導語：如何才能寫好一篇計算機視覺報告，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

以下為報告詳細內(nèi)容：

計算機視覺行業(yè)規(guī)模將進一步擴大

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2016年中國人工智能產(chǎn)業(yè)規(guī)模已突破100億元，以43.3%的增長率高速增長，預計2017年產(chǎn)業(yè)規(guī)模將以51.2%的增長率達到152.1億元，并于2019年增長至344.3億元。

艾媒咨詢分析師認為，中國人工智能產(chǎn)業(yè)起步相對較晚，隨著科技、制造等業(yè)界巨頭公司的布局深入，人工智能產(chǎn)業(yè)的規(guī)模將進一步擴大。計算機視覺作為人工智能的子領(lǐng)域，其發(fā)展和應用也很大程度受到人工智能核心技術(shù)的影響。未來，作為人工智能子領(lǐng)域的計算機視覺產(chǎn)業(yè)規(guī)模也會相應擴大。

計算機視覺用戶市場有待挖掘

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年網(wǎng)民對于計算機視覺行業(yè)整體了解程度還不深，智能識別貼圖應用以63.8%的了解比例名列各領(lǐng)域之首，其余領(lǐng)域網(wǎng)民了解比例均未超過五成。艾媒咨詢分析師認為，計算機視覺行業(yè)作為新興行業(yè)，其概念還未深入大眾群體，大眾對于其作用了解程度不深，未來計算機視覺行業(yè)用戶市場開發(fā)潛力較大。

計算機視覺整體滲透率低

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年網(wǎng)民中，有四成用戶使用過圖搜索功能。還有六成用戶仍未使用過圖搜索功能。圖搜在技術(shù)計算機視覺領(lǐng)域中已經(jīng)發(fā)展比較成熟，然而在網(wǎng)民種的滲透率仍不高。艾媒咨詢分析師認為，計算機視覺作為新興技術(shù)，其投入實際應用時間較短，且技術(shù)依托的平臺種類和數(shù)量都較少，用戶市場培養(yǎng)還需時間。

圖搜功能獲用戶認可

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，在對2017上半年使用過“圖搜”功能的網(wǎng)民準確率感知調(diào)研中，將近七成的用戶對“圖搜”功能的準確率給予肯定?！皥D搜”技術(shù)已經(jīng)較為成熟，正在逐漸將便利帶到用戶生活中，未來隨著“圖搜”功能進一步在各應用中擴張，其區(qū)別于傳統(tǒng)搜索的優(yōu)勢將會更明顯被用戶感知。

2017上半年網(wǎng)民圖搜索場景分布

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年圖搜網(wǎng)民中，69.6%的用戶在搜索引擎中使用圖搜功能，網(wǎng)購場景下使用圖搜功能的用戶占比53.5%。艾媒咨詢分析師認為，搜索引擎直接應用了圖搜功能，發(fā)展較早，故用戶基礎(chǔ)較扎實，其余領(lǐng)域中，網(wǎng)購圖搜變現(xiàn)能力最強，是廠商優(yōu)先合作的重點領(lǐng)域。

邊看邊買用戶市場潛力較大

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年邊看邊買網(wǎng)民滲透率僅有11.9%，而在未嘗試過人群中，有意愿進行嘗試的人群超過六成。艾媒咨詢分析師認為，明星經(jīng)濟拉動下，同款銷售具有宣傳效應加成。邊看邊買技術(shù)一方面可以加強視頻門戶的變現(xiàn)能力，一方面作為流量入口能夠為電商平臺導入流量，且對于消費者來說，智能匹配同款可以減少其搜索篩選的時間成本，未來市場有較大發(fā)展?jié)摿Α?/p>

實名制機器認證部分取代人工 未來規(guī)模看漲

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年機器實名制認證網(wǎng)民滲透率為43.6%，有超一半用戶未使用過機器實名制認證功能。隨著計算機視覺技術(shù)發(fā)展，在廣州、上海等城市已經(jīng)開始使用機器實名制認證部分或全部代替人工認證，以減少人工成本，釋放勞動密集產(chǎn)業(yè)用工壓力。艾媒咨詢分析師認為，隨著時間檢驗和技術(shù)進一步成熟，機器實名制會進一步向中小城市滲透，未來網(wǎng)點鋪設(shè)規(guī)模有望進一步擴大。

機器認證效率獲用戶認可

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年使用過機器實名制認證的網(wǎng)民中，82.6%的用戶表示機器實名制認證加快了驗證流程。艾媒咨詢分析師認為，計算機視覺精準快速無主觀性的特點和實名制認證流程要求相匹配，在技術(shù)比較成熟的情況下，能夠提高驗證效率，緩解鐵路站點因人工驗證慢導致的擁擠、乘客等候過久等現(xiàn)象。此技術(shù)在中國各鐵路站點會慢慢滲透，應用規(guī)模有望擴大。

個人信息泄露成為用戶刷臉支付最大顧慮

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年了解刷臉支付的網(wǎng)民中，59.0%認為個人信息泄露是刷臉支付最大隱患。識別不準確和使用渠道不暢通分別以57.6%和41.9%位列第二和第三名。

艾媒咨詢分析師認為，作為個人信息比較敏感的金融支付領(lǐng)域，用戶對于信息安全重視度相較其他領(lǐng)域更高，而2017年初315晚會對刷臉支付泄露個人信息隱患的點名，無疑為刷臉支付規(guī)模擴張設(shè)置障礙，加強用戶信息保障能力，獲取用戶對于技術(shù)安全的信任是刷臉支付未來重點發(fā)力方向。另外，由于計算機視覺概念未在大眾群體中普及，其規(guī)?；枰劳袌鼍按罱?，故使用渠道暢通也可以助力加快行業(yè)規(guī)?；M程。

精確性+場景化：C端市場打開方式

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017上半年中國網(wǎng)民對于計算機視覺行業(yè)的愿景分布中，準確率更高以64.3%的關(guān)注度成為用戶最期待改進方向，使用更加方便和保障信息安全也是用戶重點關(guān)注問題。艾媒咨詢分析師認為，行業(yè)發(fā)展初期，用戶對概念理解程度不高，易產(chǎn)生“不易”使用的印象而不愿進行嘗試，未來商家可嘗試提供裝備完全的硬件設(shè)備和解決方案，并嘗試豐富使用場景，讓計算機視覺更易被廣泛網(wǎng)民接受。

計算機視覺在生活化場景中的使用最被C端用戶期待

篇2

關(guān)鍵詞:計算機視覺;教學應用;教學改革

計算機視覺是人工智能學科中的一門重要課程。隨著相關(guān)應用在多個領(lǐng)域中的出現(xiàn),越來越多的學生開始對這門課產(chǎn)生了濃厚的興趣。如何讓學生能夠在整個課程中保持盎然的興趣,并為有志于深入研究計算機視覺的學生指明方向,成為我們教師首先應注重的問題。

在實際的教學工作中,通過不斷摸索總結(jié),我們認為,以實際應用引導學生的學習興趣,既滿足了學生想了解計算機視覺實際應用的需求,又加深了學生對于算法的理解,把算法放在一個實際應用中,學生可以理解怎么用,為什么這么用。在這樣的目標導引下,我們從選擇教材開始,準備教學內(nèi)容(包括合理的應用實例的選擇)、制作PPT、探索教學方法,形成了目前以實際應用為主導的創(chuàng)新教學體系,非常受學生歡迎。在此,我們對這期間遇到的問題,解決方法、心得體會做一個總結(jié)和思考,希望能對同行有些許參考作用。

1選擇教材

在我們這個專業(yè),每年的上研率基本都保持在50%左右。在本專業(yè)的研究生階段,也開設(shè)了雙語教學的計算機視覺課程。另外,畢業(yè)后選擇參加工作的同學也基本都進入和本專業(yè)非常相關(guān)的一些單位,所從事的工作,都是和在學校學習的知識密切相關(guān)。

因此,如何讓這門課程的教學既兼顧本科畢業(yè)就參加工作的那部分同學,又兼顧繼續(xù)深造的學生的需求,也是在這門課程講授的過程中,需要特別注意的一個問題。對于本科畢業(yè)就要參加工作的同學而言,需要“廣度”,需要了解計算機視覺這門課在各個領(lǐng)域中的應用,在實際中接觸到相關(guān)的項目或工作時,能夠知道去哪里可以找到自己需要的參考資料;而對于要進一步深造的同學而言,則需要一定的“深度”,為研究生階段的研究打下基礎(chǔ)。

全盤考慮到這些學生畢業(yè)之后的去向,我們選擇了兩本教材。一本是賈云得教授編著,科學出版社于 2000年出版的《機器學習》[2],這是一部順應了時代與教學發(fā)展要求的教材,對計算機視覺中的基本概念、基本算法、基本算法的應用、經(jīng)典應用進行了由淺入深的介紹。內(nèi)容涵蓋了所有經(jīng)典的數(shù)字圖像處理與機器視覺方法,也對一些已經(jīng)得到非常好實際應用的方法,如光流法等作了簡要介紹。另外還選擇了一本英文原版的計算機視覺的經(jīng)典著作,Ramesh Jain 教授等所著的《Machine Vision》[3],機械工業(yè)出版社于2003年出版。這是國內(nèi)外非常推崇的一本計算機視覺著作,該教材條理清晰,深入淺出,對計算機視覺的基本原理、算法、應用的介紹非常詳盡。

在教學中,我們采用了英文的PPT,但主要用的教材是賈云得教授的《機器視覺》,這樣中英文對照講解,一方面加深學生對教學內(nèi)容的理解,另一方面也為學生今后閱讀專業(yè)的英文論了相應準備。

2教學內(nèi)容和工程實例的選取

2.1選取教學內(nèi)容

本課程之前,大學二年級的本科生已開設(shè)數(shù)字圖像處理課程,但所講的基本原理和算法都非常淺顯,所以在教學內(nèi)容的安排上,分為兩大部分:數(shù)字圖像處理部分和視覺部分。數(shù)字信號處理部分主要講解在視覺部分會用到的一些基本算法,為后面進入計算機視覺部分打基礎(chǔ)。這部分約占總課時的1/3。視覺部分的課時也分為兩部分:算法講解與實例講解。在算法講解部分,對計算機視覺的基本算法、經(jīng)典算法都做了深入淺出的講解。實例部分則選擇了經(jīng)典的工業(yè)應用,讓學生能夠?qū)λ鶎W算法進一步加以理解。

2.2選取適當?shù)墓こ虒嵗?/p>

就計算機視覺的教學內(nèi)容而言,各個孤立的算法和方法對本科生來講,有些抽象不好理解。如果在教學上僅僅通過老師在課堂上的講解,很難讓學生深入地理解相關(guān)的教學內(nèi)容,而選擇一個觸手可及且簡單好理解的工程實例往往就會達到意想不到的教學結(jié)果,學生可以把課堂上所學的枯燥理論與現(xiàn)實中活生生的事物聯(lián)系起來,從而加深對教學內(nèi)容的理解。

通過反復比對、反復論證,我們選擇了在講解基本原理和算法之后,在課程結(jié)束前,專門留出課時講解手機制造這個例子。手機現(xiàn)在是人手一部,是這些年青學子再熟悉不過的事物了,通過對手機主板、手機鍵盤的制造過程的講解,把所學的算法都融合進來,學生在覺得有趣的同時,不知不覺就加深了對所學算法的理解。

另外,在教學的過程中,我們還不斷穿插其他學生耳熟能詳?shù)膶嵗?如數(shù)碼相機原理中的一些算法的講解,我們和學生一起探討應該怎么選擇數(shù)碼相機。再有,濾波器算法、在課堂上對Photoshop功能的演示,與所學算法關(guān)聯(lián)起來,學生都很容易理解接受。

3教學點滴

3.1點睛之筆

在第一節(jié)課的講述中,我們的重點不在于Marr理論,而是告訴學生:

人工智能就是要讓計算機像人一樣,能夠會聽、會看……

我們這門課程就是要讓計算機“會看”,要像人一樣會看。進而展示給學生一些我們精心挑選的圖片,讓學生自己判斷,是不是自己的眼睛“騙了”自己,人眼和計算機看到的到底有什么不一樣。

每次講到這里,學生都會進行熱烈的討論,每個人都有不同的看法,每個人都有自己的堅持,不知不覺中,對這門課就產(chǎn)生了濃厚的興趣,有了繼續(xù)深入學習下去的愿望。在課堂討論的最后,比較人眼對圖片的判斷以及計算機的判斷后,讓學生自己總結(jié)歸納,我們這門課到底要研究些什么,都有可能應用在哪些方面,然后對爭議比較大的提議一一探討。每到這個時候,大家的積極性就都被激發(fā)出來,在不斷的爭論與思想碰撞中找出正確的結(jié)論。

3.2拿身邊的事物說“事”

計算機視覺課程的前半部分,多涉及到圖像處理的一些常見算法。在講授各種各樣的濾波器和算子時,并沒有針對各個濾波器和算子擺出一堆示例圖片,讓學生比較濾波前后的差異,從而很生硬地理解濾波器與算子的功能。取而代之的,我們首先以現(xiàn)在人手一臺的數(shù)碼相機為例提出問題,你為什么要選擇你手里的這臺數(shù)碼相機?當初選這個品牌和型號時,你的考慮是什么?歷年學生的回答幾乎都是看網(wǎng)上測評,或者在網(wǎng)上看別人怎么說。這時列出我們收集到的各個品牌相機的測評報告,列出它們的優(yōu)缺點,然后引導學生去思考,例如這個品牌的相機的缺點是照片發(fā)灰,不是很鮮亮,而另一個品牌的相機則綠的特別綠,紅的特別紅,為什么?那么有可能是哪部分的算法不夠完善,為什么?

