要求，而機器視覺技術則能有效地解決問題。制藥業中，我國的藥品包裝企業多采用半自動檢測設備對藥品包裝進行檢測，由此可能會導致藥品出現異物、密封不嚴等問題[3-4]。于是，許多廠家使用了應用了機器視覺技術的自動包裝機械，這是由于產品自動包裝機械既能節約人力和物力，又能提高包裝效率，降低生產成本[5]。機器視覺涉及到人工智能、神經生物學、信號處理、計算機科學、圖像處理、機器學習等多個領域, 是一門交叉學科。由于機器視覺的檢測特點具有快速、精確、非接觸等一系列優點,所以作為一種現代化的檢測手段越來越被人們所重視[6-7]。因而，目前機器視覺已被廣泛應用于國防工業、醫療科技、水下圖像識別、尺寸測量以及果蔬識別與分類等領域[8]，但在學校教育領域卻少有涉及。

眾所周知，學校安全至關重要，是全社會關注的重點之一，為了切實維護學生的生命安全，許多學校實行了胸卡檢查的制度，通過在學校、宿舍門口派遣專人進行檢查、登記，達到檢查學生出勤情況、防止社會閑雜人員進出校園的效果，這套制度確實起到了重要的作用。但是通過實際調查發現，不少老師同學反映：胸卡人工檢查、登記有著費時費力、效率較低，且容易出錯等諸多問題。這是因為人工識別檢測是校園胸卡識別檢測等傳統檢測方法，而傳統人工識別檢測校園胸卡，需要對校園胸卡表面的個人信息逐一的進行核對和檢測，不僅耗費時間長，而且非常容易出錯，同時人眼在不停地對胸卡表面信息進行識別檢測的過程中會出現一定的疲勞感，容易出現信息容錯。因此，該方法抽檢率低、準確性不高、實時性差、效率低、勞動強度大、受人工經驗和主觀因素的影響大。與之相對，機器視覺是一種無接觸、無損傷的自動檢測技術，是實現設備自動化、智能化和精密控制的有效手段，具有安全可靠、光譜響應范圍寬、可在惡劣環境下長時間工作和生產效率高等突出優點[9]。因而基于機器視覺的檢測方法可以很大程度上克服上述弊端[10]。

因此設計了一種基于機器視覺技術的校園胸卡智能識別檢測系統。通過傳感器觸發工業相機，對校園胸卡進行圖像采集，采用VS2010配合opencv函數庫對圖像進行一系列的數學形態學處理，實現了對校園胸卡的識別和檢測。在快速檢測識別的基礎上，做到高效高準確率，并且相比于其他檢測設備，降低了成本。

1 系統整體結構框架設計

整個系統主要由兩個部分組成：硬件部分和軟件部分，兩部分之間通過千兆網口通訊。圖像傳感器被觸發，工業相機接收到觸發信號后開始采集胸卡圖像，采集到的胸卡圖像經過千兆網與控制端進行通信傳輸，控制端的胸卡智能識別系統通過所開發的胸卡個人信息特征識別算法完成對胸卡的自動識別和檢測。整體框架圖如圖1所示。

圖1 系統整體框架圖

2 系統硬件設計

系統的硬件主要包括PC控制端、工業相機、工業鏡頭、光源、傳感器等。傳感器通過信號線與工業相機連接，工業相機與工業鏡頭配對連接后可以進行圖像采集，光源安裝在工業相機正下方以便提供較好的光照強度，工業相機通過千兆網與PC控制端連接。

2.1 工業相機

校園胸卡為平面矩形，較為規則，面積為69mm×98mm，根據校園胸卡特點，本系統選取型號為MV-EM200的200萬像素的面陣工業相機，幀率為20fps，因校園胸卡的個人信息特征位置相對固定，但是信息特征均不相同，彩色圖像的灰度值相差太大，處理較麻煩，因此選取黑白的工業相機，以滿足校園胸卡的快速識別檢測。如圖2所示為工業相機實物圖。

