CN113284116A - 实时图像解析的红酒半成品运动检测*** - Google Patents
实时图像解析的红酒半成品运动检测*** Download PDFInfo
- Publication number
- CN113284116A CN113284116A CN202110594150.XA CN202110594150A CN113284116A CN 113284116 A CN113284116 A CN 113284116A CN 202110594150 A CN202110594150 A CN 202110594150A CN 113284116 A CN113284116 A CN 113284116A
- Authority
- CN
- China
- Prior art keywords
- image
- red wine
- sequence
- detection
- dsp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 235000020095 red wine Nutrition 0.000 title claims abstract description 168
- 238000001514 detection method Methods 0.000 title claims abstract description 141
- 239000011265 semifinished product Substances 0.000 title claims abstract description 74
- 230000033001 locomotion Effects 0.000 title claims abstract description 70
- 238000010191 image analysis Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000003708 edge detection Methods 0.000 claims abstract description 37
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000015654 memory Effects 0.000 claims description 87
- 230000008569 process Effects 0.000 claims description 27
- 235000019800 disodium phosphate Nutrition 0.000 claims description 26
- 238000000855 fermentation Methods 0.000 claims description 22
- 230000004151 fermentation Effects 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 239000000047 product Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 11
- 230000000737 periodic effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 8
- 239000002994 raw material Substances 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- QWCRAEMEVRGPNT-UHFFFAOYSA-N buspirone Chemical compound C1C(=O)N(CCCCN2CCN(CC2)C=2N=CC=CN=2)C(=O)CC21CCCC2 QWCRAEMEVRGPNT-UHFFFAOYSA-N 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000000691 measurement method Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000012797 qualification Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- YKORUANEKZOBMT-INIZCTEOSA-N (2s)-2-[[4-[(4-oxo-1h-1,2,3-benzotriazin-6-yl)methylamino]benzoyl]amino]pentanedioic acid Chemical compound C1=CC(C(=O)N[C@@H](CCC(=O)O)C(O)=O)=CC=C1NCC1=CC=C(NN=NC2=O)C2=C1 YKORUANEKZOBMT-INIZCTEOSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/14—Handling requests for interconnection or transfer
- G06F13/20—Handling requests for interconnection or transfer for access to input/output bus
- G06F13/28—Handling requests for interconnection or transfer for access to input/output bus using burst mode transfer, e.g. direct memory access DMA, cycle steal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明的实时图像解析的红酒半成品运动检测***，改进背景差分法用当前图像以及背景图像差分检测运动前景，是基于背景建模的运动目标检测算法，由视频采集、动态图像序列的转化、前置处理、背景建模及前景检测和提取运动背景组成，运用选择滤波、同态滤波、小波多尺度边缘检测及表面积计算法识别残渣的图像处理，用并行算法DSP实时图像检测***，能极大的提高检测速度，为红酒半成品提供一种更可靠、方便、高效的测量方法，测量方法简单快捷，测量结果准确，装置在重干扰、腐蚀性条件下也不容易损坏和老化，具有良好的实时性，灵活的***架构和方便的控制界面，巨大的实用价值和广阔的应用前景。
Description
技术领域
本发明涉及一种红酒半成品运动检测***，特别涉及一种实时图像解析的红酒半成品运动检测***，属于图像解析检测技术领域。
背景技术
实时图像处理技术近几年得到了迅猛发展，它的发展使得所有图像处理问题都能用数字信号处理的方式解决，这为图像处理技术赋予了实时这一新的内涵，同时也极大的拓展了这项技术的应用范围。由于图像所含的信息量大，所以如果想要获得较为理想的图像实时处理效果，首先必须具备性能和速度都十分优良的主处理器，此外，使用多个处理器以及运用线程的并行架构也是两个重要的先决条件，著名的CM2连接机问世，一共使用了将近66000个高速处理器，并且运用超立方体将各个处理器相连，组成类似网络的架构，这个***在进行 32位整数加法及32位浮点数点乘时，速度峰值分别能够达到25000MIPS以及10000MFLOPS 万次浮点，均为当时的顶尖水平，这个***的另一优势在于架构组成灵活可变，因此也能用于图像的高层理解。近年来，实时图像处理技术日新月异，并且已经在各个领域里得到了广泛的应用：工业领域里的实时视觉检测***，机器人研发领域的机器人视觉***、地质勘探领域中资源的实时探测***、医学领域里的各种图像分析仪器等，无一例外均采用了实时图像处理技术。
伴随着计算机与硬件技术的发展，性能提高，价格却下降，极大促进了与之密切关联的图像处理***的发展，它的发展分成四个阶段。第一阶段，图像处理采用机箱式的架构，***体积较大，功能较强，价格较贵，而产生这一结果的原因是主流计算机采用小机型及双屏操作；第二阶段，小型化图像处理，它的外形选择插卡式，图像处理***的构成采用PC系列工控微机，总线采用ISA总线以及双屏操作方式；第三阶段，单屏方式图像处理，单屏方式以工控微机PCI总线作支持，图像通信方式是图片压缩传输；现代图像处理的方式随着工控微机的不断发展，朝着快捷小型方面发展，专用笨重的图像处理机已被淘汰，取而代之的是通用小型的方式。有超强运算能力的数字信号处理***使得图像处理技术跃进了与计算机紧密结合的数字体制阶段。现代图像也可采用以DSP为基础的硬件***进行处理，全新的处理方式便这样产生了。DSP是能够摆脱工控微机而研制的图像处理***，由于DSP关于运算速度与精度方面逐渐改善，内部储存数量增大，***功能在加强、数据处理能力在加强，通信功能也在加强，简单灵活是这种方式好的地方，成本低则方便在实际生产中使用。
红酒半成品检验为红酒制造生产时的非常关键的步骤，红酒检验***用在生产线上辨别红酒中夹杂的发酵原料，是判断红酒半成品合格与否的自动检验***，虽然现有技术用光电传感器进行红外测量方法比较简单，测量结果不够准确，但由于设备装配时首先要保证红外装置的准确性，电子装置在重干扰、腐蚀性条件下容易损坏和老化，其效果远落后于利用图像识别法进行测量。
现有技术的红酒半成品检测***中存在诸多不足，现有技术的难点和本发明解决的问题主要集中在以下方面：
第一，红酒半成品运动检测***是红酒生产流水线上非常重要的一环，它的检测精度会直接影响红酒生产的质量，当发酵完成的红酒流出发酵炉时，其中都会混入一定量的发酵原料，形成红酒混合物，关键任务是要剔除混合物中的残渣，制成合格的红酒成品，现有技术的过滤网能初步滤掉一部分残渣，但通过滤网不能形成合格产品，这是由于滤网过于严格，堵塞的速度太快，影响生产速度；即便通过滤网的是纯溶液，刚完成发酵的红酒液也会在检测通道中凝结形成新的残渣，现有技术缺少一个高效率、高合格度的检测设备对红酒溶液进行检测，也无法保证检测精度，不利于提高红酒品质；
