检测系统设计论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇检测系统设计论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

2系统设计

2．1硬件部分

本设计的主机所要实现汇总从机发来的信息和预先设定的霉变阈值相比较，判断每个从机位置的机采棉情况。如果出现异常，主机控制警报系统工作，显示屏可以利用键盘控制其翻页功能，实时显示出每个从机位置的机采棉情况。从机主要负责将采集来的温湿度信息，经处理后，送入主机。鉴于以上因素，主、从机都选用单片机STC89C516RD+。该款单片机具有加密性强、低功耗、速度快和精度高等特点，其核内有64kB的flash，1280B的RAM，16kB的ROM，可以满足控制的需要。每个从机位置的温湿度信息检测，采用探头检测，在每个探头的不同位置，均匀分布4个温度传感器和4个湿度传感器，分别构成该从机的温度传感器组和湿度传感器组。湿度传感器选用HM1500，模拟量输出，在5V供电条件下，输出0～4V范围的电压对应相对湿度值0～100%;因为是线性输出，所以可以直接和单片机相连，为了检测信号的稳定性，可以将湿度传感器的输出量经过同相跟随器将信号稳定后送入单片机。温度传感器选用AD590为模拟信号输出需要驱动电路驱动后才能使温度信号经A/D转换送入单片机;可测量范围－55～150℃，供电范围宽，4～30V;图2为温度传感器AD590的驱动电路图。显示模块要求实时显示各个从机控制的检测探头位置的温湿度以及每个探头所在位置的坐标值，通过键盘的上下键控制显示屏的翻页和刷新。所以，采用液晶显示器LCD1602两行显示，就可以达到系统设计要求。键盘模块是向主机输入预设的参考值以及控制显示屏的翻页与刷新，基于以上功能采用4×4的行列式键盘。

2．2软件部分

首先，根据设计目标，细化软件每一部分的功能，统筹设计各部分功能之间的逻辑关系。垛储机采棉温湿度检测系统的软件设计采用keiluvision2编程环境，编程实现主从机的功能。keilC51是一个比较主流的单片机研发设计的开发工具，主从机的程序编写采用模块化编程。其调试程序、完成各部分编程后，将程序的．hex工程文件烧录至Proteus软件下的仿真电路图，仿真效果达到最佳时，记录电路设计的优化参数;根据此优化参数，设计垛储机采棉温湿度自动检测系统的实物硬件。垛储机采棉温湿度自动检测系统的主机程序流程图，如图3所示。

3试验结果分析

系统的软硬件调试完成后，在南口农场进行测试试验。系统测试了垛储机采棉的温湿度值。表1为垛储机采棉温湿度检测系统测试的温湿度数据。从表1中可以看出，本文设计的检测系统检测出的机采棉温湿度值和人工测量的实际值近似相符。试验结果表明:该系统能够精确、实时地检测垛储机采棉的温湿度，达到了垛储机采棉储存情况的安全控制。

篇2

待检测车辆需要经过检测通道，如图1所示。将红外摄像头放置于通道中间，获得车底部热感应图像。为了获取较广的视角以及较小形变的图像，红外摄像头安放的仰角为40°。由于监控室与检测通道的距离较远，且通道数较多，因此需要通过光端机将所获取的视频传输给监控室控制台PC机。检测软件根据本文提出的检测算法对捕获到的图像进行分析，若判断车辆底部藏人则向系统发出报警信号，以便其通过控制安全杆做出相应拦截措施。视频传输示意图，如图2所示。

软件设计

软件设计采取的基本实现策略是先定位后检测。首先进行运动车辆检测，其次根据车辆的自身特征，定位可疑目标在车辆底部可能的藏匿部位。当区域定位完成后，对该区域进行感兴趣区域（RegionOfInterest，ROI）的选取。最后对ROI进行检测，判断是否藏人。检测系统流程图如图3所示。通过对车辆的扫描检测过程，查出藏匿于车底的可疑目标，实现自动检测。

1图像去噪

图像去噪是图像预处理的一个环节，也是整个图像预处理中的关键一步。在对运动车辆定位的过程中，针对车辆与环境对比度大、信息丰富，受噪声影响较小等特点，只需对图像采用常规的均值滤波进行处理。而在检测目标时，为了在去除噪声的同时，最大程度的保存目标的边缘信息，采用了基于开关控制的组合滤波。滤波器的基本思路是将图像划分为三类区域：孤立噪声点区、平坦区和边缘信息区。其主要处理原则为：孤立噪声点区的灰度与其邻域往往有较大的差异，可按照椒盐噪声进行处理，选用中值滤波器；平坦区往往包含高斯噪声，可采用加权均值滤波器加以消除；边缘信息区包含了图像的细节信息，应作为保留区域不做处理。将处理后的三个区域加以合成，即得到了去噪后的图像。

