求职信易计算机识别方法

求职信易计算机识别方法（共2篇）（共2篇）

1.求职信易计算机识别方法 篇一

关键词：龙井茶级别,嫩芽状态,RGB颜色模型,图像分割

1 概述

随着我国经济的不断发展,人们对于物质生活的追求越来越高,对于各种养生保健的食物或药品越来越看重。茶叶作为一种健康、绿色、养生的饮品,已经成为目前我国大众消费的养生饮品,在国外也有很大的影响力,自建国以来,我国就是茶叶生产、出口、销售的世界大国,到目前,我国的很多品牌茶叶在国际上都享有盛誉,也是很多国家追求的养生饮品。在我国的众多茶叶中,龙井茶是一种非常有名的茶叶,是我国产茶大省———浙江省的著名茶叶,龙井茶叶的出口和销售,对于浙江省的经济收入来说,是非常重要的,而我国的经济增长和发展来说,也具有非常重要的意义。

在传统作业方式中,对于龙井茶叶的采摘工作,主要是采用人工作业的方式来完成,但是人工手工采摘龙井茶叶,不仅效率低下,而且成本极高,再加上人工招聘以及管理等方面的困难都在限制龙井茶叶生产效率的提升。此外,人工作业的方式很容易造成龙井茶嫩芽与老叶的混淆采摘,对于龙井茶嫩叶和嫩芽的破坏也是非常致命的,这都使得龙井茶最终的质量难以令人满意。当前计算机技术飞速发展,通过计算机图像处理的视觉技术来自动识别龙井茶嫩芽,然后通过相应的机械设备有选择性地、针对性地、高效地低损伤自动采摘龙井茶嫩芽和嫩叶,从而提升龙井茶的采摘效率和质量。所以针对使用计算机的视觉技术来实现龙井茶嫩芽采摘的学习和研究,对于提升龙井茶生产效率和生产质量,以及促进社会经济的快速发展来说,具有非常重要的现实意义。

2 龙井茶的品种、等级界定及其采摘技术

龙井茶自古以来就是我国非常闻名的茶叶,在我国古代就享有盛誉,而浙江杭州则是龙井茶的主要产地。虽然在整个杭州地区,由于不同的地区产的龙井茶品种是存在差异的,即便是同样的地区、同一棵茶树,其不同的嫩芽程度所产出的龙井茶的品质也是不一样的。例如,在传统的认识中,浙江地区中的所有龙井茶以杭州地区产的龙井为优,而杭州地区的龙井茶中,则又分为常见的三种,分别为越州龙井、钱塘龙井、西湖龙井,而其中则以西湖龙井茶的茶品、茶色、茶味最为上品,一直是我国众多茶叶品种中位列第一的茶叶品牌。当然,随着栽培技术的不断提升,以及基因工程、植物杂交工程和嫁接技术,我国龙井茶叶的培育越来越多。目前,除西湖地区之外的其他地方的龙井茶的培育与生产工艺也都日益成熟,形成了在味道、茶色、茶品等多方面都能媲美西湖龙井茶的新茶品,在我国的茶叶生产和销售市场中也占有非常重要的地位。

对于同一种茶叶来说,单就茶叶的外形、鲜嫩程度以及长势程度来决定龙井茶的等级,可分为五个等级的龙井茶品质,分别为特级、一级、二级、三级、四级。对于特级的龙井茶界定,要求茶叶叶片手感光滑、舒展扁平,且要求一芽一叶的初展状态或单芽;对于一级龙井茶界定,要求叶片手感光滑、叶片较为扁平,一芽两叶的初展状态或者一芽一叶的状态;对于二级龙井茶的界定,要求茶叶叶片较为扁平,且一芽二叶的完全开展;对于三级龙井茶的界定,要求茶叶叶片一芽二叶的完全开展状态,在二叶之间可长有一少部分的对夹叶;对于四级龙井茶的界定,要求茶叶叶片欠光洁且完全舒展开来,并且要求一芽二叶、一芽三叶或对夹叶。