通過如此簡單的對比,學生的積極性被完全激發(fā)。原來,數(shù)碼相機這個幾乎人人都有,大家都熟悉的“玩具”竟然和自己在課堂上學到的知識這么密切相關(guān)。

再有,就是利用學生們都熟悉的PS(Photoshop),演示現(xiàn)在所謂的“完美證件照”是怎么來的。為什么可以把疙疙瘩瘩的臉部皮膚變得光滑?在PS中,你就是點了一下鼠標,其實在后臺,是加入了一個濾波器進行了濾波。各種這樣的演示,學生都非常喜聞樂見。因為他們突然發(fā)現(xiàn),原來那些事物,和我自己接觸到這些看似枯燥的理論之間,還有這么深刻的聯(lián)系。

還有一個很受學生歡迎的例子就是對于“鼓形失真”的講解。我們的老師每次講到這里,都不會簡單告訴學生“鼓形失真”發(fā)生的原因是什么,應該怎么解決?老師都會問學生,明星為什么都一窩蜂去減肥?現(xiàn)在的女明星為什么都要去弄個“錐子臉”?課堂上就會出現(xiàn)一個小,男同學和女同學的看法各異,彼此之間開始爭論不休。此時再趁熱打鐵地問學生,如果拿著相機,離自己的鼻子一公分,會拍出什么樣的效果?有學生開始拿出手機對著自己和別人開拍,有的學生開始頭頭是道地分析。每到這種學生都開始熱烈討論的時候,就可以適時引導學生往正確的方向去,讓他們自己找到正確的分析解決方法,往往這個時候,學生都會頗有成就感,對于問題的理解也會特別的深刻。

3.3選擇合適的實際應用

在所有理論講解結(jié)束后,我們會留出2～4次課講述計算機視覺在工業(yè)上的應用。這些年來,對于手機制造這樣一個工業(yè)應用,非常受學生歡迎。正如“數(shù)碼相機”這個例子一樣,現(xiàn)在學生都是人手一部手機,是大家再熟悉不過的東西。這個例子涉及到了在前面理論講述中的大部分算法,如二值圖像的處理、模板匹配、高斯濾波器等。學生通過對這個工業(yè)應用的理解,更進一步加深了對算法的理解。

以講解手機鍵盤的制造過程為例,向?qū)W生提出和前面所講內(nèi)容相關(guān)的問題,引導學生自發(fā)思考,如為什么選擇模板匹配法,而不是采用其他更復雜更精確的方法等等。每到這個時候,課堂氣氛總是分外熱烈,學生各抒己見,在不斷爭論中,更進一步加深對課本上枯燥理論的認識。

在這里需要注意的問題是一定要一步一步提出問題,循循善誘,引導學生一層一層地深入思考。如果問題的答案過于“深藏不露”,則有可能觸發(fā)學生的抵觸情緒,無法繼續(xù)深入地思考。

4結(jié)語

通過多年的教學摸索,我們認為,在計算機視覺課程的講述中,以實際應用引導學生這樣的教學方法非常可取,而且也收到了很好的效果。另外,除了制定好的教學大綱,并選擇合適的教材外,根據(jù)學校現(xiàn)在的時間情況,我們選擇了多媒體手段輔助教學,充分利用Matlab和大屏幕投影等方方面面的優(yōu)勢,結(jié)合多種方法進行教學,對講好計算機視覺這門課,非常有益。

參考文獻:

[1] 林堯瑞,馬少萍. 人工智能導論[M]. 北京:清華大學出版社,1989.

[2] 賈云得. 機器視覺[M]. 北京:科學出版社,2000.

[3] Ramesh Jain. Machine Vision[M]. 北京:機械工業(yè)出版社,2003.

[4] 蔡自興. 智能控制原理與應用[M]. 北京:清華大學出版社,2007.

Innovation in the Course of Computer Vision

HAN Hong, JIAO Li-cheng

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

篇3

摘要：介紹了數(shù)據(jù)融合技術(shù)的基本概念和內(nèi)容，分析了該技術(shù)在森林防火、森林蓄積特征的估計和更新、森林資源調(diào)查等方面的應用，提出該技術(shù)可應用于木材無損檢測及精確林業(yè)。融合機器視覺、X射線等單一傳感器技術(shù)檢測木材及木制品，可以更準確地實時檢測出木材的各種缺陷；集成GPS、GIS、RS及各種實時傳感器信息，利用智能決策支持系統(tǒng)以及可變量技術(shù)，能夠?qū)崿F(xiàn)基于自然界生物及其賴以生存的環(huán)境資源的時空變異性的客觀現(xiàn)實，建立基于信息流融合的精確林業(yè)系統(tǒng)。

多傳感器融合系統(tǒng)由于具有較高的可靠性和魯棒性，較寬的時間和空間的觀測范圍，較強的數(shù)據(jù)可信度和分辨能力，已廣泛應用于軍事、工業(yè)、農(nóng)業(yè)、航天、交通管制、機器人、海洋監(jiān)視和管理、目標跟蹤和慣性導航等領(lǐng)域。筆者在分析數(shù)據(jù)融合技術(shù)概念和內(nèi)容的基礎(chǔ)上，對該技術(shù)在林業(yè)工程中的應用及前景進行了綜述。

一、數(shù)據(jù)融合

1.1概念的提出

1973年，數(shù)據(jù)融合技術(shù)在美國國防部資助開發(fā)的聲納信號理解系統(tǒng)中得到了最早的體現(xiàn)。70年代末，在公開的技術(shù)文獻中開始出現(xiàn)基于多系統(tǒng)的信息整合意義的融合技術(shù)。1984年美國國防部數(shù)據(jù)融合小組(DFS)定義數(shù)據(jù)融合為：“對多源的數(shù)據(jù)和信息進行多方的關(guān)聯(lián)、相關(guān)和綜合處理，以更好地進行定位與估計，并完全能對態(tài)勢及帶來的威脅進行實時評估”。

1998年1月，Buchroithner和Wald重新定義了數(shù)據(jù)融合：“數(shù)據(jù)融合是一種規(guī)范框架，這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數(shù)據(jù)，以獲得實際需要的信息”。

Wald定義的數(shù)據(jù)融合的概念原理中，強調(diào)以質(zhì)量作為數(shù)據(jù)融合的明確目標，這正是很多關(guān)于數(shù)據(jù)融合的文獻中忽略但又是非常重要的方面。這里的“質(zhì)量”指經(jīng)過數(shù)據(jù)融合后獲得的信息對用戶而言較融合前具有更高的滿意度，如可改善分類精度，獲得更有效、更相關(guān)的信息，甚至可更好地用于開發(fā)項目的資金、人力資源等。

1.2基本內(nèi)容

信息融合是生物系統(tǒng)所具備的一個基本功能，人類本能地將各感官獲得的信息與先驗知識進行綜合，對周圍環(huán)境和發(fā)生的事件做出估計和判斷。當運用各種現(xiàn)代信息處理方法，通過計算機實現(xiàn)這一功能時，就形成了數(shù)據(jù)融合技術(shù)。

數(shù)據(jù)融合就是充分利用多傳感器資源，通過對這些多傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據(jù)某些準則進行組合，以獲得被測對象的一致性解釋或描述。數(shù)據(jù)融合的內(nèi)容主要包括：

(1)數(shù)據(jù)關(guān)聯(lián)。確定來自多傳感器的數(shù)據(jù)反映的是否是同源目標。

(2)多傳感器ID/軌跡估計。假設(shè)多傳感器的報告反映的是同源目標，對這些數(shù)據(jù)進行綜合，改進對該目標的估計，或?qū)φ麄€當前或未來情況的估計。

(3)采集管理。給定傳感器環(huán)境的一種認識狀態(tài)，通過分配多個信息捕獲和處理源，最大限度地發(fā)揮其性能，從而使其操作成本降到最低。傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標探測、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識別、情況評估和預測。

根據(jù)融合系統(tǒng)所處理的信息層次，目前常將信息融合系統(tǒng)劃分為3個層次：

(l)數(shù)據(jù)層融合。直接將各傳感器的原始數(shù)據(jù)進行關(guān)聯(lián)后，送入融合中心，完成對被測對象的綜合評價。其優(yōu)點是保持了盡可能多的原始信號信息，但是該種融合處理的信息量大、速度慢、實時性差，通常只用于數(shù)據(jù)之間配準精度較高的圖像處理。

(2)特征層融合。從原始數(shù)據(jù)中提取特征，進行數(shù)據(jù)關(guān)聯(lián)和歸一化等處理后，送入融合中心進行分析與綜合，完成對被測對象的綜合評價。這種融合既保留了足夠數(shù)量的原始信息，又實現(xiàn)了一定的數(shù)據(jù)壓縮，有利于實時處理，而且由于在特征提取方面有許多成果可以借鑒，所以特征層融合是目前應用較多的一種技術(shù)。但是該技術(shù)在復雜環(huán)境中的穩(wěn)健性和系統(tǒng)的容錯性與可靠性有待進一步改善。

(3)決策層融合。首先每一傳感器分別獨立地完成特征提取和決策等任務，然后進行關(guān)聯(lián)，再送入融合中心處理。這種方法的實質(zhì)是根據(jù)一定的準則和每個決策的可信度做出最優(yōu)的決策。其優(yōu)點是數(shù)據(jù)通訊量小、實時性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時，系統(tǒng)仍能繼續(xù)工作，具有良好的容錯性，系統(tǒng)可靠性高，因此是目前信息融合研究的一個熱點。但是這種技術(shù)也有不足，如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難，以及知識庫的巨量特性等。

1.3處理模型

美國數(shù)據(jù)融合工作小組提出的數(shù)據(jù)融合處理模型，當時僅應用于軍事方面，但該模型對人們理解數(shù)據(jù)融合的基本概念有重要意義。模型每個模塊的基本功能如下：

數(shù)據(jù)源。包括傳感器及其相關(guān)數(shù)據(jù)(數(shù)據(jù)庫和人的先驗知識等)。

源數(shù)據(jù)預處理。進行數(shù)據(jù)的預篩選和數(shù)據(jù)分配，以減輕融合中心的計算負擔，有時需要為融合中心提供最重要的數(shù)據(jù)。目標評估。融合目標的位置、速度、身份等參數(shù)，以達到對這些參數(shù)的精確表達。主要包括數(shù)據(jù)配準、跟蹤和數(shù)據(jù)關(guān)聯(lián)、辨識。

態(tài)勢評估。根據(jù)當前的環(huán)境推斷出檢測目標與事件之間的關(guān)系，以判斷檢測目標的意圖。威脅評估。結(jié)合當前的態(tài)勢判斷對方的威脅程度和敵我雙方的攻擊能力等，這一過程應同時考慮當前的政治環(huán)境和對敵策略等因素，所以較為困難。

處理過程評估。監(jiān)視系統(tǒng)的性能，辨識改善性能所需的數(shù)據(jù)，進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能，如人工操作員的指導和評價、多媒體功能等。

二、多傳感器在林業(yè)中的應用

2.1在森林防火中的應用

在用MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)測定森林火點時的20、22、23波段的傳感器輻射值已達飽和狀態(tài)，用一般圖像增強處理方法探測燃燒區(qū)火點的結(jié)果不理想。余啟剛運用數(shù)據(jù)融合技術(shù)，在空間分辨率為1000m的熱輻射通道的數(shù)據(jù)外加入空間分辨率為250m的可見光通道的數(shù)據(jù)，較好地進行了不同空間分辨率信息的數(shù)據(jù)融合，大大提高了對火點位置的判斷準確度。為進一步提高衛(wèi)星光譜圖像數(shù)據(jù)分析的準確性與可靠性，利用原有森林防火用的林區(qū)紅外探測器網(wǎng)，將其與衛(wèi)星光譜圖像數(shù)據(jù)融合，可以使計算機獲得GPS接收機輸出的有關(guān)信息通過與RS實現(xiàn)高效互補性融合，從而彌補衛(wèi)星圖譜不理想的缺失區(qū)數(shù)據(jù)信息，大大提高燃燒區(qū)火點信息準確度和敏感性。

2.2森林蓄積特征的估計

HampusHolmstrom等在瑞典南部的試驗區(qū)將SPOT-4×S衛(wèi)星數(shù)據(jù)和CARABAS-IIVHFSAR傳感器的雷達數(shù)據(jù)進行了融合，采用KNN(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。

KNN方法就是采用目標樣地鄰近k個(k=10)最近樣地的加權(quán)來估計目標樣地的森林特征。研究者應用衛(wèi)星光譜數(shù)據(jù)、雷達數(shù)據(jù)融合技術(shù)對試驗區(qū)的不同林分的蓄積特征進行估計，并對三種不同的數(shù)據(jù)方法進行誤差分析。試驗表明，融合后的數(shù)據(jù)作出的估計比單一的衛(wèi)星數(shù)據(jù)或雷達數(shù)據(jù)的精度高且穩(wěn)定性好。

2.3用非垂直航空攝像數(shù)據(jù)融合GIS信息更新調(diào)查數(shù)據(jù)

森林資源調(diào)查是掌握森林資源現(xiàn)狀與變化的調(diào)查方法，一般以地面調(diào)查的方法為主，我國5年復查一次。由于森林資源調(diào)查的工作量巨大，且要花費大量的人力、物力和資金。國內(nèi)外許多學者都在探索航空、航天的遙感調(diào)查與估計方法。

TrevorJDavis等2002年提出采用非垂直的航空攝影數(shù)據(jù)融合對應的GIS數(shù)據(jù)信息實現(xiàn)森林調(diào)查數(shù)據(jù)的快速更新，認為對森林資源整體而言，僅某些特殊地區(qū)的資源數(shù)據(jù)需要更新。在直升飛機側(cè)面裝上可視的數(shù)字攝像裝置，利用GPS對測點進行定位，對特殊地區(qū)的攝像進行拍攝，同時與對應的GIS數(shù)據(jù)進行融合，做出資源變化的估計或影像的修正。