滤波器性能的关键在于分类开关的设计，借用顺序统计滤波的思路，将滤波器设计成N×N的掩模算子，N为奇数，使该掩模在整个图像上滑动，对它所覆盖的图像中的像素点xi进行排序，得到序列x（1），x（2）……x（N^2），利用排序结果设计下面的分类规则：a、b为排序后的位置偏移量，Ta和Tb为阈值。基于开关控制的组合滤波算法就包括这么几个步骤：（1）对掩模覆盖的图像像素点进行排序；（2）利用分类规则进行三个区域划分；（3）对孤立噪声点区进行中值滤波，对平坦区进行均值滤波；（4）将处理后的区域合成，得到去噪图像。

2车辆检测及目标区域的定位

2.1运动车辆检测

对于实时性要求较高的场合，运动目标的检测一般用背景差分法和帧间差分法。背景差分法是利用序列中当前帧图像与背景图像的差分来消除背景、提取运动目标区域的一种技术。背景差分法可根据实际情况设定差分阈值，所得到的结果直接反映了运动目标的大小、形状和位置，可以得到比较精确的运动目标信息，但该方法应用于红外目标检测时易受环境温度、天气等外界条件变化的影响。帧间差分法是利用视频序列中连续的两帧或多帧图像的差异来检测和提取运动目标。该方法对场景的变化不太敏感，适用于动态环境，稳定性好。不足之处是：1）无法抽取完整的运动目标，仅能得到运动目标的边界；2）运动目标提取效果依赖于帧间时间间隔的合理选择。本文针对待检测目标所处背景在短时间内为静态背景，而较长时间内背景会发生动态变化的特点，并结合两种方法的优点，设计出改进的背景差分法。算法原理图如下：其中F(K)为当前帧，B为通过隔帧帧差法求得的当前背景图像，D为差分结果图，R为二值化图像。

该算法继承了帧间差分法对场景变化不太敏感的优点，能准确更新背景差分法所需要的当前背景图，进而提取出完整的运动目标。下面是采用基本背景差分法和改进后背景差分法，在不同时候背景更新保存的背景图片。基本背景差分法在系统长时间运行之后，会出现背景更新出错，检测流程紊乱，从而产生检测系统失效现象。而采用改进的背景差分法，即使是经过长时间运行，系统也能确保背景更新的准确。

2.2目标区域定位

由于运动车辆特性已知，在其运动的过程中，可以通过对目标局部图像进行特征提取，定位可疑区域。目标的一般特征包括点、边缘、区域和轮廓。点特征对图像的分辨率、旋转、平移、光照变化等有很好的适应性，常用的点特征描述算子如SIFT、SURF等都具有很高的精度，但这些算法复杂度高，难以满足实时检测的要求，并且红外图像特征点往往较少，采用点描述算子并不能达到令人满意的效果。因此本文根据实际目标的特性，采用了对线、面特征进行描述的方法来标注运动车辆。运动的车辆受车底传动抽、燃烧室以及空间限制，目标一般躲藏于车厢后轮位置。

为了准确定位目标区域，目标区域进入视场之前的运动车辆局部特征需要重点描述。车厢底部进入摄像头视场时如图6(a)所示。为了提取车辆的直线特征，需要对车底图像进行边缘提取。常见的边缘检测算子有：Laplace、Sobel以及Canny等。由于Laplace算子常常会产生双边界，而Sobel算子又往往会形成不闭合区域，对后面直线检测都会产生不利的影响。

Canny算子克服了上述算子的缺陷，能够尽可能多的标识出图像中的实际边缘，并且能够将较小的间断点进行连接，因此能够形成较为完整的边界线。Canny算子是最优的阶梯型边缘检测算法，本文采用选用Canny算子进行图像的边缘检测。边缘检测结果如图6(b)所示，较为明显且具有特征不变性的为直线边缘。当可能藏人的区域进入摄像头视场时，车底图像的直线特征随之消失（如图6(c)），因此可以利用图像的直线特征来定位后轮检测区域。Hough变换检测直线是较为理想的直线检测方法，由PaulHough于1962年提出。经过Hough变换后，根据已知的目标直线位置、角度、长度，选取符合条件的直线。图6(b)、(c)中白色粗线为所检测出的目标直线。

