计算机视觉的应用
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇计算机视觉的应用范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
计算机视觉的应用范文第1篇
关键词：计算机工程；视觉领域；深度学习技术
引言
计算机视觉简言之即是依靠电子设备成像来代替生物视觉系统，随后依靠提前写好的程序对获取的图像信息实施处理。该技术的短期应用目的在于完成相对简单的智能视觉工作，而深度学习技术在计算机视觉领域的应用，在很大程度上丰富了其功能，提高了识别效率，让其能够在更多行业发挥出自身价值。
1计算机视觉领域的深度学习技术
1.1图像分类中的深度学习技术
基于深度学习技术，卷积神经网络得到了进一步的发展，其应用范围也更为宽泛，例如说在图像分类中的运用。图像分析需要对图像实施扫描分析，随后对其具体类别予以划分，更加注重其整体语义。目前相对普遍进行图像分类的数据集为ImageNet，其中囊括了非常丰富的内容，存储了近1500万个图像的URL并将图像划分为数万余个类型。ImageNet每年组织开展的大规模视觉识别挑战赛（ILSVRC）中，图像分类算法与技术也不断创新，图像分类的准确性也持续提升。ImageNet数据集表现出规模大、类型多的突出特点，所以更加适用于迁移学习，即是把部分核心技术或结构拓展应用到各个领域，对于视觉领域的深度模型来说，能够把模型内的网络结构和参数直接共享到其他数据集，从而对数据实施微调。图像分类属于计算机视觉领域最为基础的环节，对于图像分类模型创建和数据分析处理经验也能够迁移应用到其他领域中。
1.2目标检测中的深度学习技术
目标检测相对于图像分类而言表现出更多的复杂性，主要任务是在囊括多种不同类型物体的图像内精确定位和识别某一物体，恰恰是出于这一目的，深度学习技术在目标检测中的应用更为复杂，要实现更加精准的效果也相对更难。近年来针对目标检测的算法日益更新，如优化后的R-CNN算法，是借助于卷积神经网络思想，对物体进行分类，提取物体特征。而SelectiveSearch算法的出现有了进一步的创新和突破，有效促进了检测准确性的提高，这也给通过卷积神经网络进行目标检测带来了更多可能性，随后的FastR-CNN算法极大地促进了目标检测效率的提升，该算法对提取候选区的问题予以优化，大大减少了候选区提取和目标检测过程的时间。目标检测网络以FastR-CNN算法作为支撑，于输出位置设置滑动窗同时和候选区域网络实施连接，目标检测的关键在于卷积神经网络，依靠它把各个点的特征进行提取，再借助回归算法获得对应范围出现目标的概率[1]。
1.3人脸识别中的深度学习技术
人脸识别主要是借助相应算法对人脸特征实施提取，因为其建立的人脸模型表现出一定的不稳定性，因此模型建立往往也表现出一定的难度，相对于建立刚体模型而言更为困难。人脸识别通常来说涉及人脸检测定位以及特征提取两个方面，人脸检测定位是基于背景图像中将人脸目标分割出来，实施归一化处理，而人脸特征提取算法不变。前者存在的技术难点是人脸目标具有多样性以及背景图像具有复杂性，所以对背景情境实施合理假设并予以简化是十分关键的。与此同时，高维空间人脸模型的建立较为复杂，精确度估算难度较大，人脸特征提取的技术难度是因为人脸属于弹性模型，其难度超过刚体模型。一般来说，较为常见对人脸特征实施提取与识别的方法有几何特征法、特征脸算法以及弹性模型法，CNN算法和过去的特征提取算法比起来表现出更高的稳定性和适用性，同时能够有效抵抗外部干扰，促进人脸识别技术的推广应用。
2应用实例
2.1安防领域的应用
深度学习技术在计算机视觉领域中的应用可以为安防行业提供更佳的解决方案，比如说人脸识别技术的应用，很多大型企业如Facebook、腾讯、阿里巴巴等都将非常关注和重视。作为深度学习技术在计算机视觉领域应用的重要内容，人脸识别在安检以及反恐等领域中也能够发挥出很好的效果。与此同时，对行人角度的REID技术实施研究，依托于深度学习强化目标检测，对目标特征实施提取和刻画，能够为异常行为监控和跟踪带来支持[2]。
