曾慶好 馬亮 馬博文

摘? 要：針對(duì)醫(yī)用口罩生產(chǎn)過(guò)程產(chǎn)生的多種缺陷，文章提出了一種基于計(jì)算機(jī)視覺(jué)技術(shù)的醫(yī)用口罩在線檢測(cè)系統(tǒng)，該系統(tǒng)采用單相機(jī)實(shí)現(xiàn)了口罩產(chǎn)品的正反面圖像采集，采用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)自動(dòng)識(shí)別口罩的有無(wú)，判斷耳帶缺陷、鼻條缺陷等不良狀況，設(shè)計(jì)了一套醫(yī)用口罩在線檢測(cè)軟件來(lái)實(shí)現(xiàn)系統(tǒng)的功能，軟件執(zhí)行結(jié)果表明，文章提出的在線檢測(cè)系統(tǒng)能夠有效識(shí)別醫(yī)用口罩的各種缺陷，實(shí)現(xiàn)智能化在線檢測(cè)，提升口罩產(chǎn)品檢測(cè)質(zhì)量，節(jié)省口罩生產(chǎn)成本。

關(guān)鍵詞：醫(yī)用口罩;計(jì)算機(jī)視覺(jué);品質(zhì)檢測(cè);缺陷檢測(cè);顏色定位

中圖分類號(hào)：TP391.4;TP273? 文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：2096-4706（2021）05-0174-07

Design of Medical Mask Online Detection System Based on Computer Vision

ZENG Qinghao，MA Liang，MA Bowen

（Shenzhen Vetose Technology Co.，Ltd.，Shenzhen? 518102，China）

Abstract：Aiming at the defects in the production process of medical masks，an online detection system for medical masks based on computer vision technology is proposed. The system uses single camera to realize the medical masks double face image acquisition. It uses computer vision technology to automatically identify whether the mask exists or not，judge the defects of ear band，nose bar and other adverse conditions. This paper designs a medical mask online detection software to achieve the system functions. The software implementation results show that the online detection system proposed in this paper can effectively identify various defects of medical masks，realize intelligent online detection，improve the detection quality，and save the production cost of masks.

Keywords：medical mask;computer vision;quality detection;fault detection;color location

0? 引? 言

隨著疫情的爆發(fā)和全球蔓延，作為疫情的重要防控物資——醫(yī)用口罩產(chǎn)品做出了重要的貢獻(xiàn)，醫(yī)用口罩產(chǎn)品已經(jīng)成了必不可少的防疫物資和生活依賴品，醫(yī)用口罩在大批量生產(chǎn)過(guò)程中，由于原材料、生產(chǎn)機(jī)器和人員操作等多種原因，會(huì)產(chǎn)生很多種缺陷的醫(yī)用口罩產(chǎn)品，如醫(yī)用口罩尺寸錯(cuò)誤、耳帶長(zhǎng)短不一、鼻條未安裝，醫(yī)用口罩上有臟污、布料不全等[1]，這種缺陷品如果流出到市場(chǎng)環(huán)節(jié)，會(huì)給使用者帶來(lái)很多不便，甚至失去原來(lái)具備的防疫功能，更會(huì)給醫(yī)用口罩生產(chǎn)商帶來(lái)巨大的經(jīng)濟(jì)損失。

由于醫(yī)用口罩生產(chǎn)已經(jīng)全面趨向于自動(dòng)化，生產(chǎn)要求和質(zhì)量要求越來(lái)越高，一般醫(yī)用口罩生產(chǎn)商依靠人眼逐個(gè)分辨，效率極低，導(dǎo)致目前的醫(yī)用口罩品質(zhì)檢測(cè)過(guò)程中，費(fèi)時(shí)費(fèi)力，且容易對(duì)檢測(cè)人員造成視覺(jué)疲勞，使產(chǎn)品存在質(zhì)量隱患，造成大量產(chǎn)品返工和原材料浪費(fèi)。本文提出一種醫(yī)用口罩在線檢測(cè)系統(tǒng)，旨在解決現(xiàn)有技術(shù)中醫(yī)用口罩通過(guò)人工檢測(cè)效率低、成本高、質(zhì)量得不到保障的技術(shù)問(wèn)題。