受环境因素的影响，车底直线特征可能并不明显，因此单一的直线特征提取难以满足检测精度要求，如图7所示情况。实验发现车底面特征不易受到周围环境、温度的影响，因此可以进行面特征提取。选定区域为图6(b)中虚线框内，满足要求的特征为梯度小于一定阈值，即具有平滑特征，判断方法是计数虚线框内边缘点数，判断其是否小于给定阈值。采用Sobel内核计算图像差分其中src为输入图像，dst为输出图像，xorder为x方向的差分阶数，yorder为y方向的差分阶数。

由于当车底藏人时，其进入摄像头视场会阻断车底原有的平滑特征如图6(d)，因此当平滑特征消失时，这时判断是否符合定位位置特征，若符合即可进行定位检测；若车底没有藏人时，车底平滑特征会持续到车尾部位才结束，这时只需判断到达车尾就可以结束检测流程。

实验表明，基于这种车箱底部中间区域光滑特征去定位检测对环境适应能力强，而基于两侧直线特征定位的方法又能够比较准确的定位到目标区域。综合上述两种思路，设计出的定位流程如下图8所示：应用中是否满足直线以及平滑特征是通过检测连续多帧图像来实现的，这样可以尽量减少偶然因素导致的定位失败。

3藏人的检测

3.1基于高亮度特征的ROI的选取

如图9为定位之后的待检测目标图。为了排除车底本身热源的干扰（如车轮）缩小检测范围，必须对原图进行ROI的选取。行进过程中的车轮一般在红外图像中会呈现高亮度特征。基于此特征，从图片左右两侧分别搜索列像素平均灰度值最高的部分（最可能为车轮内钢圈），加上一定偏移量即可求出ROI左边界位置（PositionofLeft，PL）。ROI下边界线也采用同样的方法，上边界采用默认值。当车轮不明显时采用默认感兴趣区域即可下面图9为采用固定ROI选取和基于高亮度特征的ROI提取结果对比。实验表明，这种基于具体特征的感兴趣区域提取方法，对于车轮出现的偏差具有良好的适应性，即使车辆行驶时发生较大的偏移也能做出正确的ROI选取。

3.2目标的检测

对于已知形状、外貌以及姿态等特征目标检测采用特征匹配、直方图反向投影等方法都能取得较为理想的效果。但对于躲藏姿势未知并且本身形状较为模糊的红外目标，采用匹配的方式效果并不明显。

红外目标与目标区域的周围存在一定的灰度差异，改变了原有区域梯度小、较为平滑的特征。针对这种改变采用评价函数f(x,y)对目标区域进行评估，若达到一定的阈值，即可预判车底藏人。评价函数依据不同区域可疑信息权重不一样而选定(ROI内中间部位权重较高、四周权重较低)，表示如下其中T为警戒阈值，Warnflag为预警标志。具体检测步骤如下：

1)对原图的感兴趣区域进行组合滤波处理；

2)对感兴趣区域进行边缘梯度检测(图10)；

3)采用评价函数对目标区域进行评分并判断是否超过给定阈值；

4)重复步骤1-3，若连续三帧超出阈值则发出报警指令，否则表示无人。对应的报警截图如图11所示

实验结果

篇3

2.车辆识别算法

车辆识别的主要内容是通过分析交通视频图像，从中获取车辆的特征，用于从运动物体'R”提取出汽车。本文车辆的识别是通过对汽车轮廓的再分析，提取出轮廓内连通区域的面积和包括汽车轮廓的最小四边形的长宽比值作为汽车的特征量，进行汽车的识别。轮廓提取算法输入的是一幅运动二值图，目的是对连通的图像进行边界跟踪，从而得到一个有序的、压缩的、表征目标轮廓的边界点集。本文的轮廓提取算法采用的是八领域的边界跟踪算法。图中“P”代表当前像素点，其周围8个像素点为点P的八邻域，八邻域的方向码如图3所示。八领域边界跟踪算法c5},}i先，系统从左到右，土到下对二值图像进行扫描。如果点P(i.J一”为0o”且点P(i.J>为‘'t'，则记点P(i.,l)为边界跟踪的起始点PO，同时，设八领域的搜索方向码dir的初值为70其次，按逆时针方向依次判断当前点尸的八邻域像素值是否为“I"。若当前搜索的像素r}不为.t.，则d介十主，继续搜索，直到找到下一个边界点，记为汤.同时记下该像素对应的坐标值和力‘向码。母一个新边界点的搜索，都要设置d行起始方向，dir的设置由公式1给出。不断重复这个步骤，直到pn=p0。，边界搜索结束，得到一个闭合的目标轮廓。dir=(dlr+7)mod6,diro为偶数(dir+6)mod氏dir为奇数(I)本文的设计中，搜索的足连通域最外层的边界，即物体的轮廓。轮廓数据的压缩.采用的是压缩同一方向的点集，只用直线的两端点来表示的方法。得到了物体的轮廓后，进而计算该轮廓内连通区域面积的大小以及包围轮廓的最小四边形的长宽比值，用十从众多的运动物体中筛选出汽车。图9所示是汽车的识别结果，输入的二值图像(a)中，包含了行人和自行车以及大片的噪声，利用本文提出的汽车识别算法，有效地在这些物体中提取出了汽车，如图(h)所示。