2.2无人驾驶领域的应用
对于无人驾驶领域来说，选择激光或雷达这类传感器的成本更高，基于深度学习的计算机视觉技术也能够提供新的解决方案。依靠摄像机对视频画面进行采集，对获取到的图像实施分析，提供类似于前车碰撞预警等功能。在这一过程中，计算机视觉技术可以实现对目标的检测识别、对目标车辆的跟踪分析、对车道线是否偏离进行检测等。基于深度学习技术的检测识别表现出更加强大的优势，现阶段深度学习芯片日益增多，对于无人驾驶技术的发展也带来了更加有力的支持。
2.3智能家居领域的应用
过去的很多智能家居产品一般都是依靠智能手机蓝牙或者WiFi等途径来实现对家居产品的控制，这一方案即便能够做到家居智能化，但其水平依旧有待提高。基于深度学习技术，能够有效促进智能家居行业的更新发展，除开语言、语音识别之外，还能够利用计算机视觉技术实现人际交流与互动，比如说手势识别控制。2.4教育领域和图片搜索领域的应用基于深度学习的计算机视觉技术也能够在智慧教育中得以普及应用，如近年来很多新的拍照解题App，使用者只需要利用手机相机拍照上传即可获得相关题目的分析解答，促进学习者学习效率的提升。此时视觉技术包括了对文字的检测与识别，另外针对个人简历识别、文档识别等方面也能够进行拓展应用。同时计算机视觉技术还可以在图片搜索领域中得以应用，使用者通过拍摄上传相应的图片，即可从数据库中找出与原图相似的图片，深度学习属于一种非常高效的技术手段，能够提供更加快速高效的图像检测功能，结合图像搜索引擎，为用户带来更加便捷的服务[3-5]。
2.5医疗影像数据中的应用
医学影像直接关系到对患者疾病诊断的准确性，对于放射科的医务人员来说，依靠医学影像能够促进诊断效率的提升。现阶段国内外诸多医学专家队伍，在心血管、肿瘤、神经内科以及五官科等都建立了精准深度学习模型，极大地推动医疗水平的提升，为广大患者带来了更加便捷和高效的医疗服务。基于深度学习技术的计算机视觉在医疗影像数据中的应用主要集中在如下几个方面：（1）能够提供临床诊断辅助等医疗服务；（2）依靠数据分析技术，能够在很大程度上促进医疗机构经营管理水平的提升；（3）在医学影像中的应用，能够让医务工作者更加直观便捷地获取患者影像；（4）深度学习技术能够为医疗大数据的可视化带来便利；（5）在药企研发工作中的应用，可以处理好过去一直以来药物研发周期长和成本居高不下的问题；（6）在健康管理领域中的应用，借助于可穿戴设备来对个人健康数据实施监测，进而对疾病风险予以提前预测。
计算机视觉的应用范文第2篇
【关键词】计算机视觉技术 马铃薯外部品质 检测
随着计算机技术的不断发展，计算机视觉技术应运而生并在工业自动化以及农产品检验检测等领域成功应用。其中，将计算机视觉技术用于以自动化采集和品级分级为代表的果蔬商品化处理具有非常广阔的发展空间。我国政府将“农产品深加工技术与设备研究开发”列为我国“十五”重大科技攻关项目的第一项，这标志着计算机视觉技术在果蔬外部品质检测中会发挥越来越重要的作用。
马铃薯是世界上仅仅排在小麦、水稻和玉米之后的第四种主要农作物，种植区域非常广泛。马铃薯品质检测是马铃薯深加工的一个关键步骤，目前，该检验过程多数采用人工检测，不仅成本高、效率低，而且与检验员的专业素质有密切的关系，受到人为因素影响的程度较大，严重制约的马铃薯加工企业的发展。计算机视觉技术能对农产品的某些特性变化和缺陷进行识别，具有客观、无损害等特点。本文对基于计算机视觉的马铃薯外部品质检测的应用进行了研究。
1 应用计算机视觉技术对马铃薯进行外部品质检测的必要性
随着“麦当劳”、“肯德基”的餐饮服务业的快速发展，炸薯条、炸薯片已经成为一种休闲食品深受消费者的喜爱，推动了我国马铃薯产业的发展。然而，情况并不十分乐观，与国外的马铃薯企业相比，我国马铃薯加工企业生产规模小、生产产品单一、技术设备落后、产品质量不高的现象导致我国的马铃薯产品销售困难，经济效益逐渐下滑。
