[
-
内容大纲
本书以工业实际应用为导向，系统阐述基于机器视觉与人工智能的产品表面缺陷检测技术，涵盖从图像采集、特征提取、缺陷识别到系统开发的全流程。内容融合传统图像处理与深度学习等先进方法，结合刀具磨损、钢铁表面、晶圆缺陷等多个典型工业场景，提供具有实践指导意义的解决方案。
本书可供从事智能制造、机器视觉、质量检测等领域的科研和技术人员参考，也可作为高等院校计算机视觉技术与应用、机械工程等相关专业的教材。 -
作者介绍
-
目录
第1章 概述
1.1 机器视觉驱动的产品检测技术
1.2 产品缺陷检测技术发展现状
1.2.1 机器视觉的研究现状
1.2.2 基于机器视觉的产品表面缺陷检测研究现状
1.2.3 基于深度学习的产品表面缺陷检测研究现状
1.2.4 研究现状总结
参考文献
第2章 基于机器视觉的产品缺陷检测系统
2.1 系统需求分析
2.2 机器视觉测量系统设计
2.2.1 机器视觉测量系统
2.2.2 视觉测量系统结构
2.3 视觉测量硬件系统设计
2.3.1 载物台系统设计
2.3.2 照明系统设计
2.3.3 图像传感器系统设计
2.4 视觉测量软件系统设计
2.4.1 软件设计架构
2.4.2 软件系统结构
2.4.3 软件系统开发平台及工具
2.4.4 软件系统功能及主界面
第3章 特征提取与选择技术
3.1 典型特征提取方法
3.1.1 主成分分析
3.1.2 独立主元分析
3.1.3 线性判别分析
3.2 基于流形学习的特征提取与选择技术
3.2.1 拉普拉斯特征映射算法
3.2.2 局部保持投影算法
3.2.3 局部和非局部保持投影和基于监督学习的局部和非局部保持投影
3.2.4 局部/非局部线性判别分析算法
3.3 二维联合局部和非局部判别分析方法
3.3.1 局部/非局部线性判别分析算法
3.3.2 二维联合局部/非局部线性判别分析算法
3.3.3 DJLNDA与2DPCA，2DLDA，2DLPP之间的关系
3.3.4 2DJLNDA实验分析
3.4 基于2DJLNDA的深度学习算法研究
3.4.1 自动编码器
3.4.2 降噪自动编码器
3.4.3 堆叠降噪自编码器
3.4.4 2DJLNDA和堆叠降噪自编码器的特征提取算法
3.5 基于特征提取算法的晶圆表面缺陷类型识别
3.5.1 晶圆数据介绍
3.5.2 基于2DJLNDA算法的晶圆表面缺陷类型识别
3.5.3 基于2DJLNDA和SDAE的晶圆表面缺陷类型识别
参考文献
第4章 基于机器视觉的加工刀具磨损量在线测量
4.1 刀具磨损
4.2 加工刀具磨损检测与测量算法
4.2.1 图像预处理
4.2.2 基于LoG算子的Otsu分割与多重形态学组合的梯度边缘提取
4.2.3 基于高斯金字塔加速的图像配准与最大连通域提取
4.2.4 亚像素边缘检测与基于软k段主曲线算法的磨损区域拟合
4.3 实验与结果分析
4.3.1 实验装置
4.3.2 基于显微镜的人工缺陷测量实验
4.3.3 基于机器视觉的刀具磨损测量实验
参考文献
第5章 基于机器视觉的机械零部件尺寸质量检测
5.1 齿轮图像处理算法
5.1.1 齿轮图像预处理
5.1.2 齿轮图像分割及形态学操作
5.1.3 齿轮图像边缘提取
5.2 齿轮尺寸参数测量方法
5.2.1 齿轮中心点定位
5.2.2 齿顶圆半径与齿根圆半径测量
5.2.3 确定齿数、模数、齿距及分度圆半径
5.3 实验与结果分析
5.3.1 实验结果
5.3.2 软件系统齿轮尺寸测量功能模块
参考文献
第6章 基于堆叠卷积稀疏降噪自编码网络模型的产品表面缺陷探测与识别
6.1 产品表面缺陷模式
6.2 基于堆叠卷积稀疏降噪自编码网络模型的产品表面缺陷识别
6.2.1 产品表面缺陷识别
6.2.2 堆叠卷积降噪自编码网络
6.2.3 产品表面缺陷识别方案
6.3 实验与结果分析
6.3.1 仿真数据实验与分析
6.3.2 工业案例分析
参考文献
第7章 基于特征与标签联合对抗的晶圆缺陷模式自适应识别
7.1 基于深度卷积神经网络的迁移学习
7.2 基于半监督深度迁移学习的晶圆缺陷模式自适应识别
7.2.1 基于特征和标签联合对抗的深度迁移学习网络模型
7.2.2 晶圆缺陷模式自适应识别方案
7.3 实验与结果分析
