本毕业设计的课题是基于机器视觉的目标检测与分类。自进入工业化社会以来，制造业直接体现着一个国家的生产水平。随着技术领先国家一些战略的相继出台，依托网络信息技术、大数据、云计算等技术的深度融合与集成，传统制造业正逐步迈入新时代，只有不断提升制造业自动化与智能化水平才能加快我国制造业的转型升级。作为近年来自动化领域迅猛发展的高智能化技术代表——机器视觉技术，凭借其可视化优势，迅速跻身于制造业自动化的关键位置，从而极大地推动了工业发展的智能化进程。人类将自身视觉系统的原理移植于视觉检测技术中，发明了视觉传感器与机器视觉系统，并广泛应用于工业、农业、医药、军事、航天、交通、安全、科研等领域，取得了巨大的经济与社会效益，机器视觉市场潜力巨大。

1.1研究目的

随着社会步入智能化时代，人工智能^[1-2]的发展也日益火热。人工智能的四大分支分别是模式识别、机器学习、数据挖掘、智能算法，机器视觉技术就是融合人工智能的一项技术。机器视觉，通常指利用计算机通过视觉的角度模拟生物的视觉感知功能，即对人眼的感知进行延伸与扩充，其功能主要是从观察到的事物图像中提取空间信息，加以处理与理解。机器视觉技术在工业、医学、监控、航天航空等领域应用得非常广泛，但是，因为机器视觉本身技术门槛较高，这导致很多技术含量不那么高的领域依旧没有得到较好的推广与应用。在现代工业自动化生产中，涉及到各种各样的检查、测量和识别应用，例如尺寸检查，自动装配的完整性检查，印刷质量检查，条码和字符识别等。这类应用的共同特点是高速、连续大批量生产、对外形尺寸及外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，在一些工厂的现代化流水线后面往往有数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证 100%的检验合格率（即“零缺陷”）。

我国在材料腐蚀应用领域，为实时监测腐蚀形貌数据而进行的腐蚀试验方法与手段相对单一，大多是采取人工的方式，自动化程度较低。特别是材料在试验场上进行的抗环境腐蚀试验研究，基本上是依靠人工检测，通过肉眼观察相应的材料外观腐蚀图像，来获取材料的腐蚀特征相关数据信息。由此可见，利用机器视觉来检测材料腐蚀，检测材料腐蚀是非常有必要的。

金属材料由于具有优良的物理、化学和力学性能以及良好的铸造、压力加工、焊接、热处理和切削加工性能,在现代工业过程及日常生活中得到了广泛应用。然而,实际应用中的金属材料常常与大气、土壤、海洋、生物和微生物等自然环境以及与酸、碱、盐、工业水、熔盐、燃气等工业介质密切接触,因而,很容易发生腐蚀。在工业过程中,金属材料及设备的腐蚀现象普遍存在,给工业生产带来巨大的损失。它不仅致使生产停顿、物质流失、资源损耗、产品质量下降、有害物质泄露和污染环境,而且常常危及人身安全,对人的生命安全构成威胁。调查和积累各种腐蚀数据、分析腐蚀数据、研究腐蚀规律,己成为降低腐蚀损失和采取必要的防护措施，腐蚀诊断不仅对诊断腐蚀发生、腐蚀类型和评价腐蚀程度很必要,也有利于及时调整和改善防腐措施、避免腐蚀事故、降低腐蚀损失，开发一种客观、准确、高效的金属腐蚀诊断方法已逐渐成为研究热点，势在必行。

1.2国内外研究现状分析

随着计算机技术的突飞猛进，使其在金属腐蚀与防护领域的研究技术及方法也不断发展，显示出强大的应用发展潜力。

传统的腐蚀检测方法一般都是从受腐蚀部位取样，通过化学分析、金相观察以及各种电子显微镜研究来获取腐蚀信息，如表观检查、厚度测量、失重挂片等。这些方法都是最基本的腐蚀检查方法，但仅局限于实验室分析 ,有的甚至对构件造成一定的损伤，现场直接检测很难。