基于以上现状，对马铃薯的加工研究还有很长的一段路程。企业要扩大生产规模，针对中国的消费趋势与消费水平开发出新的马铃薯产品，从而提高我国马铃薯产品的竞争力。这就要求马铃薯加工企业要对马铃薯的加工技术进行创新，保证产品质量。其中，马铃薯外部品质检测对马铃薯产品的最终品质起着决定性作用。当前的人工检测方式已经不再适应社会发展的要求，利用计算机视觉检验代替人工检验成为社会发展的必然趋势，这是因为计算机视觉技术具有以下优点：
（1）精度高，能够进行定量测量。
（2）自动化程度高，一次就可完成包括大小、形状、颜色以及缺陷在内的检测和分析，并能进行综合识别。
（3）无损检测，计算机视觉检测过程不需要接触产品，是通过传感器扫面获取图像的，不会造成产品的损伤。
（4）信息量大，可对大量信息进行采集，对光谱的敏感范围也很广。
2 基于计算机视觉的马铃薯外部品质检测的应用研究
2.1 马铃薯大小的检测方法
马铃薯的大小检测不仅影响马铃薯深加工的商业价值，在在遗传和育种方面也有很高的应用价值。
利用计算机视觉技术对马铃薯大小的检测步骤如下：先从摄像机中获取马铃薯的图像信息，在图像信息的基础上对马铃薯三维空间的几何信息进行计算，并由此重建和识别马铃薯。而马铃薯物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何参数成为摄像机参数。要想准确的获取这些摄像机参数，就必须将实验与计算相结合，此过程成为系统定标。
系统定标的基本步骤：根据设定好的摄像机模型和特定的实验条件包括形状、尺寸等已知的定标参照物，经过对马铃薯图像的处理，并利用一系列的数学转换和计算方法将摄像机模型的内部和外部参数计算出来，从而建立照片与实物的联系推算出马铃薯的真实尺寸。
2.2 马铃薯形状的检测方法
根据《中国马铃薯栽培学》中的知识，我们可以把马铃薯的块茎形状分为三类，分别是圆形、长筒形和椭圆形，除了这三种形状，其余都是这三种形状的变形。此次研究将马铃薯分为圆形、椭圆形和长筒形，并且采用椭圆的短长轴比来模拟马铃薯的纵横直径之间的关系。
2.2.1 马铃薯形状特征参数的提取
将马铃薯椭圆的短长轴比R作为形状特征参数，并按照R的大小将马铃薯进行分类。当R小于0.67时，称之为长筒马铃薯；当R大于0.85时，称之为圆形马铃薯；当R介于0.67到0.85之间时，称之为椭圆形马铃薯。
2.2.2 结果与分析
随机抽取114块马铃薯，对抽取的马铃薯进行正反两面拍照，挑选清晰度最高的228张图片。人工分类后进行计算机视觉分类，操作步骤具体如下：
（1）用DIPS预处理：B通道灰度化，中值滤波和Otsu分割；
（2）通过计算机视觉技术提取马铃薯图片的短长轴比R；
（3）将人工分类与计算机视觉分类进行对比，并得出正确率。
根据图表，我们可以看出在228张仅有两张图片被分类错误，正确率高达99.1%，而这两个分类错误的马铃薯的短长轴比处于0.67周围，分别为0.667604 ， 0.67193和0.671887， 0.661063，又因为对马铃薯形状的分类不需要类似工业生产那样精密，所以，当正反两面短长轴比接近时都可看作是椭圆形。
2.3 马铃薯的缺陷检测
计算机视觉技术具有实时、客观、无损的检测特点，能对马铃薯的表面缺陷和某些特征要素进行快速检测。基于此，国内外很多研究学者进行了大量的实验研究，在1998年开发了利用PC机辅助的实时马铃薯检测系统，能够对马铃薯的重量、颜色以及形状进行快速检测；2000年，相关研究者在此基础上建立了计算机视觉检测系统，不仅能实现大小、形状的检测，还能对马铃薯表面的生长裂缝、机械裂缝、绿皮等表面缺陷进行检测。当前对马铃薯表面缺陷进行检测的主要计算机视觉技术包括缺陷分割法和缺陷识别法两种方法。
3 结论
本文应用计算机视觉技术对马铃薯的大小、形状和表面缺陷等外部品质进行了检测，但是还未能实现利用计算机视觉技术对马铃薯的表面缺陷进行分类这一技术。因此，相关部门要加大研究力度，争取早日完善计算机视觉技术，从而推动我国马铃薯加工企业快速高效的发展。
参考文献
[1]鲁永萍.基于机器视觉的马铃薯外部品质检测与分级.机械设计及理论[D].内蒙古农业大学.2013（学位年度）.
[2]史崇升.基于高光谱成像技术的马铃薯外部品质无损检测建模及优化研究.电子与通信工程[D].宁夏大学.2014（学位年度）.
