智能视觉技术及应用

上篇 智能视觉组成 第1章 智能视觉技术概述 2 1.1 智能视觉技术的概念 2 1.2 智能视觉技术的发展 2 1.3 智能视觉系统的组成 4 1.3.1 图像采集单元 4 1.3.2 图像处理单元 5 1.4 智能视觉技术的应用 6 本章小结 8 第2章 工业相机 9 2.1 工业相机概述 9 2.2 工业相机的分类 10 2.2.1 按照信号的输出格式分类 10 2.2.2 按照像元的排列方式分类 11 2.2.3 按照图像传感器的类型分类 13 2.2.4 按照相机接口分类 17 2.2.5 按照成像色彩分类 19 2.2.6 智能工业相机 20 2.3 工业相机的参数 23 2.4 工业相机的选型 28 本章小结 33 第3章 工业镜头 34 3.1 镜头的成像原理 34 3.1.1 镜头的基本概念 34 3.1.2 镜头成像的基本原理 35 3.2 工业镜头的参数 36 3.3 常用的工业镜头 44 3.4 远心镜头 45 3.4.1 远心镜头的成像原理 46 3.4.2 远心镜头的优势 47 3.4.3 远心镜头的适用场合 51 3.5 工业镜头的选型 52 本章小结 53 第4章 视觉光源 54 4.1 光源的作用 54 4.2 光学基础知识 55 4.3 光源照明技术 61 4.4 光源的类型 63 4.4.1 光源的发展 63 4.4.2 光源的分类 65 4.5 光源的选型 70 4.5.1 光源的选型思路 70 4.5.2 光源的选型技巧 70 4.5.3 常见光源的选型要领 73 4.5.4 案例分析 75 本章小结 78 中篇 智能视觉算法 第5章 图像预处理技术 80 5.1 图像预处理的作用 80 5.2 图像的表达、显示与存储 80 5.2.1 图像的表达与显示 80 5.2.2 图像的存储 82 5.3 灰度变换 84 5.3.1 点运算 84 5.3.2 图像的邻域操作 86 5.4 几何变换 88 5.4.1 几何运算与坐标系统 88 5.4.2 灰度插值 89 5.4.3 空间变换 90 5.5 直方图均衡化 91 5.6 图像滤波 94 5.6.1 均值滤波 95 5.6.2 中值滤波 97 5.6.3 高斯滤波 98 5.7 图像锐化 99 5.7.1 Robert算子 99 5.7.2 Sobel算子 100 5.7.3 Laplace算子 101 5.8 图像二值化 103 5.8.1 双峰法 103 5.8.2 P参数法 104 5.8.3 大津法 104 5.8.4 *大熵阈值 105 5.8.5 迭代法 106 本章小结 106 第6章 图像定位技术 107 6.1 角点检测 107 6.1.1 兴趣点与角点 107 6.1.2 角点检测算法 108 6.1.3 Harris角点检测 109 6.2 边缘提取 111 6.2.1 一阶边缘检测算子 112 6.2.2 二阶边缘检测算子 113 6.2.3 Canny算子 114 6.2.4 边缘连接方法 115 6.3 特征定位 116 6.3.1 图像特征 117 6.3.2 轮廓特征定位 118 6.4 直线定位 119 6.4.1 直线提取 119 6.4.2 直线的位置关系 122 6.5 圆定位 122 6.5.1 圆弧提取 122 6.5.2 圆的位置关系 124 6.6 组合定位 125 本章小结 126 第7章 图像测量技术 127 7.1 距离测量 127 7.1.1 点点距离 127 7.1.2 点线距离 127 7.1.3 线线距离 128 7.2 面积测量 129 7.2.1 图像分割 129 7.2.2 形态学处理 131 7.2.3 连通域处理 135 7.2.4 像素统计 139 7.3 计数测量 139 本章小结 140 第8章 深度学习与神经网络 141 8.1 深度学习的基础 141 8.1.1 神经元 142 8.1.2 感知器 143 8.1.3 前向传播 144 8.1.4 后向传播 147 8.2 卷积神经网络 152 8.2.1 概述 152 8.2.2 卷积运算 153 8.2.3 网络结构 155 本章小结 159 第9章 基于卷积神经网络的图像处理 160 9.1 典型的卷积神经网络架构 160 9.1.1 AlexNet 160 9.1.2 VGGNet 161 9.1.3 Inception 162 9.1.4 ResNet 163 9.1.5 MobileNet 164 9.1.6 RCNN 164 9.1.7 YOLO 167 9.1.8 SSD 168 9.1.9 FCN 169 9.1.10 DeepLab 171 9.2 基于卷积神经网络的图像处理 172 9.2.1 图像分类 173 9.2.2 目标检测 175 9.2.3 图像分割 177 本章小结 180 下篇 智能视觉应用 第10章 智能视觉开发平台 182 10.1 智能视觉技术的主要应用 182 10.1.1 定位引导 182 10.1.2 字符识别 183 10.1.3 颜色检测 185 10.1.4 尺寸测量 186 10.1.5 缺陷检测 186 10.2 智能视觉开发平台 187 10.2.1 智能视觉开发平台的分类 187 10.2.2 VisionBank智能视觉开发平台 188 本章小结 194 第11章 基于定位与识别的智能视觉应用 195 11.1 汽车制动片定位引导 195 11.1.1 行业背景介绍 195 11.1.2 项目需求分析 196 11.1.3 硬件系统构建 196 11.1.4 定位方案配置 197 11.2 PCB板编号识别 203 11.2.1 行业背景介绍 203 11.2.2 项目需求分析 204 11.2.3 硬件系统构建 204 11.2.4 识别方案配置 205 本章小结 212 第12章 基于计数和测量的智能视觉应用 213 12.1 采血试管计数 213 12.1.1 行业背景介绍 213 12.1.2 项目需求分析 214 12.1.3 硬件系统构建 215 12.1.4 计数方案配置 216 12.2 轴承尺寸测量 222 12.2.1 行业背景介绍 222 12.2.2 项目需求分析 223 12.2.3 硬件系统构建 224 12.2.4 测量方案配置 225 本章小结 232 第13章 基于缺陷检测和测量计数的智能视觉应用 233 13.1 手机外壳缺陷检测 233 13.1.1 行业背景介绍 233 13.1.2 项目需求分析 234 13.1.3 硬件系统构建 235 13.1.4 检测方案配置 236 13.2 散热风扇尺寸测量及部件计数检测 245 13.2.1 行业背景介绍 245 13.2.2 项目需求分析 246 13.2.3 硬件系统构建 246 13.2.4 检测方案配置 247 本章小结 256参考文献 257