第二，虽然现有技术用光电传感器进行红酒半成品红外测量方法比较简单，但测量结果不够准确，且由于设备装配时首先要保证红外装置的准确性，电子装置在重干扰、腐蚀性条件下容易损坏和老化，造成其可靠性大幅降低，装置更换非常频繁和繁琐，实际利用价值不高；
第三，现有技术的红酒半成品检测实时性差，在实验室的模拟检测中，现有技术的红酒半成品检测***只达到20至45ms/帧的处理速度，红酒样品在检测通道中的流速约为75cm/s，摄像头的拍摄间隔为100ms，不能满足***实时检测的速度要求，严重制约红酒生产效率，检测速度无法满足正常的生产需要；
第四，现有技术的***架构僵化，控制界面麻烦，***不能直接接入工控微机***的PCI 插槽，工控微机无法组成主从式***，***架构僵化，控制麻烦，同时，***摄像头采集的原始信号不能直接通过A/D设备传入主机的程序界面，难以观测到实际的工业检测环境，和检测结果进行比较较为繁琐，功能调试时间长，界面控制繁琐，无法进行实时图像精准解析，红酒半成品检测效率低，***可移植性差；
第五，未采用形态学前置处理进行图像滤波和多尺度小波变换进行图像边缘提取，无法将多次度和小波变换信息结合起来，不能够获得较为满意的边缘提取结果，***不具有普适性，实践研究表明，现有技术在需要运算高位以及大数量数据的场合表现很差，现有技术的图像解析***无法运用在在红酒半成品检测领域。
发明内容
针对现有技术的不足，本发明提供一种实时图像解析的红酒半成品运动检测***，基于实时图像解析处理和检测，融合形态学滤波和小波变换、多尺度边缘检测，提出一种边缘检测小波函数构造及算法，实现基于DSP芯片的实时红酒半成品图像解析***，提出DSP***的软件编程和***调试方法；基于运动检测方法实现红酒半成品实时图像解析，使得整个***的实用性及创新性都达到了较高水平，在总结现有技术的理论算法和***架构的基础上，设计并实现了完整的实时图像解析的红酒半成品运动检测***。
为达到以上技术效果，本发明所采用的技术方案如下：
实时图像解析的红酒半成品运动检测***，在DSP技术的基础上融合形态学滤波和小波变换、多尺度边缘检测，提出一种边缘检测小波函数构造及算法，实现基于DSP芯片的实时红酒半成品图像解析***，提出DSP***的软件编程和***调试方法；基于运动检测方法实现红酒半成品实时图像解析，设计并实现了完整的实时图像解析的红酒半成品运动检测***；
本发明的红酒检验***用在生产线上辨别红酒中夹杂的发酵原料，是判断红酒半成品合格与否的自动检验***，采用工控微机作为主机，采用TMS320C32芯片做从机，红酒半成品运动流程分段进行，通过图像采集卡和D/A设备，将数字信号送入DSP芯片完成图像降噪、边缘检测小波函数构造及算法处理，然后将处理结果送入工控微机***进行鉴别与自动化控制，去除不合格的红酒成分，当混有残渣的溶液经过检测通道时，通过图像采集得到红酒溶液与残渣的混合图像，残渣就是待检测及剔除的对象，经过图像前置处理模块，剔除工业环境下的噪声，分离出检测对象与背景；再经过边缘检测模块，将检测对象的边缘进行二值化；最后根据识别算法，计算出待测物体的表面积，设置一个临界门限，当对象表面积大于这个临界门限时定义为残渣，这一部分溶液为不合格产品，由控制***将其分流剔除；
红酒半成品运动检测***由摄像头、图像A/D转换装置、DSP***、显示设备、工控微机及控制***构成，摄像头、光源、检验通道封装在密闭的箱子中，采用远红外摄像头，工作流程按照以下步骤：
第一步，图像摄取，发酵后的液体在生产线上从发酵炉里流出，用一定的速率经过检验管道，与此同时，经过线阵CCD摄像头依据相当的频率对液体扫描，不断摄取红酒及异物混和物图像；
第二步，A/D转换及DSP图像处理，CCD摄像头拍摄的图像通过模数转换装置，将数字图像送入DSP***的帧存储器，并对数字图像进行高速运算处理，其中图像处理包括：增强色度、滤波降噪、提取异物边缘及二值化处理；
第三步，工控微机数据检测，DSP处理的边缘信息送入工控微机***，工控微机***通过计算异物的表面积对异物进行识别和定位，并对控制***发出控制命令，对检测到的异物进行分流剔除；
第四步，控制检测通道，加入鉴别后的异物的单个颗粒大小或是颗粒含量大于各自的标准临界值，则证明此部分红酒溶液含有残渣，需要分流，由控制设备同步控制阀门，红酒进入分流通道剔除或返回发酵炉继续发酵。
实时图像解析的红酒半成品运动检测***，进一步的，DSP***架构与外设接口：***采用两片TMS320C32串连组成流水线工作模式，前一级TMS320C32用于图像前置处理，第二级TMS320C32用于边缘检测，图像A/D芯片采用Omnivision公司的OV7610，同时对地址码进行编译，控制电路信号采集运用ISP型EPLS芯片完成；
***工作流程为：通电以后，***程序自发从Flash Memory快闪存储器装到三十二位片外程序RAM里，下载完后程序代码将立即反馈至TMS320C32，并随之执行；另外，***程序首先通过I2C总线设置OV7610芯片的工作参数，设置完成后，OV7610在采集电路的控制下根据预设参数工作，进而获得图像；TMS320C32(1)通过DMA法把图像数据存储到帧存储器里，与此同时对帧存储器里的图像数据进行前置处理，将处理完成的结果数据直接送到数据RAM(1) 中，后一级TMS320C32(2)再对RAM(1)中的数据进行小波边缘检测，处理完的边缘数据送入数据RAM(2)中，然后再送回工控微机，工控微机通过PCI总线读取RAM(2)中的数据，根据边缘信息判定红酒是否合格，并且由控制***来控制红酒检测流程，整个***以在工控微机的控制下工作，也能脱离工控微机单独运行。
实时图像解析的红酒半成品运动检测***，进一步的，运动图像采集控制电路：***中图像芯片OV7610以工作在帧或工作在场方式工作，输出信号包括垂直同步信号VSYNC、水平同步信号HREF和像素同步信号PCLK三种形式，这种组成体系确保***执行视觉算法处理时最终获得的图像为完整的帧图像，VSYNC信号代表介于两个正脉冲间时***扫描一帧或一场的额定时间，即在两个正脉冲之间扫描出完整一帧或一场图像的有效时间，HREF信号表示在扫描一场或一帧图像时，各行像素的额定时间，即在高电平信号条件下扫描出一行像素的有效时间，PCLK信号表示当扫描完一场或者一帧后***读取完有效像素值的同时提供的同步信号。
利用图像控制电路将三个OV7610输出信号合并组成唯一输出，再利用外接设备即时读取操作的时序，图像采集控制电路工作模式为：RESET端口在通电条件下保持低电平状态，断电则为高电平，保证两个D触发器状态清零，并且同时确保无论VSYNC、HREF、PCLK三个输入信号如何变化，输出端OUT依然维持低电平状态，电路开始工作后，每当获得一帧图像，C32的TCLK0引脚就输出一个信号来启动正脉冲，信号的输出会引导触发器1的Q端由清零状态转而输出高电平，同样触发器2的D端也转为高电平状态；接下来触发触发器2受到VSYNC正脉冲影响，使其Q端转为输出高电平，带来两个方面的结果：一是高电平引导HREF和PCLK相遇后的信号经由与非门电路输出到OUT端，二是输出高电平将迫使触发器1重新清零并转为输出低电平，进而导致触发器2的D端转为低电平；下一正脉冲到来后将使得触发器2的 Q端开始输出低电平，进而屏蔽HREF和PCLK信号，输出端OUT又回到输出低电平状态；***每输出一个启动正脉冲信号，输出端OUT将获得一帧完整图像的有效像素值，并且读取同步信号。
实时图像解析的红酒半成品运动检测***，进一步的，图像DMA存取：采用DMA方法从 OV7610读取图像并存入帧存储器，使图像获取和视觉算法处理两种操作同步进行，TMS320C32 芯片内部设置两个DMA管道，在操作DMA读与写二个过程中，分别利用这两个管道DMA同时进行，读与写过程中包含的外中断、串口发送、接收中断及定时器中断通过这一特殊架构保持中断信号的同步利用；
***中DMA操作的同步信号是电路里的输出OUT端，DMA源地址利用OV7610的输出端口地址，操作开始后保持DMA地址不变，同时将帧存储器地址设置为DMA目标地址，每次操作之后地址值加1；当图像采集启动信号由C32发出后，***就以DMA的方式将一帧完整的图像储存进帧存储器中；
工控微机接口：采用双端口存储器实现TMS320C32和工控微机的通讯，在工控微机的存储器获得结果数据后，得到红酒中检测到的异物边界信息，计算出异物的表面积大小，判断红酒是否达到合格标准，如不符合标准，由控制器控制红酒的检测通道，将不合格部分分流剔除，在红酒检测通道中安装一个分流阀门，正常情况下阀门打开，检测通道打开，分流通道关闭，红酒流入继续检测通道或者半成品区间，如检测到不合格产品，计算机向伺服机构发送控制命令，由伺服机构驱动控制器转动阀门，检测通道关闭，分流通道打开，这部分红酒从分流通道剔除。
实时图像解析的红酒半成品运动检测***，进一步的，基于DSP芯片的实时图像解析检测中，TMS320C32与外存接口包括：
存储器，采用双帧存的架构，一类帧存服务于图像采集和图像显示，这类帧存用DRAM存储芯片组成，另一类帧存服务于DSP处理器，这类帧存用SRAM存储芯片组成；
存储器接口，程序存储器用三十二位宽度，当***中需要8或16位数据，一种方法是直接在32位程序存储器中划出一定量的存储器作为8位或16位数据存储器；另一种方法是采用两组不同宽度的存储器，一组是32位，另一组是8位或16位，一组是32K×32位，采用STRB0\选通，控制寄存器设置为000F0000H，是物理存储器宽度为32位，数据类型为32位；另一组是32K×8位，用STRB1\选通，控制寄存器设置为全0，物理寄存器宽度为8位，数据类型为8位，C32和32K×32位存储器接口地址线A0至A14相互连接，四片的数据线组成32 位数据，四片存储器的片选线分别和STRB0\的四根选通线相连接，C32和8位存储器接口时，用STRB1_B0\作选通线，C32的内部地址右移两位后呈现在外部地址引脚上，STRB1_B3\/A_1及STRB1_B2\/A_2做为额外的地址线。