7.3.1 晶圆图像数据
7.3.2 晶圆缺陷模式识别
7.3.3 晶圆部分缺陷模式自适应识别
参考文献
第8章 基于轻量化网络的产品表面缺陷识别
8.1 轻量化网络原理
8.1.1 深度可分离卷积
8.1.2 通道信息交互
8.1.3 特征重标定
8.2 MacroNet
8.2.1 MicroNet
8.2.2 MacroNet框架
8.3 基于MacroNet的产品表面缺陷识别方案
8.4 实验与结果分析
8.4.1 仿真数据实验与分析
8.4.2 工业案例分析
参考文献
第9章 基于深度学习的钢铁表面缺陷有锚检测方法
9.1 单阶段检测器
9.1.1 神经网络结构
9.1.2 分类损失函数
9.1.3 特征融合
9.2 基于通道注意力和自适应空间特征融合的单阶段检测器
9.2.1 锚框配置优化
9.2.2 通道注意力机制模块
9.2.3 空间自适应特征融合
9.3 基于有锚单阶段检测器的产品表面缺陷检测方案
9.4 实验与结果分析
9.4.1 实验平台和参数设置
9.4.2 对比实验
9.4.3 消融实验
参考文献
第10章 基于深度学习的钢铁表面缺陷无锚检测方法
10.1 目标检测模型
10.1.1 有锚目标检测网络
10.1.2 无锚目标检测网络
10.2 单阶段全连接卷积网络
10.3 双向特征融合网络
10.3.1 横向融合网络
10.3.2 特征聚集网络
10.3.3 特征分散网络
10.4 回归损失函数
10.5 基于无锚检测模型的钢铁表面缺陷检测系统
10.6 实验与结果分析
10.6.1 性能评价指标
10.6.2 实验参数设置
10.6.3 对比实验
10.6.4 消融实验
参考文献
第11章 基于自适应关键点定位网络的印制电路板缺陷检测
11.1 印制电路板缺陷检测
11.2 自适应关键点定位网络
11.2.1 基于残差金字塔热映射网络的特征提取网络
11.2.2 关键点定位网络
11.3 基于自适应关键点定位网络的印制电路板表面缺陷检测结果
11.3.1 PCB-Master数据集
11.3.2 基于自适应关键点定位网络的缺陷实验结果与分析
11.3.3 模型性能评估
11.3.4 消融实验
11.3.5 AT-RPN损失函数评估
11.3.6 基于Deep PCB-Master数据集的缺陷检测
参考文献
第12章 基于自适应全局定位网络的带钢表面缺陷检测
12.1 带钢表面缺陷检测问题
12.2 基于卷积神经网络的产品表面缺陷检测模型结构设计
12.2.1 基于单阶段网络的目标检测模型结构设计
12.2.2 基于双阶段网络的目标检测模型结构设计
12.2.3 锚框优化下的缺陷检测模型结构设计
12.3 自适应全局定位网络研究
12.3.1 基于残差金字塔网络的特征提取网络
12.3.2 基于自适应树状候选框提取模块
12.3.3 RoI池化与RoIAlign池化
12.3.4 基于锚优化的全局定位网络
12.4 基于AGLNet的带钢缺陷检测实验结果
12.4.1 实验环境和评估标准
12.4.2 NEU-DET带钢表面缺陷数据集
12.4.3 带钢缺陷检测结果分析
12.4.4 检测模型性能评估
12.4.5 消融实验
12.4.6 anchor优化下的AT-RPN效果评估
参考文献
第13章 基于机器视觉与深度学习的产品缺陷检测系统
13.1 软件概况
13.1.1 软件主要功能
13.1.2 软件运行环境
13.1.3 源程序语言版本及源程序量
13.1.4 软件设计
13.1.5 系统软件架构设计
13.2 操作指南
13.2.1 系统软件结构
13.2.2 缺陷检测算法工具箱
13.3 系统业务流程与功能
13.3.1 深度学习驱动的产品表面缺陷检测系统首页
13.3.2 数据集管理
13.3.3 数据标注
13.3.4 图像标定
13.3.5 模型管理
13.3.6 晶圆缺陷检测
13.3.7 PCB缺陷检测
13.3.8 钢铁缺陷检测
13.3.9 磁瓦缺陷语义分割检测
13.3.10 工业电子器件缺陷语义分割检测
13.3.11 自适应语义分割训练模块
13.3.12 检测记录查看
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...