人工检测法和桥检车法都是依靠人工用肉眼对桥梁表面进行检测，其速度慢，效率低，漏检率高，实时性差，影响交通，存在安全隐患，很难大幅应用；无损检测包括激光检测、超声波检测以及声发射检测等多种检测技术，它们仪器昂贵，测量范围小，不能满足日益发展的桥梁检测要求；智能化检测有基于导电性材料的混凝土裂缝分布式自动检测系统和智能混凝土技术，也有最前沿的基于机器视觉的检测方法。导电性材料技术虽然使用方便，设备简单，成本低廉，但是均需要事先在混凝土结构上涂刷或者埋设导电性材料进行检测，而且智能混凝土技术还无法确定裂缝位置、裂缝宽度等一系列问题距实用化还有较长的距离；而基于机器视觉的检测方法是利用CCD相机获取桥梁表观图片，然后运用计算机处理后自动识别出裂缝图像，并从背景中分离出来然后进行裂缝参数的计算的方法，它具有便捷、直观、精确、非接触、再现性好、适应性强、灵活性高、成本低廉的优点，能解放劳动力，排除人为干扰，具有很好的应用前景[6]。
据统计，混凝土桥梁的损坏有90%以上都是由裂缝引起的，因此对桥梁的健康检测主要是对桥梁表观的裂缝进行检测与测量。基于机器视觉的桥梁检测技术主要包括三部分内容：桥梁表观图像的获取技术、基于图像的裂缝自动识别理论与算法以及基于图像的裂缝宽度等病害程度定量化测量方法。
基于机器视觉的自动化、智能化检测技术已经在道路、隧道上得到了成功应用，在桥梁上也得到了初步的应用，但主要集中在视线开阔的高空混凝土构件表观图像获取技术上，在病害的自动识别方面仍停留在理论研究阶段，还无法应用于实际工程当中。针对量大面广的混凝土梁体，智能化视频桥梁检测车进入理论与关键部件模型的研制阶段，但是受到桥梁细小裂缝自动识别与清晰图像快速化获取难度大的限制，目前离达到实用化程度的要求还相距甚远[6]。
五、机器视觉技术发展遇到的问题
对于人类来说，识别和理解周围场景是一件非常容易的事，但对于机器人来说，却是一件很困难的事。主要困难有一下几个方面： （1） 稳定性问题
现实中的环境因素是多变的，场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对生成的图像有影响。比如用于智能交通检测的设备，如何保证其在恶劣天气下依旧保持较高的稳定性就是一个很难解决
第6页（共7页）
的问题。
（2）构造出性能良好的识别算法
图像处理与分析技术是机器视觉的核心，所以构造出一个良好的、适应相关领域应用的识别算法显得尤为重要。而且现在的应用领域越来越要求检测设备具有准确、高速地识别出目标的能力，如果我们不能构造出一个更好的识别算法，就不能适应不断增长的需求。 （3）数据量大
机器视觉所获取的数据量非常非常大的。比如用于手机上的人脸识别功能，识别一次要投射多大几万个红外线点，这是一个庞大的数据。再比如交通检测方面看，一天累积下来的数据量也是惊人的。所以如何处理如此大的信息量是个难题。不过随着硬件技术的发展，这个问题将来会逐步得到解决。
六、结束语
机器视觉的诞生和应用，大幅解放了人类劳动力，同时提高了生产自动化水平，装备的使用效率、可靠性及稳定性等。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各领域申发挥更大作用，其应用前景广阔，并为社会的发展带来了新的技术革命。
[1]
郭静, 罗华, 张涛. 机器视觉与应用[J]. 电子科技, 2014,27(7): 185-188 [2]
曹国斌, 刘雪娇, 王华．图像和机器视觉技术概述[J]. 电子工业专用设备, 2008( 8):27-31． [3]
陈新河, 周波, 梁宝伟. 基于Marr理论立体视觉概述[J]. 宜宾学院报, 2015,15(12):41- 60. [4]
朱虹. 机器视觉及其应用( 系列讲座) 第三讲图像处理与分析—机器视觉的核心[J]. 应用光学, 2007,28( 1) :10-13． [5]
韩冰, 林明星, 丁凤华. 机器视觉技术及其应用分析[J]. 农业装备与车辆工程, 2008(10):24-27. [6]
庞娜, 赵启林, 芮挺, 朱斌. 基于机器视觉的桥梁检测技术现状及发展[J]. 现代交通技术,2015,12(6):25-31.
第7页（共7页）
机器视觉技术发展现状文献综述
