基于物聯(lián)網(wǎng)技術(shù)的人工智能圖像檢測系統(tǒng)設(shè)計

周 坤，李小松

(西華師范大學(xué)，四川 南充 637000)

0 引言

隨著我國計算機技術(shù)的飛速發(fā)展，人工智能技術(shù)應(yīng)運而生，該技術(shù)的出現(xiàn)讓我國醫(yī)療、家具、交通等領(lǐng)域飛快地發(fā)展。與此同時，物聯(lián)網(wǎng)技術(shù)也將萬事萬物連接起來，形成了龐大的數(shù)據(jù)資源，為人工智能的發(fā)展提供了巨大便利，讓人工智能的各種質(zhì)量和工作效果都有不同程度的提升。在圖像檢測系統(tǒng)中，借助智能人工像素點特征采集技術(shù)大大提升了圖像檢測效率。

1 以物聯(lián)網(wǎng)為基礎(chǔ)的人工智能圖像檢測系統(tǒng)設(shè)計思路

1.1 云端圖像處理模塊的設(shè)計思路

在利用物聯(lián)網(wǎng)技術(shù)下的人工智能圖像檢測系統(tǒng)設(shè)計過程中，需要發(fā)揮出物聯(lián)網(wǎng)內(nèi)部海量的數(shù)據(jù)資源作用和強大的信息運算能力優(yōu)勢，這樣在利用該系統(tǒng)處理時可以及時、準確、全面地參考數(shù)據(jù)資源，其中，云端處理圖像是在物聯(lián)網(wǎng)和數(shù)據(jù)資源局中起到銜接的作用，主要是需要具備以下兩個方面的內(nèi)容：首先，數(shù)據(jù)信息功能。在設(shè)計云端框架的過程中，設(shè)計人員要考慮到系統(tǒng)終端采集的特征信息具有較大的存儲空間，進而為及時獲取信息提供便利，與物聯(lián)網(wǎng)內(nèi)部的信息資源分析和比較。其次，調(diào)取物聯(lián)網(wǎng)資源的功能。物聯(lián)網(wǎng)和終端數(shù)據(jù)的連接媒介云端，如果不能調(diào)取物聯(lián)網(wǎng)內(nèi)部的信息資源，將會導(dǎo)致調(diào)取物聯(lián)網(wǎng)信息的能力被限制，也會限制上傳圖像數(shù)據(jù)信息分析比較的能力，所以說，調(diào)取物聯(lián)網(wǎng)信息是云端圖像處理的一個核心功能[1]。

1.2 圖像特征采集模塊的設(shè)計思路

圖像特征采集的模塊是基于物聯(lián)網(wǎng)技術(shù)的人工智能圖像檢測系統(tǒng)中的云端平臺處理模塊，在這個系統(tǒng)下，圖像信息采集模塊利用了智能人工像素點特征采集技術(shù)，在該技術(shù)的支持下可以對所選區(qū)域的圖像源和圖像特征進行針對性的采集，通過該措施可以避免傳統(tǒng)圖像采集模塊中必須上傳整幅圖像才能采集的弊端，同時可以保證圖像分辨率以及利用價值。在圖像信息中，主要是大量的數(shù)據(jù)載點組成，同時每一個載點的數(shù)據(jù)信息都有其差異性，所以導(dǎo)致像化因子也不同。像化因子主要是根據(jù)不同的排序方式組成像素，并且根據(jù)不同的數(shù)據(jù)信息進行像化組合。所以說，需要根據(jù)像化集合數(shù)據(jù)的信息排列結(jié)果采集色差、輪廓、對比度。在物聯(lián)網(wǎng)技術(shù)下的人工智能圖像檢測系統(tǒng)對智能人工像素點特征采集技術(shù)以及特普勒特征抓算取法進行圖像信息的采集，同時在代碼中加入了智能人工學(xué)習(xí)代碼，這樣該系統(tǒng)就具有特征累積分析能力，對提升系統(tǒng)采集的圖像信息靈活性和準確性都有幫助。此外，系統(tǒng)在圖像信息采集模塊和云端圖像處理模塊上建立了數(shù)據(jù)交互協(xié)議，為數(shù)據(jù)信息的上傳提供渠道，提升了系統(tǒng)上傳圖像的信息速度[2]。