实时图像解析的红酒半成品运动检测***，进一步的，TMS32C32与I2C总线、A/D芯片的硬件连接：TMS320C32与OV7610利用I2C总线进行数据通信的硬件连接：实现TMS320C32和OV7610间进行I2C总线数据通信，将OV7610上I2C总线引脚SCL及C32的CLKX0相连接， SDA和C32的DX0相接，并在Vcc和SCL、SDA之间加入电阻，电阻值为4.7k，保持SDA低电平，CLKX0、DX0作为输出引脚，I2C的时序控制由软件实现，编程进行控制，初始化OV7610，并设置参数；
TMS320C32与OV7610进行I2C总线数据通信编程：OV7610是从设备，内部地址分配中， 52个寄存器的占用地址为00H至34H，写操作地址是42H，读操作地址是43H，在数据传送的过程中，C32作为主设备，具有发送器，OV7610作为从设备，具有接收器，多个寄存器的写入一次完成，主设备连续进行发送数据，寄存器地址可自动增值，被写入的数据依次存放于地址连续的寄存器内，这样的工作流程可提高效率，避免反复执行发送数据的全部过程，只要SDA产生应答信号，就能一次传送大量数据；C32进行读操作时，C32作为主设备，具有接收器，OV7610作为从设备，具有发送器。
实时图像解析的红酒半成品运动检测***，进一步的，基于TMS320C32主从式***硬件：采用多个DSP加通用微处理器MPU实现，每个处理器完成***的部分工作，MPU定义为主机， DSP定义为从机，主机控制从机，MPU控制DSP的运行、挂起，DSP在MPU的控制下，MPU把从外部获取的数据交给DSP处置，DSP把处置后获取的相应的结果传递给MPU，由MPU将处置结果发送到其它***；
主机和从机之间实现双机通信采用：共享存储器方式，主处理器采用通用x86计算机， DSP承担实时的输入/输出处理，主CPU负责各种控制，DSP完成后，由主CPU对处理结果进行判定，决定所检验的产品是否符合规范；
共享存储器的双端口RAM的数据总线和地址总线与单端口RAM相同，两组总线顺序进行访问，片内总线仲裁逻辑向后访问的一方发出等待信号，只有在两组地址总线全部相同时，允许本方进入等待，当另一方完成访问后，等待方再进行访问，总线仲裁逻决定两组总线访问的先后顺序，提高工控微机和DSP芯片的并行处理能力，双端口RAM特别的构造，促使双机方便的进行数据交换。
实时图像解析的红酒半成品运动检测***，进一步的，实时图像解析的运动检测***：对已经存在的AVI视频进行运动目标检测，通过检测图像序列中的运动目标，确定运动目标的位置，采用改进的背景差分法，视频采集通过已经存在的AVI视频得到图像序列，背景建模得到准确的背景图像，从几个图像中提取出当前的背景，目标提取从序列图像中经过去噪处理取得背景图像，当序列图像中包含运动目标时，将背景图像和去噪后的当前图像对比，检测运动目标的对应区域，将变化区域从背景图像中提取出来；
改进的背景差分法用当前图像以及背景图像差分检测运动前景，是基于背景建模的运动目标检测算法，由视频采集、动态图像序列的转化、前置处理、背景建模及前景检测和提取运动背景组成，动态图像序列转化将AVI视频转化为图像序列，图像前置处理改善输入图像质量，变换突出有用信息，去除或者消弱无用的信息，图像在经过背景建模和前景检测后，提取运动前景将检测到的运动目标用框提取出来，得到最终检测结果，按照测定与剔除红酒溶液中不合格的残渣成分，实现红酒半成品的在线检测。
实时图像解析的红酒半成品运动检测***，进一步的，形态学前置处理模块：式1中， g(x,y)代表灰度图像，f(x,y)代表架构元素，l(x,y)代表h(x,y)的平滑图像，运用形态开f○g 和形态闭f·g两者的平均值表达出灰度图像g(x,y)的平滑图像l(x,y)，
形态开仅实现局部背景的平滑处理，而要表达出空域高频部分中可能包含的目标，则必须掌握原g(x,y)与l(x,y)两者的差值，即残差图像b(x,y)，式2所示：
b(x，y)＝g(x，y)-l(x，y) 式2
进一步对残差图像b(x,y)进行局部临界值分割，加之临界门限处置得到对应的除去背景噪声的目标图像序列；
形态学DSP实现方法分成移位、求或-OR、求与-AND。
实时图像解析的红酒半成品运动检测***，进一步的，边缘检测模块：
第一，小波边缘检测函数构造方法：
小波变换把图像分解为三个分量：平滑的图像
水平细节图像
和垂直细节图像
其中，
g(x，y)是原始的二维数字信号，
是 g(x，y)在分辨率j下的离散概貌，
是g(x，y)在分辨率j下沿垂直方向的离散细节，
是在分辨率j下沿垂直方向的离散细节，取出
在相应尺度下的图像边缘点位置，本发明小波边缘检测流程算法为：
第1步，选取分解尺度J；
第2步，g(x，y)的每一行都需要递增j值二维二进小波变换，0＜j＜J；可获取
第3步，寻出
的零交叉点；
第4步，算出所有小波变换的模值
在象素点(x,y)的m× m领域内沿方向梯度上的极大值点；
第5步，除去系数极值幅度随尺寸减少而在平均值上增加的序列；
第6步，图像的各个列重复第2步至第5步；
第7步，2次都获取极值处的点为边缘，置边缘线g(x,y)＝200，否则g(x,y)＝0；
第二，红酒半成品运动边缘检测：
图像边缘定义为色彩强度不同的图像覆盖区域之间的过渡，其中，对幅度求一阶微分，高的点对应边缘点，其二阶微分的零交叉点同样代表着边缘点，用梯度模最大值或是二阶导数过零点提取边缘，本发明将DSP处理器应用于小波分析中，实现小波变换并行计算；
针对有限序列的快速小波变换：采用周期性扩展法，将一个有限序列作为周期信号向外扩展，其中关键性的周期长度即是序列的长度，克服零插值法带来的边界处不连续的缺陷，使得序列能够周期性的沿相应方向进行，为进一步提高有限序列FWT的运算速度，用DSP处理器中循环寻找地址进行序列的周期性扩展；
小波变换分解式用通式表示：
输入序列定义为z(m)，尺度展开系数为x(w)，系数为g(h)，当启用DSP处理器时，系数序列的下标范围为0,…,h_upper，h_upper表示下标的最大值，
输入序列z(m)的长度
则x(w)的长度沿着尺度依次进行等分，k的取值区间为：0,…,N/2-1；
依据上述算法精确计算出指定尺度的数值，具体方法是：在输入序列的开头放上系数序列，在计算时将系数与之相对应的输入数值相乘后再累加，得到的结果就是展开序列上的第一个尺度值，接下来系数序列向前两个位置，得到新的序列后计算各个新系数与对应的输入值的乘积并累加，得到的结果作为第二个值，以此类推，直到系数序列完全脱离输入序列，为保证每个系数都能够与输入序列中的值相乘，在序列的结尾部分处加入输入序列的开头部分的若干值，新序列作为下一个算法的输入序列，原本长度为4的系数序列g(h)(0,…,3)经过平移后，最终转变为长度是M的输入序列z(m)(m＝0,…,M-1；M＝2v,v∈X+)；
当w＝0，计算尺度n+1上的第一个值xn+1(0)：
zn+1(0)＝g(0)·zn(0)+g(1)·zn(1)+g(2)·zn(2)+g(3)·zn(3) 式5
系数序列然后平移至w＝1，计算第二个值zn+1(1)：
zn+1(1)＝g(0)·zn(2)+g(1)·zn(3)+g(2)·zn(4)+g(3)·zn(5) 式6
当移至w＝M/2-1时，此时输入序列只能与前两个系数相乘，将zn(0)和zn(1)加到序列结尾的地方；尺度n+1的最后一个值zn+1(M/2-1)由下式计算：
依次类推，将zn+1(m)(m＝0,…,M/2-1)做为输入值得到下一个尺度值n+2。
与现有技术相比，本发明的贡献和创新点在于：
第一，红酒半成品运动检测***是红酒生产流水线上非常重要的一环，它的检测精度会直接影响红酒生产的质量，当发酵完成的红酒流出发酵炉时，其中都会混入一定量的发酵原料，形成红酒混合物，本发明专门剔除混合物中的残渣，制成合格的红酒成品，成功的研制出一个高效率、高合格度的检测设备对红酒溶液进行检测，检测过程分多级进行，保证检测精度，能够高效准确的完成红酒检测提纯，大幅提高红酒品质；
第二，本发明改进的背景差分法用当前图像以及背景图像差分检测运动前景，是基于背景建模的运动目标检测算法，由视频采集、动态图像序列的转化、前置处理、背景建模及前景检测和提取运动背景组成，运用选择滤波、同态滤波、小波多尺度边缘检测及表面积计算法识别残渣的图像处理，提出一种利用图像法检测红酒合格度的新方法，用并行算法DSP实时图像检测***，能极大的提高检测速度，为红酒半成品提供一种更可靠、方便、高效的测量方法，测量方法简单快捷，测量结果准确，装置在重干扰、腐蚀性条件下也不容易损坏和老化，是一种高效率低成本的检测提纯方法；
第三，良好的实时性：本发明实时图像解析的红酒半成品运动检测***，在实验室的模拟检测中，能够达到75至90ms/帧的处理速度，红酒样品在检测通道中的流速约为75cm/s，摄像头的拍摄间隔为100ms，能满足***实时检测的速度要求，该***对于红酒生产效率具有极大的提高；
第四，巨大的实用价值和广阔的应用前景：采用形态学前置处理进行图像滤波和多尺度小波变换进行图像边缘提取，将多次度和小波变换信息结合起来，能够获得较为满意的边缘提取结果，更重要的是，该***具有普适性，实践研究表明，本发明实时图像解析运动检测***在需要运算高位以及大数量数据的场合也有良好的表现，在红酒半成品检测领域有广阔的应用前景。
第五，灵活的***架构和方便的控制界面：整个DSP***采用PCI插卡架构形式，能直接接入工控微机***的PCI插槽于工控微机组成主从式***，方便灵活，同时，***摄像头采集的原始信号能直接通过A/D设备传入主机的程序界面，容易观测到实际的工业检测环境，方便和检测结果进行比较，完成功能调试，界面控制方便，实时图像解析精准，红酒半成品检测效率高，***可移植性好。
附图说明
图1是本发明通过图像法对溶液进行检测的***框图。
图2是基于TMS320C32的红酒半成品检测***的架构图。
图3是本发明图像采集控制电路原理图。
图4是本发明32位和8位零状态存储器接口示意图。
图5是C32对OV7610内部寄存器进行I2C总线读操作流程图。
图6是本发明改进的背景差分法流程示意图。
图7是本发明动态序列运动目标检测流程图。
图8是本发明的形态学滤波结果示意图。
具体实施方式
下面结合附图，对本发明提供的实时图像解析的红酒半成品运动检测***的技术方案进行进一步的描述，使本领域的技术人员能够更好的理解本发明并能予以实施。
