机器视觉技术在分拣系统中的应用研究综述.pdf

2020年第5期 机器视觉技术在分拣系统中的应用研究综述 王成军①②严晨 ①省部共建深部煤矿采动响应与灾害防控国家重点实验室，安徽淮南232001 ； ②安徽理工大学机械工程学院，安徽淮南232001 摘要随着机器视觉技术的发展，机器人分拣系统在多个行业得到广泛应用，为视觉识别技术的应用和智 能制造技术的发展创造了有利的条件。通过综述基于机器视觉技术分拣系统的组成和关键技术以 及在不同领域产品的应用现状，分析比较了国内外在各个领域的研究进展和存在问题，并对未来发 展趋势作出了展望，为机器视觉技术在人工智能产业的应用提供参考。 关键词机器视觉;图像处理;轨迹规划;分拣系统;机器人 中图分类号TP391.41 文献标识码A DOI 10.19287/ j. c nki. 1005-2402.2020.05.004 Summary of application research of machine vision technology in sorting system WANG Ch eng jun①②，YAN Ch en1 ①St a t e Key La bo r a t o r y o f Mining Respo nse a nd Disa st er Pr event io n a nd Co nt r o l in Deep Co a l Mines, Hua ina n 232001, CHN ； Co l l eg e o f Mec h a nic a l Eng ineer ing, Anh ui Univer sit y o f Sc ienc e a nd Tec h no l o g y, Hua ina n 232001, CHN Abstr ac t Wit h t h e d evel o pment o f ma c h ine visio n t ec h no l o g y, r o bo t so r t ing syst em h a s been w id el y used in ma ny ind ust r ies, c r ea t ing fa vo r a bl e c o nd it io ns fo r t h e a ppl ic a t io n o f visua l r ec o g nit io n t ec h no l o g y a nd t h e d evel o pment o f int el l ig ent ma nufa c t ur ing t ec h no l o g y. By r eview ing t h e c o mpo sit io n a nd key t ec h no l o g ies o f so r t ing syst em ba sed o n ma c h ine visio n t ec h no l o g y a nd t h e a ppl ic a t io n st a t us o f pr o d uc t s in d iffer ent fiel d s, t h e r esea r c h pr o g r ess a nd exist ing pr o bl ems in va r io us fiel d s a t h o me a nd a br o a d a r e a na l yzed a nd c o m pa r ed ,a nd t h e fut ur e d evel o pment t r end is pr o spec t ed, w h ic h pr o vid es a r efer enc e fo r t h e a ppl ic a t io n o f ma c h ine visio n t ec h no l o g y in a r t ific ia l int el l ig enc e ind ust r y. Keywor ds ma c h ine visio n ； ima g e pr o c essing ； t r a jec t o r y pl a nning ； so r t ing syst em ； r o bo t 视觉是人们获取外界信息的重要来源，统计表明， 人类从外界获取信息量的80来源于视觉⑴。