工業機器視覺技術與應用(智能時代高等學校自動化系列教材)
內容大鋼
本書系統、全面地介紹了工業機器視覺技術的核心概念、發展歷程、關鍵技術及應用領域。全書共分為9章，內容涵蓋從基本原理到最新技術的多方面：第1章概述了工業機器視覺的基本概念、發展歷史及應用領域，為讀者提供了機器視覺的基礎知識框架。第2章深入探討了工業機器視覺硬體系統，重點介紹了相機、鏡頭及光源等硬體設施的工作原理與應用。第3?5章則從異常圖像分類、圖像分割、目標檢測與跟蹤等核心技術展開，詳細講解了各種傳統與前沿的圖像處理方法及其工業應用。第6章重點討論了工業機器視覺中的三維測量與檢測技術，介紹了三維成像技術、三維數據處理及其在工業中的應用。第7章則專註于光譜圖像處理，闡述了光譜成像原理及其在工業檢測中的應用。第8章講解了工業機器視覺檢測系統的設計與優化，詳細描述了系統集成、硬體選型、演算法設計等實用知識。最後，第9章展望了工業機器視覺技術的前沿發展，探討了大模型、雲邊端協同等最新技術對工業機器視覺的影響與應用前景。
本書不僅提供了豐富的理論知識，還通過大量的實際應用案例，幫助讀者深入理解機器視覺技術在工業中的具體應用。本書適合從事工業機器視覺研究、開發和應用的工程師、技術人員及相關學者閱讀與參考，也為高等院校相關專業的教學提供了系統的教材支持。
作者介紹
編者:張輝//梅傑//繆慧司//王耀南|責編:趙凱
目錄
第1章 概述
1.1 工業機器視覺的基本概念
1.1.1 工業機器視覺的定義與基本原理
1.1.2 工業機器視覺與電腦視覺的區別
1.2 工業機器視覺的發展歷程
1.2.1 早期的發展與起源
1.2.2 現代工業機器視覺的進展
1.3 工業機器視覺系統的組成
1.3.1 硬體組成
1.3.2 軟體組成
1.4 工業機器視覺研究內容
1.4.1 異常圖像分類
1.4.2 圖像分割
1.4.3 目標檢測與跟蹤
1.5 工業機器視覺技術的應用領域
1.5.1 智能製造業中的應用
1.5.2 工業機器人中的應用
1.5.3 其他領域的應用
1.6 本章小結
1.7 思考與習題
第2章 工業機器視覺硬體系統
2.1 相機及鏡頭
2.1.1 鏡頭的關鍵參數和類型
2.1.2 相機圖像感測器的關鍵參數和類型
2.1.3 相機類型和應用場景
2.2 工業視覺照明光源
2.2.1 工業視覺照明的基本原則
2.2.2 常用光源類型和應用場景
2.3 機器視覺成像平台
2.3.1 基於面陣拍攝平台的夾層異物檢測
2.3.2 基於線掃拍攝平台的貼合精度檢測
2.4 本章小結
2.5 思考與習題
第3章 工業視覺異常圖像分類
3.1 圖像預處理技術
3.1.1 灰度變換與二值化
3.1.2 圖像去噪與濾波技術
3.1.3 圖像增強
3.2 圖像特徵提取
3.2.1 邊緣檢測與角點檢測
3.2.2 紋理特徵與顏色特徵
3.2.3 高階特徵的提取方法
3.3 工業圖像異常分類方法
3.3.1 基於統計學的分類方法
3.3.2 基於深度學習的分類方法
3.3.3 異常檢測與分類模型的評價指標
3.4 工業異常圖像分類的應用案例
3.4.1 手機蓋板玻璃異常檢測應用
3.4.2 電力場景應用
3.5 本章小結
3.6 思考與習題
第4章 工業視覺圖像分割
4.1 圖像分割的基本知識
4.1.1 圖像分割的定義與意義
4.1.2 圖像分割的難點與挑戰
4.1.3 圖像分割的評價指標
4.2 傳統圖像分割方法
4.2.1 閾值分割法
4.2.2 邊緣檢測分割法
4.2.3 區域生長法與分水嶺演算法
4.3 基於機器學習的圖像分割方法
4.3.1 支持向量機方法
4.3.2 基於聚類的分割方法
4.3.3 基於高斯混合模型的圖像分割
4.4 基於深度學習的圖像分割方法
4.4.1 全卷積神經網路
