光学识别技术篇1

【关键词】中药鉴定；近红外光谱；应用

我国中药材种类繁多，来源较多，药物质量参差不齐，对于中药的鉴定工作带来了一定的困难，传统上常用的根据性状鉴定，显微鉴定，根据理化性质鉴定等虽然可以在一定程度上鉴定重要良莠，但是前两种方法需要积累一定经验，而理化鉴定耗费的时间很长[1]，因此，找到一种操作简单，结果可靠的鉴定方法至关重要，本文主要分析总结了近红外光谱技术对于中药品种、真假及产地等特性鉴定中的作用。

近红外光是一种波长在可见光与中红外光之间的一种电磁波，是21世纪以来发展较为迅速的高新技术之一，其将电子技术、光谱技术、计算机技术及化学技术融为一体，在对于复杂样品的分析中具有重要的作用，其操作简单，分析迅速，效率高，花费少，结果重复性好[2]，同时采用近红外光谱技术在检测过程中样品不需要处理，不会破坏受检品，使得在线分析便于实现，是一种典型无损伤的分析方法，已经得到了广泛应用。

1近红外光谱技术的原理及其特点

11原理近红外光谱技术是一种结合了光谱技术与化学技术的新型检测技术，是近年来发展较快的分析方法，其主要是以分子的振动为基础，但是与中红外的分子振动不同，近红外区的振动频率比较高，分子主要是采用倍频吸收（含氢集团）及合频吸收两种方式对其吸收，近红外光谱技术主要是通过测定相应的光谱，利用其组成或者性质的相关数据库，采用适当的化学方法建立准确的校正模型[3]，将未知样品与建立的校正模型进行比较，从而达到定性及定量分析。

12近红外光谱技术特点①分析速度快，一般在30s内就可以鉴定完成。②操作及制备样品简单易行。③一次样品采集即可以完成多种指标的检测。④当模型建立后，不需要其他化学方法，在检测过程中不使用有毒试剂。⑤是一种非破坏性的检测方法。⑥精确度及准确度较高，结果可靠。

2近红外光谱技术在中药鉴定中的应用

21近红外光谱技术在鉴定中药真伪中的应用利用近红外光谱技术能够准确迅速的鉴定出多种不同的中药药材，有研究[4]对于16种不同的中药药材进行近红外光谱扫描，根据光谱图可以准确地看到峰位置、峰数目及峰强度之间的差异，根据这些差异鉴定不同的中药材。

22近红外光谱技术在鉴定中药品种中的应用应用近红外光谱技术中的聚类分析的方法，可以鉴别不同的中药品种，利用近红外光谱的谱图的特征，能够有效地鉴别形态相似或者种属关系较近的中药品种。

23近红外光谱技术在鉴定中药产地中的应用对于中药产地的鉴定是近红外光谱技术较为鲜明的优势，与传统方法相比，近红外光谱技术可以准确的判断中药是否来源于较好的产度，为鉴别其质量优劣提供基础。

24近红外光谱技术对中成药的定性鉴定中药复方是一种不同配伍比例的混合物，传统分析方法对其鉴定存在一定的困难，近红外光谱技术与聚类方法结合能够很好的鉴别出中药复方的成分，其主要是借助不同组分的指纹图谱，根据它们之间的差异建立一种识别模型，从而达到对于不同配伍比例的中药复方的鉴别。

3近红外光谱技术的缺陷

虽然近红外光谱技术在中药鉴定中应用如此广泛，鉴定效果准确可靠，但是其仍然存在以下缺点[5]：①应用近红外光谱技术对样品进行检测，其组分的含量应该在01%以上，因此，其检测的灵敏度较低，对于中药中含量较低的组分并不能准确反映。②近红外光谱技术在对中药材进行鉴定时，需要对原始图谱应用准确的数据处理方法进行。

近年来，近红外光谱技术在中药鉴定中的应用越来越引起人们的关注，其对于解决中药产品鉴定中的困难具有很好的应用前景，由于近红外光谱技术需要建立准确的校正模型，从而对样品进行定性及定量分析，其准确度及精密度较高，检测速度快，是一种无损伤的检测技术，可以在中药鉴定中广泛应用。

参考文献

[1]刘沭华，张学工，周群，等近红外漫反射光谱和模式识别技术鉴别中药材产地光谱学与光谱分析，2006，26（4）：629632.

[2]龚海燕，宋瑞丽，李珊，等近红外光谱结合一致性检验对铁棍山药的鉴别研究.计算机与应用化学，2010，27（7）：967969.