机器 视觉技术是指使机器像人类一样具有感知功能的检测 识别技术,可通过光学装置和非接触式的传感器自动 地接收和处理真实物体的图像⑵。机器视觉技术作 为人眼的延伸，不仅可以代替人眼读取外界信息，还能 帮助人类作出_定的分析处理工作。 在全球“工业4.0”大背景下，兼具精准高效特点 的机器视觉技术越来越得到世界各国的重视,应用更 加广泛。机器视觉技术在国内的研发和应用总体相对 较晚，直到2010年才迎来成长期。随着半导体和微电 子技术的革新，我国机器视觉技术也逐渐向多领域、多 行业及多层次方向扩展。与西方发达国家相比，我国 机器视觉技术仍存在较大的差距，但近年来相关产业 发展势头良好，进步明显。从2011年至2017年，国内 机器视觉市场规模从10亿元迅速扩大到70亿元，发 展潜力令人振奋，不仅与产品自身的应用优势有关，还 与强大的市场需求密不可分⑶。本文通过综述机器 视觉技术的研究现状，针对不同领域的机器人分拣系 统预测未来相关技术的应用趋势，有利于推动人工智 能产业的发展。 1发展及研究热点 1.1机器视觉技术的发展 机器视觉技术的应用始于上世纪50年代的统计 识别模式。上世纪60年代，Ro ber t s将视觉环境限制 *安徽省科技重大专项项目16030901012；安徽省自然科学基金面上项目1708085ME98；淮南市高校创新人团队专项计划项目2017A054 32 2020年第5期 于对物体形状及空间位置关系描述的“积木世界”，而 正式的视觉系统出现于上世纪70年代。到了上世纪 80年代，Da vid Ma r r教授视觉理论的出现促进了有关 机器视觉技术新理论、新方法的研究，进而推动了新兴 工业的发展。进入上世纪90年代，随着CCD电荷耦 合元件.COMS图像传感器以及数字接口技术的广泛 应用,出现了小型化、轻量化和低功耗的工业视觉设 备,带动了整个智能产业发展⑷o 经过多年的技术积累，各种机器视觉技术新算法 应运而生，如Ma t l a b软件的神经网络算法、分维算法 和小波变换算法等。新算法搭建机器视觉平台，运用 较少的计算量和计算时间实现快速的目标识别和信号 转换功能,提高了视觉识别和机器人分拣的准确性和 鲁棒性⑸。 1.2机器视觉技术的研究热点 随着计算机技术的发展和离散数学理论的创立与 完善，以及工业、农业和医学等方面应用需求的增长, 视觉系统的核心技术逐渐被更多国内外专家掌握,技 术和算法不断改善，日趋成熟。 主动视觉同是机器视觉技术研究的热点之一。 它强调视觉系统与其所处环境之间的交互能力，并带 有目的性地获取图像信息,增强了机器人分拣技术的 主动性。多传感器信息融合技术⑺是近20年来一直 不断完善的研究热点,它借助加权平均融合、卡尔曼滤 波法、Ba yes估计、统计决策理论、模糊逻辑推理、人工 神经网络、D-S证据理论等一系列科学算法消除图像 信息的不确定性和冗余性,获取更加可靠准确的结果, 被广泛地应用于移动机器人动态避障技术中。近年 来,学者们主要把精力投放在三维图像重建技术的研 究上，如通过重复旋转物体获取完整的立体图像技 术剧、具有图像阴影检测和补偿的机器人手指光学触 觉传感器何、像素平方差分与立体匹配算法以及采 用位于平行平面上的椭圆条纹作为介质进行在线标定 的双目立体视觉传感器（BSVS）⑴］,有效地提高了图 像识别的准确性。深度学习2⑶是机器视觉技术研 究的新热点，该技术以减少空间参数数量来达到提高 训练性能、优化深层结构难题的目的，可模仿人脑的理 解机制解释图像、声音和文本等数据。主要技术包括 自适应学习算法、深度神经网络算法以及多种语言的 识别和处理机制等。 2机器人分拣系统 基于机器视觉技术的机器人分拣系统能够在人工 作业危险的工作环境或者大批量产品生产中代替人工 ____________________________________Special Reports 砸 XS 视觉，把人们从繁重和肮脏的劳动中解放出来，满足企 业对员工安全和生产效率的要求，且能够显著提高生 产过程的柔性和产品的质量,适应未来工业自动化和 智能化的发展需求。 