3.车辆跟踪算法

目标跟踪算法需要具备实时性以及稳定性，用于跟踪的目标特征ipk不仅满要具备尺度变化、旋转不变性，还要求数据最小，具备独特性。目前存在的跟踪算法如粒子滤波算法、Camshift}0}算法，[1标特征量如灰度直方l妇、角点、纹理等信息都不适宜路面车辆的跟踪。本文提出了质心跟踪算法。2i#辆汽车都有自己独一无几的行}i}1轨迹，同一时刻不Il的汽车其质心位置相差比较大，日_同一辆汽车在前后两ipr;i的质心位置变化较小。此外，可以采用前后两帧物体质心的距离来进行汽车的匹配和跟踪。质心是包围物体轮廓的最小四边形的中心。运动物体以前后两帧质心的欧式距离作为匹配和跟踪的依据，通过设置一较小的距离闽值n，对该趾离进行判断。在距离阂值范围内的认为是同一物体。质心匹配是通过两个双链表的查询和比较来实现的。两个链表.一个是.}y前链表，一个是历史链表，分别用于保存当前帧和前一帧所有物体轮廓对应的信息。要匹配前后两l随对应的物体，就要在历史链表中找到与当前链表一一对应的物体，并用当前链表的数据对历史链表中对应物体节点的信息进行更新。因此，历史链表随时问更新，动态地保存着运动物体的信息。匹配算法的关键在于维护和更新历史链表。历史链表的更新操作分为3种悄况.一是对于新出现的物体，则应在历史链表中添加该物体对应的节点信息:二是对于消失的物体，则应该在链表中删除对应的节点信息:二是对于找到匹配的物体，则应用当前链表中物体的信息对历史链表中对应的节点信息进行更新:因此.历史链表的更新午要完成保持对原有物体跟踪的同时，动态地添加新物体和删除消失的物体。图4是质心跟踪算法的效果图。图中显示的是连续4帧的汽车跟踪画而，跟踪到的汽车以不同的数字编码表示。图巾，同一辆汽车的标号始终未变.说明，路面车辆这4帧图像中得到了准确地匹配和跟踪。因此，本文提出的质心跟踪算法实时、有效、且准确无误。

4.功能模块设计

该模块主要实现交通监控中常用的功能。如车流量的统计、车辆行驶方向的判断、车辆行驶速度的分析:记录车辆的违章行为，如逆向行驶、违章停车、越线等。基于车辆的匹配和跟踪功能的实现，结合其他图像分析的技术，还能便捷地实现其它路面车辆分析技术中所用到的功能。图5显示了一个简单的车辆监测系统的界面，画面中包含了3个信息、:跟踪到的汽车镶-辆汽车以其质心处的数字标号表示):汽车的行驶方向(以矩形框不同的颜色区分，黑表示向右行驶，白色表示向左行驶):不同行驶方向下的车流量(画面的左上角和右上角以对应的颜色表示出车流量的统计情况)。

篇4

2检测控制系统硬件设计

2．1系统总体结构

综合包衣机的工作流程，整个检测控制系统主要由包衣机控制主板、多传感器信号检测板、执行器控制板和液晶触摸屏构成

。多传感器信号检测板实现对称重传感器和液位传感器信号的采集;执行器控制板可实现对电机设备启停的开关量控制;用户通过液晶触摸屏进行包衣参数设置、包衣过程启停、包衣状态显示等操作。包衣机控制主板采用RS－485方式与多传感器信号检测板和执行器控制板进行通讯，采用RS－232方式与液晶触摸屏进行通讯。