光学识别技术篇2

关键词：番茄（LycopersiconesculentumMill.）黄化曲叶病；抗病性；近红外光谱；光谱预处理；支持向量机

中图分类号：S123；O657.33文献标识码：A文章编号：0439-8114（2017）05-0953-04

DOI：10.14088/ki.issn0439-8114.2017.05.042

StudyofIdentifyingTomatoYellowLeafCurlDiseaseResistanceBasedonNear-infraredSpectroscopyAnalysisTechnique

YANGZeng-chong，LIUGui-li，LIXiang

（SchoolofInstrumentScienceandOptoElectronicsEngineering，BeijingInformationScience&TechnologyUniversity，Beijing100192，China）

Abstract：Geneoftomato（LycopersiconesculentumMill.）yellowleafcurldiseaseresistancehasbeendetectedbyusingpolymerasechainreaction.Thismethodiswidelyusedtodeterminethediseaseresistanceoftomatoplants.Thenear-infrareddiffusereflectancespectroscopyoftheidentifiedsampleswascollected.ThentheoriginaldataandthedatapreprocessedbydifferentmethodsareusedastheinputofSupportVectorMachine（SVM）tobuildthemodeltojudgewhetheratomatoplantisresistanttothedisease.ExperimentalresultsshowthatthemodelwhichusedthecorrectionmethodofStandardNormalVariateandDetrendinghadthebestperformanceandtherecognitionaccuracyofthetestsetcanreach96.1538%.TheresultprovesthatitisfeasibletoidentifytheresistanceofTomatoYellowLeafCurlDiseasebyNearInfraredSpectroscopy.

Keywords：tomato（LycopersiconesculentumMill.）yellowleafcurldisease；resistance；NIR；spectralpretreatment；SVM

番茄（LycopersiconesculentumMill.）因其I养丰富、高产等特点已经成为中国乃至世界上的重要农作物之一。番茄黄化曲叶病（TYLCD）会使番茄幼苗生长缓慢甚至停滞，后期感染这种病也会影响果实的产量和品质，甚至造成绝收，已成为限制番茄生产的重要病害之一[1]。黄化曲叶病病毒（TYCLV）自然条件下通过烟粉虱传播和扩散，烟粉虱繁殖能力强，寄主广泛，易产生抗药性，难以从寄主方面阻止病毒的传播和扩散。再加上TYCLD易爆发、扩散迅速[2]，选取具有抗病性的番茄植株进行精细化的栽培能够保障植株后期的发育成长，保证番茄的产量和经济收益。

国内外已经针对番茄黄化曲叶病抗病性的鉴定提出了多种方法，如嫁接接种鉴定、农杆菌接种鉴定、基因枪轰击法接种鉴定、烟粉虱浸染接种、田间自然接种等[3]，但这些方法都相对费时或者费力，不能够在大面积栽培前鉴定幼苗的抗病性。目前，广泛采用的聚合酶链反应技术（PCR）经过对番茄DNA的提取、酶切、扩增、电泳、凝胶等步骤，能够标记识别番茄抗TYCLV的抗病基因，完成对植株是否具有抗TYCLV特性的识别，可靠性强[4]。虽然该技术结果可靠，但其过程繁琐，对操作者有较高的技术要求，所用部分试剂对人体有危害，仍然存在耗时、污染环境的缺陷。

近红外光谱分析技术（NIR）能够快速、无损、高效的对样品进行定量或定性地检测识别，已经被广泛用于食品、农业、医学等众多领域。在农业上，利用NIR技术可以测定油菜种子的品质[5]，实现对番茄叶片灰霉病病害程度准确、快速的检测[6]，识别番茄细菌性叶斑病的病害程度[7]。但在国内应用NIR识别番茄植株抗病性的研究鲜见报道。通过PCR技术检测番茄黄化曲叶病的抗病基因，证明抗病基因存在的同时，番茄抗病基因能够在其光谱特征曲线上体现[8]，通过光谱分析技术识别番茄光谱特征曲线上的差异，实现对番茄抗病性的识别。本研究以北京市农林科学院蔬菜研究中心培育的番茄品种佳红4号为对象，利用NIR技术对番茄黄化曲叶病抗病性进行初步分类研究，获得了良好的分类效果，为番茄选育提供一种新的有效检测手段，进而降低农户的种植风险，保障其经济收益。

1材料与方法

1.1试验材料

采用荷兰爱万提斯生产的近红外光谱仪，型号为AvaSpec-NIR256-1.7。配套使用的光源为Avalight-HAL，波长范围360～2500nm。采用的光纤是标准型反射探头FCR-71R400-2-ME，参考瓦为WS-2。所用番茄植株为北京市农林科学院蔬菜研究中心培育的佳红4号。

