[
-
内容大纲
本书系统、全面地介绍了工业机器视觉技术的核心概念、发展历程、关键技术及应用领域。全书共分为9章，内容涵盖从基本原理到最新技术的多方面：第1章概述了工业机器视觉的基本概念、发展历史及应用领域，为读者提供了机器视觉的基础知识框架。第2章深入探讨了工业机器视觉硬件系统，重点介绍了相机、镜头及光源等硬件设施的工作原理与应用。第3～5章则从异常图像分类、图像分割、目标检测与跟踪等核心技术展开，详细讲解了各种传统与前沿的图像处理方法及其工业应用。第6章重点讨论了工业机器视觉中的三维测量与检测技术，介绍了三维成像技术、三维数据处理及其在工业中的应用。第7章则专注于光谱图像处理，阐述了光谱成像原理及其在工业检测中的应用。第8章讲解了工业机器视觉检测系统的设计与优化，详细描述了系统集成、硬件选型、算法设计等实用知识。最后，第9章展望了工业机器视觉技术的前沿发展，探讨了大模型、云边端协同等最新技术对工业机器视觉的影响与应用前景。
本书不仅提供了丰富的理论知识，还通过大量的实际应用案例，帮助读者深入理解机器视觉技术在工业中的具体应用。本书适合从事工业机器视觉研究、开发和应用的工程师、技术人员及相关学者阅读与参考，也为高等院校相关专业的教学提供了系统的教材支持。 -
作者介绍
-
目录
第1章 概述
1.1 工业机器视觉的基本概念
1.1.1 工业机器视觉的定义与基本原理
1.1.2 工业机器视觉与计算机视觉的区别
1.2 工业机器视觉的发展历程
1.2.1 早期的发展与起源
1.2.2 现代工业机器视觉的进展
1.3 工业机器视觉系统的组成
1.3.1 硬件组成
1.3.2 软件组成
1.4 工业机器视觉研究内容
1.4.1 异常图像分类
1.4.2 图像分割
1.4.3 目标检测与跟踪
1.5 工业机器视觉技术的应用领域
1.5.1 智能制造业中的应用
1.5.2 工业机器人中的应用
1.5.3 其他领域的应用
1.6 本章小结
1.7 思考与习题
第2章 工业机器视觉硬件系统
2.1 相机及镜头
2.1.1 镜头的关键参数和类型
2.1.2 相机图像传感器的关键参数和类型
2.1.3 相机类型和应用场景
2.2 工业视觉照明光源
2.2.1 工业视觉照明的基本原则
2.2.2 常用光源类型和应用场景
2.3 机器视觉成像平台
2.3.1 基于面阵拍摄平台的夹层异物检测
2.3.2 基于线扫拍摄平台的贴合精度检测
2.4 本章小结
2.5 思考与习题
第3章 工业视觉异常图像分类
3.1 图像预处理技术
3.1.1 灰度变换与二值化
3.1.2 图像去噪与滤波技术
3.1.3 图像增强
3.2 图像特征提取
3.2.1 边缘检测与角点检测
3.2.2 纹理特征与颜色特征
3.2.3 高阶特征的提取方法
3.3 工业图像异常分类方法
3.3.1 基于统计学的分类方法
3.3.2 基于深度学习的分类方法
3.3.3 异常检测与分类模型的评价指标
3.4 工业异常图像分类的应用案例
3.4.1 手机盖板玻璃异常检测应用
3.4.2 电力场景应用
3.5 本章小结
3.6 思考与习题
第4章 工业视觉图像分割
4.1 图像分割的基本知识
4.1.1 图像分割的定义与意义
4.1.2 图像分割的难点与挑战
4.1.3 图像分割的评价指标
4.2 传统图像分割方法
4.2.1 阈值分割法
4.2.2 边缘检测分割法
4.2.3 区域生长法与分水岭算法
4.3 基于机器学习的图像分割方法
4.3.1 支持向量机方法
4.3.2 基于聚类的分割方法
4.3.3 基于高斯混合模型的图像分割
4.4 基于深度学习的图像分割方法
4.4.1 全卷积神经网络
4.4.2 U-Net系列
4.4.3 DeepLab系列
4.4.4 其他前沿分割模型
4.5 工业图像分割应用案例
4.5.1 项目需求
4.5.2 方案介绍
4.5.3 系统的工作流程
4.5.4 应用案例总结