2.1分拣系统组成 机器人分拣系统由图像捕捉模块、数据处理模块、 机构执行模块以及信息监测模块组成,主要通过图像 捕捉模块里的视觉传感器获取外界环境的二维图像信 息并转化为模拟信号，然后进行模数转换得到数字信 号,再通过数据处理模块内部处理器所编译的算法对 信号进行处理和显示，即向机构执行模块发送控制信 号,让机器能够像人眼一样识别产品并自发地启动机 构执行模块进行产品分拣操作。 在分拣机器人中引入机器视觉技术，完成工件、快 递包裹和食品等产品的分拣工作,通过信息监测模块 对分拣数据进行在线统计、实时分析和反馈，提高了产 品识别精度和生产效率,分拣过程趋向柔性化、智能 化，作业质量显著提高，劳动成本大幅降低。其中，物 体的识别和精准定位是分拣机器人能够对物体进行准 确操作的必要条件。But t S I［⑷等使用4台摄像机并 结合多个视觉匹配算法研发出获取铸件模具表面图像 的自动模具定位样机,将样机与工业上已有的自动金 属浇注系统结合形成全自动砂铸系统,可提高现有自 动砂型铸造设备的灵活性、安全性和型合能力。 2.2图像捕捉关键技术 摄像机镜头存在的径向畸变、切心畸变和薄棱镜 畸变等不同程度的畸变容易导致捕捉的图像产生几何 失真问题,是影响图像精度的主要原因3。Her r d ez J 等“句根据直线射影不变性质，利用4条相互垂直的直 线建立坐标系,结合坐标轴上点的畸变特征完成了畸 变校正工作。然而该研究未考虑不同区域畸变程度的 差异,不能有效地利用整幅图像的直线特征约束，求解 畸变系数的稳定性偏低。 摄像机坐标系的坐标（OC,XC,YC,ZC）通过针孔摄 像机的透视和映射处理得到基于成像坐标系的物理坐 标（乙,丫”），摄像机坐标系的坐标与成像坐标系的物 理坐标关系如下 其中孑为摄像机镜头的焦距。理想情况下的摄像机 成像坐标（俎,坨）与实际成像坐标（乙,场）的转换关 系如下 33 2020年第5期 Yd 2 4「可 （1 K/2 鸟圧）Y 卡巴乙匕舄（疋 2疋）］ （2） ［匕（0 2尤） 2P2XuYu 丘疋K 其中丘为旋转矩阵;匕、舄为切向畸变参数;負、笛为 径向畸变参数。 图像多义性问题也是影响图像捕捉精度的重要 因素。实际工作中，三维场景较为复杂，摄像机获取 三维场景的二维图像时往往会产生图像多义性问 题,三维实体不可见部分的信息经常被丢失。汤一 平等曲］采用Ja va语言中的多线程机制，设计出1个 普通COMS摄像机和4个平面镜构成的单目多视角 的立体视觉装置。该装置通过一台摄像机和一次成 像来获得5个视角拍摄的珍珠表面图像，有效地减 少了珍珠表面反光对摄像机捕捉图像的干扰和图像 多义性问题。 目标识别技术是机器视觉技术的基础，它主要依 靠不同的算法对图像信息进行阈值分割、轮廓提取和 特征匹配。Bl a sc o J［18］等将非监督技术的阈值分割算 法应用到柑橘表面缺陷检测方面，提高了柑橘分拣的 质量。KS检测和迭代合并等算法也能对二维图像信 息进行区域分割。Tia n Jing［19］等利用蚁群算法，在物 体轮廓提取方面取得了新的进展。点、线、面的特征是 特征匹配最基本的元素,它们可以确立两张甚是多张 照片之间的联系。Zh eng Yo ng bin［20］等通过描述点的 LBP特征实现最优关系特征点的匹配。 2.3分拣系统关键技术 目标标定技术是机器人分拣系统的静态视觉核 心,该技术利用获得的图像信息对目标物体的实际空 间位姿进行恢复,结合机器人的位置对静止物体进行 坐标转换,确保分拣过程中机器人能够精确抓取目标 物体。Tr ig g s冋利用旋转矩阵得到物体位姿参数，该 目标标定方法精度方面能够满足机器人分拣需要。目 标物体的末端执行器o u v坐标系与机器人o x y坐标系 的关系如下 ⑶ V丿乜丿［yoj 其中/为旋转矩阵 c o s0 sin T - . sin0 c o s0 力0, , 0是目标物体A。在末端执行器坐标系下的 位置和方向。机器视觉目标标定技术通过机器人o xy 坐标系和末端执行器o u v坐标系标定目标物体，如图1 所示。 图］目标物体相对位置和方向 目标跟踪技术是机器人分拣系统的动态视觉核 心。动态目标物体对视觉伺服的稳定性要求很高，需 要保证特征点始终能够稳定地处于机器视觉视场范围 内。目前的研究多集中于根据图像信息确定期望的机 器人运动环节，而对整个视觉伺服系统的动态性能缺 乏研究。潘武血采用HALCON图像处理算子，并借 助C开发平台研发出一种工件动态识别系统，在识 别和分拣方面的工作效率已经达到了实际生产的要 求。