1.2试验方法

1.2.1光谱采集植物的冠层叶片在很大程度上反映植株的健康程度，而抗病性检测是分析番茄植株因基因差异所产生的最本质的不同，无论冠层还是其他叶片，抗病与感病植株之间的差异都会存在。若只选取冠层叶片，很可能引入反映植株健康程度因子这一干扰，进而影响抗病性识别模型的识别准确度。基于这种考虑，在实际采集番茄叶片的反射光谱时，选取了番茄植株不同部位分别取样。

在正式开始采集番茄叶片光谱数据前，先对番茄植株进行PCR检测，判断植株有无抗性基因（Ty-1、Ty-3a），以此结果作为后期建模和预测时的分类真值。每棵植株不同部位取2～3片叶，共采集了234个叶片样本，其中具有抗性基因（抗病）的样本97个，缺少抗性基因（感病）的样本137个。鉴于番茄叶片也可近似的看作粉状材料，光谱采集采用漫反射测量法[9]。使用对应的软件在室温下采集叶片光谱时，积分时间设置为10ms，平均扫描数设定为2（即所得光谱是2次扫描的平均值）。对已经测得的光谱按2∶1划分成训练集和预测集，其中训练集156个样本（感病样本92个、抗病样本64个），预测集78个样本（感病样本45个、抗病样本33个）。

1.2.2数据预处理及建模由于是漫反射测量，为了消除叶片化学成分浓度和物理特性（固体颗粒大小、表面散射、厚度等）的影响，采用多元散射校正法（MSC）、标准正态变量变换法（SNV）以及标准正态变量变换和去趋势算法（Detrending）相结合分别对原始光谱进行预处理，原始光谱以及预处理后的光谱如图1所示。利用支持向量机（SVM）模式识别与回归的软件包LIBSVM对训练集和预测集进行建模和预测[10]，选用径向基函数K（xi，xj）=exp{-？酌||xi-xj||2}为内核。SVM需要解决以下优化问题[11]：

■=■wTw+c■ξi

s.t.yi（wTxi+b）≥1-ξiξi≥0，i=1，…，n

其中，w为权向量，c为惩罚因子，ξ为松弛变量，xi为第i个番茄样本的近红外光谱数据，yi∈{-1，1}为第i个番茄样本的所属类别（感病样本为“-1”，抗病样本为“1”），b为分类阈值。惩罚因子c起到对错分样本惩罚程度控制的作用，实现在错分样本的比例和算法复杂程度之间的“折衷”，核函数参数γ的改变实际上是隐含地改变映射函数，从而改变样本数据子空间分布的复杂程度[12]。

通过网格搜索法并结合交叉验证法选择出最佳的惩罚参数c和参数γ，基本思想是将训练集作为原始数据，利用K重交叉验证的方法得到分类准确率最高的那组c和γ作为最佳的参数。对于多组最佳参数的处理则是优先选取首次搜索到的参数c最小的那组，以有效地防止过学习状态的发生[13]。

2结果与分析

将原始光谱以及不同预处理后的光谱作为输入，依据网格搜索法，得到最优的模型参数c、γ，并逐步减小搜索范围，取得不同范围下的最优参数，建立模型并对训练集和预测集进行预测，不同预处理后不同参数下，交叉验证后的平均分类准确率以及模型对训练集和预测集的预测结果如表1所示。由于SVM分类器的支持向量的数目越小，分类器的泛化能力就越强[14]，最后选择支持向量机分类误差较小且支持向量数目较少的SVM参数对应的分类模型为最优模型[15]。

由表1可以看出，以原始光谱数据输入建立的模型，支持向量数较大，预测准确率较低，对番茄TYCLV的抗病性识别度不高。经MSC处理后建立的模型，随着惩罚因子c的增加，支持向量数随之减少，预测的准确度有小范围的浮动，当c=256时，支持向量数最小，有出现过学习的趋势。与MSC预处理后的模型相比，SNV预处理后建立的模型，惩罚因子c有所减小，预测准确率有所提高。经人为选取c=16、γ=2邻近范围的其他参数组合后确认，模型在c=16、γ=2预测准确率最高。光谱经过SNV&Detrending处理后，无论是交叉验证后的平均分类准确率、支持向量数还是对训练集和预测集的分类准确率，都要优于前2种模型，模型的性能最好。所以对光谱的预处理方法，SNV&Detrending效果最好，以其预处理后的光谱输入构建的模型在c=84.4485、γ=1时，对样本的分类最为准确，模型的泛化能力也最好。

3小结与讨论

研究以PCR检测的TYCLV抗性结果为⒖贾担使用SNV与Detrending相结合的方法对光谱进行预处理，建立的SVM模型对番茄抗病性的预测准确率达到了96.1538%，初步实现了利用近红外光谱分析技术识别番茄植株对于黄化曲叶病是否具有抗病性。由于抗性基因的不同、番茄品种的差异，番茄植株对TYCLV的抗病性表现也不同。下一步继续研究不同基因组合或不同品种下，利用NIR技术对TYCLV的抗病性识别效果。

参考文献：

[1]叶青静，杨悦俭，王荣青，等.番茄抗黄化曲叶病育种研究进展[J].中国农业科学，2009，42（4）：1230-1242.

