撲克牌檢測

崑山科技大學電機系

實務專題製作 期末報告

題目：撲克牌檢測

班級： 電機工程系 四電機三 A

姓名： 鄭宇呈 4060J033

陳瑞欽 4060J039

侯育翔 4060J026

指導老師：吳明芳

中華民國 2020 年 6 月

撲克牌檢測

鄭宇呈 陳瑞欽 侯育翔

崑山科技大學電機工程系

摘要

隨著科技以及環境的進步變遷，影像辨識早已離不開我們生

活，許多地方都能看到影像辨識的蹤跡，舉幾個例子來說:

停車場車牌辨識、人工智慧視覺的應用、檢測產品的瑕疵、

這些都是應用到了影像辨識，但是辨識的成功率是一個非常

需要探討的問題，如何減少辨識錯誤的機率從而達到一個接

近 100%的辨識成功率，解決的方法大部分都是使用龐大的

數據庫來篩選，進而達到一個錯誤率的減少。

這一次的專題是以撲克牌最為一個檢測的目標，使用的軟體

是歐姆龍的 FZ_FH_FJ Simulation Tool (x64)

，

這套軟體不需

要使用到龐大的數據庫，它也能達到非常高的影像辨識成功

率，使用到軟體 FZ_FH_FJ Simulation Tool (x64)功能裡的

形狀搜索功能就可以進行撲克牌的花色以及非花色的 JQK

辨識。

目錄

摘要……… I 目錄……… II 表目錄………... III 圖目錄……… IV 一、 緒論………1 1.1 前言………1 1.2 核心能力 VS.實務專題工作內容………2 1.3 甘特圖………3 1.4 人力配置………3 1.5 使用器材………..4 二、 理論基礎………5 2.1 影像辨識理論...6 2.2 影像辨識未來發展………7 三、 程式規劃與步驟...8 3.1 程式規劃...8 四、 結果...9 4.1 黑桃 J 檢測...9 4.2 紅心 J 檢測...10 4.3 菱形 J 檢測...11 II

4.4 梅花 J 檢測...12 4.5 黑桃 K 檢測...13 4.6 紅心 K 檢測...14 4.7 菱形 K 檢測...15 4.8 梅花 K 檢測...16 4.9 黑桃 Q 檢測...17 4.10 紅心 Q 檢測...18 4.11 菱形 Q 檢測...19 4.12 梅花 Q 檢測...20 4.13 各種花色 1~10 隨機檢測…...21 五、結論...22 參考文獻...23

表目錄

表 1.1 核心能力 VS.實務專題工作內容……….. 2

表 1.2 甘特圖………3

表 1.3 人力配置………3

表 1.4 使用器材……….4

圖目錄

圖 3.1 程式流程...8

圖 4.1 黑桃檢測...9

圖 4.2 紅心檢測...10

III

圖 4.3 菱形檢測...11

圖 4.4 梅花檢測...12

一、 緒論

1.1 前言 生活上漸漸地可以看到影像辨識的出現，但是要將它更加的融入社會需求或許還要花上 一些時間，影像辨識在我們周遭扮演一個非常重要的存在，未來我們周遭的環境必然會 被影像辨識給取代，所以影像辨識的成功率是非常重要的，這次專題是以撲克牌檢測為 一個範例，接近 100%的辨識是如何達成的。