作者单位
计算机视觉的应用范文第3篇
关键词：计算机视觉；定标方法；应用特点
中图分类号：TP319文献标识码：A文章编号：16727800（2012）007014902
作者简介：许志雄(1968-),男,浙江绍兴人,江汉石油钻头股份有限公司工程师，研究方向为计算机多媒体。
0引言
计算机技术的应用在诸多领域占据了主要位置，并得到了人们的极大重视。在此形势下，摄像机的高清晰度亦成为了人们追逐的目标，而在计算机视觉中的定标方法有各种不同的处理方式，从而为摄像机的发展提供了一个绝好的机会。由此，计算机视觉中的摄像机定标方法成为当今世界摄像机研究领域里至关重要的一个方面，以摄像机得到的图像信息作为出发点来计算三维空间中自然场景的几何信息成为计算机视觉的基本任务之一，并且它的应用特点也得到了人们的密切关注。
1摄像机视觉投影原理
透镜成像的原理利用了光的折射现象，而摄像机的视觉投影原理和透镜的成像原理相差无几，只不过在一些细节上进行了相应的改变，使成像更加清晰，以更好地满足人们的需求。摄像机视觉投影原理就是利用镜头的光学原理进行视觉成像，而其中又有许多理论支持，包含镜头与焦距和视角。焦距是指镜头的焦点之间的距离,对于摄像机而言，就是指从镜头的中心位置到摄像管，也可以说是成像的位置之间的距离就是摄像机镜头的焦距，只有调整好了这两者之间的距离，才能保证摄像机的摄像效果，这也是保证摄像机正常工作的首要任务。视角要受到镜头焦距的限制，由镜头焦距对摄像的大小情况而决定，摄影师们就是通过对焦距的不断变换来改变对任务的造型，从而改变人们的视觉效果。对于拍摄相同距离的目标而言，镜头焦距越大，摄像的水平视角就会变得越窄，这样带来的后果就是拍摄到的目标的范围就越小，使得拍摄效果大打折扣，从而给摄像机带来不利的使用效益。因此，必须在两者达到一个较好的组合效果之时，才能够充分发挥摄像机的作用，并将摄像艺术发挥到极致。由此可见，计算机视觉中的摄像机定标方法将会给摄像机的拍摄效果带来巨大的转变。
2计算机视觉中的摄像机定标方法
2.1三维定标法
在人们的平常思维中，凡是物体的影像必定是三维的，本文的理论研究也同样基于这样的想法。在讨论单幅图像的设计标定之时，我们所追求的理论基础就是需要摄像机的定标物是人们所追求的那种三维的效果，在此基础上再进行相关的理论研究，以达到相得益彰的效果。在此过程中，首先要准确定位定标物上一些比较重要的点的三维坐标，这样才能够为后来的工作提供方便；然后在与定标物相对应的成像上找到相应的点的位置，这是至关重要的一步，这也决定了后面成像的具体设计方法；最后在那些比较重要的点的图像上标出其具体的三维坐标，达到定标物的实际成像效果图，这样就可以完全解决摄像机的成像问题了。这种定标方法的基本原理就是充分分析定标物的三维信息，同时与它的具体成像位置相关联，在这两者之间形成一种具体的相对应关系。由此我们可以充分利用计算机的快速运算，实现摄像的功能，并适时进行程序功能改进，优化定标物参数的获取方法，从而达到增加摄像机清晰度的目标。
2.2平面定标法
与上面的定标方法相对立的一种方法就是多幅图像的设计标定。在这样的时代背景下，人们的要求应尽可能得到满足，因而理论研究者会在这个方面下足功夫，弄懂这里面的个中玄机，利用多幅图像对平面的定标物来进行物体的标定工作，以达到摄像机定标的目的。这样的平面定标方法就是充分利用平面物体的运动特性，在它和摄像机之间找到一个平衡点，观察两者的相对运动，这样的定标方法也给拍摄运动中的物体带来了生机。此方法在实施之余也会带给人们不一样的感受，让人们充分体会到摄像的魅力。当然这种考虑运动的平面定标法会受到特征点的增多的影响，随着点的不断增加，定标情况就会越来越好，定标物的精度也会不断提高，于是在定标物相同的前提下，平面定标法自然就可以从定标物上获得更多的数据信息，为准确对定标物进行定位测量提供了更多的依据。因此，这种方法的效果要比前面的方法好很多，得到推广的力度也会大大增加，所得到的经济效益也会增加，设备的成本在原来的基础上还有降低的趋势。所以，理论研究者的研究领域就会逐渐向这一方面进行转变。
2.3两步定标法