[2]李小靖，叶志彪.我国番茄黄化曲叶病发生规律和研究进展[J].长江蔬菜，2010（2）：1-5.

[3]叶青静，周国治，王荣青，等.番茄黄化曲叶病毒病抗性鉴定技术研究[J].分子植物育种，2011，9（2）：210-217.

[4]魏光普，孙瑞芬，尚春明，等.番茄黄化曲叶病毒病抗病基因的PCR检测[J].种子，2013，32（8）：25-27，32.

[5]朱文秀，赵继献，张品，等.近红外光谱分析与化学方法检测油菜种子品质参数的比较[J].安徽农学通报（上半月刊），2010，16（17）：182-183，185.

[6]吴迪，冯雷，张传清，等.基于可见/近红外光谱技术的番茄叶片灰霉病检测研究[J].光谱学与光谱分析，2007，27（11）：2208-2211.

[7]JONESCD，JONESJB，LEEWS.Diagnosisofbacterialspotoftomatousingspectralsignatures[J].ComputersandElectronicsinAgriculture，2010，74（2）：329-335.

[8]刘兴库，李兆华.多光谱诊断植物病害的初步研究[J].东北林业大学学报，1993，21（2）：106-110.

[9]李民赞.光谱分析技术及其应用[M].北京：科学出版社，2006.

[10]张小超，吴静珠，徐云.近红外光谱分析技术及其在现代农业中的应用[M].北京：电子工业出版社，2012.

[11]HSUCW，CHANCC，LINCJ.Apracticalguidetosupportvectorclassification[EB/OL].https：//csie.ntu.edu.tw/～cjlin/libsvm/，2010-04-15.

[12]王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报（自然科学版），2007，24（2）：36-38，42.

[13]王小川，史峰，郁磊，等.MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013.

光学识别技术篇3

关键词：视频图像人脸检测光照数字技术

中图分类号：TP391.41文献标识码：A文章编号：1007-9416（2013）02-0089-01

1引言

随着信息社会的到来，信息技术开始朝着数字化、智能化方向发展。尤其是基于数字技术的智能人脸检测系统，在安防监控领域得到了广泛的应用。它综合了光电技术、网络工程等技术，为重要应用领域提供了强有力安全保障，比如部队敏感区域监控系统、银行身份认证系统等。数字化技术不仅是主流的发展趋势，它也推动了人脸检测与识别技术的发展，并在行业应用安全领域具有广阔的市场前景。

2人脸检测与识别技术

2.1人脸检测

人脸检测与识别相关技术主要应用于身份认证、部队安全保密监控等行业安全应用领域，其中人脸检测和识别技术是关键的环节，也是系统的核心。人脸检测的主要目标是准确定位各种复杂环境下的人脸轮廓，然后进行统一人脸位置以及图像信息的格式。人脸检测以及定位子系统的准确性和性能将直接关系到整个人脸识别系统的可行性、实时性。

2.2人脸识别

人脸识别技术的主要研究内容包括：人脸区域定位、人脸特征识别、面部分析、面部合成、面部识别等多个内容。人脸检测及其识别技术主要的应用领域涵盖了金融保密安全、医学影像分析、楼宇智能监控、远程视频会议、司法鉴定等。人脸检测与识别技术具有广阔的市场应用前景。

3人脸检测系统需求描述

随着数字技术的发展和应用，人脸检测技术开始融合了多种技术，其智能化、性能、效率更高，识别的精确性显著提高。本系统主要针对数字视频监控背景下的人脸检测与识别技术的研究工作，为了提高系统的性能和效率，需要考虑下述几个方面的问题：（1）环境条件对识别的影响；（2）人脸特征的分类和融合；（3）系统的精确度和性能的均衡。人脸检测系统的主要目标是在实时的视频图像中，精确地定位人脸区域，并进行准确地识别处理，这也是人脸检测与识别系统需要解决的问题。人脸检测系统的主要需求就是如何精确定位人脸区域，并进行准确的识别和处理。