4.6 本章小结
4.7 思考与习题
第5章 工业机器视觉目标检测与跟踪
5.1 目标检测的基本概念
5.1.1 目标检测的定义与意义
5.1.2 目标检测的挑战与技术难点
5.2 传统目标检测方法
5.2.1 基于模板匹配的目标检测
5.2.2 基于特征点的目标检测
5.2.3 其他经典目标检测算法
5.3 基于深度学习的目标检测
5.3.1 YOLO系列介绍
5.3.2 R-CNN系列
5.3.3 其他目标检测方法
5.4 工业目标跟踪技术
5.4.1 传统目标跟踪方法
5.4.2 基于相关滤波的跟踪算法
5.4.3 基于孪生网络的目标跟踪
5.4.4 其他前沿目标跟踪模型
5.5 工业目标检测与跟踪的应用案例
5.5.1 医药自动化生产线中的药液微弱异物检测
5.5.2 可见光与红外图像融合的电力热故障判别
5.5.3 电力自动化巡检中小样本情况下的异物检测
5.6 本章小结
5.7 思考与习题
第6章 工业机器视觉三维测量与检测
6.1 工业机器视觉三维测量与检测概念
6.1.1 工业机器视觉三维测量与检测的定义
6.1.2 工业机器视觉三维与二维测量的区别
6.1.3 工业机器视觉三维测量与检测的应用领域
6.1.4 工业机器视觉三维测量与检测的优势
6.2 工业机器视觉三维视觉成像技术
6.2.1 被动式三维视觉成像
6.2.2 主动式三维视觉成像
6.3 三维视觉数学基础
6.3.1 三维空间与坐标系
6.3.2 相机模型
6.3.3 图像坐标系
6.3.4 相机标定
6.4 三维数据处理经典算法
6.4.1 三维数据表示
6.4.2 三维特征提取与配准
6.4.3 三维数据分割
6.4.4 三维目标跟踪与识别
6.5 工业三维视觉处理与检测的应用案例
6.5.1 机加工件流水线三维扫描自动检测系统
6.5.2 汽车漆面缺陷检测与磨抛修复系统
6.5.3 自动化3D检测系统在船舶外板曲面制造应用
6.5.4 电力场景应用
6.6 本章小结
6.7 思考与习题
第7章 工业视觉光谱图像处理
7.1 光谱成像技术基础
7.1.1 光谱成像的基本原理
7.1.2 多光谱图像的获取与表示
7.1.3 高光谱图像的获取与表示
7.2 光谱图像处理方法
7.2.1 预处理与校正方法
7.2.2 光谱特征提取方法
7.3 工业光谱图像的目标检测方法
7.3.1 光谱图像异常检测算法
7.3.2 光谱图像解混算法
7.4 工业光谱图像处理的应用
7.4.1 工业产品质量检测中的光谱图像应用
7.4.2 工业机器人场景中的应用
7.5 本章小结
7.6 思考与习题
第8章 工业机器视觉检测系统设计
8.1 机器视觉检测系统的设计流程
8.1.1 需求分析与方案设计
8.1.2 系统集成与硬件选型
8.1.3 软件设计与算法实现
8.2 工业视觉系统的测试与优化
8.2.1 系统性能测试办法
8.2.2 误差分析与系统优化
8.2.3 系统稳定性与可靠性设计
8.3 工业视觉检测系统的应用案例
8.3.1 应用案例背景分析
8.3.2 硬件选型与算法设计
8.3.3 系统集成与结果
8.4 本章小结
8.5 思考与习题
第9章 工业机器视觉技术的前沿与展望
9.1 大模型与工业机器视觉
9.1.1 多模态大模型的发展
9.1.2 大模型在工业机器视觉中的应用
9.1.3 大模型在工业视觉系统中的挑战与优化方向
9.2 云边端协同与工业机器视觉
9.2.1 云边端协同架构的概念与优势
9.2.2 云边端协同下的工业视觉架构设计
9.2.3 云边端协同在工业机器视觉中的未来发展
9.3 未来工业机器视觉的挑战与机遇
9.3.1 工业机器视觉的技术瓶颈
9.3.2 工业4.0时代机器视觉的未来发展方向
9.4 本章小结
9.5 思考与习题
参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...