試驗表明，融合后的數(shù)據(jù)可以同高分辨率矯正圖像相比，該方法花費少，精度高，能充分利用影像的可視性，應用于偏遠、地形復雜、不易操作、成本高的區(qū)域，同時可避免遙感圖像受云層遮蓋。

三、數(shù)據(jù)融合在林業(yè)中的應用展望

3.1在木材檢測中的應用

3.1.1木材缺陷及其影響

木材是天然生長的有機體，生長過程中不可避免地有尖削度、彎曲度、節(jié)子等生長缺陷，這些缺陷極大地影響了木材及其制品的優(yōu)良特性，以及木材的使用率、強度、外觀質(zhì)量，并限制了其應用領(lǐng)域。在傳統(tǒng)木制品生產(chǎn)過程中，主要依靠人的肉眼來識別木材缺陷，而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異，且受木材紋理的影響，識別起來非常困難，勞動強度大，效率低，同時由于熟練程度、標準掌握等人為因素，可能造成較大的誤差。另外在集成材加工中，板材缺陷的非雙面識別嚴重影響了生產(chǎn)線的生產(chǎn)節(jié)拍。因此必須開發(fā)一種能夠?qū)Π宀碾p面缺陷進行在線識別和自動剔除技術(shù)，以解決集成材加工中節(jié)子人工識別誤差大、難以實現(xiàn)雙面識別、剔除機械調(diào)整時間長等問題。

3.1.2單一傳感器在木材檢測中的應用

對木材及人造板進行無損檢測的方法很多，如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術(shù)在木材工業(yè)中的應用研究主要集中在研究聲波與木材種類、木材結(jié)構(gòu)和性能之間的關(guān)系、木材結(jié)構(gòu)及缺陷分析、膠的固化過程分析等。

隨著計算機視覺技術(shù)的發(fā)展，人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等，同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢，能夠區(qū)分不同紙漿類型，測定木材纖維材料加固結(jié)合力，并動態(tài)地觀察木材纖維在材料中的結(jié)合機理。

新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經(jīng)產(chǎn)業(yè)化，該軟件利用數(shù)碼相機或激光掃描儀采集板材的圖像，自動識別板材節(jié)子和缺陷的位置，控制板材的加工。該軟件還具有進行原木三維模型真實再現(xiàn)的計算機視覺識別功能，利用激光掃描儀自動采集原木的三維幾何數(shù)據(jù)。

美國林產(chǎn)品實驗室利用計算機視覺技術(shù)對木材刨花的尺寸大小進行分級，確定各種刨花在板中的比例和刨花的排列方向；日本京都大學基于視覺傳感器進行了定向刨花板內(nèi)刨花定向程度的檢測，從而可以通過調(diào)整定向鋪裝設(shè)備優(yōu)化刨花的排列方向來提高定向刨花板的強度。在制材加工過程中，利用計算機視覺技術(shù)在線實時檢測原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時可對鋸材的質(zhì)量進行分級，實現(xiàn)木材的優(yōu)化使用；在膠合板的生產(chǎn)過程中，利用計算機視覺技術(shù)在線實時檢測單板上的各種缺陷，實現(xiàn)單板的智能和自動剪切，并可測量在剪切過程中的單板破損率，對單板進行分等分級，實現(xiàn)自動化生產(chǎn)過程。Wengert等在綜合了大量的板材分類經(jīng)驗的基礎(chǔ)上，建立了板材分級分類的計算機視覺專家系統(tǒng)。在國內(nèi)這方面的研究較少，王金滿等用計算機視覺技術(shù)對刨花板施膠效果進行了定量分析。

X射線對木材及木質(zhì)復合材料的性能檢測已得到了廣泛的應用，目前該技術(shù)主要應用于對木材密度、含水率、纖維素相對結(jié)晶度和結(jié)晶區(qū)大小、纖維的化學結(jié)構(gòu)和性質(zhì)等進行檢測，并對木材內(nèi)部的各種缺陷進行檢測。

3.1.3數(shù)據(jù)融合在木材檢測中的應用展望

單一傳感器在木材工業(yè)中已得到了一定程度的應用，但各種單項技術(shù)在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節(jié)子，有時會把木板上的臟物或油脂當成節(jié)子，造成誤判，有時也會受到木材的種類或粗糙度和濕度的影響，此外，這種技術(shù)只能檢測部分表面缺陷，而無法檢測到內(nèi)部缺陷；超聲、微波、核磁共振和X射線技術(shù)均能測量密度及內(nèi)部特征，但是它們不能測定木材的顏色和瑕疵，因為這些缺陷的密度往往同木板相同。因此，一個理想的檢測系統(tǒng)應該集成各種傳感技術(shù)，才能準確、可靠地檢測到木材的缺陷。

基于多傳感器(機器視覺及X射線等)數(shù)據(jù)融合技術(shù)的木材及木制品表面缺陷檢測，可以集成多個傳統(tǒng)單項技術(shù)，更可靠、準確地實時檢測出木材表面的各種缺陷，為實現(xiàn)木材分級自動化、智能化奠定基礎(chǔ)，同時為集裁除鋸、自動調(diào)整、自動裁除節(jié)子等為一身的新型視頻識別集成材雙面節(jié)子數(shù)控自動剔除成套設(shè)備提供技術(shù)支持。

3.2在精確林業(yè)中的應用

美國華盛頓大學研究人員開展了樹形自動分析、林業(yè)作業(yè)規(guī)劃等研究工作；Auburn大學的生物系統(tǒng)工程系和USDA南方林業(yè)實驗站與有關(guān)公司合作開展用GPS和其他傳感器研究林業(yè)機器系統(tǒng)的性能和生產(chǎn)效率。

目前單項的GPS、RS、GIS正從“自動化孤島”形式應用于林業(yè)生產(chǎn)向集成技術(shù)轉(zhuǎn)變。林業(yè)生產(chǎn)系統(tǒng)作為一個多組分的復雜系統(tǒng)，是由能量流動、物質(zhì)循環(huán)、信息流動所推動的具有一定的結(jié)構(gòu)和功能的復合體，各組分間的關(guān)系和結(jié)合方式影響系統(tǒng)整體的結(jié)構(gòu)和功能。因此應該在計算機集成系統(tǒng)框架下，有效地融合GPS、GIS、RS等數(shù)據(jù)，解決這些信息在空間和時間上的質(zhì)的差異及空間數(shù)據(jù)類型的多樣性，如地理統(tǒng)計數(shù)據(jù)、柵格數(shù)據(jù)、點數(shù)據(jù)等。利用智能DSS(決策支持系統(tǒng))以及VRT(可變量技術(shù))等，使林業(yè)生產(chǎn)成為一個高效、柔性和開放的體系，從而實現(xiàn)林業(yè)生產(chǎn)的標準化、規(guī)范化、開放性，建立基于信息流融合的精確林業(yè)系統(tǒng)。

南京林業(yè)大學提出了“精確林業(yè)工程系統(tǒng)”。研究包括精確林業(yè)工程系統(tǒng)的領(lǐng)域體系結(jié)構(gòu)、隨時空變化的數(shù)據(jù)采集處理與融合技術(shù)、精確控制林業(yè)生產(chǎn)的智能決策支持系統(tǒng)、可變量控制技術(shù)等，實現(xiàn)基于自然界生物及其所賴以生存的環(huán)境資源的時空變異性的客觀現(xiàn)實，以最小資源投入、最小環(huán)境危害和最大產(chǎn)出效益為目標，建立關(guān)于林業(yè)管理系統(tǒng)戰(zhàn)略思想的精確林業(yè)微觀管理系統(tǒng)。

[參考文獻]

[1]高翔，王勇.數(shù)據(jù)融合技術(shù)綜述[J].計算機控制與測量，2002，10(11)：706-709.

[2]龔元明，蕭德云，王俊杰.多傳感器數(shù)據(jù)融合技術(shù)(上)[J].冶金自動化，2002(4)：4-7.

[3]錢永蘭，楊邦杰，雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測中的應用與展望[J].農(nóng)業(yè)工程學報，2004，20(4)：286-290.

[4]高德平，黃雪梅.多傳感器和數(shù)據(jù)融合(一)[J].紅外與激光工程，1999，28(1)：1-4.

篇4

（1．湖南文理學院物理與電子科學學院，湖南 常德 415000；2．常德市廣積米業(yè)有限公司，湖南 常德 415000）

摘要：為了提高稻米質(zhì)量檢測精度，提升企業(yè)運營效率，構(gòu)建了基于圖像處理技術(shù)的大米質(zhì)量在線檢測信息系統(tǒng)。根據(jù)國家糧食生產(chǎn)標準，采用數(shù)字圖像處理技術(shù)對稻米的外觀特征進行識別與分析，獲取整精米率等關(guān)鍵參數(shù)，設(shè)計信息系統(tǒng)軟件記錄和分析相關(guān)參數(shù)，并在線提供給其他部門使用。經(jīng)現(xiàn)場測試運行，該系統(tǒng)能較好地滿足企業(yè)的檢測要求，較傳統(tǒng)人工分析參數(shù)檢測準確率提高了7．8％，為企業(yè)的現(xiàn)代化管理提供了有力的支撐。

關(guān)鍵詞 ：稻米質(zhì)量；圖像處理；參數(shù)檢測；信息系統(tǒng)

中圖分類號：TP274 文獻標識碼：A 文章編號：0439－8114（2015）04－0963-04

DOI:10.14088/j.cnki.issn0439-8114.2015.04.050

收稿日期：2014－05－15

基金項目：湖南省科技計劃項目（2012SK3131）；湖南省常德市科技計劃項目（2012ZX31）

作者簡介：曹斌芳（1979－），女，陜西澄城人，講師，碩士，主要從事復雜工業(yè)過程控制與優(yōu)化、計算機測量與控制等方面的研究，（電話）15274929524（電子信箱）cao＿bf＠163．com。

稻米是世界上最主要的糧食作物之一，中國是世界上最大的稻米生產(chǎn)國，產(chǎn)量占到世界總產(chǎn)量1／3，居世界首位［1］。中國的水稻研究在世界上處于領(lǐng)先地位，但是大米的質(zhì)量和口感等方面還存在諸多不足［2］，同時消費群體對于優(yōu)質(zhì)稻米的要求不斷提升。在糧食流通和生產(chǎn)過程中，對進行大米品質(zhì)檢測與分析具有十分重要的意義，糧食安全是當前人們關(guān)注的熱點問題。目前，中國糧食企業(yè)中大米品質(zhì)外觀指標的檢測，主要是質(zhì)檢員通過肉眼觀測，再填寫紙質(zhì)質(zhì)檢單。人工檢測存在效率低、精度低、可重復性差等問題，可能導致指標不達標的大米流向市場，損害了消費者的健康和權(quán)益，同時人工檢測難以滿足企業(yè)生產(chǎn)經(jīng)營中的快速批量檢測的要求，而且紙質(zhì)質(zhì)檢信息在企業(yè)中流轉(zhuǎn)不暢、極易出錯，降低了企業(yè)的運營效率。

從20世紀70年代末，研究人員開始在植物種類的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測和分級等領(lǐng)域進行圖像處理技術(shù)應用的探索。隨著信息技術(shù)的快速發(fā)展，圖像處理技術(shù)在農(nóng)業(yè)各個領(lǐng)域中均取得了諸多的重要進展［2－4］。在糧食企業(yè)生產(chǎn)中，稻米外觀是用來判別大米類型、品種、級別等的直觀指標，也是企業(yè)質(zhì)量控制中的一項關(guān)鍵質(zhì)量指標。在大米品質(zhì)檢測方面，國內(nèi)外學者進行了許多研究，提出了許多的圖像處理技術(shù)方法，并研發(fā)了多種不同類型的檢測設(shè)備［4－7］。研究者利用不同方法研究了基于機器視覺對稻米的堊白度及堊白粒率、黃粒米等檢測參數(shù)［5－7］，取得了一定的效果，但是仍然存在著精度較低，檢測參數(shù)速度偏慢等問題。同時已有研究討論如何在企業(yè)信息管理中進行信息的利用與整合。為此，本研究基于大米的形態(tài)和外觀參數(shù)，采用了基于熵的閾值法和改進的分水嶺分割檢測算法，分別檢測整精米率和堊白粒率，然后基于色度學分離出黃粒米，并進行相關(guān)參數(shù)的統(tǒng)計，再進行光度和亮度的評估，最后將檢測參數(shù)送入設(shè)計的企業(yè)質(zhì)量檢測信息系統(tǒng)，供地磅、財務和倉儲等其他部門使用。

1 大米外觀質(zhì)量標準

根據(jù)中華人民共和國國家標準GB1354－2009《大米》［8］，大米被分為4個品種：秈米、粳米、秈糯米、粳糯米。按照質(zhì)量等級，秈米與粳米分為一級、二級、三級、四級；秈糯米與粳糯米分為一級、二級、三級。大米的外觀品質(zhì)主要包括大米色澤、堊白粒和米粒形狀等指標，均是質(zhì)量檢測的基本項目，其中黃粒米、礦物質(zhì)、色澤和氣味為強制性指標，表征了大米重要的商品性狀。大米在采購原糧、生產(chǎn)完成以及商品退貨等企業(yè)業(yè)務活動中都要進行相關(guān)的檢驗，其具體過程大致如下：