2．2包衣机控制主板

包衣机控制主板选用RealARM6410开发板。该开发板以ARM11内核的S3C6410芯片作为控制核心，包含电源模块、晶振模块、复位电路、485通信模块和232通信模块等外部设备，可以装载和运行LINUX操作系统，具有处理运算能力强、耗电低、扩展性强等特点。将RealARM6410开发板作为包衣机的控制主板，可以很好地保证系统在包衣过程中的可靠性和稳定性。

2．3多传感器信号检测板

多传感器信号检测板选用意法半导体公司出产的32位高性能STM32F103C6T6作为微控制器。该微控制器的核心是ARMCortex－M3处理器，最高CPU时钟为72MHz，具有良好的精密性、可靠性和运算速度。本设计中针对供种量和进液量两种参数信息，分为两个检测模块进行硬件开发。

2．3．1供种量检测模块

供种量检测模块包含2路称重传感器信号放大电路用以检测称重桶中种子的质量，原理如图3所示。本设计中采用上海大和衡器有限公司出产的UH－53型称重传感器，该传感器具有准确度高、抗偏载能力强和长期稳定性好等优点。为了增加检测模块的抗干扰性，保证种子质量的检测精度，采用AnalogDe-vices公司具有低噪声、低失调电压和高共模抑制比特点的AD8608型CMOS精密运算放大器构成两级差分放大电路。放大电路第一级由两个同相输入运算放大器电路并联，第二级串联一个差分输入的运算放大器。这样的连接方式可以很好地抑制输入电压中的共模成分。参照称重传感器的额定输出，可以取放大倍数为500倍。为了减少第二级运放共模误差造成的影响，第一级运放的增益要尽可能高。因此，将第一级放大倍数设定为500。经过取值和计算。放大电路的输出端经过一个分压电路后，接入STM32芯片上带有A/D转换通道的I/O接口。

2．3．2进液量检测模块

进液量检测模块包含上液位和下液位传感器检测电路。Uup为上液位传感器信号，Udown为下液位传感器信号。Control1为控制主板发送的补液信号，Control2为控制主板发送的加液信号。动作执行之前Control1、Control2都为低电平，以加液动作为例，当液面高于上液位传感器时，Uup、Udown都为低电平。Uup通过光耦开关电路，在PA3处输出高电平到STM32芯片的I/O接口上;Udown通过光耦开关电路，在PA4处输出低电平到到STM32芯片的I/O接口上。此时Control2发送一个高电平信号，使RS锁存器2输出高电平，经过继电器驱动电路后使加液电机运转;然后使Control2变回低电平，在液面介于上下液位传感器之间时，Uup为高电平、Udown为低电平，PA4处仍为低电平，使RS锁存器2的输出保持之前的高电平状，加液电机保持运转。当液面低于下液位传感器时，Uup、Udown都为高电平，PA4变为高电平，使RS锁存器2输出低电平，加液电机停止;在此过程中补液电机一直保持停止状态，直到单片机通过Control1发送补液信号时再进入补液动作。通过采用主板信号控制动作启动、传感器检测电路直接控制动作结束的方式，可以有效避免药液的过量添加，保证了进液控制的稳定性。

2．4液晶触摸屏

液晶触摸屏采用广州微嵌计算机科技有限公司的WQT系列产品，它由400MHz的ARM9高速CPU、数字LED背光显示和高精度电阻式触摸屏等部分构成，有良好的兼容性和友好的人机操作界面。该液晶屏具备数据显示、数据监控和触摸控制等基本功能，并且采用双口独立通讯，可通过自定义的通讯协议实现与主板之间的信息传输。

2．5执行器控制板

执行器控制板采用与传感器信号采集板相同的STM32F103C6T6微控制器，通过设计继电器驱动电路，实现对加粉、门控等电机启停的开关量控制。开关量控制信号经由一阶RC低通滤波器和线性光电耦合器组成的电路后，可有效地滤除信号中的干扰成分。控制信号通过三极管进行放大，可驱动继电器的开合。

3检测控制系统软件设计

包衣机在开启电源并初始化完成后，通过液晶触摸屏设置包衣流程的总批次、种子质量以及种药混合时间等包衣参数。在包衣机控制主板系统平台上进行软件开发，每隔一定时间在485总线上采用轮询的方式与多传感器信号检测板和执行器控制板进行通信;系统参照用户设定的各项参数以及称重和液位传感器实际检测到的参数信息，发送电机控制命令，进行各批次的种子包衣处理动作;每个动作之间通过适当的延时衔接，可实现包衣机各工作部件的有机组合和包衣流程的有序进行。