机器视觉智能检测技术及典型行业应用

目录 第1章绪论001 1.1机器视觉的定义001 1.2机器视觉的发展历史002 1.2.1国外的发展历史002 1.2.2国内的发展历史002 1.3机器视觉系统的特点003 1.4机器视觉的主要功能004 1.4.1图像分类004 1.4.2目标检测005 1.4.3目标分割007 1.4.4目标跟踪007 1.4.5视觉引导008 1.4.6视觉测量009第2章机器视觉硬件系统010 2.1工业相机010 2.1.1工业相机的分类010 2.1.2工业相机的性能参数014 2.1.3工业相机的选型017 2.2工业镜头020 2.2.1工业镜头的分类及原理020 2.2.2工业镜头的性能参数022 2.2.3工业镜头的选型026 2.3工业光源027 2.3.1工业光源的分类027 2.3.2工业光源的照射方式032 2.3.3工业光源的选型033 2.4小结034第3章经典机器视觉技术035 3.1视觉成像原理035 3.1.1透视成像原理035 3.1.2坐标系及其转换035 3.2数字图像基础039 3.2.1数字图像039 3.2.2颜色模型040 3.2.3图像格式042 3.3数字图像处理043 3.3.1二值化043 3.3.2通道变换046 3.3.3图像锐化048 3.3.4对比度增强050 3.3.5边缘检测052 3.3.6腐蚀与膨胀057 3.3.7特征提取059 3.3.8模板匹配063 3.3.9图像分割064 3.4小结070第4章机器学习与深度学习技术071 4.1线性模型071 4.1.1一元线性模型072 4.1.2多元线性模型072 4.1.3线性回归073 4.2决策树075 4.2.1特征选择076 4.2.2决策树生成077 4.2.3剪枝077 4.3神经网络082 4.3.1神经元模型083 4.3.2单层感知机083 4.3.3两层感知机084 4.3.4多层感知机085 4.3.5激活函数086 4.3.6正则化088 4.3.7正向传播与反向传播089 4.4支持向量机090 4.5贝叶斯分类092 4.6聚类093 4.7深度学习094 4.8小结095第5章钢铁领域机器视觉技术的典型应用096 5.1废钢智能判级096 5.1.1废钢智能判级系统的硬件组成097 5.1.2废钢智能判级系统的软件组成102 5.1.3结果分析110 5.2发动机缸体铸件表面缺陷检测112 5.2.1系统组成113 5.2.2缸体缺陷类别及数据处理114 5.2.3机械臂路径规划与执行117 5.2.4缸体表面缺陷检测119 5.2.5结果分析121 5.3小结123第6章航空航天领域机器视觉技术的典型应用124 6.1飞机表面缺陷检测124 6.1.1系统组成126 6.1.2无人机路径规划与执行128 6.1.3缺陷检测与分析133 6.1.4结果分析138 6.2飞机发动机叶片表面缺陷检测139 6.2.1系统组成140 6.2.2缺陷类型分析141 6.2.3数据准备与评价指标142 6.2.4深度学习模型143 6.2.5结果分析147 6.3小结150第7章复合材料领域机器视觉技术的典型应用152 7.1预制体经纬线密度检测152 7.1.1系统组成153 7.1.2检测指标与定义154 7.1.3经纬线密度检测模型156 7.1.4结果分析158 7.2碳丝质量在线检测160 7.2.1系统组成161 7.2.2检测指标与定义162 7.2.3数据准备163 7.2.4碳丝检测模型164 7.2.5结果分析166 7.3原丝质量在线检测168 7.3.1系统组成169 7.3.2检测指标与定义170 7.3.3数据准备170 7.3.4原丝检测模型173 7.3.5结果分析175 7.4小结179第8章精密电子领域机器视觉技术的典型应用180 8.1金丝键合错漏丝检测180 8.1.1问题分析180 8.1.2数据准备181 8.1.3金丝检测181 8.1.4模板匹配183 8.1.5结果分析183 8.2金丝键合跨距检测186 8.2.1数据准备187 8.2.2整体思路187 8.2.3金丝键合区域定位模块188 8.2.4金丝键合焊点检测模块189 8.2.5金丝键合金丝分割模块191 8.2.6金丝键合跨距测量模块193 8.2.7结果分析195 8.3密闭电子设备多余物检测203 8.3.1多余物特征203 8.3.2多余物检测网络204 8.3.3结果分析212 8.4小结217参考文献219