1? 系統(tǒng)的檢測(cè)原理

本文基于計(jì)算機(jī)視覺(jué)技術(shù)來(lái)實(shí)現(xiàn)醫(yī)用口罩在線檢測(cè)系統(tǒng)的設(shè)計(jì)。計(jì)算機(jī)視覺(jué)技術(shù)是基于數(shù)字圖像處理技術(shù)發(fā)展而來(lái)，起源于20世紀(jì)60年代，主要研究?jī)?nèi)容是利用攝像頭實(shí)現(xiàn)人眼的視覺(jué)采集、利用計(jì)算機(jī)實(shí)現(xiàn)人腦的視覺(jué)分析功能，從而實(shí)現(xiàn)對(duì)客觀世界的三維場(chǎng)景的感知、學(xué)習(xí)、識(shí)別和理解[2]。計(jì)算機(jī)視覺(jué)的基本流程包括：（1）圖像采集;（2）圖像預(yù)處理：常用的有圖像二值化、圖像去噪聲、圖像增強(qiáng)、圖像膨脹、圖像腐蝕等圖像預(yù)處理方法[3，4];（3）圖像特征提?。撼Ｓ玫挠兄狈綀D特征、顏色特征、FAST特征、Harris特征、HOG特征、SIFT特征、SURF特征等特征提取方法[5，6];（4）圖像分割、圖像檢測(cè)、圖像跟蹤：圖像檢測(cè)方法中常用的有背景建模、特征+分類器、顯著性監(jiān)測(cè)等方法[7，8];圖像跟蹤方法中常用的有Mean-shift、TLD、粒子濾波、卡爾曼等方法[9];（5）圖像識(shí)別、圖像分類：圖像識(shí)別方法中常用的有特征識(shí)別、機(jī)器學(xué)習(xí)、模式識(shí)別、深度學(xué)習(xí)等方法[10-14]。

計(jì)算機(jī)視覺(jué)技術(shù)飛速發(fā)展至今，研究產(chǎn)生了很多的學(xué)習(xí)框架，常用的有OpenCV、Tensorflow、FFMpeg、Caffe等計(jì)算機(jī)視覺(jué)學(xué)習(xí)框架[15-19]，這些學(xué)習(xí)框架已經(jīng)完成了很多基礎(chǔ)性的計(jì)算機(jī)視覺(jué)處理工作，采用某種學(xué)習(xí)框架可以節(jié)省研究人員的精力，將有限的研究時(shí)間充分利用起來(lái)，解決實(shí)際問(wèn)題。

2? 系統(tǒng)的構(gòu)成

本文所提供系統(tǒng)分為硬件和軟件兩大部分，硬件部分由輸送機(jī)構(gòu)、翻轉(zhuǎn)機(jī)構(gòu)、圖像采集機(jī)構(gòu)、分選機(jī)構(gòu)、PLC控制系統(tǒng)構(gòu)成，軟件部分由自動(dòng)控制軟件、視覺(jué)檢測(cè)軟件、用戶操作界面組成，系統(tǒng)結(jié)構(gòu)如圖1所示。

2.1? 系統(tǒng)硬件組成

系統(tǒng)硬件由輸送機(jī)構(gòu)、翻轉(zhuǎn)機(jī)構(gòu)、圖像采集機(jī)構(gòu)、分選機(jī)構(gòu)、PLC控制系統(tǒng)構(gòu)成，如圖2所示。

2.1.1? 輸送機(jī)構(gòu)

輸送機(jī)構(gòu)由兩條輸送皮帶、輸送電機(jī)、檢測(cè)光纖、吹耳帶裝置組成。將口罩橫放在輸送皮帶上，利用輸送電機(jī)驅(qū)動(dòng)輸送皮帶的運(yùn)轉(zhuǎn)，當(dāng)口罩經(jīng)過(guò)某個(gè)點(diǎn)時(shí)，檢測(cè)光纖感應(yīng)到口罩經(jīng)過(guò)。由于口罩耳帶在傳輸過(guò)程中可能會(huì)卡在傳輸皮帶上或者向內(nèi)彎曲到口罩本體上，本系統(tǒng)設(shè)計(jì)了一種吹耳帶裝置，利用吹氣管對(duì)耳帶進(jìn)行吹氣，從而使得耳帶能夠向外自然展開(kāi)，便于口罩缺陷的檢測(cè)。