1）扦樣。根據(jù)標準扦樣法進行逐批扦樣，取得原始樣品2 000 g左右，且標示樣品。

2）分樣。對每批原始樣品分樣，混合后分取兩份，每份約50 g用于檢驗，其余樣品標示保管好作為留樣或備份。

3）檢驗樣品。對兩份樣品分別檢驗，結(jié)果取算術(shù)平均值。①水分檢測：稱取一定量的樣品，磨碎，烘箱法測定水分含量；②整精米率檢測。按照國家標準，不足該批米平均長度的3／4視為非整米，稱量算出百分比；③不完善粒檢測。按照標準選出待測樣品的不完善粒，稱重算出百分比；④黃粒米檢測。按照標準選出待測樣品的黃色米粒，稱重算出百分比；⑤堊白粒檢測。按照標準選出待測樣品胚或部分胚是乳白色，稱重算出百分比；⑥光度檢測。感官與標樣對照光潔度或反光度。

4）出具檢驗報告。根據(jù)中國現(xiàn)行的標準，優(yōu)質(zhì)大米的基本指標［8］如表1所示，是糧食加工企業(yè)必須檢驗項目。

2 基于OpenCV技術(shù)的圖像采集系統(tǒng)

基于圖像技術(shù)進行大米質(zhì)量檢測是一種快速便捷的方法，系統(tǒng)主要包括光源、鏡頭、攝像機、板卡和分析處理軟件。該系統(tǒng)針對稻米靜態(tài)圖像進行采集，經(jīng)過適當?shù)奶幚砗头治觯@得相關(guān)的關(guān)鍵參數(shù)。大米外觀質(zhì)量圖像采集系統(tǒng)由計算機、采集臺、攝像頭、托盤組成，采集臺上方橫柱裝有攝像頭，托盤放置在下層，采集箱為封閉狀態(tài)，以排除外界光線的干擾，托盤中間的黑色區(qū)域，大小為200 mm×280 mm，用于放置待檢測米粒。攝像頭的分辨率為2 592×1 944，像數(shù)為800萬像素，實際拍攝視野為150 mm×180 mm，可分辨的稻米精度為0．1 mm。以粳米為例，長度為5．0～5．5 mm，粒型為1．5～2．0 mm?？紤]光源尺寸及散熱，攝像機到稻米的距離為120 mm。本研究所使用的OpenCV（Open source computer vision library ）是由一系列函數(shù)和少量類構(gòu)成的開源計算機視覺庫，主要實現(xiàn)圖像處理和計算機視覺方面的通用算法，用于對圖像進行一些高級處理。目前，大部分的大米品質(zhì)檢測指標根據(jù)國家標準采用人工進行檢測，容易產(chǎn)生許多問題。OpenCV包括了實時光線追蹤和三維顯示墻等。在Intel的性能庫團隊的幫助下，OpenCV完成了核心代碼機器算法，并且在俄羅斯團隊的努力下得到了優(yōu)化。本研究利用計算機視覺技術(shù)對大米粒形的檢測方法進行研究，并根據(jù)大米的粒形特征研究了大米中破碎米或整精米的檢測方法。利用計算機視覺技術(shù)對大米樣品圖像進行處理，其框圖如圖1所示。大米的檢測參數(shù)存入數(shù)據(jù)庫中，供后續(xù)信息系統(tǒng)使用。

大米圖像特征包含大小特征、形狀特征、顏色特征和紋理特征，本研究結(jié)合這4種特征，計算了整精米率、堊白粒率、黃粒米率等關(guān)鍵參數(shù)。大小特征參數(shù)用于表征稻米米粒的大小尺寸，其中包括周長、面積、長度、寬度等。在采集靜態(tài)圖像時，大米常會出現(xiàn)粘連現(xiàn)象，而且由于環(huán)境等多種原因圖像會受到噪聲干擾。本研究首先采用OpenCV函數(shù)庫中void cvSmooth函數(shù)對圖像利用高斯濾波進行降噪處理；再使用形態(tài)學對圖像進一步處理，形態(tài)學重構(gòu)算子有保持圖像集合特征的性質(zhì)，形態(tài)學開運算能消除圖像中尖峰和孤島，與閉運算可填補圖像中的小孔和間隙相結(jié)合，將三者結(jié)合可以構(gòu)成形態(tài)學開閉運算濾波器。這使得既可濾除圖像中的噪聲點，又使對象區(qū)域具有連續(xù)性，且不會導致圖像的失真和產(chǎn)生新的特征。該系統(tǒng)中使用形態(tài)學濾波函數(shù)void cvMorphologyEx完成這個操作，然后使用二維最小局部交叉熵閾值法進行二值化操作［9］，統(tǒng)計獲得大米粒形態(tài)特征，按照國家標準計算出整精米率?；趫装琢D像區(qū)域中堊白部分白色不透明這一物理先驗特征，使用多閾值分割方法獲得堊白粒區(qū)域［10］，將堊白粒區(qū)域分成3個標記區(qū)域［11］，通過形態(tài)學分水嶺方法分割堊白粒圖像，提取得到區(qū)域間的堊白區(qū)域。再將背景置為黑色［7］，米粒顏色不變，然后將其從RGB顏色空間轉(zhuǎn)化為L*a*b*顏色空間，結(jié)合色度和面積閾值來判定每顆米粒是否為黃粒米，從而獲得黃粒米率并在圖中標記。將人工檢測結(jié)果與計算機檢測結(jié)果比較，準確率提升了7．8％，檢測員勞動強度有較明顯下降，檢測速度大幅度提升。

3 糧食質(zhì)檢信息管理系統(tǒng)設(shè)計

糧食質(zhì)量檢測是糧食企業(yè)日常經(jīng)營生產(chǎn)活動中的重要環(huán)節(jié)，不僅影響到企業(yè)的運營效率，而且與用戶的利益和社會的需求密切相關(guān)，受到政府監(jiān)管部門的高度關(guān)注。目前，稻米的外觀質(zhì)量檢測主要采用人工肉眼識別進行，誤差偏大，效率較低等問題，特別是收購季節(jié)時無法滿足需要，同時企業(yè)信息化管理中也亟需及時獲取稻米品質(zhì)參數(shù)。結(jié)合企業(yè)實際需要，設(shè)計了包括5大功能模塊的信息管理系統(tǒng)，如圖2所示。系統(tǒng)設(shè)計符合SOA（Service oriented architecture）設(shè)計理念，實現(xiàn)質(zhì)檢信息公司內(nèi)流通。稻谷的外觀參數(shù)通過圖像采集系統(tǒng)處理獲得，水分含量通過烘箱烘烤后按標準操作獲得，食味值通過日本佐竹公司米粒食味計（型號：RCTA11A）測試獲得。系統(tǒng)操作風格一致，保證操作的簡易性，良好的可理解性，按部門和職位設(shè)計了操作權(quán)限控制系統(tǒng)。系統(tǒng)還提供了多種系統(tǒng)管理工具，如自動程序更新、定時數(shù)據(jù)備份功能和用戶異常訪問檢測等。

3．1 系統(tǒng)功能模塊

1）進貨檢驗模塊。原糧進貨檢驗是企業(yè)產(chǎn)品質(zhì)量控制的入口，涉及質(zhì)量本身和采購價格的確定。該功能主要針對原糧進貨檢驗并提供數(shù)據(jù)操作界面，包括稻谷檢驗、面粉檢驗、面粉補填質(zhì)檢、大米檢驗等，并可以對數(shù)據(jù)進行新增、刪除、查詢、更新等可視化操作。包裝檢驗主要檢測采購部采購的各種包裝的參數(shù)是否符合相關(guān)的技術(shù)要求，如尺寸、重量、色澤等，并通過圖像采集系統(tǒng)采集圖片存檔。退回產(chǎn)品檢驗包括退回產(chǎn)品質(zhì)檢通知單和退回產(chǎn)品檢驗歷史記錄。退回產(chǎn)品可能有質(zhì)量問題或者其他問題，首先由營銷部回收從客戶退回的產(chǎn)品，然后將退回產(chǎn)品送至質(zhì)檢部質(zhì)檢，檢測客戶提出的退回原因是否屬實。

2）日常檢驗模塊。普查檢驗包括4類檢驗：稻谷普查檢驗、米類普查檢驗、面條普查檢驗和面粉普查檢驗。①普查檢驗主要是針對倉庫里的稻谷、米類、面條、面粉進行全面的階段性的檢驗，檢驗產(chǎn)品的生蟲、色澤、水分、黃粒米、氣味等實際情況，便于及時了解倉庫產(chǎn)品質(zhì)量，以便更好管理；②生產(chǎn)檢驗是生產(chǎn)過程中對半成品或者成品進行檢驗，并記錄檢測值。生產(chǎn)部轉(zhuǎn)換生產(chǎn)品種或者原料變動后，先生產(chǎn)出少量產(chǎn)品，送質(zhì)檢部質(zhì)檢，質(zhì)檢合格，再批量生產(chǎn)，否則改善不足之處重新生產(chǎn)。當生產(chǎn)過程中抽檢發(fā)現(xiàn)異常時，發(fā)生產(chǎn)異常通知單通知生產(chǎn)部，并進行記錄；③抽樣檢驗包括3個子模塊：抽樣記錄、抽樣質(zhì)檢、抽樣質(zhì)檢歷史記錄。抽樣檢驗主要是配合上級領(lǐng)導來公司進行產(chǎn)品抽樣質(zhì)檢。操作流程為首先登記來抽樣的單位、抽樣時間、抽樣品種、經(jīng)手人等信息，再進行檢測，并做好記錄保留備查；④普米檢驗，檢測方法按照國家標準進行。

3）出貨檢驗模塊。出貨檢驗的功能與生產(chǎn)檢驗的成品檢驗一致，主要保證出貨產(chǎn)品的質(zhì)量。

4）檢驗模塊。質(zhì)檢報表匯總包括普米報表和原糧報表，以原糧報表為例說明。原糧報表包括：面粉收購報表、稻谷收購報表、普米收購報表。選擇好起始時間與結(jié)束時間，即可獲得相應報表，并可導出匯總信息。

5）認證記錄模塊。送外質(zhì)檢包括兩個子功能模塊，即送外質(zhì)檢和送外檢驗歷史記錄。送外質(zhì)檢主要就是定期的選擇一些產(chǎn)品送到相關(guān)單位去檢驗，保證糧食產(chǎn)品符合規(guī)定要求。配方管理包括生產(chǎn)配方和生產(chǎn)配方歷史記錄，主要提供上傳及下載功能。企業(yè)的配方資料屬于保密資料，因此在設(shè)計配方管理這個模塊時，應充分考慮到了其安全性，防止資料被竊取。在客戶端上傳數(shù)據(jù)時，采用將文件轉(zhuǎn)換成二進制流后，進行3層DES加密后，再保存到數(shù)據(jù)庫中，讀取時進行相反操作。體系文件和質(zhì)量標準都是公司分類保存各類資料電子檔，供授權(quán)需要使用的部門查看瀏覽。

3．2 系統(tǒng)設(shè)計與運行效果

信息系統(tǒng)面向．NET框架設(shè)計采用MVC的設(shè)計方式，開發(fā)語言采用C＃＋ASP．NET，使用SQL Server 2008作為后臺數(shù)據(jù)庫。系統(tǒng)采用的是B／S（服務器／瀏覽器）架構(gòu)，B／S架構(gòu)是目前主流管理系統(tǒng)廣泛采用的架構(gòu)，實現(xiàn)了客戶端零安裝、零維護，使用瀏覽器直接實現(xiàn)遠程訪問。從層次結(jié)構(gòu)來看，．NET框架包括3個主要組成部分：公共語言運行時（Common language runtime）、服務框架（Services framework）和上層的兩類應用模板——傳統(tǒng)的Windows應用程序模板（Win forms）和基于ASP．NET的面向Web的網(wǎng)絡(luò)應用程序模板（Web forms和Web services）。SQL Server 2008允許在使用Microsoft ．NET和Visual studio開發(fā)的自定義應用程序中使用數(shù)據(jù)，在面向服務的架構(gòu)（SOA）和通過Microsoft Biz Talk Server進行的業(yè)務流程中使用數(shù)據(jù)，提供一個可信、高效率的智能數(shù)據(jù)平臺。

以精米質(zhì)檢操作功能頁面為例，在時間文本框中可以選擇需要查詢的時間段，點擊搜索按鈕，即可獲得相應時間段精米的質(zhì)檢信息。點擊詳情欄目中的查看連接按鈕，可查看質(zhì)檢的詳細信息，主操作頁面如圖3所示，詳細信息頁面如圖4所示。

4 小結(jié)

糧食企業(yè)生產(chǎn)經(jīng)營中，稻米的視覺特征與稻米品質(zhì)屬性密切相關(guān)，目前的人工檢測方法不能滿足需要。圖像分割是進行大米形態(tài)參數(shù)測量的關(guān)鍵環(huán)節(jié)，為提高測量的準確性和算法的魯棒性，提出了一種結(jié)合先驗知識的改進圖像處理方法。針對現(xiàn)場大米質(zhì)量對比試驗，表明基于圖像處理技術(shù)的方法比傳統(tǒng)人工檢測速度更快，有更準確的測量效果，檢測出來的參數(shù)直接進入質(zhì)量檢測信息系統(tǒng)，供企業(yè)其他部門使用。該系統(tǒng)目前在某糧食企業(yè)中得到了較好的應用，有效地提高了企業(yè)的運行效率，增加了企業(yè)效益。

參考文獻：

［1］ 萬 鵬，龍長江，任奕林．機器視覺技術(shù)在大米品質(zhì)檢測中的應用進展［J］．湖北農(nóng)業(yè)科學，2012，51（5）：873－876，886．

［2］ 黃星奕，李 劍，姜 松．基于計算機視覺的稻谷品種識別技術(shù)的研究［J］．江蘇大學學報（自然科學版），2004，25（2）：102－104．

［3］ 凌 云，王一鳴，孫明基，等．基于機器視覺的大米外觀品質(zhì)檢測裝置［J］．農(nóng)業(yè)機械學報，2005，36（9）：89－92．

［4］ 王靜娜，賀園園，陳雄飛，等．機器視覺在農(nóng)產(chǎn)品品質(zhì)檢測和采收包裝中的應用［J］．農(nóng)機化研究，2011（7）：186－189．

［5］ 常若葵，張偉玉，崔 晶．基于機器視覺的大米外特性評價［J］．農(nóng)機化研究，2009（12）：149－151．

［6］ 高希端，孟超英，籍保平．機器視覺在稻米整精米率快速計算中的應用［J］．食品科學，2007，28（5）：268－272．

［7］ 祝曉芳，侯彩云，芮 闖．基于計算機圖像處理技術(shù)的黃粒米檢測系統(tǒng)研究［J］．糧油食品科技，2008，16（4）：6－8．

［8］ GB1350－2009，中華人民共和國國家標準稻谷［S］．

［9］ NIE F Y， GAO C， GUO Y C ，et al． Two－dimensional minimum local cross－entropy thresholding based on co－occurrence matrix［J］． Computers and Electrical Engineering， 2011，37（5）：757－767．

［10］ 周顯青，白國偉，張玉榮，等．基于數(shù)字圖像處理技術(shù)整米和碎米含量檢測［J］．糧食與飼料工業(yè)，2011（9）：1－5．

篇5

學號

123

姓名

風

專業(yè)

軟件工程

班級

軟件工程

論文題目

基于JAVA的寵物平臺管理系統(tǒng)

校內(nèi)指導老師

（職稱/學歷）

風中弦/助教

校外指導老師

（職稱/學歷）

風/工程師

開題報告時間

20___年___月___日

星期___

開題報告地點

線上

旁聽人數(shù)

10

記錄員

風中弦

論文開題報告會會議內(nèi)容：（參考下列幾個方面，由記錄員負責記錄）

1.