1.3 人工智能信號圖像合成模塊設(shè)計

這種圖像模塊設(shè)計是利用物聯(lián)網(wǎng)人工智能圖像檢測系統(tǒng)的數(shù)據(jù)結(jié)果輸出模塊，這種模塊的設(shè)計作用在于處理云端架構(gòu)平臺下的物聯(lián)網(wǎng)分析回饋結(jié)果，主要是利用圖像編碼進行處理，具有分析圖像數(shù)據(jù)信息和還原圖像的功能。同時，在人工智能信號圖像合成模塊中利用數(shù)據(jù)信號出入通道以及圖像轉(zhuǎn)換通道，在人工智能技術(shù)下實現(xiàn)兩個通道的數(shù)據(jù)交換。其中，這兩個通道的數(shù)據(jù)都是單向數(shù)據(jù)形式，也就是從數(shù)字信號到圖像信號的單向轉(zhuǎn)換。此外，在該系統(tǒng)下還利用了捆綁寫入技術(shù)，使得代碼的計算能力、學(xué)習(xí)能力和靈活性都得到提升，讓整個圖像系統(tǒng)具有更高效率的圖像識別能力。

2 如何設(shè)計以物聯(lián)網(wǎng)為基礎(chǔ)的人工智能圖像檢測系統(tǒng)

在利用物聯(lián)網(wǎng)技術(shù)構(gòu)建智能圖像檢測系統(tǒng)整體框架的過程中，進行圖像檢測包括三個大的版塊，也就是圖像分析模塊、特征整合模塊以及整合圖像模塊，具體說來：在圖像分析處理環(huán)節(jié)，主要是中轉(zhuǎn)和調(diào)取物流網(wǎng)中的內(nèi)部信息，對于特征采集來說就是提取圖像特征，而整合圖像模塊就是對系統(tǒng)輸出的數(shù)字信號重組，進而生成圖像和完成圖像檢測，最終生成在物聯(lián)網(wǎng)在下的人工智能圖像檢測系統(tǒng)[3]。

2.1 圖像分析模塊

在檢測圖像的過程中，需要借物聯(lián)網(wǎng)強大的圖像信息處理能力，對圖像深入的分析和處理，在該環(huán)節(jié)需要利用某個媒介對物聯(lián)網(wǎng)傳輸?shù)慕K端數(shù)據(jù)傳遞，需要搭建數(shù)據(jù)中轉(zhuǎn)站。之所以要搭建中轉(zhuǎn)站是由于以下兩個方面的考慮：首先是在將存儲圖像檢測系統(tǒng)中的終端獲得待檢測圖像，不僅可以對信息保留，還可以隨時使用，技術(shù)人員可以對存儲的圖像對比處理。其次，在該模塊下具有調(diào)取物聯(lián)網(wǎng)圖像的作用，這個功能十分關(guān)鍵。在具有以上兩個功能之后，基本完成了圖像分析模塊設(shè)計。在圖像分析模塊中，核心技術(shù)為智能數(shù)據(jù)架構(gòu)，不論是數(shù)據(jù)存儲還是數(shù)據(jù)計算，都具有強大的動態(tài)處理能力，并且在交互物聯(lián)網(wǎng)的過程中準確率、耦合性都可以達到預(yù)期效果。因此，從構(gòu)建圖像分析模塊的智能數(shù)據(jù)架構(gòu)講，可以利用以下這種具有動態(tài)性和時效性的算法：