2.1.2? 翻轉(zhuǎn)機(jī)構(gòu)

翻轉(zhuǎn)機(jī)構(gòu)由翻轉(zhuǎn)電機(jī)和翻轉(zhuǎn)桿組成。翻轉(zhuǎn)機(jī)構(gòu)用來(lái)將醫(yī)用口罩進(jìn)行翻轉(zhuǎn)，達(dá)到醫(yī)用口罩產(chǎn)品雙面檢測(cè)的目的。

2.1.3? 圖像采集機(jī)構(gòu)

圖像采集機(jī)構(gòu)由光源、相機(jī)、檢測(cè)光纖、支架、直線導(dǎo)軌、直線電機(jī)組成。直線電機(jī)驅(qū)動(dòng)圖像采集模組在支架的直線導(dǎo)軌中進(jìn)行往復(fù)運(yùn)動(dòng)，光源的光照射向待檢測(cè)口罩，當(dāng)口罩經(jīng)過(guò)相機(jī)拍照點(diǎn)時(shí)，相機(jī)對(duì)口罩進(jìn)行實(shí)時(shí)拍照。

2.1.4? 分選機(jī)構(gòu)

分選機(jī)構(gòu)包括不良品處理機(jī)構(gòu)和良品處理機(jī)構(gòu)。不良品處理機(jī)構(gòu)包括與PLC控制系統(tǒng)連接的不良品感應(yīng)光纖和排廢氣缸。排廢氣缸用于將位于輸送皮帶上的不良品推入至不良品收集箱中。良品處理機(jī)構(gòu)包括與PLC控制系統(tǒng)連接的良品感應(yīng)光纖、良品打料氣缸和良品收集皮帶。打料氣缸用于將良品推入至良品收集皮帶上，良品收集皮帶將口罩良品傳輸至后面工序。

2.2? 系統(tǒng)軟件組成

系統(tǒng)軟件部分由自動(dòng)控制軟件、視覺(jué)檢測(cè)軟件、用戶操作界面組成，如圖3所示，其中自動(dòng)控制軟件是系統(tǒng)硬件按設(shè)計(jì)動(dòng)作正常運(yùn)行的核心，部署在可編程邏輯控制器中;用戶操作界面負(fù)責(zé)系統(tǒng)與用戶之間的交互;視覺(jué)檢測(cè)軟件是實(shí)現(xiàn)自動(dòng)化檢測(cè)的關(guān)鍵模塊，通過(guò)圖像采集機(jī)構(gòu)將產(chǎn)品圖像轉(zhuǎn)換為圖像數(shù)據(jù)，通過(guò)圖像處理算法和圖像分析算法對(duì)圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，處理結(jié)果反饋給自動(dòng)控制軟件，控制分選硬件實(shí)現(xiàn)良品和不良品的分類處理。

2.3? 系統(tǒng)數(shù)據(jù)流向

系統(tǒng)數(shù)據(jù)流向如圖4所示，用戶通過(guò)“用戶操作界面”下達(dá)操作指令，“視覺(jué)檢測(cè)軟件”收集“圖像采集機(jī)構(gòu)”傳輸過(guò)來(lái)的圖像數(shù)據(jù)，圖像處理完成后，將檢測(cè)結(jié)果反饋給“自動(dòng)控制軟件”，“自動(dòng)控制軟件”通過(guò)電控系統(tǒng)對(duì)“傳輸機(jī)構(gòu)”“翻轉(zhuǎn)機(jī)構(gòu)”“分選機(jī)構(gòu)”進(jìn)行實(shí)時(shí)控制。

3? 系統(tǒng)的在線檢測(cè)方法

3.1? 圖像預(yù)處理

通過(guò)圖像采集機(jī)構(gòu)采集檢測(cè)位無(wú)醫(yī)用口罩產(chǎn)品的圖像作為背景圖，然后使用圖像二值化處理[20，21]得到二值化圖像，對(duì)二值化圖像進(jìn)行圖像膨脹和圖像腐蝕處理[22，23]。