茶叶的品种不同、需要采摘的茶叶等级一样,其采用的采摘技术、采摘时间也大不相同。比如,对于特级龙井茶的采摘,必须要求在茶叶的适摘阶段,必须在清明节之前,茶树的顶层嫩芽刚刚发出或之长出一个嫩叶但未开展时,需要对单芽或者一芽一叶的初展茶芽进行采摘。当然,在采摘时只能将单芽或者初展状态的一芽一叶采摘下来。在对特级龙井茶的生产过程中,如雀舌、龙牙等,雀舌则是要求只能有初展状态的一芽一叶的龙井茶芽进行炒制加工生产的茶叶,而龙牙则是要求只能有单芽的龙井茶叶进行炒制加工生产的茶叶。所以在对特级龙井茶的采摘过程中,更需要将二者进行区分。对于龙井茶的其他级别,则是在清明节之后的时间进行采摘,如四级龙井茶,则要求在谷雨节气之前进行采摘,此时茶叶叶片较为肥大。而一级到三级龙井茶,则要求在清明节之后到谷雨节之间进行采摘,根据不同的等级的龙井茶要求,进行茶叶叶片的选择和采摘,并对其进行区分后进行炒制加工处理。

所以,对于龙井茶的采摘工作,需要在人工采摘之后,然后选择、分选,再送到炒制加工厂进行后期的生产处理。

3 使用计算机视觉技术对龙井茶嫩芽识别方法的研究

针对龙井茶等级区分的研究可以表明,在龙井茶采摘过程中主要是对龙井茶的茶叶、芽的叶片形状、光泽度、颜色、叶芽个数和长势等诸多方面的选择,以及最后的摊放和筛选的过程,如果单纯地利用人工作业,不仅采摘效率低下,而且很容易对龙井茶茶叶的叶芽造成损伤,致使最终的龙井茶质量降低。采用计算机视觉技术,可以采用计算机的方式,对龙井茶的茶叶嫩芽识别、采摘、嫩芽筛选等过程实现自动化处理。对于自动化采摘和筛选,通过机械臂和分装器即可实现,而整个自动化的过程核心,则是对龙井茶嫩芽的识别技术中。在对龙井茶茶叶采摘技术的研究可以知道,在对龙井茶茶叶的嫩芽识别重点放在嫩芽颜色、形状以及叶片状态与个数来判断茶叶嫩芽的级别,所以在利用计算机视觉技术来识别判断龙井茶嫩芽时,就要重点放在龙井茶嫩芽的颜色以及最终的形状的判断。

3.1 计算机视觉技术的图像分割

图像分割主要是对图像的内容,根据某些特征进行切分,从而得到不同属性的图像,然后在进行其他方面的处理。由于在一个图像中,具有相同属性(如颜色、明暗程度等)的图像,在其区域内呈现出相同的特征,那么不同属性的图像则表现出了不同的区域,在区域与区域之间的连接处,就形成了明显的边缘。所以图像分割的前提是能够检测到图像区域的边缘值。利用图像边缘检测的方法来实现图像分割主要是采用图像二值化方法来实现,这样一来不仅能够减少数据存储量,而且能够提升计算机处理的速度,对于图像处理来说是非常有益的。

使用计算机视觉技术在对龙井茶嫩芽识别方法,在获取到龙井茶图像后,首先对其进行边缘检测和图像分割,从而实现了嫩芽与其他茶叶叶片的区分,然后对分割后的图像进行其他处理,如上述的颜色对比,还有就是根据形状特征来获取嫩芽叶片的个数以及伸展情况,从而判断出整个嫩芽所属的龙井茶级别,同时根据其形状特征,为机械臂采摘提供有效的采摘点,进而实现龙井茶嫩芽的自动化识别和采摘。

3.2 计算机视觉技术的颜色模型

在计算机视觉技术中,对于图像颜色的判断是图像识别中非常重要的一个环节。所以在整个龙井茶嫩芽自动化识别系统中,首先要对整个系统中的图像核心内容进行颜色识别,以判断整个嫩芽目前的颜色状态。