在這個算式中，h,f,j,h′,f′,j′都可以表示圖像分析模塊的動態(tài)點，在架構(gòu)的空間尺度中，與模塊的動態(tài)點之間存在尺度會隨著動態(tài)點的變化而變化的關(guān)系。此外，結(jié)構(gòu)空間初度對圖像分析模塊的交互數(shù)值也會產(chǎn)生影響，這個問題需要在分析圖模塊的交互數(shù)值中加以重視。因此，在編譯這個算法的過程中，還需要利用到sql的語法對數(shù)據(jù)動態(tài)修改，在這一過程中，還需要利用到一些動態(tài)參數(shù)和權(quán)限信息。對圖像采集以及實現(xiàn)物聯(lián)網(wǎng)圖像信息交互的過程中，需要對該模塊的流程圖明確，這樣技術(shù)人員就會明確分析圖像的實質(zhì)就是對終端采集的數(shù)據(jù)存儲和對物聯(lián)網(wǎng)數(shù)據(jù)資源的調(diào)取，然后分析和向終端回饋結(jié)果。

2.2 特征采集模塊

在分析圖像檢測模塊中的圖像分析模塊時，設(shè)計的主要目的是滿足于圖像采集的相關(guān)特征，所以說成功采集圖像特征是滿足系統(tǒng)正常運行的關(guān)鍵。相較于傳統(tǒng)的圖像信息采集技術(shù)，目前采用像素點特征可以提升采集數(shù)據(jù)的準確性，隨著對目標區(qū)域的特征數(shù)據(jù)成功采集，需要對這種數(shù)據(jù)進行優(yōu)化，將多余的部分去除，這樣可以避免與其他垃圾數(shù)據(jù)因為檢測問題導(dǎo)致誤差。對于一個完整的圖像來說，其組成的基本單元是數(shù)以萬計的像素點。同時，每一個像素點都還有其特定的數(shù)據(jù)信息，對于不同的數(shù)據(jù)信息來說，可以呈現(xiàn)出不同的圖像。從像素的角度分析，元色素和灰度是其基本的編碼，可以將這些編碼視為經(jīng)過像化處理過的集合，包括了原有圖像色差和對比度的其他信息，在這些差異的影響下導(dǎo)致圖像出現(xiàn)了不同的輪廓。換個角度講，這些不同的像素信息，在組成圖像后視覺與色彩上有十分顯著的差異，技術(shù)人員也可以根據(jù)差異性檢測出需要的圖像信息。利用特普勒圖像特征算法可以達到良好的效果，在算法上可以表示為：

根據(jù)特普勒圖像特征算法，在分析圖像特征時，數(shù)據(jù)的穩(wěn)定性和連貫性都要好于傳統(tǒng)的圖像特征算法。對于特普勒圖像特征算法利用，抓取圖像特征信息的過程中也會體現(xiàn)出差異性小的特點，所以說，這種算法在抓取圖像上具有一定的深度，可以顯著的反映人工智能特征。此外，在圖像采集模塊中，需要設(shè)計出具有學(xué)習(xí)能力的代碼，進而讓模塊也具有深度，提升圖像的分析能力和圖像特征采集的準確程度。經(jīng)過上述操作，圖像檢測系統(tǒng)的模塊設(shè)計基本完成。需要指出的是，在圖像特征采集和分析圖像期間，需要建立數(shù)據(jù)傳輸協(xié)議，進而為數(shù)據(jù)的準確性和時效性提供保障[4]。

2.3 整合圖像模塊

在該模塊的設(shè)計中，需要對兩個通道進行設(shè)計，其一是輸入什么樣子信號，這個信號是單向的，只能讓數(shù)學(xué)信號輸入，然后向圖像信號轉(zhuǎn)換；其二是數(shù)字信號向圖像信號的轉(zhuǎn)換，進而完成圖像整合與設(shè)計[5]。

3 結(jié)語

綜上所述，本文對人工智能的圖像檢測系統(tǒng)進行了分析，其中的主要模塊包括圖像整合模塊、圖像分析模塊和圖像特征抓取模塊，利用特普勒算法可以保證圖像特征的準確性和設(shè)計的科學(xué)性，在今后的設(shè)計中要對細節(jié)問題完善，進而對物聯(lián)網(wǎng)環(huán)境下的人工智能圖像檢測提供支持。