目标跟踪技术往往能够对随机运动的物体进行下 一时刻的位置预测,它的主要问题是粒子退化。Mea n -sh ift】23〕跟踪算法能够实现目标物体的稳定定位,消 除粒子退化问题。倪鹤鹏⑵］等基于工件几何特征，将 目标跟踪技术应用于工件分拣，提出基于New t o n-Ra - ph o n迭代的动态抓取算法，并结合图像去重复算法, 提高了分拣系统的抓取效率，样机实验误差率在0.2 以下，仍需要增强分拣系统的稳定性才可能应用到实 际工程中。 末端执行器空间运动轨迹规划是机器人分拣系统 有效抓取目标物体的关键，也是国内外学者的研究重 点之一。为了防止机器人在抓取分拣目标物体时碰到 障碍物或者撞倒目标物体以及避免空间奇异位置的出 现,学者们研究出不同的轨迹规划方法来获取平滑的 运动轨迹。现今最常用的轨迹规划方法包括多项式 插值法、抛物线过渡的线性插值法、B样条曲线法、摆 线法等［25-26］。Qka n Ko g W］等基于FP增长算法和DP 动态规划算法，采用高速电缆驱动七自由度乒乓球机 器人,突破对战时乒乓球空间尺寸和落地时间的限制， 为机器人分拣系统优化空间运动轨迹抓取动态目标提 供一定的参考价值，如图2所示。机器人末端执行器 通过优化的空间运动轨迹移动到目标物体所在位置 B。,再从抓取目标物体放置到位置艮完成分拣 工作叫 34 2020年第5期 1机器人末端执行器；2目标所在位置；3目标放置位置。 图2末端执行器空间运动轨迹规划 3产品分拣技术应用现状 基于机器视觉技术的分拣机器人可替代企业工人 重复完成检测和分拣产品的工作，被广泛地应用于工 业、农业以及食品业等多个领域。 3.1机器视觉技术在零件分拣中的应用 零件的质量对于大型设备和精密仪器的装配尤为 重要，任何微小缺陷都有可能引发整个仪器设备在操 作运行过程中出现意想不到的故障。Peil in Li〔29］等借 助La bVIEW软件处理CCD相机获取的零件边缘毛刺 特征的图像信息。该软件通过计算零件半径尺寸偏差 来检测零件是否合格，有效地提高了产品出厂的合 格率。 国外将机器视觉技术应用于分拣技术的程度较 高。Ar ko Dja ja d i［30］等研发了一种图像处理的机电分 拣系统，在OpenCV视觉库支持下，配合理想的光源， 可完成检测圆形零件的形状、颜色及后续分拣等任务, 准确率接近100 o国内在机器视觉技术分拣领域短 板突出，研究者较多地停留于理论分析与实验。曾 鹏⑶］等使用直方图均衡化与Ca nny算子基于像素的 差异性对图像轮廓的边缘像素进行检测，解决了金属 零件表面高反光造成的侧面边缘与背景分割问题，提 高了螺母零件分拣的准确率。针对零件的不同形貌特 征,机器视觉技术可自动调整识别的阈值来提高零件 分拣的适用性。 3.2机器视觉技术在食品分拣中的应用 晏祖根加等基于专业图像处理软件Sh er l o c k结 合高速并联机器人，研发出一款能够提高食品生产效 率、保证食品卫生、降低劳动强度的智能分拣系统。 Er ik Gut t o r msen［33］等根据飾鱼加工副产物的不同反射 特性，采用能够训练机器学习方法的支持向量机 SVM，提出一种基于视觉图像网格搜索、交叉验证 技术分拣鱼卵、鱼白和废物的多级分离方法,提高了飾 鱼的附加产值。姜沛宏⑶］等应用神经网络建立基于 刻出孜* 占和/ RGB和HIS色彩特征分量的肉品新鲜度分级模型，对 肉品新鲜度分级方法的识别正确率可达90。高新 浩⑶］等利用小波分析方法，采用最大爛函数对纹理图 像的分离度进行度量，并结合重量判据设计了一种鲜 食玉米品质检测分类器,该分类器的理论有效分类率 高达99,为国内其他食品新鲜度检测和分级的研究 提供了参考。研究人员还可根据食品行业的实际需 求,开发具有识别食品新鲜度和分拣包装功能的前瞻 性机器视觉技术分拣系统来填补食品行业分拣技术的 空白。 3.3机器视觉技术在纸币分拣中的应用 纸币流在流通过程中容易因磨损而造成不同程度 的损坏。目前，国外在纸币分拣技术方面的研究相对 成熟,已处于实际应用阶段，且利用纸币分拣技术制作 了高精度的清分机。Ra ih a n Fer d o us Sa ja l［35］等针对孟 加拉纸币不同图像特征进行分析和识别的自动纸币清 分系统，如图3所示。