在整个图像颜色判断中,RGB颜色模型是常见的一种对图像进行处理的颜色模型。在整个颜色色系中,有一个统一的认识就是所有的颜色都是可以通过三种基色来调和得到,即对红(Red)、绿(Green)、蓝(Blue)三种按照不同的比例进行混合即可得到所有的颜色。按照这种思想进行反推,在图像视频系统中,任何采集到的颜色都是可以通过红、绿、蓝三种基色按照不同的比例来实现,如果能够得到其R、G、B三种基色的比例值,那么就可以对任何一种颜色进行区分、存储、识别、展示等。如图1.所示,为RGB颜色模型中的原理结构图。

在图1中所示,RGB模型将所有的颜色容纳在一个正方体内,即按照三原色比例配比的思想,将所有颜色进行反推,从而得到三种颜色的不同比例。假如最大比例为1,三种颜色在1范围内进行选择,从而形成三个数据轴,那么在对三原色进行选取的时候,就可以按照相应的比例来得到最终的颜色。比如,对于黑色,即所有的颜色比例均为0即可得到黑色(即无物品展示),如果三种颜色选择同样的比例,即得到了白色,如果选择比例为1的红色和绿色,即得到了黄色。所以,在构建了所有颜色的数据库之后,在获取到视频图像后,即可对图像内核心区域的颜色进行对比,从而得到三原色的比例数据并存储到计算机中,而后与期望的某个数据值范围进行对比,如果在整个范围内,那么视频图像的核心区域的颜色即满足颜色要求。

在对龙井茶嫩芽特级茶叶的识别中,首先颜色是其中一个非常重要的判断指标,如果颜色太过深绿,那么就说明该叶片不属于特级茶种,如果颜色比较嫩绿,那么就从颜色指标中,就说明该茶叶有可能属于特级茶种,此时就需要从另外一个方向的指标来判断。利用计算机,则可以将嫩绿的三原色数值分析,并设定为嫩绿数据的阈值,在得到茶叶数据图像后,即可对其图像中的核心区域(可通过前期的图像数据处理和边缘检测来获取不同的区域)中的颜色进行对比,如果小于阈值范围,那么就说明在颜色指标上,能够满足特级茶叶的要求,然后再在其他方面的指标进行分析。

4 总结

利用计算机视觉技术来对龙井茶嫩芽实现自动识别,主要是利用计算机图像处理的技术和方法,通过前期的图像采集和预处理,得到可处理的有效数据源,然后对数据进行图像分割,然后对核心区域的图像数据进行颜色判断和形状特征对比,最终得到当前图像内的核心区域中龙井茶嫩芽的级别,并且为龙井茶的自动采摘提供合理采摘点,最终实现龙井茶采摘的自动化。

参考文献

[1]张立周,侯晓宇,张玉铭等.数字图像诊断技术在冬小麦氮素营养诊断中的应用[J].中国生态农业学报.2011(5):1168-1174.

[2]杨北方,韩迎春,毛树春等.基于数字图像的棉花长势空间变异分析[J].棉花学报.2015(6):534-541.

[3]崔天依.计算机视觉技术及其在自动化中的应用[J].电脑知识与技术.2016(03).

[4]邹庆华,张月雷.计算机视觉技术应用[J].信息通信.2015(12):183-184.

[5]张善文,王献峰.基于加权局部线性嵌入的植物叶片图像识别方法[J].农业工程学报.2011(12):141-145.