有了前面的研究成果作支撑，摄像机定标方法的进一步研究就会显得异常容易，人们的进一步要求也会得到满足，可谓一举两得。理论研究者们在有了丰富的理论和实践基础之后，利用直接线性的定标方法进行摄像机参数的进一步优化提高，通过透视原理来修改以前的参数，然后将修正的参数进行初始值的确认，把它们作为现在研究阶段的起点，在这样的起点之上综合考虑各种外界因素，利用最优化的计算机算法进行摄像机成像程序的改进，把原来的程序进行升级处理，使得定标物的精确度得到进一步的提高，这就是我们所提到的两步定标法。它的基本原理其实很简单，只不过是充分利用了原有的理论，并进行了一定的创新而已。但就是这样的创新步伐的迈出，给计算机视觉中的摄像机定标方法带来了新的生机，也给摄像机镜头的优化带来了很多指导方法。在图像中心到图像点的距离保持不变的前提下，参数的数量会显著减少，这样不仅节省了材料的用量，而且还进一步提高了摄像机的摄像清晰度，有效弥补了以前清晰度不高的缺点。这样一来，摄像机的成像效果大大改进，于是才有了现代摄像机的高清效果，确实让人们享受到了科技带来的福音。
3计算机视觉中的摄像机定标方法的应用特点
3.1建立于主动视觉上的自我标定
由于计算机视觉中摄像机定标方法的不断推广，一些计算机技术在摄像机的制作过程中得到了较好的应用。但是在这之中必不可少地存在一些制作人员或设计人员的主观因素，这样摄像机的标定方法中就会形成形色各异的特点，而且彼此之间可能会出现较大的不同，特别是在主动视觉上的自我标定。在主动视觉中，我们所用到的摄像机可以在一个被控制的平台上被人们固定，利用计算机的高运算能力，计算机可以把平台上所出现的参数精确地读出来，我们只需要利用控制摄像机的运转顺序，让摄像机作一定的周期运动，就可以在这个过程中得到更多的图像，然后再利用所成的图像和固定的摄像机的运动参数来确定摄像机的运动情况。这种自我标定方法比较简单，但是必须为人们提供精确控制摄像机运动的平台，这种以主观意识为主的标定特点强化了个人的主观能动性，让人们更加易于接受。
3.2进行有层次划分的逐步标定
近年来，人们对摄像技术的理论研究已经日趋成熟，并根据自己的意愿进行相关的研究工作，把自己的想法融入到摄像机的设计中，真正做到有层次的逐步标定，把所要的标定物以逐个击破的方式实现有层次的程序算法，从而让人们在逻辑上能够有所认识，并且易于接受，从而达到有层次划分的逐步标定的目的。分层逐步标定法已为标定研究领域中普遍认同的方法之一，在实际的应用中逐渐取代了直接标定的方法。因为进行有层次划分的逐步标定是符合人们的想法的，而且这种方法的特点是以射影标定作为基础，以某一幅图像作为基准图像，进行其它图像的射影对齐工作，从而将摄相机中成像未知参数的数量减少，更易于为人们所接受。可以说，进行有层次划分的逐步标定是人们在实践中得出的一套符合大势所趋的标定方法，为世人所推崇。
4结语
综上所述，计算机视觉中摄像机定标方法在人们的不断认识中得以应用和推广，在时代的不断进步中逐渐向前发展。同时，摄像机标定方法的应用特点也大相径庭，各有千秋，从而实现百家争鸣的态势，进一步推动计算机视觉中的摄像机研究工作的向前发展。
参考文献：
计算机视觉的应用范文第4篇
关键词：数据挖掘；考试成绩；数据分析
中图分类号：TP391 文献标识码：A 文章编号：1007-9599 （2013） 01-0055-02
计算机等级考试已运行多年，日积月累，数据越来越多，形成海量数据。这些数据是否还有意义呢？能否挖掘出些规则、知识反馈到学校教学中，促进教育发展？
1 数据挖掘技术
数据挖掘是从大量的、不完整的、有噪音的、模糊的、随机的数据中提取出隐含在其中的，事前不知道的，但又是潜在的有用的信息和知识的过程，致力于数据分析和理解。其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息，提高信息利用率，原始数据是形成知识的源泉。数据挖掘包括数据描述、聚类、分类、预测、孤立点分析、关联规则等多方面。其中数据描述又称为数据总结，目的是对数据进行浓缩，给出它总体的综合性描述，实现对原始数据的总体把握。常用数据描述方法是统计学的传统方法，如计算机数据项的总和、均值、所在比例、方差等基本描述统计量，或是绘制直方图、折线图等统计图形。数据分类是指研究已分类资料的特征，分析对象属性，据此建立一个分类函数或是分类模型，然后运用该函数或模型计算总结出据特征，将其他未经分类或新的数据分派到不同的组中，计算结果通常简化为及格离散值，常用来对资料做筛选工作。
2 数据挖掘在计算机等级考试中的应用
大量的计算机等级考试数据，结构完好，数据全面，但是目前这些数据没充分利用起来，每次的数据都各自成为一个信息孤岛。为改变这种局势，打通信息孤岛的局面，把数据挖掘技术应用到计算机等级考试数据中，挖掘出潜在的、有意义的规则或知识。
