Page 92 - 基于人工智能的图像识别技术研究

基于人工智能的图像识别技术研究
Research on Image Recognition Technology Based on Artificial Intelligence

非接触的方式，打破时间与空间的情况下，对农作物所处环境的温湿度、光照情

况、肥料、水分等进行实时、连续监测，让相关人员能够通过图像判断农作物长
势，实现对生产要素的及时、合理调整；第二，预测预报可能出现的病虫害。在
将计算机视觉技术运用于农业领域时，通过在该技术系统中结合昆虫识别体系，
并进行数字化模型的构建，可以很好地检测害虫边缘，提取害虫特征，主要采用

的方法为数学形态学方法。同时，该技术还能够通过昆虫二值化图像的分析，将
昆虫面积、周长等信息提取出来，并建立模板库开展模糊决策分析。除此之外，
计算机视觉技术也是农业自动化技术的基础，如农业机械自动化导航、农业机械

自动化果树采摘等，均离不开计算机视觉技术的识别技术。尤其是果蔬采摘，摄
像头对环境图片进行采集、分析，识别目标果实，最后将相关指令传输至自动化
设备，实现果蔬采摘。
3.交通工程中计算机视觉技术的运用

在交通工程中，计算机视觉技术的运用主要体现在道路交通流监控、车牌识
别、车型识别与归类等，具体运用如下：
首先，处理初等图像，运用二维测量方式检测与分析。调节图像色彩强度，

整合数据信息并识别，利用计算机视觉技术对处等图像特征进行处理。之后，图
像二值化切分，即以数字化程序代码为基础进行策略推算，以交通工程测量为
例，计算机视觉技术主要对其进行局部检测，采集相关信息数据后分析，在数字

程序的运用下，该技术能够实现物体整体检测。为提升测量精准性，使用二维图
像测量方式开展精准化勘测，在实际识别和测量过程中，主要利用模板计算程序
进行。通过借助这一空间模型结构，能够综合监控目标区域的交通情况，还能够

获得微观区域交通测定的信息反馈。
其次，建立三维物体分析体系。为减少处理步骤，提高信息传输精准程度，
主要采用的勘测方法为主动勘测距离法和被动勘测距离法。在三维物体勘测和分
析过程中，系统程序会根据光源情况简化图像信息，使其便于处理，采用的重要

方法为光感和雷达检测技术，利用光感将影像强度聚焦，获取影像信息，同时通
过分析光感强度对周围影像进行采集，作为补充信息，最后结合信息图像强度分
辨率，为交通指导提供科学有效支持。而被动勘测距离法主要是进行影像结构踩

点分析，通过集中分散光源点，以随机的方式运行和调节数据代码模板，以此掌
握具体信息。

84