4人脸识别检测系统设计

4.1视频图像采集子系统

在进行人脸检测、识别之前，首先要采集影像视频信息，并以指定的多媒体格式进行存储。在本系统中，主要使用DirectShow技术来采集视频图像信息。DirectShow是基于windows平台的多媒体API包，主要应用于视频图像采集、存储、播放等应用。DirectShow是以filter的模式来工作的。本系统的视频图像采集、存储的处理过程如下：

（1）设计并生成基础构件，然后进行连接。基础构件包括图像管理器、图像捕获管理器，使用ICaptureGraphBuilder2接口来连接各个构件。

（2）枚举系统中的视频设备，循环查找可用的视频设备，然后绑定到图像捕获管理器，将图像捕获管理器连接到图像组件管理器中。

（3）系统枚举可用的视频图像压缩器，选择对应的压缩器，连接到图像管理器。

（4）捕获各种环境下的人脸视频影像，系统保存为指定视频格式的文件，通常使用AVI文件，生成一个AVI过滤器。

4.2运动图像处理子系统

运动图像处理子系统的主要目标是从视频影像背景中提取编号区域的影像信息，主要是为了方便对视频影像中的目标进行分类和处理，从而获得有效的人脸影像区域。由于检测系统是基于运动影像的，因此只需用考虑运动变化中的影像像素信息。但是由于背景、光照等因素的影响，必须改进运动检测性能，才能提高整个检测系统的性能。目前对于运动检测的工作，主要使用的处理方法包括：背景剪除法、时间差分法、光流分时法等方法。

4.3人脸特征定位与验证子系统

在经过运动图像处理之后，然后进行肤色检测以后，得到人脸待检测区域，即候选区域，此时还需用进行人脸特征定位工作，主要目的是排除非人脸区域。需要考虑的是，实时采集的人脸影像在某些环境下并不是出于正面的位置，这就对人脸特征定位技术提出了较高的要求。在人脸特征定位系统中，主要是通过对人脸的主要器官：眼、耳、鼻、口等部位进行验证，来确定人脸区域。在大部分情况下，主要是对人的眼睛进行精确定位，旋转人脸等多种技巧来识别人脸区域。在系统中，主要考虑到视频监控系统的环境布局等因素，参考了眼睛在几何与灰度色彩方面特征来定位眼睛，据此来确认最终的人脸区域，采取从局部到整体的策略。

4.4人脸识别处理子系统

在准确定位了人脸区域以后，就需要进行人脸识别。人脸识别系统是整个系统的核心，也是最为复杂的部分。而在纷繁复杂的识别技术中，主要使用K-L的特征脸识别算法EigenFace，此种算法具有较强的实际应用价值和意义。但是考虑到人脸特征的复杂性，必须要结合其它的处理技巧。考虑到人脸特征的分类情况，可以充分利用特征分类的详细信息，这样可以改善识别的性能。在综合了这两种识别方法的基础上，还要考虑到光照、摄像机方向对识别结果的影响。由于大多数情况下，实时视频监控系统周围的环境、光照、方向都不是确定的，因此必须要消除光照等因素的影响，从而提高系统的识别效率和性能。

5结语

随着数字技术、光电技术、模式识别等技术的融合，基于实时视频图像的人脸检测系统的智能化程度以及性能必将得到进一步提高，人脸识别技术必将在各行业中得到广泛的应用，尤其在部队安全保密领域，这一技术的应用也必将极大地改善人们的生产及生活水平。

参考文献

[1]王金辉.人脸识别算法研究[D].西安电子科技大学，2010.

光学识别技术篇4

关键词：自动识别;智能识别;RFID识别

物联网是物物相联的互联网，物联网识别技术即利用射频识别、红外感应器、自动识别、无线定位、数据通信等技术为基础形成的一门高新技术，通过计算机互联网实现物品的自动识别和信息的互联与共享，让物品能够彼此进行“自动开口说话”。物联网识别中把任何物体与互联网相互连接，进行智能识别，互相传递数据，是端到端非常关键的技术，也是对物品的自动识别技术，自动识别技术是能让物品自己“交流”的一种智能化新型识别技术。

1物联网自动识别的概念和分类

1.1自动识别技术的概念

自动识别技术是将物品数据自动采集和智能化识别读取，并自动读入到计算机互联网的重要方法和技术手段。随着物联网在全球范围内得到了迅猛发展，自动识别技术现在已经基本形成了一个覆盖条码识别、射频识别、图像识别、生物特征识别以及磁识别技术等的计算机、光、电、通信、地理定位、网络技术为一体的高技术学科。