2.1 数据对象。在计算机等级考试中，涉及的数据繁多，如报名数据，成绩数据，考点数据等等。本文需要挖掘的对象是学生的成绩，成绩数据表包含如下字段，准考证号，姓名，民族、性别、出生年月日、身份证号、身份证号等，如表1。
从表中可以看出，成绩有笔试客观成绩、笔试主观成绩、笔试成绩，上机成绩和总成绩，其中笔试客观成绩和笔试主观成绩都是百分制，笔试成绩、上机成绩和总成绩都是等第数据，笔试成绩由笔试客观成绩和笔试主观成绩组成，总成绩由笔试成绩和上机成绩组成。
2.2 数据预处理。本次挖掘的数据为我校多年形成的全国计算等级考试和省计算机等级考试的成绩数据。在实际的数据挖掘过程中，还必须对这些数据进行一系列预处理工作，转为适合的可用的数据。数据预处理方法很多：如数据抽取，数据清理，数据转换等。
2.2.1 数据抽取。首先分别从两个考试数据中抽取出需要的成绩数据，具体信息包括笔试客观成绩、笔试主管成绩、笔试总成绩，上机成绩和总成绩。
2.2.2 数据清理。挖掘的原始数据可能不完整，如某些记录表中有些字段的值为空，对这样的记录要做相应处理，可以将这些字段为空的值补全，或赋最常见的值，或根据数值的分布情况赋其他值等处理。
在全国计算机等级考试的数据中有少许社会考生数据，直接做删掉处理，因为我们研究的目的之一为了反馈给我校的教学，促进教学改革和发展。
2.2.3 数据转换数据转换将数据变成统一的格式，以适合数据挖掘。如关联规则Apriori算法中在处里类似分数值之类的数据时，需要转换为等第形式的成绩，因此对前面处里的数据进行如下转化，优秀——100～90，良好——89～80，及格——79～60，不及格——59～0，如表2
3.1 结果分析。由挖掘结果进一步分析，在总成绩未通过的记录中，因为笔试未通过的人数为466人，占未通过人数的7%，因上机成绩未通过的人数为1078，占未通过人数的16.19%，二者合计占总成绩未通过的23.19%，这比较发现：因上机成绩未通过的学生比因笔试成绩未通过的多，且近四分之一都是因为笔试或者上机成绩未通过。
总成绩通过记录中，总成绩分为三档：及格、良好和优秀，大致比例24：5：1。可见通过的学生中绝大部分都仅仅是及格而已。具体为及格人数达到2418人，占通过人数的79.58%，占总报名人数的24.94%；良好人数为512人，占通过人数的16.85%，占总报名人数的5.28%，优秀人数为108人，分别占通过人数的3.55%，占总报名人数的1.11%。由此可见，获得优良成绩的人数太少。
在总成绩为及格的记录中，笔试和上机成绩为均及格的1127人，占此部分的46.61%，另外笔试成绩为及格，上机成绩为优良的929人，占成绩为及格一档人数的38.42%，上机成绩为及格，笔试为优良的仅362人，占成
绩为及格一档人数的14.97%，这说明上机考试只要会做就容易取得好成绩。
总成绩为良好的512人，优秀的108人，分别占通过人数的的16.85%和3.55%，占总报名人数的5.28%和1.11%，二者合计仅20.41%和6.40%。
3.2 建议。通过上面的结果分析发现：首先整个计算机等级考试的通过率太低，其次因笔试或上机成绩未通过的大约占1/4，且因上机未通过的大约是因笔试未通过的3倍；再次取得优良成绩的人数太少。因此建议：
第一、计算机的相关任课教师反思自己的教学方式方法以及相应内容。计算机等级考试是国家教育司或省教育厅推出的一种考试，具有至高权威性、科学性和公平性，通过率（通过的人数与报名人数的百分比）在一定程度上表现了一个学校的计算机教育教学水平。
第二、学校相关职能部门应该制定相关政策及制度，加强学生积极报考和备考教育，降低缺考，提高通过率。在我们考试组织工作中，发现缺考现象较重，尤其是省计算机等级考试。
第三、相关计算机教师应加强上机课程的指导。因为挖掘结果表明因上机成绩未通过的人数大约是因笔试成绩未通过的3倍，足以说明需要大大加强上机课程指导。
第四、加强学生课后动手能力学习。在通过的学生中，取得上机成绩优良的人数远远多于笔试成绩优良的人数，因为上机考试的题型大多都是程序题，只要能调试运行出正确结果就容易取得好成绩。
4 结束语
计算机等级考试一般都由笔试考试和上机考试组成，笔试考试主要考察学生理论水平，上机考试主要考察学生运用知识的动手能力。因此不仅要把理论知识学好，还要加强课堂和课后上机操作练习，才能获得好成绩，取得计算机等级证书。
计算机等级考试的成绩好坏涉及到方方面面，上述分析到的仅仅是少许，成绩数据中潜在的可能还有很多，需要更加科学的方法分析。
参考文献：
[1]聂永红.计算机等级考试信息的数据挖掘分析[J].微计算机信息，2008年底24卷第2～3期.