選題的意義和實用價值

寵物平臺管理系統(tǒng)的設(shè)計符合當前社會發(fā)展需要，符合現(xiàn)在時代的需要，隨著現(xiàn)在社會的網(wǎng)絡(luò)技術(shù)的發(fā)達以及領(lǐng)養(yǎng)寵物的越來越普及，快速且高效率的快遞服務能有效的提高客戶的體驗，方便線上管理寵物信。

2.

方案的科學性、可行性及創(chuàng)新性的評價

方案很具有創(chuàng)新性，是針對當下寵物平臺管理系統(tǒng)中的一項可行性較高的研究。且研究方案思路清晰，可行性很高。

3.擬采用的技術(shù)路線、解決的關(guān)鍵性問題及計劃進度等是否切實可行

擬采用的技術(shù)路線有效可行，思路清晰，解決關(guān)鍵性問題有清晰有效的思路，且計劃進度完全在可執(zhí)行范圍之內(nèi)。

4.具體建議和意見以及結(jié)論（通過或不通過）

該課題設(shè)計方案合理，具有一定的實際價值和意義，同意開題。

評議小組對論文開題報告的主要意見及建議：（由記錄員負責記錄）

1.

將核心作用實現(xiàn)，系統(tǒng)開發(fā)是關(guān)鍵。

2.

要落實開題報告的具體步驟及內(nèi)容。

開題報告評議小組意見

評議結(jié)論：（開題報告是否通過）

畢業(yè)設(shè)計題目符合畢業(yè)設(shè)計要求，同意通過。

評議小組組長簽名：

年

月

日

評議小組成員

姓名

職稱

研究方向

簽名

小李

講師

計算機視覺

小琳

教授

機器學習

小梅

講師

數(shù)據(jù)挖掘

學院審核意見

院負責人簽章：

年

篇6

以下就是麥肯錫列舉的顛覆性技術(shù)及其潛在的經(jīng)濟影響程度（含消費者盈余在內(nèi)，即消費者并未支付的因創(chuàng)新而獲得的價值），當然，這種影響評估只是粗略的，不會像GDP數(shù)字那么具體（見圖1）。

上圖數(shù)字更具體一點：

如圖2所示，麥肯錫認為，未來10多年最具經(jīng)濟影響性的技術(shù)應該是那些已經(jīng)取得良好進展的技術(shù)一如已經(jīng)在發(fā)達國家普及并在新興國家蓬勃發(fā)展的移動互聯(lián)網(wǎng)；知識工作的自動化，比方說用計算機語音來處理大部分的客戶電話；物聯(lián)網(wǎng)，比方說將傳感器嵌入物理實體中用來監(jiān)控產(chǎn)品在工廠的流動；以及云計算。按照麥肯錫的估算，到2025年，這些技術(shù)每一個對全球經(jīng)濟的價值貢獻均超過1萬億美元（即便是預測的下限）。

不過麥肯錫的報告中令人感興趣的預測是，一些比較性感的新潮技術(shù)，如無人駕駛汽車、3D打印、可再生能源等的經(jīng)濟影響相對較低。

這種炒作熱度（關(guān)于技術(shù)炒作可參見Garnter的技術(shù)炒作周期）與潛在經(jīng)濟影響力的失聯(lián)可以從圖3（縱向坐標為炒作指數(shù)，以過去1年發(fā)表的效果技術(shù)文章數(shù)衡量；橫向坐標為潛在經(jīng)濟影響）看出。經(jīng)濟影響力最大的技術(shù)并非炒作最厲害的。在圖中，只有右上角的技術(shù)一移動互聯(lián)網(wǎng)是名符其實的，即炒作與經(jīng)濟影響力相當。而相對而言，知識工作自動化、物聯(lián)網(wǎng)、云計算以及先進機器人技術(shù)就要低調(diào)許多。

以下就是這12項技術(shù)的關(guān)鍵摘要：

1、移動互聯(lián)網(wǎng)

價格不斷下降能力不斷增強的移動計算設(shè)備和互聯(lián)網(wǎng)連接

到2025年的影響力：

經(jīng)濟：3.7-10.8萬億美元

生活：遠程健康監(jiān)視可令治療成本下降20%

主要技術(shù)包括：

無線技術(shù)

小型、低成本計算及存儲設(shè)備

先進顯示技術(shù)

自然人機接口

先進、廉價的電池

關(guān)鍵應用包括：

服務交付

員工生產(chǎn)力提升

移動互聯(lián)網(wǎng)設(shè)備使用帶來的額外消費者盈余

2、知識工作自動化

可執(zhí)行知識工作任務的智能軟件系統(tǒng)

到2025年的影響力：

經(jīng)濟：5.2-6.7萬億美元

生活：相當于增加1.1-1.4億全職勞動力

主要技術(shù)包括：

人工智能、機器學習

自然人機接口大數(shù)據(jù)

關(guān)鍵應用包括：

教育行業(yè)的智能學習

醫(yī)療保健的診斷與藥物發(fā)現(xiàn)

法律領(lǐng)域的合同/專利查找發(fā)現(xiàn)

金融領(lǐng)域的投資與會計

3、物聯(lián)網(wǎng)

用于數(shù)據(jù)采集、監(jiān)控、決策制定及流程優(yōu)化的廉價傳感器網(wǎng)絡(luò)

到2025年的影響力：

經(jīng)濟：2.7-6.2萬億美元，對制造、醫(yī)保、采礦運營成本的節(jié)省最高可達36萬億美元

主要技術(shù)包括：

先進、低價的傳感器

無線及近場通訊設(shè)備（如RFID）

先進顯示技術(shù)

自然人機接口

先進、廉價的電池

關(guān)鍵應用包括：

流程優(yōu)化（尤其在制造業(yè)與物流業(yè)）

自然資源的有效利用（智能水表、智能電表）

遠程醫(yī)療服務、傳感器增強型商業(yè)模式

4、云

利用計算機軟硬件資源通過互聯(lián)網(wǎng)或網(wǎng)絡(luò)提供服務

到2025年的影響力：

經(jīng)濟：1.7-6.2萬億美元，可令生產(chǎn)力提高15-20%

主要技術(shù)包括：

云管理軟件（如虛擬化、計量裝置）

數(shù)據(jù)中心硬件

高速網(wǎng)絡(luò)

軟件/平臺即服務（SaaS、PaaS）

關(guān)鍵應用包括：

基于云的互聯(lián)網(wǎng)應用及服務交付

企業(yè)IT生產(chǎn)力

5、先進機器人

具備增強傳感器、機敏性與智能的機器人；用于自動執(zhí)行任務

到2025年的影響力：

經(jīng)濟：1.7-4.5萬億美元

生活：可改善5000萬截肢及行動不便者的生活

主要技術(shù)包括：

無線技術(shù)

人工智能/計算機視覺

先進機器人機敏性、傳感器

分布式機器人

機器人式外骨骼

關(guān)鍵應用包括：

產(chǎn)業(yè)/制造機器人

服務性機器人一食物準備、清潔、維護

機器人調(diào)查

人類機能增進（如鋼鐵俠）

個人及家庭機器人一清潔、草坪護理

6、自動汽車

在許多情況下可自動或半自動導航及行駛的汽車

到2025年的影響力：

經(jīng)濟：0.2-1.9萬億美元

生活：每年可挽回3―15萬個生命

主要技術(shù)包括：

人工智能、計算機視覺

先進傳感器，如雷達、激光雷達、GPS

機器對機器的通信

關(guān)鍵應用包括：

自動汽車及貨車

7、下一代基因組

快速低成本的基因組排序，先進的分析，合成生物學（如“寫”DNA）

到2025年的影響力：

經(jīng)濟：0.7-1.6萬億美元

生活：通過快速疾病診斷、新藥物等延長及改善75%的生命

主要技術(shù)包括：

先進DNA序列技術(shù)

DNA綜合技術(shù)

大數(shù)據(jù)及先進分析

關(guān)鍵應用包括：

疾病治療

農(nóng)業(yè)

高價值物質(zhì)的生產(chǎn)

8、儲能技術(shù)

存儲能量供今后使用的設(shè)備或物理系統(tǒng)

到2025年的影響力：

經(jīng)濟：0.1-0.6萬億美元，到2025年40%-100%的新汽車是電動或混合動力的

主要技術(shù)包括：

電池技術(shù)―鋰電、燃料電池

機械技術(shù)―液壓泵、燃氣增壓

先進材料、納米材料

關(guān)鍵應用包括：

電動車、混合動力車

分布式能源

公用規(guī)模級蓄電

9、3D打印

利用數(shù)字化模型將材料一層層打印出來創(chuàng)建物體的累積制造技術(shù)

到2025年的影響力：

經(jīng)濟：0.2-0.6萬億美元

生活：打印的產(chǎn)品可節(jié)省成本35-60%，同時可實現(xiàn)高度的定制化

主要技術(shù)包括：

選擇性激光燒結(jié)

熔融沉積造型

立體平版印刷

直接金屬激光燒結(jié)

關(guān)鍵應用包括：

消費者使用的3D打印機

直接產(chǎn)品制造

工具及模具制造

組織器官的生物打印

10、先進材料

具備強度高、導電好等出眾特性或記憶、自愈等增強功能的材料

到2025年的影響力：

經(jīng)濟：0.2-0.5萬億美元

生活：納米醫(yī)學可為2025年新增的2000萬癌癥病例提供靶向藥物

主要技術(shù)包括：

石墨烯

碳納米管

納米顆粒一如納米級的金或銀

其他先進或智能材料一如壓電材料、記憶金屬、自愈材料

關(guān)鍵應用包括：

納米電子、顯示器

納米醫(yī)學、傳感器、催化劑、先進復合物

儲能、太陽能電池

增強化學物和催化劑

11、先進油氣勘探開采

勘探與開采技術(shù)的進展可實現(xiàn)經(jīng)濟性

到2025年的影響力：

經(jīng)濟：0.1-0.5萬億美元，2025年每年可額外增加32―62億桶原油

主要技術(shù)包括：

水平鉆探

水力壓裂法

微觀監(jiān)測

關(guān)鍵應用包括：

燃料提取能源，包括頁巖氣、不透光油、燃煤甲烷

煤層氣、甲烷水汽包合物（可燃冰）

12、可再生能源―太陽能與風能

用清潔環(huán)保可再生的能源發(fā)電

到2025年的影響力：

經(jīng)濟：0.2-0.3萬億美元，到2025年每年可減少碳排放10-12億噸

主要技術(shù)包括：

光伏電池

風力渦輪機

聚光太陽能發(fā)電

水力發(fā)電、海浪能

關(guān)鍵應用包括：

發(fā)電

篇7

關(guān)鍵詞：數(shù)字圖像處理；教學改革；試驗教學

0 引言

《數(shù)字圖像處理》是一門匯聚光電探測、電子學、數(shù)學和計算機等眾多領(lǐng)域技術(shù)的綜合叉學科，通過對原始圖像的加工，可以使圖像具備更好的視覺效果，同時滿足某些應用的特定需要。《數(shù)字圖像處理》是一門偏重于應用的工程學科，經(jīng)過半個多世紀的發(fā)展，目前已廣泛應用于工業(yè)檢測、醫(yī)療保健、航空航天、軍事等各個領(lǐng)域，其巨大成就表現(xiàn)在航空航天遙感和醫(yī)學圖像的處理方面。在航天領(lǐng)域，為太空探測成功處理了數(shù)萬張照片在生物醫(yī)學領(lǐng)域，為開辟了無損診斷的先河，體現(xiàn)出其遠大的發(fā)展前景。數(shù)字圖像處理是模式識別、計算機視覺、圖像通信、多媒體技術(shù)等學科的基礎(chǔ)，已經(jīng)成為高等院校電子信息工程、通信工程、信號與信息處理、計算機應用與軟件等學科的一門重要專業(yè)課程。