3.2? 圖像識(shí)別

輸送機(jī)構(gòu)將醫(yī)用口罩輸送至檢測(cè)位，圖像采集機(jī)構(gòu)采集含有醫(yī)用口罩的檢測(cè)圖，視覺(jué)檢測(cè)軟件對(duì)檢測(cè)圖進(jìn)行識(shí)別、并與預(yù)設(shè)的醫(yī)用口罩標(biāo)準(zhǔn)進(jìn)行對(duì)比，若判斷為不良品，則通過(guò)分選機(jī)構(gòu)對(duì)不良品口罩進(jìn)行收集，若判斷為良品，則通過(guò)翻轉(zhuǎn)機(jī)構(gòu)對(duì)良品進(jìn)行180°翻轉(zhuǎn)，輸送機(jī)構(gòu)將翻轉(zhuǎn)180°后的良品輸送至第二個(gè)檢測(cè)工位。第一個(gè)檢測(cè)位和第二個(gè)檢測(cè)位分別檢測(cè)的是醫(yī)用口罩的正面圖像和反面圖像，檢測(cè)方法是一樣的，下面以第一個(gè)檢測(cè)位為例進(jìn)行描述。

3.2.1? 有無(wú)口罩判斷

我們將檢測(cè)圖的四個(gè)頂點(diǎn)標(biāo)記為P1（0，0）、P2（w，0）、P3（0，h）、P4（w，h）和中心點(diǎn)Pc（w/2，h/2），如圖5所示。

口罩有無(wú)的檢測(cè)步驟為：（1）將檢測(cè)圖轉(zhuǎn)換為檢測(cè)灰度圖;（2）圖像二值化處理[24];（3）圖像形態(tài)學(xué)處理;（4）圖像輪廓提取[25]，并計(jì)算最小外接矩形[26，27]區(qū) 域;（5）與標(biāo)準(zhǔn)口罩圖像進(jìn)行比對(duì)，判斷有無(wú)口罩。

處理流程如圖6所示。

3.2.2? 耳帶不良判斷

預(yù)先設(shè)置2個(gè)耳帶檢測(cè)區(qū)域，在檢測(cè)區(qū)域內(nèi)對(duì)醫(yī)用口罩正面的耳帶缺陷進(jìn)行檢測(cè)：采用輪廓提取算法對(duì)耳帶檢測(cè)區(qū)域的耳帶圖像輪廓屬性進(jìn)行計(jì)算和判斷，若耳帶圖像輪廓屬性不在預(yù)定的醫(yī)用口罩標(biāo)準(zhǔn)范圍內(nèi)，則判斷為耳帶不良。

3.2.3? 鼻條不良判斷

預(yù)先設(shè)置一個(gè)鼻條檢測(cè)區(qū)域，提取檢測(cè)區(qū)域內(nèi)的ROI圖像，然后對(duì)ROI圖像內(nèi)的鼻條缺陷進(jìn)行檢測(cè)：（1）采用輪廓提取算法對(duì)鼻條檢測(cè)區(qū)域的鼻條圖像輪廓屬性;（2）進(jìn)行計(jì)算和判斷，若鼻條圖像輪廓屬性不在預(yù)設(shè)的鼻條標(biāo)準(zhǔn)范圍內(nèi)，則判斷為鼻條不良;（3）若鼻條圖像輪廓的屬性在預(yù)設(shè)的鼻條標(biāo)準(zhǔn)范圍內(nèi)，采用最小外接矩形算法計(jì)算出鼻條的最小外接矩形，并輸出鼻條的最小外接矩形的四個(gè)頂點(diǎn)坐標(biāo)和中心點(diǎn)坐標(biāo);（4）判斷鼻條的最小外接矩形的四個(gè)頂點(diǎn)坐標(biāo)和中心點(diǎn)坐標(biāo)是否在預(yù)設(shè)的鼻條標(biāo)準(zhǔn)范圍之內(nèi)，若不在預(yù)設(shè)的鼻條標(biāo)準(zhǔn)范圍之內(nèi)，則判斷為鼻條不良。