本发明基于实时图像解析处理和检测，提出红酒半成品运动检测***，融合形态学滤波和小波变换、多尺度边缘检测，提出一种边缘检测小波函数构造及算法，实现基于DSP芯片的实时红酒半成品图像解析***，提出DSP***的软件编程和***调试方法；基于运动检测方法实现红酒半成品实时图像解析。
本发明在DSP技术的基础上融合形态学滤波和小波变换、多尺度边缘检测，提出一种边缘检测小波函数构造及算法，使得整个***的实用性及创新性都达到了较高水平，在总结现有技术的理论算法和***架构的基础上，设计并实现了完整的实时图像解析的红酒半成品运动检测***。
一、红酒半成品运动检测***概述
红酒半成品检验为红酒制造生产时的非常关键的步骤，本发明的红酒检验***用在生产线上辨别红酒中夹杂的发酵原料，是判断红酒半成品合格与否的自动检验***，本发明的红酒半成品运动检测***采用工控微机作为主机，采用TMS320C32芯片做从机，红酒半成品运动流程分段进行，通过图像采集卡和D/A设备，将数字信号送入DSP芯片完成图像降噪、边缘检测小波函数构造及算法处理，然后将处理结果送入工控微机***进行鉴别与自动化控制，去除不合格的红酒成分，当混有残渣的溶液经过检测通道时，通过图像采集得到红酒溶液与残渣的混合图像，残渣就是待检测及剔除的对象，经过图像前置处理模块，剔除工业环境下的噪声，分离出检测对象与背景；再经过边缘检测模块，将检测对象的边缘进行二值化；最后根据识别算法，计算出待测物体的表面积，设置一个临界门限，当对象表面积大于这个临界门限时定义为残渣，这一部分溶液为不合格产品，由控制***将其分流剔除。
虽然用光电传感器进行红外测量方法比较简单，测量结果不够准确，但由于设备装配时首先要保证红外装置的准确性，电子装置在重干扰、腐蚀性条件下容易损坏和老化，利用图像识别的方法进行测量能避免类似问题。
二、红酒半成品运动检测***的架构
(一)总体架构
红酒半成品运动检测***是红酒生产流水线上非常重要的一环，它的检测精度会直接影响红酒生产的质量。在检测过程中，当发酵完成的红酒流出发酵炉时，其中都会混入一定量的发酵原料，形成红酒混合物，本发明的任务是要剔除混合物中的残渣，制成合格的红酒成品，过滤网能初步滤掉一部分残渣，但通过滤网不能形成合格产品，这是由于：一是滤网过于严格，堵塞的速度太快，影响生产速度；二是即便通过滤网的是纯溶液，刚完成发酵的红酒液也会在检测通道中凝结形成新的残渣。所以必须有一个高效率、高合格度的检测设备对红酒溶液进行检测。图1是本发明研制的通过图像法对溶液进行检测的***框图，检测过程分多级进行，保证检测精度。
红酒半成品运动检测***由摄像头、图像A/D转换装置、DSP***、显示设备、工控微机及控制***构成，摄像头、光源、检验通道封装在密闭的箱子中，削弱光线的干扰，对于恒温低于19摄氏度的情况，在容器的外表面会产生雾状水蒸汽的凝结层，摄像头特别设计，采用远红外摄像头，工作流程按照以下步骤：
第一步，图像摄取，发酵后的液体在生产线上从发酵炉里流出，用一定的速率经过检验管道，与此同时，经过线阵CCD摄像头依据相当的频率对液体扫描，不断摄取红酒及异物混和物图像；
第二步，A/D转换及DSP图像处理，CCD摄像头拍摄的图像通过模数转换装置，将数字图像送入DSP***的帧存储器，并对数字图像进行高速运算处理，其中图像处理包括：增强色度、滤波降噪、提取异物边缘及二值化处理；
第三步，工控微机数据检测，DSP处理的边缘信息送入工控微机***，工控微机***通过计算异物的表面积对异物进行识别和定位，并对控制***发出控制命令，对检测到的异物进行分流剔除；
第四步，控制检测通道，加入鉴别后的异物的单个颗粒大小或是颗粒含量大于各自的标准临界值，则证明此部分红酒溶液含有残渣，需要分流，由控制设备同步控制阀门，红酒进入分流通道剔除或返回发酵炉继续发酵。
(二)DSP***架构与外设接口
***采用两片TMS320C32串连组成流水线工作模式，前一级TMS320C32用于图像前置处理，第二级TMS320C32用于边缘检测。图2是基于TMS320C32的红酒半成品检测***的架构图，图像A/D芯片采用Omnivision公司的OV7610，同时对地址码进行编译，控制电路信号采集运用ISP型EPLS芯片完成，***工作流程为：通电以后，***程序自发从Flash Memory快闪存储器装到三十二位片外程序RAM里，下载完后程序代码将立即反馈至TMS320C32，并随之执行；另外，***程序首先通过I2C总线设置OV7610芯片的工作参数，设置完成后，OV7610 在采集电路的控制下根据预设参数工作，进而获得图像；TMS320C32(1)通过DMA法把图像数据存储到帧存储器里，与此同时对帧存储器里的图像数据进行前置处理，将处理完成的结果数据直接送到数据RAM(1)中，后一级TMS320C32(2)再对RAM(1)中的数据进行小波边缘检测，处理完的边缘数据送入数据RAM(2)中，然后再送回工控微机，工控微机通过PCI总线读取 RAM(2)中的数据，根据边缘信息判定红酒是否合格，并且由控制***来控制红酒检测流程。整个***以在工控微机的控制下工作，也能脱离工控微机单独运行。
1.运动图像采集控制电路
***中图像芯片OV7610以工作在帧或工作在场方式工作，输出信号包括垂直同步信号 VSYNC、水平同步信号HREF和像素同步信号PCLK三种形式，这种组成体系确保***执行视觉算法处理时最终获得的图像为完整的帧图像，VSYNC信号代表介于两个正脉冲间时***扫描一帧或一场的额定时间，即在两个正脉冲之间扫描出完整一帧或一场图像的有效时间，HREF 信号表示在扫描一场或一帧图像时，各行像素的额定时间，即在高电平信号条件下扫描出一行像素的有效时间，PCLK信号表示当扫描完一场或者一帧后***读取完有效像素值的同时提供的同步信号。
本发明的目标在于高效完整的取得帧图像，利用图像控制电路将三个OV7610输出信号合并组成唯一输出，再利用外接设备即时读取操作的时序。原理图如图3所示。图像采集控制电路工作模式为：RESET端口在通电条件下保持低电平状态，断电则为高电平，保证两个D 触发器状态清零，并且同时确保无论VSYNC、HREF、PCLK三个输入信号如何变化，输出端OUT 依然维持低电平状态，电路开始工作后，每当获得一帧图像，C32的TCLK0引脚就输出一个信号来启动正脉冲，信号的输出会引导触发器1的Q端由清零状态转而输出高电平，同样触发器2的D端也转为高电平状态；接下来触发触发器2受到VSYNC正脉冲影响，使其Q端转为输出高电平，带来两个方面的结果：一是高电平引导HREF和PCLK相遇后的信号经由与非门电路输出到OUT端，二是输出高电平将迫使触发器1重新清零并转为输出低电平，进而导致触发器2的D端转为低电平；下一正脉冲到来后将使得触发器2的Q端开始输出低电平，进而屏蔽HREF和PCLK信号，输出端OUT又回到输出低电平状态；***每输出一个启动正脉冲信号，输出端OUT将获得一帧完整图像的有效像素值，并且读取同步信号。
2.图像DMA存取
采用DMA方法从OV7610读取图像并存入帧存储器，使图像获取和视觉算法处理两种操作同步进行，提升***的效率，TMS320C32芯片内部设置两个DMA管道，在操作DMA读与写二个过程中，分别利用这两个管道DMA同时进行，读与写过程中包含的外中断、串口发送、接收中断及定时器中断通过这一特殊架构保持中断信号的同步利用。
***中DMA操作的同步信号是电路里的输出OUT端，DMA源地址利用OV7610的输出端口地址，操作开始后保持DMA地址不变，同时将帧存储器地址设置为DMA目标地址，每次操作之后地址值加1；当图像采集启动信号由C32发出后，***就以DMA的方式将一帧完整的图像储存进帧存储器中。
工控微机接口：采用双端口存储器实现TMS320C32和工控微机的通讯，在工控微机的存储器获得结果数据后，得到红酒中检测到的异物边界信息，计算出异物的表面积大小，判断红酒是否达到合格标准，如不符合标准，由控制器控制红酒的检测通道，将不合格部分分流剔除，在红酒检测通道中安装一个分流阀门，正常情况下阀门打开，检测通道打开，分流通道关闭，红酒流入继续检测通道或者半成品区间，如检测到不合格产品，计算机向伺服机构发送控制命令，由伺服机构驱动控制器转动阀门，检测通道关闭，分流通道打开，这部分红酒从分流通道剔除。
三、基于DSP芯片的实时图像解析检测
(一)TMS320C32与外存接口
1.存储器，采用双帧存的架构，一类帧存服务于图像采集和图像显示，这类帧存用DRAM 存储芯片组成，另一类帧存服务于DSP处理器，这类帧存用SRAM存储芯片组成。
2.存储器接口，程序存储器用三十二位宽度，当***中需要8或16位数据，一种方法是直接在32位程序存储器中划出一定量的存储器作为8位或16位数据存储器；另一种方法是采用两组不同宽度的存储器，一组是32位，另一组是8位或16位。图4是采用两种存储器宽度的接口示意图，一组是32K×32位，采用STRB0\选通，控制寄存器设置为000F0000H，是物理存储器宽度为32位，数据类型为32位；另一组是32K×8位，用STRB1\选通，控制寄存器设置为全0，物理寄存器宽度为8位，数据类型为8位，C32和32K×32位存储器接口地址线A0至A14相互连接，四片的数据线组成32位数据，四片存储器的片选线分别和STRB0\ 的四根选通线相连接，C32和8位存储器接口时，用STRB1_B0\作选通线，C32的内部地址右移两位后呈现在外部地址引脚上，STRB1_B3\/A_1及STRB1_B2\/A_2做为额外的地址线，其余地址线的连接如图4所示。
(二)TMS32C32与I2C总线、A/D芯片的硬件连接
TMS320C32与OV7610利用I2C总线进行数据通信的硬件连接：实现TMS320C32和OV7610 间进行I2C总线数据通信，将OV7610上I2C总线引脚SCL及C32的CLKX0相连接，SDA和C32 的DX0相接，并在Vcc和SCL、SDA之间加入电阻，电阻值为4.7k，保持SDA低电平，CLKX0、DX0作为输出引脚，I2C的时序控制由软件实现，编程进行控制，初始化OV7610，并设置参数。