圖2 工業相機

如圖3所示為型號為MV-EM200的200萬像素的面陣工業相機的感光曲線特性圖。

圖3 感光曲線特性圖

由于胸卡為平面，結合工業相機選用型號AFT-1614MP的100萬像素的工業鏡頭，可以跟工業相機很好的配合使用。如圖4 所示為工業鏡頭實物圖。

圖4 鏡頭

2.2 工業鏡頭

2.3 光源

在光源方面，考慮到胸卡是塑料材質且表面光滑會反光，結合實際使用工況，選用環形紅光光源來配合圖像采集。燈帶角度45°，可以很好的抑制從胸卡表面反射回來的光，同時也能很好的避開環境光的影響，以獲得高質量的圖像。光源如圖5所示。

圖5 環形光源

2.4 多傳感器配合

校園胸卡的自動化、智能化識別檢測，首先要保證識別檢測系統的傳感器能相互配合，校園胸卡識別檢測軟件系統中的圖像采集部分和圖像處理部分分別使用了采集觸發傳感器和圖像處理器，各傳感器的選型及參數如表1所示。

表1 硬件型號與參數

3 系統軟件框架設計

3.1 軟件框架設計

系統軟件處理流程如圖6所示，主要包括傳圖像采集部分、預處理部分、胸卡識別檢測部分組成。傳感器觸發后，相機開始采集胸卡圖像，采集到的胸卡在預處理部分經過一系列的處理，最后由軟件系統對胸卡識別檢測，并顯示結果。

圖6 系統軟件框架圖

3.2 軟件系統界面設計

圖7 系統軟件界面

軟件系統運行于PC控制端上，采用VS開發環境開發，結合Opencv開發的胸卡個人信息處理算法嵌入在胸卡識別軟件系統里面。通過軟件系統可以對胸卡進行在線實時采集，設置好檢測區域參數，打開相機進行實時圖像采集，進行胸卡的實時識別檢測，并將處理得到的結果顯示在軟件界面上。

4 實驗與分析

在實際校園胸卡識別與檢測中，胸卡表面通常都有每個學生的個人信息，且各不相同，識別檢測出胸卡表面所有個人信息是胸卡自動識別檢測中至關重要的一個環節，如何快速準確的識別檢測校園胸卡表面個人信息，是提高校園胸卡識別檢測效率的關鍵，也是實現校園胸卡自動化、智能化識別檢測的前提。基于機器視覺的校園胸卡智能識別檢測系統通過傳感器融合技術，獲取校園胸卡圖像，經過處理分析，通過識別軟件系統實現了自動化檢測。

現對識別檢測系統檢測相同數量校園胸卡與人工檢測進行對比試驗，實驗結果如表2所示。

軟件系統和人工同時識別檢測100個校園胸卡，依次在同樣的試驗環境下進行了6組識別檢測試驗，從試驗結果可以看出，系統的誤檢率大致在3%內，且比較穩定，而隨著工作時間的延長，人工誤檢率均逐步增加到15%左右，且不穩定。系統所用時間均在250s內，人工所用時間基本是系統的2倍左右，時間相差較大，且當達到一定時間的時候，人眼容易產生疲勞，識別檢測效率和正確率都可能會降低。

5 結束語

設計的基于機器視覺的校園胸卡智能識別檢測系統具有較好的對校園胸卡表面個人信息的識別檢測性。軟件系統識別檢測所用時間大致是人工識別檢測所用時間的一半，有效的提高了軟件系統識別檢測效率，且系統的誤檢率均在3%內，在誤差范圍內。表明該檢測系統可以高效、高質的識別檢測出校園胸卡表面個人信息，實現校園胸卡自動化識別檢測，達到了校園胸卡表面個人信息識別與檢測自動化、智能化的項目要求。實際推廣應用價值大，市場前景廣闊。