1.2 核心能力 VS.實務專題工作內容 表 1.1 核心能力表 核心能力 實務專題工作內容與核心能力關聯(請具體說 明) 1、運用數學、科學及電機工程知識 之能力。 運用判別式來計算各種花色及數量 2、設計與執行實驗，以及分析與解 釋數據之能力。 設計撲克牌辨識及形狀搜索流程 3、執行電機工程實務所需之知識、 技術以及使用軟硬體工具之能力。 FZ_FH_FJ Simulation Tool (x64)撰寫撲克牌辨識及流程 4、分析或設計電機工程系統、元件 或製程之能力。 形狀搜索: 菱形、梅花、紅心、黑桃、JQK 結果顯示: 菱形、梅花、紅心、黑桃1至10及JQK 5、計畫管理、有效溝通與團隊合作 之能力。 熟悉及流程編輯、實際測試、報告編輯 6、發掘、分析及處理電機實務問題 之能力。 上網搜尋資料，專題課程時提出來共同討論進行解決 7、認識時事議題，瞭解電機工程技 術對環境、社會及全球的影響，並 培養持續學習的習慣與能力。 影像辨識將來會更加的普及化，那麼就應該需 要更精準的辨識減少誤差的判別，讓影像辨識 可以更加流暢的讓大眾使用 8、瞭解電機相關產業與技術發展趨 勢之能力。 提升影像辨識的精準，減少錯誤辨識 9、理解專業倫理及社會責任。 減少瑕疵品流入市場進行販售

1.3 甘特圖 日期 108 年 109 年 9 月 10 月 11 月 12 月 3 月 4 月 5 月 6 月 熟悉 FZ_FH_FJ Simulation Tool (x64) 操作 FZ_FH_FJ Simulation Tool (x64)瓶蓋辨識 操作 FZ_FH_FJ Simulation Tool (x64)條碼辨識 操作 FZ_FH_FJ Simulation Tool (x64)撲克牌辨識 撰寫 FZ_FH_FJ Simulation Tool (x64)JQK 辨識 機台辨識撲克牌成果 專題製作及報告 表 1.2 甘特圖 1.4 人力配置 姓 名 本實務專題中擔任之工作項目 鄭宇呈 軟體設計及流程規劃 陳瑞欽 軟體設計文書 侯育翔 軟體設計文書 表 1.3 人力配置

1.5 使用器材 表 1.4 使用器材 材料名稱 數量 預估價錢 備註 FZ_FH_FJ Simulation Tool (x64) 1 0 元 向學校借 用 簡易型視覺固定座 1 0 元 向學校借 用

2.1 影像辨識理論

計算機信息提取 利用計算機進行遙感信息的自動提取則必須使用數字圖像，由於地物在同 一波段、同一地物在不同波段都具有不同的波譜特徵，通過對某種地物在 各波段的波譜曲線進行分析，根據其特點進行相應的增強處理後，可以在 遙感影像上識別並提取同類目標物。早期的自動分類和圖像分割主要是基 於光譜特徵，後來發展為結合光譜特徵、紋理特徵、形狀特徵、空間關係 特徵等綜合因素的計算機信息提取。 圖像分割 圖像分割就是指把圖像分成各具特性的區域並提取出感興趣目標的技術 和過程，此處特性可以是像素的灰度、顏色、紋理等預先定義的目標可以 對應單個區域，也可以對應多個區域。 圖像分割是由圖像處理到圖像分析的關鍵步驟，在圖像工程中占據重要的 位置。一方面，它是目標表達的基礎，對特徵測量有重要的影響；另一方 面，因為圖像分割及其基於分割的目標表達、特徵抽取和參數測量的將原 始圖像轉化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可 能。 圖像分割是圖像理解的基礎，而在理論上圖像分割又依賴圖像理解，彼此 是緊密關聯的。圖像分割在一般意義下是十分困難的問題，目前的圖像分 割一般作為圖像的前期處理階段，是針對分割對象的技術，是與問題相關 的，如最常用到的利用閾值化處理進行的圖像分割。 圖像分割有三種不同的途徑，其一是將各象素劃歸到相應物體或區域的象 素聚類方法即區域法，其二是通過直接確定區域間的邊界來實現分割的邊 界方法，其三是首先檢測邊緣象素再將邊緣象素連接起來構成邊界形成分 割。 面向對象的遙感信息提取 首先對圖像數據進行影像分割，從二維化了的圖像信息陣列中恢復出圖像所反映 的景觀場景中的目標地物的空間形狀及組合方式。影像的最小單元不再是單個的 像素，而是一個個對象，後續的影像分析和處理也都基於對象進行。 然後採用決策支持的模糊分類算法，並不簡單地將每個對象簡單地分到某一類， 而是給出每個對象隸屬於某一類的機率，便於用戶根據實際情況進行調整，同時， 也可以按照最大機率產生確定分類結果。在建立專家決策支持系統時，建立不同 尺度的分類層次，在每一層次上分別定義對象的光譜特徵、形狀特徵、紋理特徵 和相鄰關係特徵。其中，光譜特徵包括均值、方差、灰度比值；形狀特徵包括面 積、長度、寬度、邊界長度、長寬比、形狀因子、密度、主方向、對稱性，位置， 對於線狀地物包括線長、線寬、線長寬比、曲率、曲率與長度之比等，對於面狀 地物包括面積、周長、緊湊度、多邊形邊數、各邊長度的方差、各邊的平均長度、

