钱文韬
（江苏省泰州中学，江苏泰州，225300）
0 引言
近年来，人工智能技术进展迅速，而机器视觉技术更是应用于生活的方方面面。机器视觉是利用光电成像系统来采集图像信息，然后经过在计算机上运行软件进行图像信息的处理或者在专用的图像处理器上处理，最后进行识别分析来对目标物体的形状和尺寸等进行判断的技术[1]。
如今，机器视觉技术应用广泛。制造业中，用户和生产企业对产品质量的要求越来越高，除要求满足使用性能外，还要有良好的外观，即良好的表面质量[2]。通过人工检测的传统方法已难以满足要求，而机器视觉技术则能有效地解决问题。制药业中，我国的药品包装企业多采用半自动检测设备对药品包装进行检测，由此可能会导致药品出现异物、密封不严等问题[3-4]。于是，许多厂家使用了应用了机器视觉技术的自动包装机械，这是由于产品自动包装机械既能节约人力和物力，又能提高包装效率，降低生产成本[5]。机器视觉涉及到人工智能、神经生物学、信号处理、计算机科学、图像处理、机器学习等多个领域, 是一门交叉学科。由于机器视觉的检测特点具有快速、精确、非接触等一系列优点,所以作为一种现代化的检测手段越来越被人们所重视[6-7]。因而，目前机器视觉已被广泛应用于国防工业、医疗科技、水下图像识别、尺寸测量以及果蔬识别与分类等领域[8]，但在学校教育领域却少有涉及。
众所周知，学校安全至关重要，是全社会关注的重点之一，为了切实维护学生的生命安全，许多学校实行了胸卡检查的制度，通过在学校、宿舍门口派遣专人进行检查、登记，达到检查学生出勤情况、防止社会闲杂人员进出校园的效果，这套制度确实起到了重要的作用。但是通过实际调查发现，不少老师同学反映：胸卡人工检查、登记有着费时费力、效率较低，且容易出错等诸多问题。这是因为人工识别检测是校园胸卡识别检测等传统检测方法，而传统人工识别检测校园胸卡，需要对校园胸卡表面的个人信息逐一的进行核对和检测，不仅耗费时间长，而且非常容易出错，同时人眼在不停地对胸卡表面信息进行识别检测的过程中会出现一定的疲劳感，容易出现信息容错。因此，该方法抽检率低、准确性不高、实时性差、效率低、劳动强度大、受人工经验和主观因素的影响大。与之相对，机器视觉是一种无接触、无损伤的自动检测技术，是实现设备自动化、智能化和精密控制的有效手段，具有安全可靠、光谱响应范围宽、可在恶劣环境下长时间工作和生产效率高等突出优点[9]。因而基于机器视觉的检测方法可以很大程度上克服上述弊端[10]。
因此设计了一种基于机器视觉技术的校园胸卡智能识别检测系统。通过传感器触发工业相机，对校园胸卡进行图像采集，采用VS2010配合opencv函数库对图像进行一系列的数学形态学处理，实现了对校园胸卡的识别和检测。在快速检测识别的基础上，做到高效高准确率，并且相比于其他检测设备，降低了成本。
1 系统整体结构框架设计
整个系统主要由两个部分组成：硬件部分和软件部分，两部分之间通过千兆网口通讯。图像传感器被触发，工业相机接收到触发信号后开始采集胸卡图像，采集到的胸卡图像经过千兆网与控制端进行通信传输，控制端的胸卡智能识别系统通过所开发的胸卡个人信息特征识别算法完成对胸卡的自动识别和检测。整体框架图如图1所示。
图1 系统整体框架图
2 系统硬件设计
系统的硬件主要包括PC控制端、工业相机、工业镜头、光源、传感器等。传感器通过信号线与工业相机连接，工业相机与工业镜头配对连接后可以进行图像采集，光源安装在工业相机正下方以便提供较好的光照强度，工业相机通过千兆网与PC控制端连接。
2.1 工业相机
