以单片机为核心的产品图像数字化识别检测系统

以单片机为核心的产品图像数字化识别检测系统

作者：杨刚

来源：《数字技术与应用》2011年第06期

摘要：本文基于单片机为核心设计产品图像数字化的识别检测系统。单片机自学习系统通过模式识别在程序上不断完善。产品识别检测系统包括图像数字化过程与自学习系统图像匹配过程，产片的检测通过标准产品与待测产品的图像信息是否匹配对产品是否合格作出判断。 关键词：单片机 图像数字化 产品分选

中图分类号：TP334.7 文献标识码：A 文章编号：1007-9416（2011）06-0126-01

1、单片机自学习系统模型建构

为了使能够运用进行自学习的系统机器来帮助人们进行更加快捷有效的实际生产，就需要使机器系统能够像人一样掌握一种进行自我学习的能力。目前对单片机进行自学习的研究领域中影响最大的是Simon，他认为机器系统的所进行的学习主要是通过对自身学习系统的不断改善，这样才得以使机器在处理相同类型的工作或是任务时可以达到所要的目的。此外，Samuel于1959年设计了一个可以与人下棋的程序，这种程序的最大特点是具有进行自学习的能力，可以像人一样不断地积累下棋的经验。从以上的研究中可以得出实际上单片机进行学习的基本模型，就是基于机器系统依靠识别并利用已有的知识不断积累经验获得新知识与新技能。[1] 2、单片机自学习系统对图像信息的处理与匹配比较

对进行图像化分析处理的进行自学习系统的设计中，为了实现对数据进行有效的的处理，设计的机器系统包括三个层次：一是单片机进行不断进行练习和所采用的模型不断得到矫正的阶段；二是学习之后对测试软件在线对标准产品和待测产品的数据信息的处理登记和识别阶段；三是对进行识别的数据信息做后期的分析比较阶段。单片机的自学习系统的设计的原理是通过对模式进行识别，将待测产品的图像数据信息与已有的标准品的信息进行比较，然后通过对图像产生的位置移动、偏转的方向角度，判断被测产品是否合格。[2] 2.1 标准产品的图像信息数字化的过程

对产品进行检测的单片机的不断练习并对数据信息进行登记的阶段，就是将标准的产品形成图像的形状大小、位置、色泽度、颜色等属性数量化后再进行分离，然后输入到相对应的算

龙源期刊网 http://www.qikan.com.cn

法公式中。在这个对标准的产品的进行学习或者说登记的过程中，对单独的属性信息需要建立相应的一定的置信区间并设置特征值所能够采取的数值范围。 2.2 机器自学习系统的图像匹配过程

单片机的自学习系统的对图像匹配的辨别所常用的方法是对不同的模式进行识别，这种方法的实施需要先把已经达到相应标准的产品按一定要求标准分为特定的几类模式，每类模式也都各有自身的一套指标。在对图像信息进行的识别过程中，标准的产品图像是作为整体的模式系统，整体的模式系统按照不同物理属性又可分为几个单独的模式系统。

对于要进行检测的产品的分类选择系统需求上，一般要达到最低的系统配置要求以达到单片机自学习系统的要实现的总体目标和目的。这些基本的配置要求包括机器系统运行过程不能太时间太过漫长，操作的步骤和方法不能很复杂繁琐；机器系统对那些无关刺激信息要有最起码的兼容性。 [3]

3、自学习分选系统的构造与系统测试软件的开发

设计的自学习系统对实际生产中的工业产品进行分类目的时，系统所有的基本组成部分有五个部分，分别是:(1)产片的数字成像系统主要是对待测产品和已达到标准的样品进行数字化的扫描形成比较清晰的图像；(2)机器系统的信息感受器是系统到达隐含层信息的主要来源；(3)机器系统对图像进行数字化处理登记并通过存储单元进行存储依靠的是系统的隐含层；(4)自学习系统的机器数据存储库是为整个系统达到目的而进行全面的服务，系统所存储的包含来自以上的信息性感受器和系统隐含层方面的信息；(5)自学习系统的隐含层是整个系统各部分功能得以实现的核心性系统，能够对组成整个系统的各个单独的功能模块进行连接。

机器进行自学习分类选择系统在后期阶段检测软件所需要的编程系统主要分为五个部分:(1)把图像进行数字化处理的图像采集分析软件。(2)能够对所形成的图像进行数字化处理并运用的软件，目的是机器系统进行认知并处理人工神经网络的开端，并对所要检测的产品的图像信息进行登记并加工。(3)图像数字化匹配软件，经过登记加工的信息从系统的存储单元被提取出来后，与信息感受器所得到的信息一块进行分类、匹配比较、整合、选择等过程。(4)系统的后期测试软件，主要是通过模仿产品的实际生产与分类选择等流程，同时通过系统的自学习模型生成所需要的数据信息，从而完成对产品的有效性检测。(5)系统一般还具有扩展升级模块，这种扩展升级模块的主要作用是为以后未来的外部设置的或是人工机器的系统进行不断扩展和升级优化留下的一种接口。[4]

对设计的检测系统进行测试完毕后，只有当该自学习系统的程序所实现的分类选择系统所生成的数据达到我们预先的设计目标时，并且系统整体设计也应达到的在系统软件与硬件的标准，这样的条件具备后才能使单纯使用计算机处理器进行图像数字化、分类准确的处理分析。要补充的一点是，单片机的性能也存在一定的限制，在选择最好的图像处理方法和产片分类上还存在一定的不足，潜藏着巨大的发展空间。

龙源期刊网 http://www.qikan.com.cn

4、结语

通过把产品图像进行信息化处理，输入单片机进行分析匹配比较以确定产品的合格与否。以单片机为核心的产品图像数字化识别检测系统的设计，是让机器模拟人类的思维过程，并通过识别利用已有知识不断改进完善形成一种自学习系统。自学习系统的设计一般需要三个阶段，要实现对待测产品的模式识别，实际上是通过将已有的标准产品与待测产品的属性数字信息进行比较，达到检测产品的目的。对单片机自学习系统的测试，应注意使产品图像数字化、分类更加准确，从而才能发挥单片机检测系统的最佳性能。 参考文献

[1](美)米歇尔.机器学习.北京大学出版社,1985Pp1-12,pp112-140.

[2]席斌，钱峰.机器视觉测量系统在工业在线检测中的应用[J]工业控制计算机,2005,18（11）．pp75-76.

[3]Bate l.et al. real-time embedded system. mputing&Control Engineering Journal, 2002,13(4).pp154-156.

[4]Trygve R,John H H.Filtering for texture classification:a comparative study[J].IEEE Trans of Pattern Anal and Machine Intell,1999,21 (4).pp291-109.