最長邊的長度；紋理特徵包括對象方差、面積、密度、對稱性、主方向的均值和 方差等。通過定義多種特徵並指定不同權重，建立分類標準，然後對影像分類。 分類時先在大尺度上分出"父類"，再根據實際需要對感興趣的地物在小尺度上定 義特徵，分出"子類"。

2.2 未來發展及展望 智 慧 影 像 監 控 在 智 慧 城市應 用 中 的 現 狀 及 特 點 眾所周知，影像監控的智慧化，已成為行業發展的必然趨勢，它能夠對影像中的 異常行為，進行即時提取和篩選，並即時發出預警，徹底改變了傳統監控，只能 「監」不能「控」的被動狀態，將是影像監控行業的一次新的革命。現階段，越 來越多的技術型企業，正在大力發展數位信號處理、影像分析算法等核心技術， 這將大幅提升影像監控產業附加值，改善現有產業困難，提升價值的發展瓶頸。 從技術角度來講，目前智慧分析技術，主要還集中在兩大類：一類是採用畫面分 割，前景提取等方法，對影像畫面中的目標，進行提取檢測，透過各種不同的規 則，來區分不同的事件，從而實現不同判斷，並產生相應的警報聯動等。另一類 是利用模式辨識技術，對畫面中特定的物體進行建模，並透過大量樣本進行訓練， 從而達到對影像畫面中的特定物體，進行檢測及相關應用。從應用角度來講，目 前智慧分析技術主要有四大類：第一類是即時警報類；第二類是數據統計類；第 三類是屬性辨識類；第四類是圖像處理類。 參考網址:http://3smarket-info.blogspot.com/2018/09/blog-post_64.html

三、程式規劃與步驟

3.1 程式規劃

四、結果

4.1 黑桃 J 檢測

4.2 紅心 J 檢測

4.3 菱形 J 檢測

4.4 梅花 J 檢測

4.5 黑桃 K 檢測

4.6 紅心 K 檢測

4.7 菱形 K 檢測

4.8 梅花 K 檢測

4.9 黑桃 Q 檢測

4.10 紅心 Q 檢測

4.11 菱形 Q 檢測

4.12 梅花 Q 檢測

五、結論

這次撲克牌辨識成功率接近 100%，讓我們更加瞭解影像辨識處理的

原則與規則，生活上漸漸看到影像辨識出現，例如車牌辨識、產線機

台 NG 品判別等…，科技的進步讓我們省下更多的人力與更少的錯誤

率，希望未來可以在生活上陸續看見影像辨識的存在。

參考文獻

1.研究生:劉懿德 YI-De Liu

影像視覺在藥包檢測之應用(THE Application of Image on the

DrugPack)崑山科技大學電機工程研究所碩士論文 These for

Master of Science July 2018。

2.研究生:李豪誠 Hao-Gheng Li

無鍍銅銲線之影像辨識技術(THE Application of Image

Recognition Tehnology for Non-Copper Coated Welding Wire)

崑山科技大學電機工程研究所碩士論文 These for Master of

Science July 2019。

3.研究生:劉育誠 Yu-Chen Liu

影像處理技術於硬幣辨識與計算之研究(A Study of Coin

Identification and Calculation by using Image Processing

Technique)崑山科技大學電機工程研究所碩士論文 These for

Master of Science July 2018。

參考網址:https://kknews.cc/zh-tw/news/n9l2a53.html