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 工業圖像分割應用案例
4.5.1 項目需求
4.5.2 方案介紹
4.5.3 系統的工作流程
4.5.4 應用案例總結
4.6 本章小結
4.7 思考與習題
第5章 工業機器視覺目標檢測與跟蹤
5.1 目標檢測的基本概念
5.1.1 目標檢測的定義與意義
5.1.2 目標檢測的挑戰與技術難點
5.2 傳統目標檢測方法
5.2.1 基於模板匹配的目標檢測
5.2.2 基於特徵點的目標檢測
5.2.3 其他經典目標檢測演算法
5.3 基於深度學習的目標檢測
5.3.1 YOLO系列介紹
5.3.2 R-CNN系列
5.3.3 其他目標檢測方法
5.4 工業目標跟蹤技術
5.4.1 傳統目標跟蹤方法
5.4.2 基於相關濾波的跟蹤演算法
5.4.3 基於孿生網路的目標跟蹤
5.4.4 其他前沿目標跟蹤模型
5.5 工業目標檢測與跟蹤的應用案例
5.5.1 醫藥自動化生產線中的藥液微弱異物檢測
5.5.2 可見光與紅外圖像融合的電力熱故障判別
5.5.3 電力自動化巡檢中小樣本情況下的異物檢測
5.6 本章小結
5.7 思考與習題
第6章 工業機器視覺三維測量與檢測
6.1 工業機器視覺三維測量與檢測概念
6.1.1 工業機器視覺三維測量與檢測的定義
6.1.2 工業機器視覺三維與二維測量的區別
6.1.3 工業機器視覺三維測量與檢測的應用領域
6.1.4 工業機器視覺三維測量與檢測的優勢
6.2 工業機器視覺三維視覺成像技術
6.2.1 被動式三維視覺成像
6.2.2 主動式三維視覺成像
6.3 三維視覺數學基礎
6.3.1 三維空間與坐標系
6.3.2 相機模型
6.3.3 圖像坐標系
6.3.4 相機標定
6.4 三維數據處理經典演算法
6.4.1 三維數據表示
6.4.2 三維特徵提取與配准
6.4.3 三維數據分割
6.4.4 三維目標跟蹤與識別
6.5 工業三維視覺處理與檢測的應用案例
6.5.1 機加工件流水線三維掃描自動檢測系統
6.5.2 汽車漆面缺陷檢測與磨拋修復系統
6.5.3 自動化3D檢測系統在船舶外板曲面製造應用
6.5.4 電力場景應用
6.6 本章小結
6.7 思考與習題
第7章 工業視覺光譜圖像處理
7.1 光譜成像技術基礎
7.1.1 光譜成像的基本原理
7.1.2 多光譜圖像的獲取與表示
7.1.3 高光譜圖像的獲取與表示
7.2 光譜圖像處理方法
7.2.1 預處理與校正方法
7.2.2 光譜特徵提取方法
7.3 工業光譜圖像的目標檢測方法
7.3.1 光譜圖像異常檢測演算法
7.3.2 光譜圖像解混演算法
7.4 工業光譜圖像處理的應用
7.4.1 工業產品質量檢測中的光譜圖像應用
7.4.2 工業機器人場景中的應用
7.5 本章小結
7.6 思考與習題
第8章 工業機器視覺檢測系統設計
8.1 機器視覺檢測系統的設計流程
8.1.1 需求分析與方案設計
8.1.2 系統集成與硬體選型
8.1.3 軟體設計與演算法實現
8.2 工業視覺系統的測試與優化
8.2.1 系統性能測試辦法
8.2.2 誤差分析與系統優化
8.2.3 系統穩定性與可靠性設計
8.3 工業視覺檢測系統的應用案例
8.3.1 應用案例背景分析
8.3.2 硬體選型與演算法設計
8.3.3 系統集成與結果
8.4 本章小結
8.5 思考與習題
第9章 工業機器視覺技術的前沿與展望
9.1 大模型與工業機器視覺
9.1.1 多模態大模型的發展
9.1.2 大模型在工業機器視覺中的應用
9.1.3 大模型在工業視覺系統中的挑戰與優化方向
9.2 雲邊端協同與工業機器視覺
9.2.1 雲邊端協同架構的概念與優勢
9.2.2 雲邊端協同下的工業視覺架構設計
9.2.
[