TMS320C32与OV7610进行I2C总线数据通信编程：OV7610是从设备，内部地址分配中， 52个寄存器的占用地址为00H至34H，写操作地址是42H，读操作地址是43H，在数据传送的过程中，C32作为主设备，具有发送器，OV7610作为从设备，具有接收器，多个寄存器的写入一次完成，主设备连续进行发送数据，寄存器地址可自动增值，被写入的数据依次存放于地址连续的寄存器内，这样的工作流程可提高效率，避免反复执行发送数据的全部过程，只要SDA产生应答信号，就能一次传送大量数据；C32进行读操作时，C32作为主设备，具有接收器，OV7610作为从设备，具有发送器，读操作流程如图5所示。
(三)基于TMS320C32主从式***硬件
采用多个DSP加通用微处理器MPU实现，每个处理器完成***的部分工作，MPU定义为主机，DSP定义为从机，主机控制从机，MPU控制DSP的运行、挂起，DSP在MPU的控制下， MPU把从外部获取的数据交给DSP处置，DSP把处置后获取的相应的结果传递给MPU，由MPU 将处置结果发送到其它***。
主机和从机之间实现双机通信采用：共享存储器方式，主处理器采用通用x86计算机， DSP承担实时的输入/输出处理，主CPU负责各种控制，DSP完成后，由主CPU对处理结果进行判定，决定所检验的产品是否符合规范。
共享存储器的双端口RAM的数据总线和地址总线与单端口RAM相同，两组总线顺序进行访问，片内总线仲裁逻辑向后访问的一方发出等待信号，只有在两组地址总线全部相同时，允许本方进入等待，当另一方完成访问后，等待方再进行访问，总线仲裁逻决定两组总线访问的先后顺序，提高工控微机和DSP芯片的并行处理能力，双端口RAM特别的构造，能促使双机方便的进行数据交换。
四、实时图像解析的运动检测***
对已经存在的AVI视频进行运动目标检测，通过检测图像序列中的运动目标，确定运动目标的位置，采用改进的背景差分法，流程图如图6所示，视频采集通过已经存在的AVI视频得到图像序列，背景建模得到准确的背景图像，从几个图像中提取出当前的背景，目标提取从序列图像中经过去噪处理取得背景图像，当序列图像中包含运动目标时，将背景图像和去噪后的当前图像对比，检测运动目标的对应区域，将变化区域从背景图像中提取出来。
改进的背景差分法用当前图像以及背景图像差分检测运动前景，是基于背景建模的运动目标检测算法，对动态序列的流程如图7所示，由视频采集、动态图像序列的转化、前置处理、背景建模及前景检测和提取运动背景组成。动态图像序列转化将AVI视频转化为图像序列，图像前置处理改善输入图像质量，变换突出有用信息，去除或者消弱无用的信息，图像在经过背景建模和前景检测后，提取运动前景将检测到的运动目标用框提取出来，得到最终检测结果，按照测定与剔除红酒溶液中不合格的残渣成分，实现红酒半成品的在线检测。运用本发明选择滤波、同态滤波、小波多尺度边缘检测及表面积计算法识别残渣的图像处理，提出一种利用图像法检测红酒合格度的新方法，用并行算法DSP实时图像检测***，能极大的提高检测速度，为红酒半成品提供一种更可靠、方便、高效的测量方法。
五、实时图像解析识别方法
(一)形态学前置处理模块
式1中，g(x,y)代表灰度图像，f(x,y)代表架构元素，l(x,y)代表h(x,y)的平滑图像，运用形态开f○g和形态闭f·g两者的平均值表达出灰度图像g(x,y)的平滑图像l(x,y)，
形态开仅实现局部背景的平滑处理，而要表达出空域高频部分中可能包含的目标，则必须掌握原g(x,y)与l(x,y)两者的差值，即残差图像b(x,y)，式2所示：
b(x，y)＝g(x，y)-l(x，y) 式2
进一步对残差图像b(x,y)进行局部临界值分割，加之临界门限处置得到对应的除去背景噪声的目标图像序列。
形态学DSP实现方法分成移位、求或-OR、求与-AND。
对红酒检验中所使用的样品进行了形态学前置处理滤波，结果图如图8所示。
(二)边缘检测模块
1.小波边缘检测函数构造方法
小波变换把图像分解为三个分量：平滑的图像
水平细节图像
和垂直细节图像
其中，
g(x，y)是原始的二维数字信号，
是 g(x，y)在分辨率j下的离散概貌，
是g(x，y)在分辨率j下沿垂直方向的离散细节，
是在分辨率j下沿垂直方向的离散细节，取出
在相应尺度下的图像边缘点位置，本发明小波边缘检测流程算法为：
第1步，选取分解尺度J；
第2步，g(x，y)的每一行都需要递增j值二维二进小波变换，0＜j＜J；可获取
第3步，寻出
的零交叉点；
第4步，算出所有小波变换的模值
在象素点(x,y)的m× m领域内沿方向梯度上的极大值点；
第5步，除去系数极值幅度随尺寸减少而在平均值上增加的序列；
第6步，图像的各个列重复第2步至第5步；
第7步，2次都获取极值处的点为边缘，置边缘线g(x,y)＝200，否则g(x,y)＝0。
2.红酒半成品运动边缘检测
图像边缘定义为色彩强度不同的图像覆盖区域之间的过渡，其中，对幅度求一阶微分，高的点对应边缘点，其二阶微分的零交叉点同样代表着边缘点，用梯度模最大值或是二阶导数过零点提取边缘，本发明将DSP处理器应用于小波分析中，实现小波变换并行计算。
针对有限序列的快速小波变换：采用周期性扩展法，将一个有限序列作为周期信号向外扩展，其中关键性的周期长度即是序列的长度，克服零插值法带来的边界处不连续的缺陷，使得序列能够周期性的沿相应方向进行，为进一步提高有限序列FWT的运算速度，用DSP处理器中循环寻找地址进行序列的周期性扩展。
小波变换分解式用通式表示：
输入序列定义为z(m)，尺度展开系数为x(w)，系数为g(h)，当启用DSP处理器时，系数序列的下标范围为0,…,h_upper，h_upper表示下标的最大值，
输入序列z(m)的长度
则x(w)的长度沿着尺度依次进行等分，k的取值区间为：0,…,N/2-1；
依据上述算法精确计算出指定尺度的数值，具体方法是：在输入序列的开头放上系数序列，在计算时将系数与之相对应的输入数值相乘后再累加，得到的结果就是展开序列上的第一个尺度值，接下来系数序列向前两个位置，得到新的序列后计算各个新系数与对应的输入值的乘积并累加，得到的结果作为第二个值，以此类推，直到系数序列完全脱离输入序列，为保证每个系数都能够与输入序列中的值相乘，在序列的结尾部分处加入输入序列的开头部分的若干值，新序列作为下一个算法的输入序列，原本长度为4的系数序列g(h)(0,…,3)经过平移后，最终转变为长度是M的输入序列z(m)(m＝0,…,M-1；M＝2v,v∈X+)。
当w＝0，计算尺度n+1上的第一个值xn+1(0)：
zn+1(0)＝g(0)·zn(0)+g(1)·zn(1)+g(2)·zn(2)+g(3)·zn(3) 式5
系数序列然后平移至w＝1，计算第二个值zn+1(1)：
zn+1(1)＝g(0)·zn(2)+g(1)·zn(3)+g(2)·zn(4)+g(3)·zn(5) 式6
当移至w＝M/2-1时，此时输入序列只能与前两个系数相乘，将zn(0)和zn(1)加到序列结尾的地方；尺度n+1的最后一个值zn+1(M/2-1)由下式计算：
依次类推，将zn+1(m)(m＝0,…,M/2-1)做为输入值得到下一个尺度值n+2。
(1)循环寻址：采用DSP***循环寻址；指引周期性扩展最终完成循环缓存过程，其具体表现形式为一个可滑动的窗口，等待处理的数据都存储在该窗口内，出现新的数据输入之后，覆盖掉原有的数据，z(m)作为缓存区的开始以及存储单元，z(m)前的数据如z(m-1)、z(m-2) 沿着其顺时针方向不断写入***，并且每计算出一个新数据之后就自动放置到z(m)中，而最后则是在相关算法的指引下，指针按特定方向平移锁定并筛选每一个数据，直到最终的输出数据产生，完成这一过程后，指针又将重回z(m)的位置，并且立即沿逆时针方向移动，指向 z(m-M)，z(m-M)存储的是最早的数据，新数据将覆盖此数据，整个计算就是在重复上述过程。***的高性能微处理器能提供足够的线性存储空间，而采用循环寻址指令后，线性存储空间完全可以转变为循环缓存空间，得到更大的利用。
(2)DSP驱动的小波变换，尺度算法的核心在于内外两个嵌套的循环使用，内循环通过小波变换最终得到一个尺度值，外循环的嵌套使用准确控制内循环结束后的系数序列的平移位置，另外外循环运行的次数与所需尺度值的个数相对应，在程序开始前，指针必须进行初始化，输入序列由AR0指针指示，AR1指针指示的缓存区内存放相关尺度值数据，最后AR2 指向***的小波系数表，循环次数寄存器RC决定循环的运行次数，运算前预先给RC一个需要分析的尺度的长度值，默认最小为1，循环开始后，外循环算出一个尺度内的所有尺度值，同时内循环在RPTS指令控制下计算其中一个的尺度值；在此期间首先明确以下参数：第一，内循环执行下一条命令的次数：在RPTS src指令控制下，该次数为src+1次；第二，***总体的循环次数与本身的系数序列长度一致；第三，***尺度序列中的每一个值是经过输入序列及系数序列值按一定次序相乘再求和后算出，通过指令的平行操作构造完成，平行操作(标识符为“||”)将两个指令置入两个平行单元并同时开始执行，具有较高的并发性，对应的代码如下所示：
RPTS @L_UPPER
MPYF *AR0++％，*AR2++，R0
||ADDF R0，R2
ADDF R0，R2
R0及R2代表两个寄存器，在执行RPTS指令时需要清0，R0中存入的结果为：AR0指针指向的输入值及AR2指针指向的系数相乘后的值，待完成一次后，AR0及AR2指针分别增加1个数值，使其指向下一个存储位置并重复上述运算，而开始的运算结果也随之从R0添加到R2，按照循环寻址运算法则，指针AR0继续增大(用“％”表示)，直到完成缓存区内所有运算后，AR0才会重新回到缓存区的开始位置，并等待下一次操作的开始，AR0的大小必须在第一次执行外循环时规定清楚，保证循环缓存区乃至整个***的正常工作。
假设平行操作指令规定的循环次数为最大上限H_UPPER次，在循环过程中，寄存器R2中的值根据R0不断变换，采用TMS320C32执行指令的运行经过四个独立的步骤：1-取指、2- 译码、3-访问数据、4-流水线执行；当操作指令已经执行完毕，数据写入R0后，R2的值为0，控制在执行完毕RPTS指令后，让R0中的值再次写入R2中一次；接下来，计算出的尺度值存储到指针AR1所指示的存储位置，并且AR1在执行完成后数值增加1继续接下来的运行，
STF R2,*AR1++
在循环模块WTBLOCK的最后，指针AR0重新指向输入序列的开头并同时将寄存器IR0中的值添加进来；
LD I @XARRAY，AR0
NOP *++AR0(IR0)