[2]王永生.数据挖掘在考试系统中的应用[J].2005年北京工业大学工程硕士学位论文.
[3]湛德照.基于关联规则的考试数据挖掘[J].五邑大学学报2009年5月第23卷第2期.
计算机视觉的应用范文第5篇
【关键词】工程决算；造价控制；功能定位；应用
如何实现工程造价的合理化实施，一直是业界热烈讨论的问题，特别在建筑工程造价领域尤为突出。不难理解，当前金融环境的紧缩态势对于建筑项目开发来说带来了诸多困局。其中，外源性资金供给量锐减已使得部分企业处于破产的边缘。那么如何完善造价控制呢。从目前文献所反映出了观点包括：增强造价人员岗位意识、增强设计人员与造价人员之间的联动，以及普遍引入招投标机制等。诚然，以上措施都能在一定程度上保证造价控制的顺利进行。然而，在缺少造价过程控制的情况下，以上措施也只能在事前或事后给予弥补。
笔者提出：应将工程决算引入到造价控制中来。工程决算包括两个方面：（1）工程建设过程中的决算；（2）工程竣工结算。为此，本文也将围绕着这两个方面展开阐述。文章中的工程造价特指建筑工程项目。
一、目前造价控制存在的难点
将建筑项目施工作为整体看待，其中又可以分为：材料采购、具体施工、竣工验收三个阶段。因此，以下将围绕这三个阶段，探讨其造价控制的难点。
（一）材料采购阶段的难点
建筑工程项目的规模是展开工程造价的前提，也是测算人工费用的基础。在完成工程造价之后，便须将配套资金进行划拨。在原材料采购阶段，将面临材料离岸价格波动的影响；同时，还将涉及到材料运输的物流成本。因此，在此阶段的造价控制难点便在于，确定单次材料的采购数量。不难理解，单次材料采购数量不仅取决于原材料价格波动的应对策略，还在于减少运输次数而节约物流成本。
（二）具体施工阶段的难点
具体的施工过程则成为造价控制的重点，其中将发生人工费用和原材料消耗费用。一般而言，人工费用占总造价的20—25%左右，因此，控制的核心则是原材料的使用环节。针对该阶段的造价控制，难以做到跟踪审计。因此，原材料的成本控制与否，往往取决于员工的工作态度。而且，员工工作态度如何，还影响到施工进度。从而，在整体上对工程造价控制产生消极作用。
（三）竣工前验收阶段的难点
项目竣工前的验收阶段，包括：工程质量检测、尾款结算两个要件。其中，工程质量检验结果若不理想，将直接导致返工或经济处罚，因此造成无谓的损失；而尾款结算则涉及到对诸多票据真实、合理性的确认。根据笔者的经验，当工程项目再次发包之后，建筑队最后一般会超出造价额定数量。
由此可见，以上三个方面的难点，便为工程造价控制建立起了切入点。那么工程决算在促进造价控制的功能定位是什么；并且，又该如何发挥这些功能呢。这两个疑问便成为以下两个部分需要分别讨论的问题。
二、工程决算功能定位
在本文开篇就已指出了工程决算的实施阶段。在造价控制目标导向下，工程决算将从以下3个方面发挥其功能。
（一）工程审计功能
从工程项目资金预算监管的角度来看，工程审计实则是对项目资金使用所进行的跟踪监管工作。通过这项工作以确保建设资金流向、流量，以及使用效益上达到预期的目标。在手段的使用上便可以引入工程决算环节。伴随着建筑项目的分阶段完成，当各子功能区建设完成之后给予工程决算，便能通过成本费用等实际发生量与计划量之间的比较，而得到工程审计的功能。众所周知，造价控制的主要工作便在于规避“三超现象”。在一系列制度约束下，再配以工程决算手段则能在过程中降低该现象的发生。
（二）绩效管理功能
