浅谈机器视觉在森林警察工作中的应用论文_常德 安鑫 徐仲民

浅谈机器视觉在森林警察工作中的应用论文_常德 安鑫 徐仲民

(四川省成都市武警警官学院,610200)

摘要:面对新形势下的武装警察部队,所担负的任务种类也越来越多,如何利用机器视觉新技术和新手段来帮助我们更加快速的处理事务,更加有效的进行预定方案的选定和实施。

关键词:机器视觉;灾情分析;技术应用

一、机器视觉技术发展概述

视觉是人获知外界事物多元信息的一个重要渠道,会将获得的信息传入大脑,由大脑结合人类知识经验处理分析信息,完成信息的识别。机器视觉顾名思义是用机器模拟人类视觉,从图像或者图像序列中识别检测实际生活中三维物体的形态及其运动情况。和人类视觉相比,机器视觉具备很多优势,比方说机器视觉不会出现视觉疲劳,同时机器视觉技术功能比人类视觉的速度和精准度更高;机器视觉技术可以在诸多检测技术如紫外线、超声波等的支持之下检测到人类视觉没有办法检测得到的事物。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。

二、机器识别在森林警察部队的重要性

森林警察部队在新的社会形势下,注定要面临越来越多的任务种类,要面临越来越多的任务挑战,我们要怎么样才可以在同样的条件下,创造出更好的处置任务的方法,这就需要我们在新技术的是帮助下,才可以有机会来完成工作。

在2019年3月30日的四川凉山森林火灾一样,共造成31人因公牺牲,我们都将他们视为英雄。可我们要从这次事故中学取教训,为什么会造成这种事故的发生?该怎么样去避免这种事故的发生才是我们在事后更应该去思考的。

在此次事故最主要的事故原因就是林火爆燃。林火爆燃通常指爆炸性燃烧,和森林灭火平时说的‘轰燃’相近,往往发生突然,会瞬间形成巨大火球、蘑菇云,温度极高。一般而言轰燃的原因主要两种。一种是林内可燃物堆积时间长、发生腐烂,产生以沼气为主的可燃气体,突然遇火再加上细小可燃物作用,产生轰燃。数据显示,过去5年,我国森林面积达到31.2亿亩,成为同期全球森林资源增长最多的国家。特别是全面停止天然林商业采伐后,林区林下的可燃物积累加快,大小兴安岭、长白山、滇北、川西这些大面积的原始林区,可燃物载量已经达近20年峰值。造成轰燃的另一种原因是,林火烧到狭窄的山脊、单口山谷、陡坡、鞍部、草塘沟、山岩凸起等特殊地形,使可燃物同时预热,共同燃烧,瞬时形成巨大火球和蘑菇云。“比如狭窄山脊线,受热辐射和热对流影响,温度极高;而且又容易形成飘忽不动的气流,山火方向难以预测。”既然我们知道事故原因,我们又该怎么去解决这类事故呢。

首先我们要进行对受灾情况的观察和分析,对于一个事故的发生,要是我们可以在事前就有一个大体的预判,这样可以让我们用最合适的方法来完成任务,也可以避免此类事故的发生。

如果我们可以在事故现场使用无人机技术对现场灾情进行观察,并采用无线回传技术,使用便携电脑对事故现场进行有效分析,采用专用数据分析加现场人工判断的方法来对灾情的实际发生情况进行多重判定并制定好相关预案。

在此次事故中,我们可以采取红外温度相机的方法,这样可以让我们对现场温度进行预先知晓,如果在加上对上层空气风速的测量,这样我们就可以用更多的数据来进行判定现场情况,也就很有效的避免了灾情的发生。

三、机器视觉的应用原理

光源检测

在机器视觉系统中,获得一张高质量的可处理的图像是至关重要。系统之所以成功,首先要保证图像质量好,特征明显。一个机器视觉项目之所以失败,大部分情况是由于图像质量不好,特征不明显引起的。要保证好的图像,必须要选择一个合适的光源。

光源选型基本要素:

(一)对比度:对比度对机器视觉来说非常重要。

期刊文章分类查询,尽在期刊图书馆机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度,从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。

(二)亮度:当选择两种光源的时候,最佳的选择是选择更亮的那个。当光源不够亮时,可能有三种不好的情况会出现。第一,相机的信噪比不够;由于光源的亮度不够,图像的对比度必然不够,在图像上出现噪声的可能性也随即增大。其次,光源的亮度不够,必然要加大光圈,从而减小了景深。另外,当光源的亮度不够的时候,自然光等随机光对系统的影响会最大。

好的光源需要能够使你需要寻找的特征非常明显,除了是摄像头能够拍摄到部件外,好的光源应该能够产生最大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了,剩下来的工作就容易多了。

而我们所需的就是一张高分辨率、高准确度的照片,利用无人机在高空中可以获得具有良好视野,具有所需数据的照片。这样在进行特征匹配的时候就可以有更好的确定度。一般照片检测(自动识别)先利用高清晰度、高速摄像镜头拍摄标准图像,在此基础上设定一定标准;然后拍摄被检测的图像,再将两者进行对比。但是在灾区情况检测中要复杂一些:

1.图像的内容不是单一的图像,每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。

2.杂质的形状难以事先确定。

3.由于烟雾对光线产生反射,图像中可能会存在大量的噪声。

4.在灾区上空,对情况进行检测,有实时性的要求。

由于上述原因,图像识别处理时应采取相应的算法,提取杂质的特征,进行模式识别,实现智能分析。

Color检测

一般而言,从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红(R)绿(G)蓝(B)三个成分组成,来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似,在颜色空间中也不尽相同。基于上述原因,我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。

Blob检测

根据上面得到的处理图像,根据需求,在纯色背景下检测杂质色斑,并且要计算出色斑的面积,以确定是否在检测范围之内。因此图像处理软件要具有分离目标,检测目标,并且计算出其面积的功能。

Blob分析(Blob Analysis)是对图像中相同像素的连通域进行分析,该连通域称为Blob。经二值化(Binary Thresholding)处理后的图像中色斑可认为是blob。Blob分析工具可以从背景中分离出目标,并可计算出目标的数量、位置、形状、方向和大小,还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析,而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE)来表示相邻的目标范围。这种算法与基于象素的算法相比,大大提高处理速度。

结果处理和控制

应用程序把返回的结果存入数据库或用户指定的位置,并根据结果控制客户端部分做相应的运动。

四、结语

面对情况多变的工作环境和异常艰巨的工作任务,我们更加应该明白科技进步对我们的巨大影响,也希望我们所有人的共同努力让努力保护着我们的人也受到我们的保护。

参考文献

[1]百度百科.《机器视觉》.https://baike.baidu.com/item/%E6%9C%BA%E5%99%A8%E8%A7%86%E8%A7%89/7414484?fr=aladdin.

论文作者:常德 安鑫 徐仲民

论文发表刊物:《知识-力量》2019年10月38期

论文发表时间:2019/8/23

标签:;  ;  ;  ;  ;  ;  ;  ;  

浅谈机器视觉在森林警察工作中的应用论文_常德 安鑫 徐仲民
下载Doc文档

猜你喜欢