2.求职信易计算机识别方法 篇二

在火炮射击后, 其内膛会出现烧蚀、磨损、裂纹、阳线断裂、严重挂铜与锈蚀等不同种类的内膛疵病[1], 射击前要求检查内膛质量, 并进行评估。不同种类的疵病分布在膛线的不同位置, 如阳线断裂发生在阳线部位, 而锈蚀大多发生在阴线部位, 阴阳线本身也会发生磨损与烧蚀, 因此膛线缠角与阴阳线宽度等参数的分析计算是内膛质量评估的基础, 膛线识别与计算精度直接关系到内膛疵病大小分析精度及其发生部位准确度。文献[2]采用模板匹配法进行线膛火炮内膛图像的膛线区域划分与识别, 该方法计算工作量大、区分条件要求高, 区分效果也难以满足工程要求。本文基于内膛图像膛线灰度分布特点及直线拟合方法, 将线膛火炮的内膛图像划分为阴、阳线及其过渡区域三部分, 并计算了膛线的缠角与宽度。

1 火炮膛线结构及膛线区域划分

如图1, 火炮膛线[3]用于赋予弹丸必要的旋速, 以保证弹丸空中飞行稳定。火炮膛线横断面由阳线与阴线组成, 因而火炮内膛表面可划分为阳膛线区域、阴膛线区域两部分。膛线按其缠角是否变化可分为等齐膛线、渐速膛线以及等齐-渐速混合膛线三种。等齐膛线结构简单, 缠角不变, 便于阳线与阴线区域划分, 本文主要研究等齐膛线的火炮内膛图像的阴、阳线的识别, 以及膛线参数的分析计算, 其思路与方法可供其它类型膛线的识别与计算作参考。

2 火炮膛线识别与参数计算

根据膛线特征对内膛图像进行区域划分时, 首先要采集到标准的内膛图像。它是给其它的内膛图像提供膛线识别的依据。新炮内膛无疵病, 表面均匀光洁, 可作为标准的内膛图像。

2.1 确定火炮阴、阳膛线交界点

图2为某线膛火炮内膛图像, 其图像高度与宽度分别为526×752 (像素) , 由于阴阳膛线相互交替, 则阴阳线交界处其灰度值会发生阶跃, 即在膛线过渡区灰度分布是陡峭的, 阴阳膛线交界点应该位于其灰度局部极小值处。

在图2所示的内膛图像上, 截取一水平横截线。图3为该水平横截线图像的灰度分布图, 图中4个局部灰度极小值, 正好对应其4个阴阳膛线交界点。

如图2、图3, 火炮内膛图像, 阳、阴线宽度一定, 其大小分别为A和B。理论上, 在大于阴线宽而小于阴阳膛线宽度之和的宽度范围内, 一定能找到两个阴阳膛线的交界点。具体确定阴阳膛线交界过程中, 只要先确定某阴阳线的交点, 其它阴阳膛线的交界可以根据膛线的分布规律确定。

内膛图像f (i, j) , i∈[1, M], j∈[1, N], 大小为M×N;为确保阴阳线交点方法的准确性, 同时又不失通用性, 通常取区域[m, n], B<n-m<A+B, 则同一膛线上, 内膛图像中M个阴阳膛线交界点的灰度为:

则可记录下内膛图像中同一膛线上M个阴阳膛线交界点的位置该点坐标 (xi, yi) , i∈1, 2, …, M, 该点满足:f (xi, yi) =g (i) , i∈[1, M]。

2.2 计算膛线缠角

由于图像采集设备与炮膛轴线的不同心、内膛光线以及阴阳线阴影等影响, 实际采集到的内膛图像同一膛线上M个阴阳线交界点, 往往不在同一直线上。等齐膛线展开后必为直线, 可根据其交界点位置值, 采用拟合原理拟合成直线。本文应用最小二乘法[3]来拟合膛线为直线, 确定膛线的具体位置, 并计算膛线的缠角, 该方法简单、拟合精度较高。

设内膛图像f (i, j) , i∈[1, M], j∈[1, N]中同一膛线上M个阴阳线交点为 (x1, y1) , (x2, y2) , …, (xM, yM) , 膛线拟合为直线y=ax+b, 由最小二乘原理可得:

则:J/a=0;J/b=0。解得:

由此可得内膛图像中膛线直线, 其斜率:p=a。为了提高识别精度, 通常取内膛图像中多条膛线的斜率加权平均值为该图像膛线的斜率。根据得到的斜率p便可得到其缠角α:

α=arctanp。

2.3 确定阴阳线过渡区域

在采集内膛图像的过程中, 由于采集设备、光照等因素的影响, 在阳膛线的两侧会形成大小不等的过渡区域[4]。选择适当的参数, 对采集到的内膛图像进行二值化处理后, 可以获得理想的二值图像[5]f (x, y) 。

为了确定阴阳线过渡区域宽度, 由于过渡阴影区域的整体灰度值较低, 可将膛线直线y=p×x在二值图像f (x, y) 上从左到右以1像素间隔逐步平移, 取平移后直线位置所对应点的像素值之和S, 如S值为0, 可判断该直线处于阴阳线过渡区域, 否则已出阴阳线过渡区域。考虑到实际内膛二值图像中, 阴阳线之间存在阴影, 通常可设一不变阈值T, 即:

式中, 当S<T时, 说明直线y=p×x位于过渡阴影区域。当S≥T时, 说明直线y=p×x位于阴线或者阳线区域。

2.4 确定阳线和阴线宽度

在火炮内膛图像中, 阴、阳膛线交替排列, 只有掌握了阴、阳膛线的宽度, 才能对图像中的每个像素的位置作出判断, 从而方便以后对疵病位置的判断。在对火炮内膛图像进行阴阳线过渡区域的识别后, 可以根据图像中像素的个数及大小, 对阴、阳膛线的宽度进行计算。如图6中所示, 根据图像的特点编程计算后可得到水平距离L1、L2, 即可计算出阳膛线和阴膛线的宽度A、B:

3 实验结果分析

取图2为火炮标准内膛图像, 可通过阴阳线交点得其膛线缠角;图4为内膛疵病图像, 其图像高度与宽度分别为526×1 000 (像素) , 它与标准图像采用同一检测设备, 共包括两条完整的阴线、阳线以及五处膛线过渡区。在对图4进行二值化处理后得到如图5所示的二值图像526×1 000 (像素) 。

通过对内膛疵病二值图像阴阳线过渡区域的确定, 得到如图6所示的二值图像526×1 000 (像素) , 其中阴阳线过渡区为黑色。

计算后得到两条阴线水平宽分别为205和206个像素, 两条阳膛线水平宽分别为116和111个像素, 五处过渡阴影区的水平宽分别为12、16、12、15和12个像素, 可以看出阴线宽度基本一致, 阳线的宽度存在着5个像素差, 过渡阴影区的宽度也较为一致, 这是采集图像时, 由于受火炮内膛结构及光照影响, 在阴线与阳线的交界处形成的过渡阴影区所引起的。

4 结束语

本文基于内膛图像灰度分布特点, 应用数据拟合方法和图像处理技术对火炮内膛图像的膛线进行了划分和识别, 结果显示该方法较以往的采用模板匹配法更为快速、准确, 具有较高的通用性, 并对内膛图像中的参数进行了计算, 为下一步疵病图像的分割与识别作好准备。

摘要：火炮内膛图像膛线识别及其参数计算是内膛质量评估的基础, 关系到内膛疵病分析精度及其部位准确度。基于内膛图像灰度分布的特点, 确定阴阳线交界点, 应用数据拟合方法求得膛线缠角, 采用图像处理技术将线膛火炮的内膛图像划分为阴、阳线及其过渡区域三部分, 结果显示该方法具有良好的识别效果, 为火炮内膛疵病图像分割与识别作好准备。

关键词：内膛图像,膛线识别,区域划分,参数计算

参考文献

[1]郑军, 徐春广, 肖定国, 等.火炮身管表面综合质量系统研究.北京理工大学学报, 2003;23 (6) :694—698

[2]刘晓光.火炮多参数智能检测平台设计.长春:长春理工大学, 2006

[3]姜健飞.数值分析及其MATLAB实验.北京:科学出版社, 2004:91—92

[4]史少华, 李继祥, 赵富全.线膛炮内膛图像膛线识别研究.装甲兵工程学院学报, 2003;17 (2) :71—75