该清分系统采用能有效识别面 额、方向和侧面等特征的机器视觉算法,平均分拣速度 为每秒8〜9张钞票，对破坏不严重的纸币，其分拣成 功率为100,有效地提高了纸币的分拣效率。 a 原图像 b二进制图像 0So bel算子边缘检测图像 图3 50塔卡孟加拉国货币图像的识别 国外甚至有学者利用光学编码器实现检测和分拣 系统的同步作业，降低了对传送带速度的依赖性。国 35 2020年第5期 内针对纸币分拣技术的研究水平相对较低。董扬 帆3提出了基于灰度共生矩阵GLCM与马氏距离 Ma h a l a no bis的统计理论识别和基于卷积神经网络 CNN识别的人民币纸币图像识别方法。其中，基于 灰度共生矩阵与马氏距离的统计理论识别方法的人民 币纸币综合分拣成功率能达到99.4,而基于卷积神 经网络CNN的人民币纸币识别方法的分拣成功率 更是高达99.8,分拣结果已经达到实际应用场景的 要求。 3.4机器视觉技术在农产品分拣中的应用 将机器视觉技术应用于农产品的采摘、质检和打 包等过程，可缩短农产品进入市场的周期，保证农产品 的质量和新鲜度。 国外有许多专家将机器视觉技术应用于水果蔬菜 等需求量较大的农产品分拣工作。Ga ma l El Ma sr y[37] 等基于逐步线性判别分析和傅利叶变换开发了一款能 够检测马铃薯畸形、擦伤和发芽等缺陷并按尺寸大小 分类的智能视觉系统，精度高达100。M M So fu[38] 等设计的苹果自动分拣和质量检测系统，结合图像处 理和曲线拟合程序软件,分拣系统的正确率最高可达 96,在调节与颜色相关的变量后，也适用于橙子、梨 子和石榴等其他体型相差不大的水果。Omid Omid i Ar jena ki[39]等使用 Visua l Ba sic 2008 软件研发了一款 能够识别番茄尺寸、形状、成熟度并利用偏心率检测番 茄质量的高效视觉分拣系统，该分拣系统的准确率可 达94.6。Pint o F A 等把机器视觉技术应用到路 径导航方面，设计的算法利用Ho t el l ing变换产生一个 低维的特征空间，在确定图像中心部件姿态后,可以获 得精度相对较高的偏转角和俯仰角。国内专家将这种 视觉导航技术与机器人分拣系统相结合，完成了试验 田黄瓜的采摘和分拣工作，如图4所示。 图4黄瓜采摘机器人 4结语 随着CCD/CMOS传感技术、计算机技术、嵌入式 技术和现场总线等技术的发展,机器视觉技术已逐步 发展成为工业自动化领域不可或缺的关键技术，被广 泛应用于机械制造、半导体、PCB、SMT、机器人、食品 加工、制药和消费电子产品加工等行业，提高产品质 量、降低生产成本。机器视觉技术的进步既得益于相 机分辨率的提高和处理器性能的增强,又得益于算法 的创新和改进。机器视觉技术的不断创新与发展，既 推动了行业技术的进步,也为相关应用领域带来更多 的发展潜力与机会。本文介绍了机器视觉技术的研究 热点及分拣系统的组成和关键技术，总结了不同产品 在分拣中应用的视觉算法，并对相关算法的优缺点进 行了分析。 机器视觉技术的不断完善及可靠性的提升将在人 工智能、航空航天和国防工业等领域获得更广泛的应 用。未来,基于三维视觉的全场景理解和网络结构自 动设计可为机器人随机抓取并实时分拣全方位的目标 物体创造条件;基于机器视觉的人机协作将应用于小 批量、高复杂性的柔性生产工作;模块化高光谱成像系 统使综合分析不同物体的材料和质量等属性成为 可能。 参考文献 [1 ] Ja nusz S, Pa w el H. Wo r kspa c e super vising syst em fo r ma t er ia l h a nd l ing d evic es w it h ma c h ine visio n a ssist a nc e [ J]. Jo ur na l o f KONBiN, 2009 11/12 7-16. [2] 刘金桥，吴金强.机器视觉系统发展及其应用[J] 机械工程与自动 化，20101 215-216. [3] 阮晋蒙.机器视觉让中国制造2025“看”得更远[J] .新经济导刊， 2017Z180-83. [4] 罗尤春，孙容磊.机器视觉理论及应用[J] .软件导刊，2014, 13 313-14. [5] 黄文基.目标识别与定位的机器视觉算法研究[D] .