当需要完成Mallat算法中的抽样时，具体操作方法为：寄存器IR0在首次执行循环模块 WTBLOCK前内部首先初始化为0，但在结尾处其值加2，在第一次执行过程中，AR0指针先指向Z(0)，第二次指向Z(2)，第三次指向Z(4)，依次类推。
指针AR2在指向小波系数序列时，在每次新循环开始前，指针指向序列中的的第一个系数：
LD I@WLETTAB,AR2
运用指令PUSH,分别将寄存器RC，RE，RS以及ST的内容存储起来(RPTS指令执行前)，运用指令POP将它们恢复(RPTS指令执行后)，最大程度降低循环各指令间的相互影响，提高循环指令执行效率。
(3)小波边缘检测结果：根据滤波后的原始图像与小波边缘检测后的图像的对比得出，小波能检测到图像中的边缘细节，具有很好的检测效果。
六、***硬软件实现
为了让仿真器能调试用户硬件***，在设计电路板时将仿真头像与十二根仿真线相连，仿真器根据用户***需求直接进行软硬件的调试；在执行编译或汇编程序并最终转换为写入 Flash Memory文件的过程为：
过程一，运用C程序以及汇编程序进行编码，得到拓展名为.OBJ的target文件；
过程二，将target文件与***链接并执行，得到.OUT为拓展名的输出文件；
过程三，转换文件格式，将.OUT文件转变为TI格式文件MBE.TI；
过程四，将过程三中的MBE.TI转换格式，得到八位字节宽度的二进制文件MBE.BIN；
过程五，将MBE.BIN存进写入器，并随后写入Flash Memory中；
过程六，***运行DSP***的最后一步是把Flash Memory***电路板的FlashMemory 处；
本***采用的链接命令文件如下所示：
Claims (10)
1.实时图像解析的红酒半成品运动检测***，其特征在于，在DSP技术的基础上融合形态学滤波和小波变换、多尺度边缘检测，提出一种边缘检测小波函数构造及算法，实现基于DSP芯片的实时红酒半成品图像解析***，提出DSP***的软件编程和***调试方法；基于运动检测方法实现红酒半成品实时图像解析，设计并实现了完整的实时图像解析的红酒半成品运动检测***；
本发明的红酒检验***用在生产线上辨别红酒中夹杂的发酵原料，是判断红酒半成品合格与否的自动检验***，采用工控微机作为主机，采用TMS320C32芯片做从机，红酒半成品运动流程分段进行，通过图像采集卡和D/A设备，将数字信号送入DSP芯片完成图像降噪、边缘检测小波函数构造及算法处理，然后将处理结果送入工控微机***进行鉴别与自动化控制，去除不合格的红酒成分，当混有残渣的溶液经过检测通道时，通过图像采集得到红酒溶液与残渣的混合图像，残渣就是待检测及剔除的对象，经过图像前置处理模块，剔除工业环境下的噪声，分离出检测对象与背景；再经过边缘检测模块，将检测对象的边缘进行二值化；最后根据识别算法，计算出待测物体的表面积，设置一个临界门限，当对象表面积大于这个临界门限时定义为残渣，这一部分溶液为不合格产品，由控制***将其分流剔除；
红酒半成品运动检测***由摄像头、图像A/D转换装置、DSP***、显示设备、工控微机及控制***构成，摄像头、光源、检验通道封装在密闭的箱子中，采用远红外摄像头，工作流程按照以下步骤：
第一步，图像摄取，发酵后的液体在生产线上从发酵炉里流出，用一定的速率经过检验管道，与此同时，经过线阵CCD摄像头依据相当的频率对液体扫描，不断摄取红酒及异物混和物图像；
第二步，A/D转换及DSP图像处理，CCD摄像头拍摄的图像通过模数转换装置，将数字图像送入DSP***的帧存储器，并对数字图像进行高速运算处理，其中图像处理包括：增强色度、滤波降噪、提取异物边缘及二值化处理；
第三步，工控微机数据检测，DSP处理的边缘信息送入工控微机***，工控微机***通过计算异物的表面积对异物进行识别和定位，并对控制***发出控制命令，对检测到的异物进行分流剔除；
第四步，控制检测通道，加入鉴别后的异物的单个颗粒大小或是颗粒含量大于各自的标准临界值，则证明此部分红酒溶液含有残渣，需要分流，由控制设备同步控制阀门，红酒进入分流通道剔除或返回发酵炉继续发酵。
2.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，DSP***架构与外设接口：***采用两片TMS320C32串连组成流水线工作模式，前一级TMS320C32用于图像前置处理，第二级TMS320C32用于边缘检测，图像A/D芯片采用Omnivision公司的OV7610，同时对地址码进行编译，控制电路信号采集运用ISP型EPLS芯片完成；
***工作流程为：通电以后，***程序自发从Flash Memory快闪存储器装到三十二位片外程序RAM里，下载完后程序代码将立即反馈至TMS320C32，并随之执行；另外，***程序首先通过I2C总线设置OV7610芯片的工作参数，设置完成后，OV7610在采集电路的控制下根据预设参数工作，进而获得图像；TMS320C32(1)通过DMA法把图像数据存储到帧存储器里，与此同时对帧存储器里的图像数据进行前置处理，将处理完成的结果数据直接送到数据RAM(1)中，后一级TMS320C32(2)再对RAM(1)中的数据进行小波边缘检测，处理完的边缘数据送入数据RAM(2)中，然后再送回工控微机，工控微机通过PCI总线读取RAM(2)中的数据，根据边缘信息判定红酒是否合格，并且由控制***来控制红酒检测流程，整个***以在工控微机的控制下工作，也能脱离工控微机单独运行。
3.根据权利要求2所述的实时图像解析的红酒半成品运动检测***，其特征在于，运动图像采集控制电路：***中图像芯片OV7610以工作在帧或工作在场方式工作，输出信号包括垂直同步信号VSYNC、水平同步信号HREF和像素同步信号PCLK三种形式，这种组成体系确保***执行视觉算法处理时最终获得的图像为完整的帧图像，VSYNC信号代表介于两个正脉冲间时***扫描一帧或一场的额定时间，即在两个正脉冲之间扫描出完整一帧或一场图像的有效时间，HREF信号表示在扫描一场或一帧图像时，各行像素的额定时间，即在高电平信号条件下扫描出一行像素的有效时间，PCLK信号表示当扫描完一场或者一帧后***读取完有效像素值的同时提供的同步信号；
利用图像控制电路将三个OV7610输出信号合并组成唯一输出，再利用外接设备即时读取操作的时序，图像采集控制电路工作模式为：RESET端口在通电条件下保持低电平状态，断电则为高电平，保证两个D触发器状态清零，并且同时确保无论VSYNC、HREF、PCLK三个输入信号如何变化，输出端OUT依然维持低电平状态，电路开始工作后，每当获得一帧图像，C32的TCLK0引脚就输出一个信号来启动正脉冲，信号的输出会引导触发器1的Q端由清零状态转而输出高电平，同样触发器2的D端也转为高电平状态；接下来触发触发器2受到VSYNC正脉冲影响，使其Q端转为输出高电平，带来两个方面的结果：一是高电平引导HREF和PCLK相遇后的信号经由与非门电路输出到OUT端，二是输出高电平将迫使触发器1重新清零并转为输出低电平，进而导致触发器2的D端转为低电平；下一正脉冲到来后将使得触发器2的Q端开始输出低电平，进而屏蔽HREF和PCLK信号，输出端OUT又回到输出低电平状态；***每输出一个启动正脉冲信号，输出端OUT将获得一帧完整图像的有效像素值，并且读取同步信号。
4.根据权利要求2所述的实时图像解析的红酒半成品运动检测***，其特征在于，图像DMA存取：采用DMA方法从OV7610读取图像并存入帧存储器，使图像获取和视觉算法处理两种操作同步进行，TMS320C32芯片内部设置两个DMA管道，在操作DMA读与写二个过程中，分别利用这两个管道DMA同时进行，读与写过程中包含的外中断、串口发送、接收中断及定时器中断通过这一特殊架构保持中断信号的同步利用；
***中DMA操作的同步信号是电路里的输出OUT端，DMA源地址利用OV7610的输出端口地址，操作开始后保持DMA地址不变，同时将帧存储器地址设置为DMA目标地址，每次操作之后地址值加1；当图像采集启动信号由C32发出后，***就以DMA的方式将一帧完整的图像储存进帧存储器中；
工控微机接口：采用双端口存储器实现TMS320C32和工控微机的通讯，在工控微机的存储器获得结果数据后，得到红酒中检测到的异物边界信息，计算出异物的表面积大小，判断红酒是否达到合格标准，如不符合标准，由控制器控制红酒的检测通道，将不合格部分分流剔除，在红酒检测通道中安装一个分流阀门，正常情况下阀门打开，检测通道打开，分流通道关闭，红酒流入继续检测通道或者半成品区间，如检测到不合格产品，计算机向伺服机构发送控制命令，由伺服机构驱动控制器转动阀门，检测通道关闭，分流通道打开，这部分红酒从分流通道剔除。
5.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，基于DSP芯片的实时图像解析检测中，TMS320C32与外存接口包括：
存储器，采用双帧存的架构，一类帧存服务于图像采集和图像显示，这类帧存用DRAM存储芯片组成，另一类帧存服务于DSP处理器，这类帧存用SRAM存储芯片组成；
存储器接口，程序存储器用三十二位宽度，当***中需要8或16位数据，一种方法是直接在32位程序存储器中划出一定量的存储器作为8位或16位数据存储器；另一种方法是采用两组不同宽度的存储器，一组是32位，另一组是8位或16位，一组是32K×32位，采用STRB0\选通，控制寄存器设置为000F0000H，是物理存储器宽度为32位，数据类型为32位；另一组是32K×8位，用STRB1\选通，控制寄存器设置为全0，物理寄存器宽度为8位，数据类型为8位，C32和32K×32位存储器接口地址线A0至A14相互连接，四片的数据线组成32位数据，四片存储器的片选线分别和STRB0\的四根选通线相连接，C32和8位存储器接口时，用STRB1_B0\作选通线，C32的内部地址右移两位后呈现在外部地址引脚上，STRB1_B3\/A_1及STRB1_B2\/A_2做为额外的地址线。