1.2自动识别技术的分类

自动识别技术的分类方法有很多种，第一种，按照国际自动识别技术的分类标准进行分类，第二种，按照应用领域和具体特征的分类标准进行分类。

按照国际自动识别技术分类的标准，自动识别技术可分为物品数据采集技术和物品特征提取技术两大类。物体数据采集技术分为四类：光识别、电识别、磁识别、无线识别等;特征提取技术分为三类：识别静态特征、识别动态特征和识别属性特征等。

按照特征分类的标准，自动识别技术可以分为IC卡识别技术、条码识别技术、图像识别技术、磁卡识别技术、光学字符识别技术、生物识别技术和射频识别技术等。

1.2.1IC卡识别技术

IC卡是一种信息载体卡，电子式数据自动电路集成识别卡，IC卡分为接触式IC卡、非接触式IC卡和双界面卡三种。

1.2.2条码识别技术

1.2.2.1一维条码

一维条码是由一组规则排列的宽窄不同的线条和间隔组成的二进制编码。线条和间隔根据规定的模式进行排列并且表达相应记号系统的数据项。宽窄不同的线条和间隔的排列次序可以按规则解释成数字或者字母，它能够用特定的光学设备扫描识读。

1.2.2.2二维条码

二维条码技术是在一维条码信息量无法满足实际应用需求的前提下产生的。它能够在横向和纵向两个方向用二维矩阵表达信息，存贮的数据量几何变大，数据信息更准确。

1.2.3磁卡识别技术

磁卡是一种卡片形状的磁性存储媒介，利用磁场载体携带数据信息，用来自动标识目标物体特征或作其他用途。它由高耐温、高强度的塑料涂覆材料制成，能防潮、能耐磨，可靠性高、柔韧性好，方便携带。与二维条码相比能够在小面积储存较大的数据信息，且磁条上的信息可以被重写或更改，反复利用。

2射频识别技术

射频识别技术（RFID，即RadioFrequencyIdentification）是目前传感器利用比较广的一种技术。它通过无线电信号传递信息、识别目标物体，并自动读写相关物体数据，而不需要自动识别系统与该目标之间建立机械或光学的接触。它能够以特有的阅读速度快、查找方便、稳定性好、长周期保存、无接触识别等优点，现在已经成为物联网自动识别技术中最优秀的和应用领域最广泛的自动识别技术之一。

2.1RFID系统概念

RFID系统是将智能标签附着到目标物体上，无线电的信号把数据从附着在物品上的智能标签上传送出去，以自动辨识与追踪该物品。

2.2构成RFID系统的三大组成部分

2.2.1智能标签

智能标签（Tag）由两部分组成：耦合元件和集成芯片，智能标签内含天线，可以接发数据信息，用于智能标签间的通信。

2.2.2读写器

读写器是读取（写入）标签信息的设备。现在市场上读写器分为两大类：第一类为手持式RFID读写器;第二类为固定式RFID读写器。一个简单的读写器由三部分组成：天线，耦合元件和集成芯片，

2.2.3应用系统软件

在智能标签和读写器间传递射频信号的系统软件。其系统软件工作原理：第一步，由读写器发射一个特定的询问信号;第二步，智能标签感应到此信号，然后传出应答信号;第三步，目标读写器接收到此应答信号，应答信号中含有智能标签携带的数据信息，集成芯片对其进行处理;第四步，将处理后的应答信号返回给外部集成芯片，进行相应操作。

3结语

在物联网中，RFID技术与互联网技术、系统定位与移动通信等技术相结合，可实现全球范围内人对物品的跟踪与信息的实时共享，从而给物体赋予智能，实现人与物体以及物与物的沟通和对话，最终构成物物相联的物联网。自动识别技术是物联网体系的重要组成部分，也是物联网发展的基石，而RFID技术作为物联网识别技术发展的最关键技术，其应用市场必将随着自动识别技术的飞速发展而迅速扩大。

参考文献：

[1]物联网射频识别（RFID）核心技术详解.2013：3-5.

[2]物联网射频识别（RFID）核心技术详解.2012：18-20.

[3]射频识别（RFID）核心技术与典型应用开发案例.2008：1-7.