广州暨南大 学，2017. [6] Ra so l za d eh B, Bjo r kma n M, Huebner K, et a l . An a c t ive visio n syst em fo r d et ec t ing, fixa t ing a nd ma nipul a t ing o bjec t s in t h er ea l w o r l d [ J ] . In t er na t io na l Jo ur na l o f Ro bo t ic s Resea r c h, 2010,292/3 133-154. [7] Ding X K, Ya n L, Liu J H, et a l . Obst a c l es d et ec t io n a l g o r it h m in fo r est ba sed o n mul t i-senso r d a t a fusio n [ J ] . Jo ur na l o f Mul t imed ia, 2013, 8 6790-795. [8] Go ng Y Z, Seibel E J. Th r ee-d imensio na l mea sur ement o f sma l l inner sur fa c e pr o fil es using fea t ur e-ba sed 3-D pa no r a mic r eg ist r a t io n [ J ] . Op t ic a l Eng ineer ing, 2017, 56 1 1-9. [9] Jia ng H J, Ya n Y, Zh u X Y, et a l . A 3-D sur fa c e r ec o nst r uc t io n w it h sh a d o w pr o c essing fo r o pt ic a l t a c t il e senso r s [ J ] . Senso r s, 2018, 18 92785-2800. [10] Mu Z H. 3D r ec o nst r uc t io n a l g o r it h m o f w el d po o l sur fa c e ba sed o n c o mput er visio n t ec h no l o g y [ J]. Open Pet r o l eum Eng ineer ing Jo ur na l, 2015, 81 434-439. [11 ] Liu Z, Wu S N, Yin Y, et a l . Ca l ibr a t io n o f bino c ul a r visio n senso r s 0心“ ・36・ 2020年第5期 Special Reports镰述 ba sed o n unkno w n-sized el l ipt ic a l st r ipe ima g es [ J] . Senso r s t 2017, 17 122873-2889. [12]Per sver a nc a M, Ar no l d S, La ur a W. Ch emic a l c r yst a l id ent ific a t io n w it h d eep l ea r ning ma c h ine visim[J] . BMC Resea r c h No t es, 2018, 111 l -6. [13 ] Gut t o r msen E, To l end s B t Eil er t sen MBA, et a l . A ma c h ine visio n syst em fo r r o bust so r t ing o f h er r ing fr a c t io ns [ J]. Fo o d a nd Bio pr o c ess Tec h no l o g y, 2016, 9 11 1893-1900. [14] But t S I, Asg h er U, Mush t a q U, et a l . Int el l ig ent ma c h ine visio n ba sed mo d el ing a nd po sit io ning syst em in sa nd c a st ing pr o c ess] J]. Sc ienc e Ci t a t io n Ind ex Expa nd ed, 20171-11. [15] 程方，张曦，张金松.