6.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，TMS32C32与I2C总线、A/D芯片的硬件连接：TMS320C32与OV7610利用I2C总线进行数据通信的硬件连接：实现TMS320C32和OV7610间进行I2C总线数据通信，将OV7610上I2C总线引脚SCL及C32的CLKX0相连接，SDA和C32的DX0相接，并在Vcc和SCL、SDA之间加入电阻，电阻值为4.7k，保持SDA低电平，CLKX0、DX0作为输出引脚，I2C的时序控制由软件实现，编程进行控制，初始化OV7610，并设置参数；
TMS320C32与OV7610进行I2C总线数据通信编程：OV7610是从设备，内部地址分配中，52个寄存器的占用地址为00H至34H，写操作地址是42H，读操作地址是43H，在数据传送的过程中，C32作为主设备，具有发送器，OV7610作为从设备，具有接收器，多个寄存器的写入一次完成，主设备连续进行发送数据，寄存器地址可自动增值，被写入的数据依次存放于地址连续的寄存器内，这样的工作流程可提高效率，避免反复执行发送数据的全部过程，只要SDA产生应答信号，就能一次传送大量数据；C32进行读操作时，C32作为主设备，具有接收器，OV7610作为从设备，具有发送器。
7.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，基于TMS320C32主从式***硬件：采用多个DSP加通用微处理器MPU实现，每个处理器完成***的部分工作，MPU定义为主机，DSP定义为从机，主机控制从机，MPU控制DSP的运行、挂起，DSP在MPU的控制下，MPU把从外部获取的数据交给DSP处置，DSP把处置后获取的相应的结果传递给MPU，由MPU将处置结果发送到其它***；
主机和从机之间实现双机通信采用：共享存储器方式，主处理器采用通用x86计算机，DSP承担实时的输入/输出处理，主CPU负责各种控制，DSP完成后，由主CPU对处理结果进行判定，决定所检验的产品是否符合规范；
共享存储器的双端口RAM的数据总线和地址总线与单端口RAM相同，两组总线顺序进行访问，片内总线仲裁逻辑向后访问的一方发出等待信号，只有在两组地址总线全部相同时，允许本方进入等待，当另一方完成访问后，等待方再进行访问，总线仲裁逻决定两组总线访问的先后顺序，提高工控微机和DSP芯片的并行处理能力，双端口RAM特别的构造，促使双机方便的进行数据交换。
8.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，实时图像解析的运动检测***：对已经存在的AVI视频进行运动目标检测，通过检测图像序列中的运动目标，确定运动目标的位置，采用改进的背景差分法，视频采集通过已经存在的AVI视频得到图像序列，背景建模得到准确的背景图像，从几个图像中提取出当前的背景，目标提取从序列图像中经过去噪处理取得背景图像，当序列图像中包含运动目标时，将背景图像和去噪后的当前图像对比，检测运动目标的对应区域，将变化区域从背景图像中提取出来；
改进的背景差分法用当前图像以及背景图像差分检测运动前景，是基于背景建模的运动目标检测算法，由视频采集、动态图像序列的转化、前置处理、背景建模及前景检测和提取运动背景组成，动态图像序列转化将AVI视频转化为图像序列，图像前置处理改善输入图像质量，变换突出有用信息，去除或者消弱无用的信息，图像在经过背景建模和前景检测后，提取运动前景将检测到的运动目标用框提取出来，得到最终检测结果，按照测定与剔除红酒溶液中不合格的残渣成分，实现红酒半成品的在线检测。
9.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，形态学前置处理模块：式1中，g(x,y)代表灰度图像，f(x,y)代表架构元素，l(x,y)代表h(x,y)的平滑图像，运用形态开
和形态闭f·g两者的平均值表达出灰度图像g(x,y)的平滑图像l(x,y)，
形态开仅实现局部背景的平滑处理，而要表达出空域高频部分中可能包含的目标，则必须掌握原g(x,y)与l(x,y)两者的差值，即残差图像b(x,y)，式2所示：
b(x，y)＝g(x，y)-1(x，y) 式2
进一步对残差图像b(x,y)进行局部临界值分割，加之临界门限处置得到对应的除去背景噪声的目标图像序列；
形态学DSP实现方法分成移位、求或-OR、求与-AND。
10.根据权利要求1所述的实时图像解析的红酒半成品运动检测***，其特征在于，边缘检测模块：
第一，小波边缘检测函数构造方法：
小波变换把图像分解为三个分量：平滑的图像
水平细节图像
和垂直细节图像
其中，
g(x，y)是原始的二维数字信号，
是g(x，y)在分辨率j下的离散概貌，
是g(x，y)在分辨率j下沿垂直方向的离散细节，
是在分辨率j下沿垂直方向的离散细节，取出
在相应尺度下的图像边缘点位置，本发明小波边缘检测流程算法为：
第1步，选取分解尺度J；
第2步，g(x，y)的每一行都需要递增j值二维二进小波变换，0＜j＜J；可获取
第3步，寻出
的零交叉点；
第4步，算出所有小波变换的模值
在象素点(x,y)的m×m领域内沿方向梯度上的极大值点；
第5步，除去系数极值幅度随尺寸减少而在平均值上增加的序列；
第6步，图像的各个列重复第2步至第5步；
第7步，2次都获取极值处的点为边缘，置边缘线g(x,y)＝200，否则g(x,y)＝0；
第二，红酒半成品运动边缘检测：
图像边缘定义为色彩强度不同的图像覆盖区域之间的过渡，其中，对幅度求一阶微分，高的点对应边缘点，其二阶微分的零交叉点同样代表着边缘点，用梯度模最大值或是二阶导数过零点提取边缘，本发明将DSP处理器应用于小波分析中，实现小波变换并行计算；
针对有限序列的快速小波变换：采用周期性扩展法，将一个有限序列作为周期信号向外扩展，其中关键性的周期长度即是序列的长度，克服零插值法带来的边界处不连续的缺陷，使得序列能够周期性的沿相应方向进行，为进一步提高有限序列FWT的运算速度，用DSP处理器中循环寻找地址进行序列的周期性扩展；
小波变换分解式用通式表示：
输入序列定义为z(m)，尺度展开系数为x(w)，系数为g(h)，当启用DSP处理器时，系数序列的下标范围为0,…,h_upper，h_upper表示下标的最大值，
输入序列z(m)的长度M＝2v，v∈X+，则x(w)的长度沿着尺度依次进行等分，k的取值区间为：0,…,N/2-1；
依据上述算法精确计算出指定尺度的数值，具体方法是：在输入序列的开头放上系数序列，在计算时将系数与之相对应的输入数值相乘后再累加，得到的结果就是展开序列上的第一个尺度值，接下来系数序列向前两个位置，得到新的序列后计算各个新系数与对应的输入值的乘积并累加，得到的结果作为第二个值，以此类推，直到系数序列完全脱离输入序列，为保证每个系数都能够与输入序列中的值相乘，在序列的结尾部分处加入输入序列的开头部分的若干值，新序列作为下一个算法的输入序列，原本长度为4的系数序列g(h)(0,…,3)经过平移后，最终转变为长度是M的输入序列z(m)(m＝0,…,M-1；M＝2v,v∈X+)；
当w＝0，计算尺度n+1上的第一个值xn+1(0)：
zn+1(0)＝g(0)·zn(0)+g(1)·zn(1)+g(2)·zn(2)+g(3)·zn(3) 式5
系数序列然后平移至w＝1，计算第二个值zn+1(1)：
zn+1(1)＝g(0)·zn(2)+g(1)·zn(3)+g(2)·zn(4)+g(3)·zn(5) 式6
当移至w＝M/2-1时，此时输入序列只能与前两个系数相乘，将zn(0)和zn(1)加到序列结尾的地方；尺度n+1的最后一个值zn+1(M/2-1)由下式计算：
依次类推，将zn+1(m)(m＝0,…,M/2-1)做为输入值得到下一个尺度值n+2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594150.XA CN113284116A (zh) | 2021-05-28 | 2021-05-28 | 实时图像解析的红酒半成品运动检测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594150.XA CN113284116A (zh) | 2021-05-28 | 2021-05-28 | 实时图像解析的红酒半成品运动检测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113284116A true CN113284116A (zh) | 2021-08-20 |
Family
ID=77282660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110594150.XA Withdrawn CN113284116A (zh) | 2021-05-28 | 2021-05-28 | 实时图像解析的红酒半成品运动检测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113284116A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169387A (zh) * | 2022-06-20 | 2022-10-11 | 脉冲视觉(北京)科技有限公司 | 脉冲信号的前景检测方法、装置、电子设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3048049B1 (ja) * | 1998-02-18 | 2000-06-05 | 株式会社スキャンテクノロジー | 異物検査システム |
| US6081324A (en) * | 1998-06-22 | 2000-06-27 | Scan Technology Co., Ltd. | Foreign matter detecting system |
| CN101692056A (zh) * | 2009-10-15 | 2010-04-07 | 湖南大学 | 一种保健酒中杂质自动检测方法和装置 |
| CN101859378A (zh) * | 2010-06-11 | 2010-10-13 | 湖南大学 | 高速医药生产线上的药液质量视觉检测方法 |
| CN105181714A (zh) * | 2015-09-08 | 2015-12-23 | 哈尔滨工程大学 | 一种基于图像处理的瓶装液体杂质检测***及其检测方法 |