對于工科類應用型高校，主要是培養(yǎng)具有創(chuàng)新意識和競爭力、符合市場需求的實用型人才，強調(diào)學生的應用動手能力。在《數(shù)字圖像處理》課程的教學過程中，我們主要從授課內(nèi)容、授課方式、試驗課設(shè)計以及考核方式進行了改革，培養(yǎng)學生學習興趣，掌握圖像處理最基本的流程和基礎(chǔ)知識，通過主動查閱文獻資料與團隊協(xié)作培養(yǎng)學生分析問題與解決問題的能力。近幾年，我們對課程教學內(nèi)容體系、教學方法與手段以及教師隊伍等方面的進一步建設(shè)，不斷進行科技創(chuàng)新，將工程與項目的開發(fā)與設(shè)計理念引入課堂與試驗，取得了較明顯的效果，最為顯著的是學生在大四畢業(yè)設(shè)計中，具備扎實的圖像處理相關(guān)基礎(chǔ)知識，能很好地完成與圖像處理相關(guān)的畢業(yè)設(shè)計課題。

1 授課內(nèi)容改革

隨著科學技術(shù)的發(fā)展以及信息時代的到來，圖像處理的新理論和新方法層出不窮，并逐步應用于實踐?！稊?shù)字圖像處理》課程教學的側(cè)重點和教學內(nèi)容也必須發(fā)生相應變化以適應時代對應用型人才培養(yǎng)的需求。

1.1優(yōu)化整合教學內(nèi)容

在眾多的《數(shù)字圖像處理》類教材中，選擇了西安電子科技大學許錄平編寫的《數(shù)字圖像處理》教材為主。主要考慮到該教材內(nèi)容全面、知識新穎，在內(nèi)容闡述上重點突出，實踐性強，有較多的實例來幫助學生理解圖像處理的理論和算法。同時以清華大學章毓晉編寫的《圖像工程（上冊）圖像處理和分析》與岡薩雷斯的《數(shù)字圖像處理》作為我們的輔助教材。

該教材共分八章三大部分，第一部分是數(shù)字圖像處理基礎(chǔ)，包括緒論、圖像處理基礎(chǔ)和圖象變換共三章。第二部分介紹圖像處理基本方法和技術(shù)，包括圖象增強、圖像恢復和重建、圖像壓縮編碼共三章。第三部分講述數(shù)字圖像分析的基本原理和技術(shù)，包括圖象分割和圖像描述共二章。對于應用型本科教學，我們對教材內(nèi)容進行適當增刪、重組。并劃分成如下內(nèi)容模塊：圖像基礎(chǔ)知識（圖像采集、量化與人眼視覺系統(tǒng)）、圖像變換、圖像增強、圖像恢復、壓縮編碼、圖像分割、圖像描述與圖像分類識別。課程教學的主要任務是系統(tǒng)地講授各個模塊的基本概念、基本原理與典型方法。目的是讓學生掌握圖像處理的基本理論和技術(shù)，建立一個比較完整的圖像處理和分析的理論體系，并了解和掌握常用的圖像處理和分析技術(shù)。

根據(jù)幾年的教學實踐經(jīng)驗，圖像描述與圖像分類識別應該屬于圖像理解的范疇，作為圖像工程的高一級別的內(nèi)容，可以在本科階段略講：而圖像基本概念、各種圖像變換、灰度圖像增強、圖像平滑、圖像銳化和彩色圖像處理的應用性比較強，且在生活中經(jīng)常會遇到此類的應用需求，應盡量詳講；頻域增強、圖像復原、圖像編碼和圖像分割的地位比較特殊，這些部分的數(shù)學知識比較多，現(xiàn)實中具有很大應用價值，應該予以講授。

1.2補充學課前沿知識

在每個模塊的內(nèi)容講授安排上，在注重基礎(chǔ)知識與經(jīng)典算法講授的前提下，按照由淺入深、由易到難的順序逐漸展開，并適當補充本領(lǐng)域中的一些新技術(shù)、新方法、新成果。例如：在講授圖像變換模塊時，其中的Fourier變換與離散余弦變換（DCT），學生在其他前期課程中有所接觸，相對來說學生容易接受與理解。在這個模塊我們要補充的前沿知識就是“小波變換”。小波分析是當前應用數(shù)學與工程學科中一個迅速發(fā)展的新領(lǐng)域，經(jīng)過近十年的探索研究，重要的數(shù)學形式化體系已經(jīng)建立。理論基礎(chǔ)更加扎實。與Fourier變換、DCT變換相比，小波變換是時間（空間）頻率的局部細化分析，它通過伸縮平移運算對信號（函數(shù)）逐步進行多尺度細化，最終達到高頻處時間細化，低頻處頻率細化，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節(jié)，解決了Fourier變通的困難問題，成為繼Fouri-er變換以來在科學方法上的重大突破，有人把小波變換稱為“數(shù)學顯微鏡”。小波變換聯(lián)系了應用數(shù)學、物理學、計算機科學、信號與信息處理、圖像處理、地震勘探等多個學科。它在信號分析、語音合成、圖像識別、計算機視覺、數(shù)據(jù)壓縮等方面的研究都取得了許多具有重大科學意義和應用價值的成果。再例如：在講授圖像平滑去噪模塊時，除了講解教材的均值濾波、中值濾波算法之外，還補充基于偏微分方程（PDE）的圖像去噪方法。在圖像處理與計算機視覺中采用PDE方法，是近些年以來圖像處理領(lǐng)域中的一個重要分支，因為它在圖像處理中具有更強的局部適應性（Local Adaptability）與高度的靈活性（Flexibility），并且日益成為相關(guān)領(lǐng)域研究者關(guān)注的一個熱點，在圖像去噪、邊緣檢測與圖像分割方面積累了豐富成果。

通過在課堂上適當?shù)匮a充學科前沿知識，不但可以開闊學生的視野，豐富學生的知識面，讓學生明白更多、更新的方法在教材之外，要學會查閱相關(guān)文獻，而不要局限于書本，從而激發(fā)學生的創(chuàng)新意識。同時，在各個模塊內(nèi)容的設(shè)計中要注重知識點之間、模塊之間以及本課程與其他課程之間的內(nèi)在聯(lián)系，既體現(xiàn)知識的內(nèi)涵，又關(guān)注知識產(chǎn)生的過程。既引導學生對當前所學內(nèi)容舉一反三，又能將新舊知識融會貫通。

2 教學過程的改革

2.1教學方式的選擇

《數(shù)字圖像處理》課程是一門既具有較強理論性又具有較強實踐性的學科，其中不但有基本概念與理論。還有許多具體的算法與應用舉例。所以，在教學過程中采用以“多媒體”為主，“粉筆+黑板”為輔的教學方式。多媒體教學手段的采用能使教學內(nèi)容由平面到立體，由抽象到具體，由文字到聲音圖像，這一教學手段的運用極大地增強了課堂教學的直觀性、互動性，調(diào)動了學生學習的主動性。而“粉筆+黑板”的板書可以用來進行公式的推導與演算，加強學生對公式的理解與記憶。

2.2項目式教學

為了有效地培養(yǎng)學生的應用能力，把基于項目式的教學策略引人課堂之中，以促進學生高級認知技能和問題解決策略的形成，將理論聯(lián)系實際，培養(yǎng)學生分析問題與解決問題的能力。這一策略的主要方法就是：在講授教材的知識點或具體算法時，先引入一個具體工程項目，通過對此項目的需求進行分析，讓學生知道我們將要學習的知識在項目的哪個環(huán)節(jié)可以得到應用。這樣既可以激發(fā)學生的求知欲，又能增強學生的學習興趣，調(diào)動學習的主動性。例如：在講授“圖像增強”這個模塊時，我們就以“視頻監(jiān)控”項目為背景，因為受光照條件、天氣變化（雨雪、大霧）等因素影響，采集的視頻圖像往往不清晰，視覺效果很差，但是，通過我們將要學習的圖像增強方法，可以大幅度地改善圖像的視覺效果，提高圖像的質(zhì)量，如圖1所示。

由于這一真實項目引領(lǐng)整個“圖像增強”模塊的學習過程，能夠有效提高學生的學習積極性，也有利于學生掌握該知識點的具體應用價值，提高學生對理論知識的綜合運用能力，從而提高學生分析與解決實際問題的能力。

3 試驗教學的改革

在以住《數(shù)字圖像處理》的試驗課中，通常都是在MatLab環(huán)境中，對課本中的一些算法進行重復性驗證，試驗內(nèi)容簡單枯燥，無法引起學生學習的興趣，更加不能使學生將所學的知識與實際生活中的應用需求相聯(lián)系。

針對上述問題，我們進行了如下改革：

（1）設(shè)置具有應用性的“學期項目”讓學生開發(fā)，激發(fā)他們的學習興趣。俗話說“興趣是最好的老師”，只要能夠激發(fā)學生的學習興趣，就能調(diào)動學生學習的主動性與積極性。為了調(diào)動學生的學習興趣，我們選擇兼具應用性與興趣性的試驗題目——例如“基于膚色特征的人臉分割”、“基于視覺相似性的圖像快速檢索”、“監(jiān)控圖像的增強與銳化”與“運動模糊圖像的恢復”等，學生根據(jù)這些“學期項目”，分成多個小組，每個成員在組內(nèi)具有明確的分工與任務，各負其責，共同完成“學期項目”軟件開發(fā)。

（2）在“學期項目”軟件開發(fā)時，鼓勵學生多采用教材之外的新理論與新方法，培養(yǎng)開拓創(chuàng)新能力。要求學生在了解試驗目的前提下，自己進行方案設(shè)計，選擇適當?shù)乃惴?。近些年以來，各種類型的圖像處理新理論與新方法層出不窮，在不同的應用場合，各自的優(yōu)點與缺點互不相同。鼓勵學生通過互聯(lián)網(wǎng)與學校的圖書館，查閱最新文獻，形成自己的特點，培養(yǎng)學生的科技創(chuàng)新能力。在試驗成功后，不但要進行試驗結(jié)果與算法性能分析，還要書寫軟件設(shè)計方案等文檔。

（3）組建圖像處理興趣小組。因為受課程學時限制，僅僅只利用課內(nèi)時間，則非常有限。我們就組建了圖像處理興趣小組，讓他們參加到教師的科研與項目中來，使學生在真實的項目研發(fā)中鍛煉自己的綜合能力。

最后，在期末之前安排兩周的時間對學生的“學期項目”進行集中檢查，檢查的內(nèi)容主要包括：①系統(tǒng)演示；②功能方面是否正確完整；③算法的適應能力是否魯棒；④算法的效率是否高效；⑤程序代碼是否規(guī)范；⑥試驗分析報告與PPT匯報。然后，根據(jù)這些方面的檢查情況，對學生的學習情況與動手能力進行評分。這是基于項目試驗教學改革的重要環(huán)節(jié)，不但可以督促“學期項目”完成的質(zhì)量，還能提高學生分析問題與解決問題的能力。

4 評價機制的改革

對于公選課的《數(shù)字圖像處理》課程，我們采用了“筆試+課堂表現(xiàn)+試驗考核”的一種綜合考核方式。其中筆試環(huán)節(jié)重點考察學生教材上的基本概念、基本算法等知識點記憶與掌握程度：課堂表現(xiàn)主要考察學生的學習態(tài)度，主要包括出勤率與讀書心得等內(nèi)容：試驗考核主要是考察學生綜合應用能力，其中包括所選“學期項目”的完成質(zhì)量與試驗分析報告與軟件設(shè)計文檔。

《數(shù)字圖像處理》作為一門實踐性、應用性都很強的課程，在考核時，要加大平時考查在最終成績認定中的比重，要重點突出“學期項目”完成質(zhì)量在學習中的重要性，從而激發(fā)學生實踐學習的主動性，提高學生的實踐能力、創(chuàng)新能力，最終達不到理想的教學效果。

此外，由于選修本門課程學生基礎(chǔ)各異，專業(yè)背景相差較大，采取“分層評價”也是一種應該提倡的方法。“分層評價”也是教學過程中的一個重要環(huán)節(jié)，它是根據(jù)學生的知識水平和學習能力的差異，對不同專業(yè)的學生采取不同的評價標準以及對他們的期望值。

5 結(jié)語

篇8

關(guān)鍵詞：人才培養(yǎng)；數(shù)字媒體技術(shù)；課程體系；游戲開發(fā)

1 背 景

江蘇省政府和南京市把計算機軟件產(chǎn)業(yè)作為優(yōu)先鼓勵發(fā)展的支柱產(chǎn)業(yè)，作為新興戰(zhàn)略性產(chǎn)業(yè)的重點發(fā)展。南京市政府特別重視計算機與信息產(chǎn)業(yè)的發(fā)展，提出提升規(guī)模、企業(yè)發(fā)展與創(chuàng)新的主要目標[1-2]。早在2011年，南京市委和市政府就提出《關(guān)于以打造一谷兩園軟件產(chǎn)業(yè)集聚區(qū)為重點高標準建設(shè)中國軟件名城的意見》，提出將南京建設(shè)為中國軟件名城的目標，計算機軟件產(chǎn)業(yè)業(yè)務收入預期達到4 000億元以上，并在2020年初步建成世界軟件名城。從軟件技術(shù)與專業(yè)人才培養(yǎng)角度來說，數(shù)字媒體技術(shù)作為計算機軟件產(chǎn)業(yè)中的一個重要發(fā)展方向，虛擬現(xiàn)實技術(shù)與人工智能近年來日臻活躍，越來越顯現(xiàn)出發(fā)展的活力與潛在的前景。數(shù)字媒體技術(shù)專業(yè)學生從總體上講應具有較扎實的計算機和數(shù)字媒體基礎(chǔ)知識，掌握數(shù)字媒體基礎(chǔ)、圖形圖像處理、音頻視頻處理、流媒體、虛擬現(xiàn)實、游戲編程等專業(yè)基礎(chǔ)知識；具備包括虛擬現(xiàn)實、多媒體編程、網(wǎng)絡(luò)游戲、數(shù)字圖像處理和計算機視覺等專業(yè)技術(shù)的能力，具有圖形、圖像、音頻、視頻處理及數(shù)字媒體應用系統(tǒng)開發(fā)的能力。