光学识别技术篇5

随着科技和信息技术的不断发展，人们对自动化信息采集和智能化管理的需求越来越高。货车作为港口物流的主要载体，流量大、人工管理成本高。为解决这一问题，文中提出了一种基于图像识别与RFID技术的货车进出管理系统。该系统采用图像识别技术和RFID技术，能够自动识别货车车牌并判断其进出方向及权限，并可自动保存车辆进入、离开识别区域的图片或视频。

关键词：

图像识别；射频识别；进出判断；鉴权

0引言

随着物联网技术的不断发展，使用电子车牌来管理机动车的RFID技术逐渐成熟，其最典型同时也是最广的应用场景是小区和停车场的车辆进出管理，给每一辆进入小区或停车场的车发放一张RFID标签作为车辆的唯一标识，用以完成身份识别和计费等自动化管理。最近几年，图像识别技术获得了实质性的突破，集成了图像识别模块的高清摄像机可以独立完成车辆的车牌识别。但RFID技术和图像识别技术都有各自的缺点，RFID技术在车辆进出管理时无法解决跟车问题，而图像识别在光线极差或车牌有污泥等障碍物遮挡时无法获取车牌[1]。本文提出的基于图像识别与RFID技术的货车进出管理系统将图像识别技术和RFID技术结合起来，取长补短，相互补充，提高了系统的识别率和准确率。

1图像识别技术与RFID技术的工作原理

图像识别技术主要利用计算机对视频或图片中的信息进行特征分析，货车的车牌自动识别主要采用视频处理、模式识别及人工智能技术。通过红外光栅或地感线圈触发，实现单个货车车牌的准确识别。近些年，随着技术的进一步发展，无需外部触发装置的车牌识别系统即可对区域内一个或多个车辆的车牌进行实时识别。RFID技术作为物联网技术的一种，分为无源RFID技术、有源RFID技术和半有源RFID技术[2]。无源RFID技术的工作频段为900MHz左右，优点是标签成本低，且标签不需要维护，缺点是设备成本高，读卡距离近。有源RFID技术的工作频段为433MHz左右或2.4GHz左右，其优点是通信距离远，缺点是标签使用寿命约为3年，且读卡距离不容易控制。半有源RFID技术将低频125kHz左右与高频2.4GHz左右相结合，低频唤醒，高频通信，优点是低频边沿控制，标签低功耗指标好，缺点是标签成本高。本系统中的RFID技术采用有源RFID技术配合定向天线，读卡距离控制良好。

2货车进出管理系统设计

基于图像识别与RFID技术的货车进出管理系统包括高清图像抓拍机、红外对射光栅、有源RFID定向阅读器和有源电子标签。标签放置到货车上，作为货车的唯一标识，与车辆的车牌有唯一关联。阅读器和摄像头被分别架设在安全岛的进出方向，通过调整阅读器的读卡范围和摄像头的图像识别区，保证阅读器的读卡和摄像头的图像识别联动，配合特殊的关联算法，以进行车辆的车牌识别、进出判断及权限管理。红外对射光栅作为辅助触发摄像头图像识别的设备，在光线不足或存在其他因素导致摄像头不能独立触发图像识别时，辅助、触发摄像头进行图像识别[3]。当安装有源电子标签的车辆进入或离开码头时，有源电子标签被有源阅读器读取，车辆进入图像识别区域后，车辆车牌被摄像头识别，后台的阅读器和摄像头关联算法会自动关联车牌与电子标签关系，并判断车辆的进入或离开权限，记录车辆进入或离开的图片或视频，根据权限判定结果选择放行或告警。

3图像预处理及RFID关联算法

图像识别率受外界环境，如光照强度，角度等因素影响，为提高识别率需要进行图像预处理和图像边缘检测。所谓图像预处理即采用图像灰度转换、图像增强、倾斜矫正等技术，对所采集的图片进行系统预处理操作，降低图像识别算法的复杂度，提高识别的准确率。所谓边缘是指图像周围像素灰度有阶跃变化或屋顶变化的像素集合[4]，这是图像识别最基础的部分。由于光线相对弱、目标是动态物体、抓拍机角度有倾斜等原因导致摄像头抓拍到的图像信息相对模糊，因此需要进行图像预处理[5]。RFID关联算法的核心是预先知道摄像头图像识别区和RFID读卡控制区以及触发或自动识别的起始点。文中的RFID读卡区域比图像识别区稍大，即车辆上的电子标签先被读取，阅读器上报标签ID到服务器平台作为缓存，图像识别完成后关联对应的电子标签，最后进行车辆是否准许进入或离开的鉴权。

4结语

本文提出了基于图像识别与RFID技术的货车进出管理系统，介绍了图像识别技术与RFID技术的工作原理，讲解了货车进出管理系统设计，阐明了图像预处理及RFID关联算法。基于图像识别与RFID技术的货车进出管理系统投入使用后，大大提高了车辆的管理效率和方便性，车辆的历史运行轨迹和视频可查，方便追溯，达到了安全管理、科学管理的目的。

作者：朱虹杨登辉单位：中国电子科技集团第五十二研究所物联网事业部

参考文献

[1]周治国，李文印，李同，等.基于RFID的新型机动车号牌及自动识别系统[J].吉林大学学报（信息科学版），2008，26（4）：374-379.

