幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數字圖像檢測與控制技術--理論及實例

  • 作者：編者:譚彧//陳兵旗|責編:賈娜
  • 出版社：化學工業
  • ISBN：9787122374509
  • 出版日期：2021/01/01
  • 裝幀：平裝
  • 頁數：501
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書較為全面地介紹了圖像檢測與控制技術及其應用實例，旨在為智能裝備的開發提供技術思路和方案參考。
    上篇「圖像檢測與控制技術」，主要介紹智能裝備中常用的圖像處理演算法、專業圖像處理系統、近紅外光譜與高光譜成像和自動控制理論。下篇「應用實例」，從圖像檢測實例、近紅外光譜與高光譜成像技術應用實例、圖像檢測與控制實例3個方面，精選了19個實例進行細緻講解。
    本書內容全面，技術先進，實例豐富，貼近實踐，不僅可為從事智能裝備設計與開發、圖像檢測與處理、自動控制技術等相關領域工作的科研人員和技術人員提供專業參考，還可供高等院校相關專業師生學習使用。
作者介紹
編者:譚彧//陳兵旗|責編:賈娜
目錄
上篇  圖像檢測與控制技術
  第1章  常用圖像處理演算法
    1.1  彩色圖像和灰度圖像
      1.1.1  彩色圖像
      1.1.2  灰度圖像
      1.1.3  HSI顏色變換
      1.1.4  C語言函數
    1.2  邊緣檢測
      1.2.1  邊緣與圖像處理
      1.2.2  基於微分的邊緣檢測
      1.2.3  基於模板匹配的邊緣檢測
      1.2.4  邊緣圖像的二值化處理
      1.2.5  C語言函數
    1.3  二值化處理
      1.3.1  灰度圖像的閾值處理
      1.3.2  模態法確定分割閾值
      1.3.3  大津（Otsu）法確定分割閾值
      1.3.4  基於顏色差分的二值化處理
      1.3.5  基於幀間差分的二值化處理
      1.3.6  C語言函數
    1.4  去雜訊處理
      1.4.1  移動平均
      1.4.2  中值濾波
      1.4.3  二值圖像的去雜訊處理
      1.4.4  C語言函數
    1.5  幾何參數檢測
      1.5.1  二值圖像的特徵參數
      1.5.2  區域標記
      1.5.3  基於特徵參數提取物體
      1.5.4  基於特徵參數消除雜訊
      1.5.5  C語言函數
    1.6  Hough變換
      1.6.1  傳統Hough變換的直線檢測
      1.6.2  過已知點Hough變換的直線檢測
      1.6.3  Hough變換的曲線檢測
      1.6.4  C語言函數
    1.7  深度學習
      1.7.1  深度學習基本概念
      1.7.2  深度學習的常用方法
      1.7.3  卷積神經網路的典型結構
  第2章  專業圖像處理系統
    2.1  通用圖像處理系統ImageSys
      2.1.1  系統簡介
      2.1.2  系統主要功能
      2.1.3  系統開發平台Sample
    2.2  二維運動圖像測量分析系統MIAS
      2.2.1  系統簡介
      2.2.2  系統主要功能
      2.2.3  系統開發平台MSSample
    2.3  三維運動測量分析系統MIAS3D

      2.3.1  系統簡介
      2.3.2  系統主要功能
      2.3.3  系統其他功能
  第3章  近紅外光譜與高光譜成像
    3.1  近紅外光譜
      3.1.1  近紅外光譜檢測技術簡介
      3.1.2  近紅外光譜檢測工作原理
      3.1.3  檢測過程與方法
    3.2  高光譜成像
      3.2.1  光譜成像技術簡介
      3.2.2  高光譜圖像檢測工作原理
      3.2.3  檢測過程與方法
    3.3  近紅外光譜及高光譜成像數據處理方法
      3.3.1  近紅外光譜及高光譜成像數據預處理方法
      3.3.2  數據降維及特徵變數選擇方法
      3.3.3  定性及定量模型的建立方法
  第4章  自動控制理論
    4.1  控制系統分析
      4.1.1  閉環系統基本概念
      4.1.2  數學模型
      4.1.3  時域分析
      4.1.4  頻域分析
      4.1.5  穩定性與誤差分析
    4.2  控制系統PID控制
      4.2.1  PID控制規律
      4.2.2  控制參數確定方法
      4.2.3  採用MATLAB的PID模擬分析
      4.2.4  數字PID的編程方法
    4.3  自抗擾控制
      4.3.1  自抗擾控制概述
      4.3.2  自適應迭代學習ADRC控制
      4.3.3  抗擾實驗與結果分析
下篇  應用實例
  第5章  圖像檢測實例
    5.1  車輛尺寸顏色參數實時檢測
      5.1.1  項目目標與技術要點
      5.1.2  系統構成方案
      5.1.3  系統檢測方案
      5.1.4  車輛進出判斷
      5.1.5  車輛邊沿檢測
      5.1.6  車輛顏色檢測
      5.1.7  檢測流程
      5.1.8  系統影響因素分析
    5.2  玉米粒在穗計數
      5.2.1  項目目標與技術要點
      5.2.2  設備及軟體環境
      5.2.3  玉米粒在穗計數流程
    5.3  馬鈴薯種薯芽眼識別及點雲模型重構
      5.3.1  項目背景與技術要點
      5.3.2  馬鈴薯種薯芽眼的圖像識別及定位方法研究