3.2.4? 良品判斷

當(dāng)檢測(cè)工位的口罩均未出現(xiàn)耳帶不良和鼻條不良時(shí)，并且兩個(gè)檢測(cè)位置均未檢測(cè)出口罩存在缺陷時(shí)，判斷口罩為良品口罩，否則判斷為不良品口罩。判斷結(jié)果發(fā)送給自動(dòng)控制軟件，實(shí)現(xiàn)口罩產(chǎn)品的分類分選。

4? 軟件功能實(shí)現(xiàn)與執(zhí)行結(jié)果

本文在Visual C++ 2017和OpenCV2.4.13基礎(chǔ)上實(shí)現(xiàn)了醫(yī)用口罩在線檢測(cè)軟件，對(duì)于常見(jiàn)的醫(yī)用口罩產(chǎn)品，實(shí)現(xiàn)了口罩有無(wú)檢測(cè)、鼻條缺陷檢測(cè)、耳帶缺陷檢測(cè)。

4.1? 口罩定位

由于口罩傳輸過(guò)程中位置不固定，在口罩檢測(cè)處理過(guò)程，首先必須對(duì)口罩本體進(jìn)行定位處理，口罩定位算法較多，由于醫(yī)用口罩本體一般為藍(lán)色口罩、耳帶為白色耳繩，本文對(duì)于彩色口罩采用顏色定位方法[28]，提取圖像中的藍(lán)色像素?cái)?shù)據(jù)，即為口罩本體，再對(duì)所有藍(lán)色數(shù)據(jù)采用最小外接矩形提取算法，即可得到口罩本體的四個(gè)頂點(diǎn)位置坐標(biāo)：P11（X0，Y0），P12（X1，Y1），P13（X2，Y2），P14（X3，Y3），如圖7所示，還可以得到最小定位區(qū)域，如圖8所示，口罩定位結(jié)果如圖9所示。

4.2? 檢測(cè)正常界面

對(duì)于所有檢測(cè)項(xiàng)目均符合初始設(shè)置的口罩圖像，會(huì)在軟件界面左上位置顯示最后一個(gè)檢測(cè)項(xiàng)的局部檢測(cè)圖像，在軟件右上位置顯示待檢測(cè)口罩的全景圖像，如圖10所示。在軟件界面右下位置顯示所有檢測(cè)項(xiàng)目的檢測(cè)結(jié)果（顯示檢測(cè)值、偏移量和狀態(tài)，狀態(tài)均為OK），如圖11所示。

4.3? 無(wú)口罩檢測(cè)結(jié)果

相機(jī)收到檢測(cè)觸發(fā)信號(hào)以后，如果檢測(cè)位置沒(méi)有采集到口罩產(chǎn)品的圖像，此時(shí)顯示的圖像為無(wú)產(chǎn)品的背景圖像，如圖12所示，在軟件界面右下位置顯示檢測(cè)結(jié)果為定位失敗，狀態(tài)為NG，如圖13所示。

4.4? 鼻條缺陷檢測(cè)結(jié)果

無(wú)鼻條檢測(cè)：口罩定位成功后，在鼻條檢測(cè)區(qū)域如果沒(méi)有檢測(cè)到鼻條，則在軟件主界面左上位置顯示空白圖像，如圖14所示，在檢測(cè)結(jié)果區(qū)域顯示鼻條檢測(cè)結(jié)果（狀態(tài)NG），如圖15所示。

鼻條中心偏移：在鼻條檢測(cè)區(qū)域檢測(cè)鼻條圖像，并且鼻條長(zhǎng)度在事先設(shè)定的范圍后，軟件會(huì)自動(dòng)調(diào)用鼻條位置檢測(cè)算法，判斷鼻條中心位置和上下位置是否在設(shè)定的閾值范圍內(nèi)，如果這些參數(shù)不在事先設(shè)定的范圍內(nèi)，則在軟件界面左上位置顯示鼻條的圖像，如圖16所示，軟件界面右下位置的檢測(cè)結(jié)果區(qū)域顯示鼻條中心（NG），如圖17所示。

4.5? 耳帶缺陷檢測(cè)結(jié)果

無(wú)耳帶檢測(cè)：口罩定位成功后，軟件先后在左右耳帶區(qū)域?qū)Χ鷰нM(jìn)行檢測(cè)，當(dāng)在任意一個(gè)耳帶區(qū)域未檢測(cè)到耳帶圖像時(shí)，在軟件界面左上位置顯示空白圖像，如圖18所示，在軟件界面右下位置檢測(cè)結(jié)果區(qū)域顯示耳帶檢測(cè)結(jié)果（狀態(tài)NG），如圖19所示。