从工程项目管理的视角来看，绩效管理的对象是“人”，其目的在于通过引入正、负激励机制，来实现目标管理的顺利展开。工程造价控制的范畴包括从项目设计到竣工的全过程领域。从而，如何增强各阶段人员的岗位意识，特别是具体施工人员的成本控制意识，则须依赖于科学、合理的绩效管理措施。其中，工程决算无论是在过程中进行，还是在竣工后执行，都能为绩效管理提供关键的实际经费使用数据。这就为建立建立绩效评价提供了重要基础。
（三）成本控制功能
根据经济学原理可知，该工程项目若要满足预期的经济效益目标，须实现“产出/投入”比值的最优化。也就是当资金投入量一定时利润最优化；或者当利润一定时资金投入最小化。这一目标的实现，便在于进行严格的成本控制。如何看待工程决算与成本控制间的联系呢。道理是：工程决算所体现出的审计功能与成本控制功能是同一事物的两个方面。即，审计的对象是货币化的资金，而成本控制的对象则是实物化的资金。从而，成本控制功能便成为工程决算功能定位中的应有之义。
以上三个方面的阐述，就为工程决算具体的应用奠定了目标导向。
三、功能定位基础上的应用
具体而言，可从以下3个方面进行应用：
（一）建设项目决策阶段
针对项目的可行性分析是影响造价控制的关键因素。据经验数据显示，项目决策阶段的正确与否，将在占70%的权重上影响着项目投资费用。在建筑工程项目决策阶段，应结合所在地质特征、建筑规模，以及项目资金筹措等因素展开可行性分析。因此，工程决算的功能定位决定了，其可在资金筹措成本方面展开审计。
（二）建设项目设计阶段
不难理解，建筑工程项目存在着单次人力、物力投入大的特性，惟有把握好项目设计关才能避免不必要的造价波动。据有关资料分析，设计费一般只相当于建设工程全寿命费用的1%，甚至更低，但正是这少于1%的费用对工程造价的影响度占到70%以上。为此，在项目团队设计过程中，应强化项目设计监管制度。以工程决算中的绩效管理功能，来对项目设计团队进行量化考核。
（三）建设项目竣工决算阶段
竣工决算是业主和施工单位都十分重视的工作，工程造价科室在这个环节上：（1）核对竣工工程内容是否符合合同条件要求，工程是否竣工验收合格，合同中约定的决算方法、计价依据、取费标准、主材价格和优惠与承诺条件等。（2）检查核对隐蔽工程验收记录，所有隐蔽工程均需进行验收，实行监理的工程要经监理工程师签字确认，隐蔽工程量要与竣工图相一致。（3）落实设计变更签证，设计变更要有原设计单位负责人签字，并经建设单位和监理工程师签字，重大设计变更要经原设计审批部门审批，否则不应列入竣工决算。（4）现场按竣工图、设计变更、现场签证进行工程量的核实。（5）做到严格、合理、公平、公正。
最后，对于造价控制与质量保障之间来说，并不存在对立关系。因此，这里需要项目监理严格把握工程质量。为了使成本控制更加有效，应建立“项目监理”和“造价人员”在内的团队。通过借助不同专业知识的互补性，来推动对社会效益原则的契合。
四、小结
应将工程决算引入到造价控制中来。工程决算包括两个方面：工程建设过程中的决算；工程竣工结算。其功能定位包括：工程审计、绩效管理、成本控制等三项功能。在具体的应用中须围绕：建设项目决策阶段、建设项目设计阶段、建设项目竣工决算阶段来展开。
参考文献
[1]高艳军.浅析公共建筑造价控制管理的必要性[J].现代经济信息,2011,（2）.
[2]杨杰毅.谈谈设计前期工作对建筑造价控制的影响[J].有色金属设计,2008,（3）.
[3]徐帆.浅谈建筑工程造价的控制手段——审价制度[J].商业文化（学术版）,2009,（7）.
