人类对自然深入探究和提升自我的不断追求.近些年国内出现了若干家...
龚亮
[摘 要]在镭射膜的生产过程中，经常出现切割不均匀或者切割线走偏等情况，通过机器视觉技术可以有效地对其进行识别与纠错，可以将出现问题的区域进行标注，识别速度快、精度高，对于镭射膜的标准化生产有着极为重要的意义，本文对其展开探讨。
[关键词]镭射膜；纠错；监测技术
中图分类号：TP273.5 文献标识码：A 文章编号：1009-914X（2018）03-0382-01
1 引言
隨着科技的发展，人工智能技术已经逐渐走进了我们的生活，机器视觉是人工智能领域的一个重要发展方向，主要是采用机器来代替人进行观察和判断。镭射膜是用激光照制、铸制镍版、热压把激光图文转压在PET或PVC等膜片材料上而成的。具有外表光滑透亮，颜色多变，耐腐蚀，耐磨等特点，因此在刊物、烟酒以及广告宣传等包装上得到广泛应用。镭射膜在制造过程中经过横切、分切，会出现许多常见故障，如带材跑偏、纵向撕裂和边缘磨损等。其中由于卷径不断地减小引起材料供送的速度和张力发生变化、各辊之间的不平行以及包装材料绕上卷筒时的不齐等因素引起的镭射膜跑偏最为常见。如果不能及时检测到镭射膜的偏移角度进行纠偏必然会造成镭射膜的浪费，生产效率下降。这一技术的核心工作为图像的检测与处理，图像处理可以有效地对镭射膜生产过程中出现的问题进行监测与纠错，使其生产更加地规范化。监测层属于高级别管理层次，因此应当加强对输入输出的合理控制，使其可以实现产品监控数据的高效交换。因此，对于图像处理技术进行改革和创新有着极为重要的意义，本文结合多种图像处理技术，对机器视觉的应用实例展开探讨。
2 图像识别技术分析
2.1 概述
图像处理是人工智能领域的一个重要的分支，图像处理技术可以分为两大部分，第一类是基于机器学习的，第二类是基于统计方法的，根据实现的原理可以划分为基于几何特征、基于模型、基于统计方法、基于神经网络等。图像识别算法，采用主流的深度学习方法来进行特征值提取，通过卷积神经网络对图像进行识别，通过多层特征的融合来使得运算量降低，识别速度加快，通过基本的特征信息，从而反映出高级别的属性特征，同时可以对不清晰的图像、动态的图像进行较为精确的识别，其识别准确度较高，抗干扰性较强。基于深度学习的特征提取算法，通过较大规模的图像库进行训练，使得图像识别模型的准确度非常高，同时时间减小，可以达到万分之一秒。
2.2 主流图像处理方法
2.2.1 基于几何特征
基于几何特征的方法，主要是在图像中寻找特征，将特征点之间的距离和比例进行归纳，通过临近的方法来识别图像，这样的方法比较快，内存占用少，但是对于光照变化来说不敏感，同时对于动态变化的图像，它将无法识别。
2.2.2 基于模型
基于模型的方法，主要采用马尔科夫模型，这种模型的方法，主要是通过数学的统计性的问题。以人脸图像的监测识别为例， 马尔可夫的状态包括前额、眉毛、眼睛、鼻子、嘴和下巴， 这些状态以相同的顺序从上到下出现， 表现为隐马尔可夫模型的特性状态。这种方法对于样本的要求较高，需要建立较为可靠的模型。
2.2.3 基于统计
基于统计学的方法，主要是通过提取图像中光照、位置等特征向量，来进行图像的重构，来判断这些特征所表现的否是被识别的物体，优点在于识别速度较快，缺点在于对于动态的图像处理较差。
2.2.4 基于神经网络
基于神经网络的图像处理方法，主要是采用机器学习的方案，就是通过多张图像进行模型的训练，然后对其参数进行调整，然后对所要识别的图像进行分类，来判断它是否是被识别的图像，这样的算法识别成功率较高，但是运算时间较长。
2.2.5 基于深度学习
深度学习也是一种复杂的神经网络，主要是采用一些低层的特征来进行高层特征的表示，它对于计算性能要求较高，可以利用空间的相对关系来进行降维，使得训练性能提升，结合实际情况下的深度学习，效率非常高。
3 机器视觉在镭射膜纠错监测中的应用
边缘检测是利用目标图像和背景在某种图像特性上的差异来实现的，是图像识别中提取图像特征的一个重要属性。目前主要的边缘提取算法有Sobel算子、Robert算子、LoG算子、Canny算子等传统算法。Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘，在水平和垂直方向有很好的检测效果，但对于斜向边缘响应较差，由于镭射膜在跑偏过程中，需要根据跑偏的直线测出跑偏角，所以此算法不适合在镭射膜跑偏检测中使用。Sobel算子利用水平模板和垂直模板对一些离散的数据进行邻域平均或者加权平均运算，进而检测出图像的边缘点。算法简单，对噪声有平滑效果，但是，由于局部加权平均的引入，可能会检测到许多伪边缘。改进算法能够较准确地检测到跑偏角，相比于传统算法，其误差均有所减小；在实际检测过程中，针对外界环境光照干扰，改进Canny算子较传统Canny算子有较强的自适应性，使得在进行边缘检测以及Hough变化时能够更快速地检测到跑偏角度。工业生产中，当检测的角度大于阈值时启动下位纠偏系统，实现自动化控制镭射膜纵切过程中的跑偏检测及纠偏。
网络虚拟服务器是工业监测纠错系统的关键环节，网络虚拟服务器集群技术主要基于计算机集群，这可以大大减轻服务器端的压力，通过负载均衡的设计可以让集群的工作性能大大提升。虚拟服务器则是搭建了这样的平台，利用此技术可以极为方便地利用各种服务器和电脑进行集群的构建。通过虚拟资源的分配与大数据集群的构建可以很好地实现负载调度，做到服务接口的完善，同时，集中优势力量来进行负载均衡设计大大减轻了硬件负担，因此可以延长其使用寿命，并让其以较好的状态来进行大容量分布式集群计算。目前在国内外的研究中，还存在一些不足，主要包括对算法结构与服务器虚拟化的安全性设计不够合理，因此，应当加强安全管理，保障虚拟服务器的数据能够多次校验，保证精确性。镭射膜监测纠错系统管理界面较为清晰简洁，系统管理层次明确，容易管理，对于系统的维护来说，管理程序是极为重要的，系统应该和用户的使用习惯相适应，从而让其更好地为用户而服务。
4 总结
随着计算速度和准确率的不断提升，机器视觉图像处理的应用越来越普遍，同时推动了图像识别技术的发展速度，图像处理虽然有很多无法克服的缺点，但是借助这一重要的科技发展趋势，也在一步一步推动各行业蓬勃发展，让生活更加智能化。它可以使得镭射膜的生产更加地规范化，使其成品更加标准。图像处理大大的减少了人力的成本，提升了工作的效率，图像处理是重要的技术基础，它在工业生产领域有着深远的影响。
参考文献
[1] 毕卓，韩冰.抗噪Roberts算子边缘检测器[J].计算机技术与发展，2013，23（6）：259-260.
[2] 梁娟.一种基于sobel图像边缘检测的改进算法[J].软件导刊，2014，13（12）：80-81.
[3] 贺强，晏立.基于LOG和Canny算法的边缘检测算法[J].计算机工程，2011，37（3）：211-212.endprint