校园胸卡为平面矩形，较为规则，面积为69mm×98mm，根据校园胸卡特点，本系统选取型号为MV-EM200的200万像素的面阵工业相机，帧率为20fps，因校园胸卡的个人信息特征位置相对固定，但是信息特征均不相同，彩色图像的灰度值相差太大，处理较麻烦，因此选取黑白的工业相机，以满足校园胸卡的快速识别检测。如图2所示为工业相机实物图。
图2 工业相机
如图3所示为型号为MV-EM200的200万像素的面阵工业相机的感光曲线特性图。
图3 感光曲线特性图
由于胸卡为平面，结合工业相机选用型号AFT-1614MP的100万像素的工业镜头，可以跟工业相机很好的配合使用。如图4 所示为工业镜头实物图。
图4 镜头
2.2 工业镜头
2.3 光源
在光源方面，考虑到胸卡是塑料材质且表面光滑会反光，结合实际使用工况，选用环形红光光源来配合图像采集。灯带角度45°，可以很好的抑制从胸卡表面反射回来的光，同时也能很好的避开环境光的影响，以获得高质量的图像。光源如图5所示。
图5 环形光源
2.4 多传感器配合
校园胸卡的自动化、智能化识别检测，首先要保证识别检测系统的传感器能相互配合，校园胸卡识别检测软件系统中的图像采集部分和图像处理部分分别使用了采集触发传感器和图像处理器，各传感器的选型及参数如表1所示。
表1 硬件型号与参数
3 系统软件框架设计
3.1 软件框架设计
系统软件处理流程如图6所示，主要包括传图像采集部分、预处理部分、胸卡识别检测部分组成。传感器触发后，相机开始采集胸卡图像，采集到的胸卡在预处理部分经过一系列的处理，最后由软件系统对胸卡识别检测，并显示结果。
图6 系统软件框架图
3.2 软件系统界面设计
图7 系统软件界面
软件系统运行于PC控制端上，采用VS开发环境开发，结合Opencv开发的胸卡个人信息处理算法嵌入在胸卡识别软件系统里面。通过软件系统可以对胸卡进行在线实时采集，设置好检测区域参数，打开相机进行实时图像采集，进行胸卡的实时识别检测，并将处理得到的结果显示在软件界面上。
4 实验与分析
在实际校园胸卡识别与检测中，胸卡表面通常都有每个学生的个人信息，且各不相同，识别检测出胸卡表面所有个人信息是胸卡自动识别检测中至关重要的一个环节，如何快速准确的识别检测校园胸卡表面个人信息，是提高校园胸卡识别检测效率的关键，也是实现校园胸卡自动化、智能化识别检测的前提。基于机器视觉的校园胸卡智能识别检测系统通过传感器融合技术，获取校园胸卡图像，经过处理分析，通过识别软件系统实现了自动化检测。
现对识别检测系统检测相同数量校园胸卡与人工检测进行对比试验，实验结果如表2所示。
软件系统和人工同时识别检测100个校园胸卡，依次在同样的试验环境下进行了6组识别检测试验，从试验结果可以看出，系统的误检率大致在3%内，且比较稳定，而随着工作时间的延长，人工误检率均逐步增加到15%左右，且不稳定。系统所用时间均在250s内，人工所用时间基本是系统的2倍左右，时间相差较大，且当达到一定时间的时候，人眼容易产生疲劳，识别检测效率和正确率都可能会降低。
5 结束语
设计的基于机器视觉的校园胸卡智能识别检测系统具有较好的对校园胸卡表面个人信息的识别检测性。软件系统识别检测所用时间大致是人工识别检测所用时间的一半，有效的提高了软件系统识别检测效率，且系统的误检率均在3%内，在误差范围内。表明该检测系统可以高效、高质的识别检测出校园胸卡表面个人信息，实现校园胸卡自动化识别检测，达到了校园胸卡表面个人信息识别与检测自动化、智能化的项目要求。实际推广应用价值大，市场前景广阔。