耳帶打結(jié)檢測(cè)：在口罩耳帶檢測(cè)全部正常的情況下，軟件會(huì)自動(dòng)調(diào)用耳帶打結(jié)檢測(cè)算法，主要采用圖像平滑度處理算法來(lái)檢測(cè)耳帶圖像是否有突變，圖像突變超過(guò)設(shè)定值時(shí)判斷為耳帶打結(jié)，當(dāng)檢測(cè)到耳帶打結(jié)后，在軟件界面左上位置顯示耳帶打結(jié)的圖像，并用圓圈對(duì)結(jié)頭位置進(jìn)行標(biāo)記，如圖20所示，在軟件界面右下位置顯示檢測(cè)結(jié)果（打結(jié)、狀態(tài)NG），如圖21所示。

5? 結(jié)? 論

本文所闡述的基于計(jì)算機(jī)視覺(jué)的醫(yī)用口罩在線檢測(cè)系統(tǒng)可實(shí)現(xiàn)醫(yī)用口罩自動(dòng)輸送、耳帶位置糾正功能，采用一個(gè)相機(jī)實(shí)現(xiàn)了醫(yī)用口罩產(chǎn)品的正反面檢測(cè)，具體自動(dòng)化程度高、成本低的優(yōu)點(diǎn)，采用計(jì)算機(jī)視覺(jué)技術(shù)代替人眼實(shí)現(xiàn)了醫(yī)用口罩產(chǎn)品的全自動(dòng)化多項(xiàng)目檢測(cè)，可有效提高醫(yī)用口罩產(chǎn)品的產(chǎn)品質(zhì)量、降低人工成本，可在醫(yī)用口罩生產(chǎn)車間推廣應(yīng)用。

參考文獻(xiàn)：

[1] 李旻，陸珊珊，農(nóng)耀鍵，等.國(guó)內(nèi)醫(yī)用口罩標(biāo)準(zhǔn)研究與產(chǎn)品主要質(zhì)量問(wèn)題分析 [J].中國(guó)標(biāo)準(zhǔn)化，2020（8）：48-52.

[2] 高文，陳熙霖.計(jì)算機(jī)視覺(jué)——算法與系統(tǒng)原理 [M].北京：清華大學(xué)出版社，1999.

[3] 余京蕾.淺談?dòng)?jì)算機(jī)視覺(jué)技術(shù)進(jìn)展及其新興應(yīng)用 [J].北京聯(lián)合大學(xué)學(xué)報(bào)，2020，34（1）：63-69.

[4] 雷林建，孫勝利，向玉開(kāi)，等.智能制造中的計(jì)算機(jī)視覺(jué)應(yīng)用瓶頸問(wèn)題 [J].中國(guó)圖象圖形學(xué)報(bào)，2020，25（7）：1330-1343.

[5] 蔣蕾，尹業(yè)安，常利利.一種基于計(jì)算機(jī)視覺(jué)的織物疵點(diǎn)自動(dòng)檢測(cè)方法 [J].計(jì)算機(jī)與現(xiàn)代化，2008（12）：153-156+159.

[6] 黃雅蘭.基于特征點(diǎn)的圖像匹配技術(shù)研究與應(yīng)用 [D].贛州：江西理工大學(xué)，2014.

[7] 楊少令，刁燕，羅華，等.一種改進(jìn)的Canny圖像分割算法 [J].計(jì)算機(jī)與現(xiàn)代化，2018（8）：57-60.

[8] 唐英干，邸秋艷，關(guān)新平，等.基于最小Tsallis交叉熵的閾值圖像分割方法 [J].儀器儀表學(xué)報(bào)，2008（9）：1868-1872.

[9] 王智軍，王建華.多特征融合的圖像目標(biāo)跟蹤方法 [J].電光與控制，2017，24（11）：49-52+57.

[10] 韋琪，王連明.基于多尺度輪廓段的形狀特征提取與識(shí)別 [J].計(jì)算機(jī)工程與應(yīng)用，2019，55（5）：187-191.