      5.3.3  馬鈴薯種薯的點雲模型重構方法及質量預測模型研究
      5.3.4  項目研究結論
    5.4  蝗蟲圖像識別計數
      5.4.1  項目目標與技術要點
      5.4.2  蝗蟲圖像的採集
      5.4.3  原圖像的調整
      5.4.4  靜態圖像內蝗蟲的識別與計數
    5.5  基於機器視覺的果樹靶標識別
      5.5.1  項目目標與技術要點
      5.5.2  系統組成與總體檢測流程
      5.5.3  靶標果樹的圖像處理方案
      5.5.4  靶標果樹冠層特徵提取
    5.6  苗草圖像識別
      5.6.1  項目背景與目標
      5.6.2  苗期除草工況下的快速作物識別
      5.6.3  雙目立體視覺花椰菜識別演算法
  第6章  近紅外光譜與高光譜成像技術應用實例
    6.1  蘋果糖度的近紅外光譜檢測方法
      6.1.1  項目目標與技術要點
      6.1.2  靜態檢測裝置設計方案
      6.1.3  蘋果樣品的準備與檢測
      6.1.4  靜態採集數據分析
      6.1.5  在線動態檢測系統的搭建
      6.1.6  在線檢測系統試驗驗證
    6.2  小麥葉片葉綠素含量的高光譜成像檢測方法
      6.2.1  項目目標與技術要點
      6.2.2  高光譜成像系統搭建
      6.2.3  試驗材料準備
      6.2.4  小麥葉片數據採集
      6.2.5  數據處理與分析
    6.3  異質雞肉的近紅外光譜檢測鑒別研究
      6.3.1  項目目標與技術要點
      6.3.2  試驗材料與方法
      6.3.3  PSE、DFD與正常雞肉的近紅外光譜檢測鑒別
      6.3.4  全光譜分析及特徵波長選擇
      6.3.5  不同波段範圍多光譜模型建立及評價
    6.4  豬肉細菌總數的高光譜成像檢測
      6.4.1  研究目標與技術要點
      6.4.2  高光譜成像系統搭建
      6.4.3  試驗材料準備
      6.4.4  豬肉樣品的檢測
      6.4.5  目標區域光譜提取與預處理
      6.4.6  豬肉表面TVC預測模型建立與分析
    6.5  黴菌單菌落的生長光學特徵分析及種類判別
      6.5.1  試驗材料與試驗過程
      6.5.2  黴菌單菌落的生長特徵分析
      6.5.3  黴菌單菌落同心環形生長區的特徵
      6.5.4  黴菌單菌落種類的判別模型建立
    6.6  可見/近紅外高光譜圖像無損鑒別八角茴香與偽品莽草
      6.6.1  材料與方法

      6.6.2  結果與分析
      6.6.3  與常規圖像處理方法的比較
    6.7  基於高光譜成像技術的生鮮雞肉糜中大豆蛋白含量檢測
      6.7.1  材料與方法
      6.7.2  結果與分析
    6.8  釀酒葡萄成熟度光譜圖像檢測
      6.8.1  釀酒葡萄多光譜圖像採集
      6.8.2  釀酒葡萄成熟度檢測指標與傳統方法
      6.8.3  多光譜圖像處理與指標選擇
      6.8.4  多光譜圖像R分量與葡萄成熟度的關係模型
  第7章  圖像檢測與控制實例
    7.1  農田視覺檢測與導航系統
      7.1.1  項目目標與準備工作
      7.1.2  插秧環境導航線檢測
      7.1.3  水田管理機器人導航路線檢測
      7.1.4  旱田作業機器人導航路線檢測
      7.1.5  農田作業視覺導航系統
    7.2  玉米種粒圖像精選及定向定位裝置
      7.2.1  項目目標
      7.2.2  種粒動態圖像精選裝置結構與工作原理
      7.2.3  吹除裝置設計
      7.2.4  種粒合格性動態檢測方法
      7.2.5  圖像檢測演算法
      7.2.6  試驗結果分析
    7.3  基於鷹眼視覺的仿生無人機避障控制
      7.3.1  研究背景與目標
      7.3.2  避障控制與動態路徑規劃方法
      7.3.3  試驗與分析
      7.3.4  結論
    7.4  穀物聯合收割機視覺導航
      7.4.1  項目背景與目標
      7.4.2  聯合收割機視覺導航系統總體方案
      7.4.3  聯合收割機視覺導航系統平台設計
      7.4.4  聯合收割機視覺導航圖像處理演算法研究
      7.4.5  聯合收割機視覺導航系統路徑識別演算法研究
      7.4.6  聯合收割機視覺導航系統試驗
    7.5  穴盤苗圖像識別與補栽控制
      7.5.1  項目背景與技術要點
      7.5.2  圖像採集與預處理
      7.5.3  基於深度卷積神經網路的穴盤缺苗識別
      7.5.4  穴盤苗抓取角度檢測
      7.5.5  穴盤補栽控制方法
      7.5.6  研究結論
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032