2 數(shù)字媒體技術(shù)專業(yè)預期形成的專業(yè)與人才特色

依據(jù)數(shù)字媒體產(chǎn)業(yè)中游戲行業(yè)對人才的迫切需求，以學生系統(tǒng)能力培養(yǎng)為主線，以新型應用型工程技術(shù)人才為培養(yǎng)目標，將當前游戲開發(fā)中的最新編程平臺與先進技術(shù)引入專業(yè)課程體系，按照網(wǎng)絡(luò)游戲與手機游戲開發(fā)工程師的知識和實踐能力組織課程的設(shè)置，通過計算機圖形學、三維建模、移動游戲開發(fā)編程、網(wǎng)絡(luò)游戲開發(fā)編程、Unity3D開發(fā)引擎的游戲開發(fā)技術(shù)等專業(yè)課程的設(shè)置，突出以游戲開發(fā)工程師為培養(yǎng)目標的學生實踐能力鍛煉。數(shù)字媒體技術(shù)專業(yè)依托行業(yè)內(nèi)企業(yè)多年的數(shù)字媒體產(chǎn)品開發(fā)經(jīng)驗與培訓能力，進行產(chǎn)教融合與校企合作辦學，突出以游戲開發(fā)為主的數(shù)字媒體技術(shù)方向的專業(yè)特色，更好地滿足人才培養(yǎng)目標定位需求，并為后期工程教育認證打下基礎(chǔ)。

3 數(shù)字媒體技術(shù)專業(yè)建設(shè)的主要內(nèi)容

3.1 以游戲開發(fā)為主要特色的課程體系建設(shè)

突出以游戲開發(fā)為主要特色的數(shù)字媒體技術(shù)培養(yǎng)方向，主要專業(yè)基礎(chǔ)與專業(yè)課程由以下組成：數(shù)字媒體技術(shù)基礎(chǔ)、計算機網(wǎng)絡(luò)、算法與數(shù)據(jù)結(jié)構(gòu)、計算機圖形學、三維建模、操作系統(tǒng)、面向?qū)ο蟪绦蛟O(shè)計、網(wǎng)絡(luò)游戲開發(fā)編程、移動游戲開發(fā)編程、游戲UI設(shè)計、游戲算法、游戲開發(fā)技術(shù)、圖形處理技術(shù)等。課程的總體分布與關(guān)系見表1。

我們多選用新出版的優(yōu)秀教材，將教材的適用性作為教學過程控制的主要監(jiān)測點。對于知識更新較快的課程，組織有經(jīng)驗的教師自編教材并及時修訂，跟蹤反映數(shù)字媒體技術(shù)產(chǎn)業(yè)的新技術(shù)、新成果。

3.2 實踐實訓基地建設(shè)

產(chǎn)學研結(jié)合的實踐教學模式是計算機類專業(yè)辦學的一大特色[3]，學院始終把創(chuàng)建校外產(chǎn)學研實習基地工作放在重要位置，使得學生獲得實際的研究、開發(fā)、設(shè)計的實踐教學機會，全方位、系統(tǒng)地培養(yǎng)學生的技術(shù)應用能力和創(chuàng)新能力[4]。目前，數(shù)字媒體技術(shù)專業(yè)依托的計算機工程學院，同東軟集團股份有限公司、中軟國際集團有限公司、南京麥瑞克科技有限公司、江蘇萬和等多家大中型企業(yè)簽訂了《共建教育實習基地協(xié)議書》。通過校外實習基地，學生能夠參與數(shù)字媒體產(chǎn)品開發(fā)過程，在實踐中加強學生的實際工作能力[5]，從而達到培養(yǎng)綜合素質(zhì)高、創(chuàng)新能力強、富有團隊精神的應用型高級數(shù)字媒體技術(shù)專業(yè)人才的目標。學生從第6學期的專業(yè)實習、第7學期的工程項目實踐與畢業(yè)實習參與到學院合作方――南京麥瑞克科技有限公司的研發(fā)項目中，專業(yè)實習與工程項目實踐是數(shù)字媒體技術(shù)方向的重要教學環(huán)節(jié)。通過專業(yè)實習與工程項目實踐，學生能夠系統(tǒng)地掌握游戲開發(fā)的知識體系和整個流程，以及具體案例的開發(fā)過程，鍛煉自身的實踐動手能力。學生在實訓中掌握了企業(yè)項目實際管理流程，提高了適應能力。學生以實踐開發(fā)小組為單位完成相關(guān)系統(tǒng)功能與模塊設(shè)計，撰寫相應的策劃文檔以及開發(fā)規(guī)范文檔，根據(jù)設(shè)計選擇相應的技術(shù)進行資源優(yōu)化和打包，對于系統(tǒng)進行集成開發(fā)與部署。開發(fā)報告應包含組員角色及分工、系統(tǒng)的分析和設(shè)計報告、項目開發(fā)流程管理的要點、實踐總結(jié)等內(nèi)容，并附有軟件系統(tǒng)的完整開發(fā)用例源代碼。指導教師根據(jù)實踐的情況，包括實踐小組的講解和演示，總結(jié)實踐開發(fā)的收獲、創(chuàng)新與成果。

專業(yè)實習是綜合性實踐環(huán)節(jié)，通過專業(yè)實習可以讓學生理解游戲系統(tǒng)的完整開發(fā)過程。專業(yè)實習涉及游戲UI設(shè)計、三維建模、圖形處理技術(shù)等核心專業(yè)基礎(chǔ)及專業(yè)課程。通過專業(yè)實習，學生可以在游戲開發(fā)的方法和技術(shù)、系統(tǒng)分析與設(shè)計、計算機軟硬件的配置與管理、虛擬現(xiàn)實開發(fā)等方面得到鍛煉。通過建模，學生可以完整地理解游戲場景系統(tǒng)開發(fā)的整個過程。例如在游戲場景房屋模型制作項目，通過三維建模與一些基本的操作命令，學生可以搭建常見游戲場景中的房屋模型，完成房屋模型制作的工作，為以后制作大型場景打下技術(shù)基礎(chǔ)。

工程項目實踐涉及面向?qū)ο蟪绦蛟O(shè)計、C#程序設(shè)計、移動游戲開發(fā)編程、游戲開發(fā)技術(shù)等核心專業(yè)課程。工程項目實踐的內(nèi)容包括聯(lián)機火線戰(zhàn)爭、虛擬旅游、跑酷類游戲等綜合性游戲開發(fā)項目，讓學生對游戲的開發(fā)流程有詳細的了解，熟練使用Unity游戲引擎工具，在游戲的策劃―游戲的界面交互設(shè)計―游戲的開發(fā)邏輯―游戲優(yōu)化―游戲―游戲上傳等整個游戲開發(fā)全生命周期內(nèi)進行綜合性工程項目實踐，同時工程項目實踐有利于培養(yǎng)學生的書面表達能力、全面策劃思考能力、自主學習能力、需求研發(fā)能力和探索創(chuàng)新能力。

3.3 合作辦學

2016年起，金陵科技學院計算機工程學院與澳大利亞昆士蘭理工學院（QUT）合作，采用“2+2”聯(lián)合培養(yǎng)模式，共同培養(yǎng)數(shù)字媒體技術(shù)專業(yè)的本科人才。QUT課程體系采用CDIO工程教育思想，著重鍛煉學生的綜合素質(zhì)和能力。自2016年開始學院在數(shù)字媒體技術(shù)專業(yè)人才培養(yǎng)方案中嵌入NIIT（National Institute of Information Technology，印度國家信息技術(shù)學院）課程模塊，培養(yǎng)具備國際視野的數(shù)字媒體技術(shù)專業(yè)人才。2016年數(shù)字媒體技術(shù)專業(yè)的計劃招生人數(shù)為40人，班級為正常教學班，不單獨針對國外學習而組班。在新生入學教育時，鼓勵學生通過雅思考試，在大學三年級申請去昆士蘭理工學院深造。數(shù)字媒體技術(shù)的人才培養(yǎng)借鑒了澳洲高等教育教學的先進模式和成功經(jīng)驗，包括外方優(yōu)秀的教學形式、考核方式及評估標準。合作教育將由引進外方優(yōu)秀教師與中方資深教師共同完成。在大學一年級下學期做雅思考試動員，相應的英語課程引導學生進行雅思綜合英語、雅思口語、雅思讀寫、雅思聽說、英語語言和文化、學術(shù)英語課程的學習，為雅思考試做好準備。通過雅思考試的學生可以申請出國學習，國外第二階段的專業(yè)課學習將采用全英文學習。通過國外的系統(tǒng)學習，學生將全面地掌握網(wǎng)絡(luò)游戲、手機游戲、虛擬現(xiàn)實等數(shù)字媒體相關(guān)的基本理論與方法，能綜合運用所學知識與技能去分析和解決數(shù)字媒體領(lǐng)域的實際問題，同時擁有專業(yè)和外語雙重素質(zhì)，成為富有責任心和創(chuàng)新能力的國際化應用型優(yōu)質(zhì)人才。出國的學生完成昆士蘭理工學院后兩年的專業(yè)課程學習，畢業(yè)時將獲得雙學位證書。未出國的學生按照教學計劃繼續(xù)完成國內(nèi)的學業(yè)，畢業(yè)時將具有較強的計算機技術(shù)應用能力，能熟練使用常見游戲開發(fā)及虛擬現(xiàn)實軟件，掌握信息檢索、文獻檢索、資料查詢的基本方法，具有獨立獲取知識、較強的綜合分析與管理的能力及一定的科學研究能力。

昆士蘭理工學院數(shù)字媒體技術(shù)專業(yè)的8門專業(yè)基礎(chǔ)課為：Programming for Visual Design、Real-time 3D Computer Graphics、Data Structures and Algorithms、Databases、Computer Games Studies、Virtual Environments、Software Development、AI for Games。我院數(shù)字媒體技術(shù)專業(yè)大一、大二的教學計劃中與之對接的課程是：視覺設(shè)計編程、實時3D計算機圖形學、算法與數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫系統(tǒng)原理、計算機游戲基礎(chǔ)、三維建模、面向?qū)ο蟪绦蛟O(shè)計、游戲開發(fā)中的人工智能8門課。由于這8門課程基本為專業(yè)基礎(chǔ)課，因而數(shù)字媒體技術(shù)專業(yè)大一、大二的教學計劃對于國內(nèi)和準備去國外學習的學生而言都通用，可以做到跟后續(xù)專業(yè)課程的無縫對接。在教學計劃中，我院上述8門課程使用昆士蘭理工學院的教材、課件等教學資料，按昆士蘭理工學院的要求完成教學任務。視覺設(shè)計編程（Programming for Visual Design）課程以C#課程為切入點講授數(shù)字娛樂產(chǎn)業(yè)涉及的編程技術(shù)；三維建模（Virtual Environments）主要講解三維建模內(nèi)容；游戲開發(fā)中的人工智能（AI for Games）以講解游戲算法為主。將國外實時3D計算機圖形學、游戲開發(fā)中的人工智能、視覺設(shè)計編程、三維建模與實時渲染技術(shù)等最新的課程逐步地引入我院數(shù)字媒體技術(shù)專業(yè)的教學體系，不斷促進專業(yè)水平的提高。

4 結(jié) 語

實踐證明，我校數(shù)字媒體技術(shù)的人才培養(yǎng)計劃的實施，進一步完善了應用型工程型本科人才培養(yǎng)體系，國內(nèi)IT企業(yè)能深度地參與本專業(yè)的人才培養(yǎng)，校企融合共同培養(yǎng)適應“長三角”地區(qū)數(shù)字媒體技術(shù)的人才；同時，通過國際合作開闊了學生的視野，為南京以及長三角的游戲產(chǎn)業(yè)高層次的軟件開發(fā)人才培養(yǎng)打下基礎(chǔ)。我校數(shù)字媒體技術(shù)專業(yè)將強調(diào)對游戲開發(fā)能力培養(yǎng)，注重從游戲算法的角度解決游戲開發(fā)中遇到的實際問題。今后我們將進一步精選企業(yè)課題，將課題與學生工程項目實踐、畢業(yè)設(shè)計高度結(jié)合，實現(xiàn)學生實習到就業(yè)的無縫對接。

參考文獻：

[1] 張燕， 史金芬， 沈奇. 改革教學模式培養(yǎng)高素質(zhì)軟件人才[J].金陵職業(yè)大學學報， 2003， 18（4）： 18-20.

[2] 劉鈺， 張燕， 沈奇， 等. 卓越工程師計劃下的嵌入式軟件人才培養(yǎng)[J]. 計算機教育， 2014（9）： 48-51.

[3] 沈奇， 張燕， 羅揚. 應用型本科實踐教學體系的構(gòu)建及改革[J]. 實驗技術(shù)與管理， 2010（12）： 39-41.