[11] 袁焦，王珣，潘兆馬，等.基于機(jī)器學(xué)習(xí)的列車設(shè)備故障預(yù)測(cè)模型研究 [J].計(jì)算機(jī)與現(xiàn)代化，2020（12）：49-54.

[12] 徐江河，張飛舟，張立福，等.一種綜合利用圖像和光譜信息的物體真假模式識(shí)別方法 [J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2019，44（8）：1174-1181.

[13] 曹燕，李歡，王天寶.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法研究綜述 [J].計(jì)算機(jī)與現(xiàn)代化，2020（5）：63-69.

[14] YANN L C，BENGIO Y，HINTON G. Deep learning [J].Nature，2015，521：436–444.

[15] 張廣淵，張愛(ài)俠，王超.數(shù)字圖像處理基礎(chǔ)及OpenCV實(shí)現(xiàn) [M].北京：知識(shí)產(chǎn)權(quán)出版社，2014：226-230.

[16] 喬希，埃斯克里瓦，戈多伊.OpenCV實(shí)例精解 [M].呆萌院長(zhǎng)，李風(fēng)明，李翰陽(yáng)，譯.北京：機(jī)械工業(yè)出版社，2016.

[17] 黃睿，陸許明，鄔依林.基于TensorFlow深度學(xué)習(xí)手寫(xiě)體數(shù)字識(shí)別及應(yīng)用 [J].電子技術(shù)應(yīng)用，2018，44（10）：6-10.

[18] 李顏，仇洪冰，李燕龍.基于Hadoop的分布式視頻車輛檢索方法 [J].電視技術(shù)，2015，39（22）：95-99.

[19] 李培秀，李致金，韓可，等.基于Caffe深度學(xué)習(xí)框架的標(biāo)簽缺陷檢測(cè)應(yīng)用研究 [J].中國(guó)電子科學(xué)研究院學(xué)報(bào)，2019，14（2）：118-122.

[20] 呂俊哲.圖像二值化算法研究及其實(shí)現(xiàn) [J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004（12）：266-267.

[21] 孫少林，馬志強(qiáng)，湯偉.灰度圖像二值化算法研究 [J].價(jià)值工程，2010，29（5）：142-143.

[22] 楊琨，曾立波，王殿成.數(shù)學(xué)形態(tài)學(xué)腐蝕膨脹運(yùn)算的快速算法 [J].計(jì)算機(jī)工程與應(yīng)用，2005（34）：54-56.

[23] 鄧仕超，黃寅.二值圖像膨脹腐蝕的快速算法 [J].計(jì)算機(jī)工程與應(yīng)用，2017，53（5）：207-211.

[24] 鄒柏賢，林京壤.圖像輪廓提取方法研究 [J].計(jì)算機(jī)工程與應(yīng)用，2008（25）：161-165.

[25] 吳曉光，王滌瓊，盛慧.一種獲取圖像區(qū)域最小外接矩形的算法及實(shí)現(xiàn) [J].計(jì)算機(jī)工程，2004（12）：124-125+142.

[26] 向元平，何燕平，危郁林，等.一種快速提取植物葉片最小外接矩形算法 [J].計(jì)算機(jī)與現(xiàn)代化，2016（2）：58-61.

[27] 田敬波.基于模板算子邊緣檢測(cè)的圖像二值化算法 [J].信息技術(shù)與信息化，2017（9）：98-101.

[28] 鄧冠男，賈永鑫，劉乙鑫.基于顏色特征的單主體圖像感興趣區(qū)域提取方法 [J].東北電力大學(xué)學(xué)報(bào)，2020，40（4）：89-94.

作者簡(jiǎn)介：曾慶好（1977.01—），男，漢族，湖南漢壽人，高級(jí)工程師，碩士，研究方向：數(shù)字圖像處理、工業(yè)自動(dòng)化;馬亮（1982.02—），男，漢族，湖南漢壽人，程序員，本科，研究方向：軟件設(shè)計(jì)、圖像處理算法;馬博文（1996.08—），男，漢族，湖南漢壽人，助理工程師，本科，研究方向：機(jī)械設(shè)計(jì)、工業(yè)自動(dòng)化。