[2]祁超.RFID射频识别技术及频段划分[J].电信快报：网络与通信，2010（3）：14-16.

[3]刘雪飞，贾勤，胡东明.一种基于RFID技术的货运车辆管理系统[J].物联网技术，2014，4（5）：22-23.

光学识别技术篇6

阴影及面部自动识别

μ780采用的阴影及面部自动识别是在当今主流的面部识别的基础上，加入了奥林巴斯的独家绝活――阴影识别技术，使单一的面部识别功能得到了完美升华。这项技术能够自动地对人物的面部进行对焦，还能够根据被摄体的亮度，对拍摄场景中较暗的部分进行适当的亮度补偿，使得人物和背景都有合适的亮度，从而拍摄到更加真实的画面。

在使用数码相机拍照时，遇到逆光拍摄等情况，为了增加亮度，往往会打开闪光灯，这样容易使画面整体变亮失真，背景也会偏白。有了μ780的阴影自动识别技术，就可以自动识别并修正阴影处的亮度，使明亮处与阴影处都能做到亮度适中，从而使拍摄出的图像效果等同于人眼看到的物体的实际效果。而在开启了阴影自动识别功能键后，面部识别功能将自动启动。在拍摄人像时，可自动捕获画面中最多十个人物的面部位置，进行自动对焦及自动曝光调整，确保面部信息可准确还原。

这项创新技术的加入为我们拍出好作品奠定了坚实的基础，也可看出奥林巴斯在消费级数码相机上的良苦用心。

5倍光变搭载轻薄机身

作为一款旗舰级产品，当然不会只拘泥于一项领先技术的应用。奥林巴斯μ780数码相机还在厚度仅为24mm的纤薄机身上，惊人地配置了焦距相当于35mm相机36mm~108mm的可进行望远摄影的5倍光学变焦镜头，使其具备了长焦拍摄的优势，可以胜任更多种题材的拍摄。放眼整个行业，在如此轻小的机身上配置5倍光学变焦镜头着实并不多见，因为要在小巧、纤薄的机身上配置5倍光学变焦镜头必须拥有高超的镜头开发能力和制造技术作支持。μ780正是通过奥林巴斯卓越的制造工艺，将高折射镜片与含有包括1片大凹面非球面镜片在内的4片非球面镜片组相结合，才实现了这一功能。

5倍光学变焦与3倍光学变焦相比，拍摄出的图像大小是后者的1.7倍。举例来说，当我们拍摄距离相机2m远的人物时，3倍光学变焦只能拍摄到整个人物的上半身，脸部图像比较小；而用5倍光学变焦的μ780数码相机进行拍摄时，脸部图像将放大，充满整个画面，这无疑会给我们的拍摄带来更多的乐趣与体验。

双重防抖，轻松拍照

我们在使用相机时，常常会因为手部抖动和被摄体晃动导致拍摄出的影像十分模糊，这样不仅错失了一个美丽的瞬间，更影响了我们的拍摄心情。不过要是利用奥林巴斯μ780的CCD防抖，再配合其ISO1600的高感光度电子防抖进行拍摄，便可有效减轻影像模糊，使我们的拍摄更加放心自如。

所谓CCD防抖技术，是通过数码相机的成像元件CCD与手部抖动方向的反向移动来减轻手抖效应的技术。我们都知道，高倍率变焦时很容易引起手抖效应，但由于μ780数码相机采用了CCD防抖功能，用户们便可以放心地使用μ780数码相机的5倍光学变焦功能，随心所欲地进行拍摄。此外，采用ISO1600的高感光度进行拍摄时，手抖效应也可得到有效减轻，而由被摄体移动引起的图像模糊现象也同样可以得到减轻。这可以说是为我们的拍摄上了双保险，丝毫不用担心由于手部的些许抖动和被摄体移动而造成影像模糊不清等现象的出现。

全新引擎，完美效果

这次μ780还采用了全新的图像处理引擎“TruePicIII”。它将噪点控制技术、细节再现技术和色彩还原技术完美结合，进一步提升了相机的成像质量。其中，噪点控制技术能正确分离图像和噪点，在忠实再现被摄物体的同时，有效抑制了噪点的产生；细节再现技术能够正确地检测出边缘，并圆滑地再现图像边缘，去除伪色；而色彩还原技术则是更优化的独立控制辉度信号；色差信号的色彩处理技术，能够忠实再现各种色彩。