篇9

認知計算互聯(lián)網(wǎng)保險應用

一、認知計算的涵義及特點

認知源于心理學里的概念，《辭?！穼⑵浣忉尀槿祟愓J識客觀事物，獲得知識的活動，包括知覺、記憶、學習、言語、思維和問題解決等過程，是對外界信息積極進行加工的過程。通常使用的認知技術(shù)包括機器學習、計算機視覺、語音識別、自然語言處理和機器人學等。

認知計算技術(shù)，基于算法、數(shù)據(jù)、軟件、硬件實現(xiàn)，關(guān)鍵特點是理解、推理和學習。理解是通過感知和互動，快速理解數(shù)據(jù)，實現(xiàn)用戶交互，從而理解、回答用戶的問題。推理是憑借假設(shè)生成技術(shù)，透過數(shù)據(jù)揭示洞察力、模式和關(guān)系，以多種方式進行認知，產(chǎn)出多種結(jié)果。學習是能夠從所有文檔中快速提取關(guān)鍵信息。通過追蹤用戶反饋和專家訓練，不斷進步，提升解答能力。

二、認知計算的商業(yè)化應用

2011年，IBM沃森帶來認知計算的概念，當時人們對這項吸引眼球的新奇技術(shù)能做些什么還非常懵懂。沃森通過解讀自然語言來分析數(shù)據(jù)，有的成了醫(yī)生，有的擔任教師助手，有的成為一流的廚師，還有一個贏得了電視智力競賽《危險邊緣》的冠軍，成為人工智能打敗人類的經(jīng)典案例。五年后的今天，隨著物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)技術(shù)的發(fā)展與應用，認知計算的商業(yè)化應用越來越值得期待。

認知計算的商業(yè)化應用或?qū)聿豢伤甲h的變化。在醫(yī)療領(lǐng)域為疑難雜癥快速提供診療方案，幫助企業(yè)從大量數(shù)據(jù)中發(fā)掘、洞察增強預測和決策能力；在旅游、美食等領(lǐng)域幫助人們獲得更好的生活體驗；甚至幫助紅毯上的模特設(shè)計出“會表達情緒的時裝”。認知計算使得機器人更加接近于人類的需求，這些應用將造福于人類，值得更多期待。

根據(jù)德勤研究報告，認知計算技術(shù)或?qū)⒃谝韵氯齻€企業(yè)級軟件市場中發(fā)揮作用。一是企業(yè)級應用軟件市場專注于利用計算機的力量來達成特定目標。比如解決如何向大量匿名用戶進行線上營銷的問題，采用機器學習去發(fā)掘某一網(wǎng)站的新用戶與之前具有相似行動的用戶之間行為上的關(guān)聯(lián)，目標就是為了使該網(wǎng)站的用戶體驗更好，并將其轉(zhuǎn)化成銷量。二是企業(yè)級基礎(chǔ)軟件市場為公司建立、運行，以及管理IT資源的表現(xiàn)提供工具。比如利用機器學習能力提升應用系統(tǒng)的日志工具，可以將具有類似服務器問題的事件歸為一類，以方便IT經(jīng)理辨認這是一個正在發(fā)生的問題、還是實時信息導致的不尋常的計算趨勢。三是特定垂直軟件關(guān)注一個狹窄的領(lǐng)域，常體現(xiàn)為一個獨立的軟件應用。比如一套獨立的腫瘤學應用，通過移動和桌面設(shè)備，深度機器學習可以分析大量的病患記錄并基于現(xiàn)有記錄提供潛在的治療手段。

在銷售方面，機器人可能比人類做得更好。日本大阪大學智能機器人實驗室科研人員曾開發(fā)出一個生動的女機器人，將其放入一家百貨商店內(nèi)，銷售一款100美元的羊絨衫。在試驗期間，機器人接待的消費者數(shù)量是商場銷售員接待數(shù)量的2倍。通過與IBM沃森云計算平臺合作，軟銀旗下第一款可感知人類情緒的機器人Pepper的“智力”進一步得到強化，Pepper或?qū)⒁浴颁N售員”的身份入駐日本最大的電器銷售商山田電機（Yamada Denki）。之前，Pepper曾幫助銷售過智能手機和咖啡機等商品，但工程人員希望強化Pepper提供相關(guān)信息的能力，與消費者進行更豐富的互動。Pepper與人類進行徹底的無障礙交流仍存在困難，需要進行更多神經(jīng)式網(wǎng)絡(luò)的培訓。據(jù)悉，軟銀接受其他企業(yè)對Pepper的租賃訂單，每月租金為55000日元，僅為日本平均最低工資的一半。

三、認知計算技術(shù)在互聯(lián)網(wǎng)保險的應用前景

近兩年互聯(lián)網(wǎng)保險保費規(guī)模實現(xiàn)爆發(fā)增長，互聯(lián)網(wǎng)保險滲透速度加快。越來越多的保險公司意識到互聯(lián)網(wǎng)保險不僅是銷售渠道的變遷，還是依照互聯(lián)網(wǎng)的規(guī)則和習慣，對現(xiàn)有保險產(chǎn)品、運營和服務模式的深刻變革?；ヂ?lián)網(wǎng)保險，一方面把傳統(tǒng)的保險產(chǎn)品搬到互聯(lián)網(wǎng)上銷售，并提供配套的產(chǎn)品服務；另一方面利用互聯(lián)網(wǎng)經(jīng)濟的新型消費場景，提供創(chuàng)新型保險產(chǎn)品。互聯(lián)網(wǎng)保險打破時間和空間的限制，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能以及移動設(shè)備等新技術(shù)的興起，或?qū)⒂瓉肀ｋU行業(yè)的一場深刻變革。

認知計算技術(shù)可以幫助保險企業(yè)更好地認知客戶、也更深刻地認知自己。認知客戶，知道客戶所想所需，改進保險銷售和服務，解決痛點問題；認知企業(yè)，找到運營管理盲區(qū)，提升內(nèi)部運作效率。

在《2016年中國互聯(lián)網(wǎng)保險行業(yè)研究報告》中指出，人工智能最先改造保險的銷售渠道。美國的一家保險科創(chuàng)公司使用智能機器人銷售車險保單，只要拍下車牌號并發(fā)送給機器人，它就能搜索到用戶的個人信息和駕駛記錄，從而推薦合適的險別。同時，通過減少人數(shù)來提高效率的成本策略，例如，呼叫中心通過將第一層顧客支持自動化來減少需要聘用的員工。

不管是服務型還是銷售型的呼叫中心，通常采用傳統(tǒng)的IVR技術(shù)提供服務菜單，受限于數(shù)字鍵盤的數(shù)量和語音逐條播報耗時較長，尋求服務的用戶最希望的還是用最快的速度找到人工客服，解決問題；尋求產(chǎn)品的用戶希望用最快的速度觸達產(chǎn)品，減少等待。而呼叫中心面臨的挑戰(zhàn)是基于接線率靈活快速配置人力資源，而不單純地通過增加人數(shù)來提升接線率。大數(shù)據(jù)時代，認知計算與呼叫中心技術(shù)有著天然的默契，在一定程度上幫助合理配置人力。在與用戶通話的另一端安裝上智慧的“大腦”。

針對服務型呼叫中心，可以利用認知技術(shù)，將標準服務話術(shù)的知識庫安裝到認知智能應答機器人的大腦，降低企業(yè)培訓和人力成本。針對銷售型呼叫中心，具有認知計算大腦的機器人可以承擔簡單地銷售業(yè)務場景，例如解決呼入溢出場景的預約投保，解決銷售過程質(zhì)量的自動回訪，幫助老客戶續(xù)簽新一年保單，為新客戶提供粗略產(chǎn)品報價、解釋營銷活動和贈品規(guī)則等。也可以結(jié)合社交媒體、用戶網(wǎng)購、駕駛行為等多維度數(shù)據(jù)，分析客戶類型，幫助人工坐席更好地理解客戶。

認知時代，機器或?qū)⒆兂上乱淮嬎銠C，因為計算的能力，對于機器學習算法的理解，對于大腦的研究都在往前走。計算可以帶來更多的突破。我們拭目以待。

參考文獻：

[1]董超，畢曉君.認知計算的發(fā)展綜述[J].電子世界，2014（15）：200-200.

篇10

“機器學習對我而言，是為了讓人類能夠不用像機器那樣去做事?！?1月10日，在Google公布開源第二代機器學習系統(tǒng)的第二天，Google母公司Alphabet董事長施密特(EricSchmidt)通過視頻向包括《第一財經(jīng)日報》在內(nèi)的媒體表示。

面對在場媒體，施密特舉例稱：“你們都是記者，在會場還要不停地用電腦打字，而不只是聽和說。為什么不能讓機器去做比如制造業(yè)的重復工作、很多打字的工作？”他預計，在Google公布開源第二代機器學習系統(tǒng)之后，尤其是在醫(yī)療、游戲、教育等領(lǐng)域，機器學習將發(fā)揮巨大的價值。

機器學習背后的黑科技

機器具備學習能力究竟有多重要？Google科學研究員GregCorrado做了一個比喻：“機器學習就像火箭助推器，而大量的數(shù)據(jù)就是火箭的燃料?！?/p>

谷歌機器學習的原理是：用眾多的電腦模擬人腦中的“神經(jīng)元”，形成一個人的“神經(jīng)網(wǎng)絡(luò)”(ArtificialNeuralNetwork)。它不需要借助大批研究人員幫助電腦標明事物之間的差異，只要為算法提供海量的數(shù)據(jù)，“神經(jīng)元”與“神經(jīng)元”之間的關(guān)系將會發(fā)生變化，讓數(shù)據(jù)自己說話，讓組成“神經(jīng)網(wǎng)絡(luò)”的機器具備自動學習、識別數(shù)據(jù)的能力，在新的輸入中找出與學到的概念對應的部分，達到機器學習的效果。

例如，當人們需要計算機辨別圖片內(nèi)容的時候，各個人工神經(jīng)元就會把所抓取的信息傳遞給被設(shè)置為“決策者”的神經(jīng)元上，它們通過統(tǒng)觀其下層所有神經(jīng)元所呈現(xiàn)的信息，結(jié)合案例、數(shù)據(jù)的分析及算法最終得出結(jié)論。

事實上，谷歌對于機器學習的研究要追溯到7~8年前的語音技術(shù)開始。但施密特透露，機器學習這一技術(shù)取得突破性進展，是發(fā)生在計算機視覺領(lǐng)域。

三年前，Google科學家杰夫·狄恩(JeffDean)在接受《第一財經(jīng)日報》采訪時透露，“GoogleX”實驗室通過連接16000臺計算機處理器，創(chuàng)建了一個機器學習的神經(jīng)元網(wǎng)絡(luò)系統(tǒng)。結(jié)果發(fā)現(xiàn)，這個系統(tǒng)自行創(chuàng)建了貓這個概念并且自學了對貓的辨認，這就是“自我學習”。

不過，當時的谷歌機器學習還只是一個實驗項目，局限于認知類的簡單工作。幾年過后的今天，谷歌的機器學習已經(jīng)從識別谷歌應用中的語言和圖片的第一代機器學習系統(tǒng)“DistBelief”更新到了第二代的TensorFlow系統(tǒng)，并且應用于Gmail、GooglePhotos、Google翻譯、YouTube等產(chǎn)品中。

Google研究員GregCorrado告訴記者，利用機器學習技術(shù)，Gmail電子郵件服務的垃圾郵件攔截率提高到了99.9%，誤報率降低至0.05%。這背后的原因就是，在垃圾郵件過濾器中引入了機器學習，這一技術(shù)能夠通過分析大量計算機上的電子郵件學習識別垃圾郵件和釣魚郵件。更重要的是，機器學習能夠適應不斷變化的情況，而非只是利用預先設(shè)置好的規(guī)則攔截垃圾和釣魚郵件，它還能在運行過程中自己創(chuàng)建新的規(guī)則。

而另一個能代表這項技術(shù)的最新產(chǎn)品是，谷歌在Gmail上推出智能自動回復功能SmartReply。SmartReply是基于Google機器學習系統(tǒng)，對海量郵件里的場景、郵件寫作風格和寫作語氣進行分析，從而幫助用戶篩選適合語境的回復短句。

“一小步”與“一大步”

“在Google內(nèi)部，現(xiàn)在機器學習已經(jīng)是谷歌搜索中第三大重要的技術(shù)?！盙regCorrado對記者說，人工智能是科學家希望機器變得更智能，從經(jīng)驗和數(shù)據(jù)中學習?！笆謩尤ゾ幊虣C器顯然沒有讓它自己學習來得更有效?！?/p>

不過，實現(xiàn)機器學習的訓練過程仍然漫長。在這個過程中，機器需要做大量測試、調(diào)整和適配工作，也很有可能犯一些人們不大可能犯的錯誤。

這也正是Google把機器學習系統(tǒng)的大門向業(yè)界工程師、學者和擁有大量編程能力的技術(shù)人員敞開的原因，希望業(yè)界將TensorFlow實現(xiàn)各種各樣的機器學習算法，同時也為其在各種場景下的應用帶來改進。

“例如，計算機的視覺如果比人更好，為什么還要人去開車？應該讓機器開車?，F(xiàn)在是醫(yī)生看X光，未來如果讓機器看是否會做出更準確的診斷？”施密特說，“在開源之后，如果全世界的聰明人都將給Google很好的回饋，Google會有更好的發(fā)現(xiàn)，讓產(chǎn)品和服務更完美?！?/p>

他同時提到，機器學習非常善于預測時間先后順序的事件的發(fā)生，自己尤為看好機器學習在醫(yī)療、游戲、教育等領(lǐng)域發(fā)揮的價值。“甚至我們競爭對手的團隊都會用它，這就是谷歌不同于別人的原因?！?/p>

對于目前Google機器學習的開放策略，GregCorrado表示，一方面，Google開放機器學習，在于鼓勵大家從不同角度去研究，即使在Google內(nèi)部，也不只是一種方法去做機器學習；另一方面，Google已經(jīng)和學術(shù)界、企業(yè)界、不同的實驗室合作，例如Facebook、百度等。

他同時認為，機器學習并不是魔術(shù)，不要盲目地認為機器學習就一定比沒有機器學習的好，它只是工具，能夠讓研究人員轉(zhuǎn)化他們瘋狂的創(chuàng)意，而不需要他們重新編寫代碼。