| CN108896574A (zh) * | 2018-05-11 | 2018-11-27 | 四川大学 | 一种基于机器视觉的瓶装白酒杂质检测方法及*** |
| CN109883959A (zh) * | 2019-02-26 | 2019-06-14 | 江苏大学 | 一种基于阵列传感器芯片的便携式多光谱成像装置及其应用 |
| CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
| CN110717852A (zh) * | 2019-06-13 | 2020-01-21 | 内蒙古大学 | 一种基于fpga的田间视频图像实时分割***及方法 |
| WO2020026114A1 (en) * | 2018-08-03 | 2020-02-06 | Proxentia S.R.L. | System for the rapid analysis of samples and corresponding reader, cartridge and method |
| CN111627025A (zh) * | 2020-05-21 | 2020-09-04 | 江苏华阳智能装备股份有限公司 | 瓶装药液智能检测方法及*** |
-
2021
- 2021-05-28 CN CN202110594150.XA patent/CN113284116A/zh not_active Withdrawn
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3048049B1 (ja) * | 1998-02-18 | 2000-06-05 | 株式会社スキャンテクノロジー | 異物検査システム |
| US6081324A (en) * | 1998-06-22 | 2000-06-27 | Scan Technology Co., Ltd. | Foreign matter detecting system |
| CN101692056A (zh) * | 2009-10-15 | 2010-04-07 | 湖南大学 | 一种保健酒中杂质自动检测方法和装置 |
| CN101859378A (zh) * | 2010-06-11 | 2010-10-13 | 湖南大学 | 高速医药生产线上的药液质量视觉检测方法 |
| CN105181714A (zh) * | 2015-09-08 | 2015-12-23 | 哈尔滨工程大学 | 一种基于图像处理的瓶装液体杂质检测***及其检测方法 |
| CN108896574A (zh) * | 2018-05-11 | 2018-11-27 | 四川大学 | 一种基于机器视觉的瓶装白酒杂质检测方法及*** |
| WO2020026114A1 (en) * | 2018-08-03 | 2020-02-06 | Proxentia S.R.L. | System for the rapid analysis of samples and corresponding reader, cartridge and method |
| CN109883959A (zh) * | 2019-02-26 | 2019-06-14 | 江苏大学 | 一种基于阵列传感器芯片的便携式多光谱成像装置及其应用 |
| CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
| CN110717852A (zh) * | 2019-06-13 | 2020-01-21 | 内蒙古大学 | 一种基于fpga的田间视频图像实时分割***及方法 |
| CN111627025A (zh) * | 2020-05-21 | 2020-09-04 | 江苏华阳智能装备股份有限公司 | 瓶装药液智能检测方法及*** |
Non-Patent Citations (4)
| Title |
|---|
| 李艳婷;王水鱼;: "视频图像中动态目标检测***的FPGA硬件设计", 计算机***应用, no. 03 * |
| 林克正: "基于小波分析的焊缝图象处理与识别的研究", 中国优秀博硕士学位论文全文数据库 (博士)信息科技辑, pages 26 - 64 * |
| 王克勇;宋承天;郑链;: "基于局部纹理分析的红外小目标检测及其DSP实现", 光学技术, no. 1 * |
| 肖方良: "劲酒中可见异物的图像检测技术研究", 中国优秀硕士学位论文全文数据库信息科技辑, pages 10 - 59 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169387A (zh) * | 2022-06-20 | 2022-10-11 | 脉冲视觉(北京)科技有限公司 | 脉冲信号的前景检测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8570393B2 (en) | System and method for processing image data relative to a focus of attention within the overall image | |
| US20090141987A1 (en) | Vision sensors, systems, and methods | |
| Joshi et al. | OpenCV by example | |
| CN113284116A (zh) | 实时图像解析的红酒半成品运动检测*** | |
| Han et al. | Adaptive feature representation for visual tracking | |
| Ou et al. | A hyperspectral image change detection framework with self-supervised contrastive learning pretrained model | |
| Yang et al. | A PCB defect detector based on coordinate feature refinement | |
| CN105069780B (zh) | 一种基于SoPC的SAR图像水域检测实现方法 | |
| CN102039738A (zh) | 高速装订机页面在线模糊识别*** | |
| Huang et al. | The detection of defects in ceramic cell phone backplane with embedded system | |
| Ahmad et al. | Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Ikan Cupang Berbasis Mobile | |
| CN111914786A (zh) | 一种手指静脉识别方法及其*** | |
| Sivamani et al. | Design and implementation of gesture recognition and writing text virtually using finger | |
| CN112926277A (zh) | 小型化焦平面阵列测试数据采集和显示***设计方法 | |
| Bilal et al. | Rapid prototyping of image contrast enhancement hardware accelerator on FPGAs using high-level synthesis tools | |
| Nickel et al. | High-performance AKAZE implementation including parametrizable and generic HLS modules | |
| Zhang et al. | An efficient and universal polygon prediction method based on derivable analytic geometry for arbitrary-shaped text detection | |
| Ren et al. | The application of Virtex-II Pro FPGA in high-speed image processing technology of robot vision sensor | |
| CN111914787B (zh) | 一种用于指静脉识别soc***的寄存器配置方法 | |
| CN116908134B (zh) | 增塑剂含量的半定量分析方法及分析模型的训练方法 | |
| Nogueira et al. | Object Tracking and Detection on FPGA Board Cyclone II | |
| CN204680067U (zh) | 一种基于fpga的运动细胞图像处理*** | |
| Lougheed et al. | An analysis of computer architectural factors contributing to image processor capacity | |
| Chen | Design of Real Time Video Image Acquisition and Processing System Based on FPGA | |
| Mohan et al. | Design and implementation of shape-based feature extraction engine for vision systems using Zynq SoC |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210820 |
|
| WW01 | Invention patent application withdrawn after publication |