基于机器视觉的点胶机定位系统[J].机械 设计与制造，20133.101-104. [16] Her r a Ez J, Denia J L, Na va r r o P, et a l . Det er mining ima g e d ist o r t io n a nd PBS po int o f best symmet r y in d ig it a l ima g e using st r a ig h t l ine ma t r ic es[ J]. Mea sur ement, 2016, 91 641-650. [17] 汤一平，夏少杰，冯亦军，等.基于单目多视角机器视觉的珍珠在 线分类装置[J] .农业机械学报，2014, 451 288-292, 280. [18] Bl a sc o J, Al eixo s N, Mo l t o E. Co mput er visio n d et ec t io n o f peel d efec t s in c it r us by mea ns o f a r eg io n o r ient ed seg men-t a t io n a l g o r it h m [ J]. Jo ur na l o f Fo o d Eng ineer ing , 2007, 81*535-543. [19] Tia n J, Yu W Y, Xie S L. An a nt c o l o ny o pt imiza t io n a l g o r it h m fo r im a g e ed g e d et ec t io n [ C ] //2009IEEE Co ng r ess o n Evo l ut io na r y Co mput a t io n. Tr o nd h eim [ s.n. ] , 2009751-756. [20] Zh eng Y B, Hua ng X S. An ima g e ma t c h ing a l g o r it h m ba sed o nc o mbi- na t io n o f SIFT a nd t h e r o t a t io n inva r ia nt LBP[J]. Jo ur na l o f Co mput er - Aid ed Desig n Reia d J F Zh a ng Q, et a l . Veh ic l e g uid a nc e pa r a met er d et er mina t io n fr o m c r o p r o w ima g es using pr inc ipa l c o mpo nent a na l ysis [J]. Jo ur na l o f Ag r ic ul t ur a l Eng ineer ig Resea r c h, 2000,75 3 257 -264. 第一作者王成军，男,1978年生，工学博士，教 授，硕士生导师，主要从事智能机械与机器人方面的教 学与科研工作。 编辑李静 收稿日期2019-04-04 文章编号20200510 如果您韻发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。 知识窗 金属管弯曲试验t ube bend t es t 检验金属管承受规定尺寸及形状的弯曲变形性能，并显示其缺陷的试验。适用于外径不大 于114毫米的管材。试验应按GB 244-63的规定进行。试验时按有关技术条件规定的方法机械或人工、带填充物或不带填充物、 有弯心或无弯心将试样绕带槽弯心连续缓慢地弯曲到规定的弯曲角度，检查试样弯曲处，如无裂缝、裂口、起层或焊缝开裂，即认 为试样合格。 底阀bo t t o m va l ve;fo o t va l ve用于水泵吸入管底部的阀门。在公称通径Dg 350 mm时，采用旋启双瓣式底阀。 ・37・