机器视觉：原理与经典案例详解

图书标准信息

• 作者 刘晓红 编著；宋春华；张弓
• 出版社 化学工业出版社
• 出版时间 2022-08
• 版次 1
• ISBN 9787122411488
• 定价 88.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 248页
• 字数 367千字

【内容简介】

\"机器视觉是指利用相机、摄像机等作为传感器，并配合机器视觉算法，赋予智能设备具备人眼的功能，从而进行相关物件识别、检测、测量等操作的一种技术，现已广泛应用于多个领域。
  本书在对机器视觉的定义、现状及组成单元等基础理论进行介绍的基础之上，从实用性角度，对Delta并联机器人机器视觉动态分拣等5个工业应用实例、铁路货车超限监测等5个交通应用实例、基于人脸识别的智能窗帘等3个其他领域应用实例进行了重点讲解，并对机器视觉技术和市场的未来发展进行了展望。
  本书可供仪器科学与技术、机械电子工程、自动化等领域的科研人员和工程技术人员参考使用，也可作为高等院校测控技术与仪器、智能感知工程、机械电子工程、电子信息工程等相关专业的教学用书。

  　\"

【作者简介】

无

【目录】

\"基础理论篇 001

第1章　绪论 002

1.1 机器视觉的定义 002

1.2 机器视觉的发展历史 004

1.3 机器视觉的发展研究现状 005

1.3.1 国外机器视觉现状 005

1.3.2 国内机器视觉现状 005

本章小结 007

参考文献 007

 

第2章　机器视觉系统组成单元及应用 009

2.1 照明 010

2.2 镜头 011

2.3 图像传感器 012

2.4 视觉信息处理 012

2.5 通信模块 013

2.6 机器视觉软件 013

本章小结 014

参考文献 014

 

第3章　机器视觉系统与平台 015

3.1 机器视觉系统 015

3.1.1 一维机器视觉系统 015

3.1.2 二维机器视觉系统 016

3.1.3 三维机器视觉系统 017

3.2 机器视觉平台 019

3.2.1 基于PC的视觉系统 019

3.2.2 视觉控制器 019

3.2.3 独立视觉系统 019

3.2.4 视觉传感器和基于图像的条形码阅读器 020

3.2.5 嵌入式视觉系统 020

3.2.6 基于GPU的视觉系统 020

本章小结 021

参考文献 021

 

应用实例篇：工业 023

第4章　Delta并联机器人机器视觉动态分拣 024

4.1 研究背景意义 024

4.2 项目研究目标 028

4.3 主要研究内容 029

4.4 项目研究方法 030

4.4.1 基于灰色关联度的边缘检测算法 030

4.4.2 基于边缘梯度的模板匹配算法 032

4.4.3 摄像头及Delta机器人系统标定 033

4.4.4 多Delta机器人系统协同分拣策略 033

4.5 实验结果分析 036

本章小结 038

参考文献 039

 

第5章　3-PPR平面并联机构视觉伺服精密对位 041

5.1 研究背景意义 041

5.2 项目研究目标 046

5.3 主要研究内容 046

5.4 项目研究方法 047

5.4.1 并联平台的结构与原理 047

5.4.2 机器视觉伺服对位系统 048

5.5 实验结果分析 051

本章小结 053

参考文献 054

 

第6章　关节臂式机器人3D视觉智能抓取 056

6.1 研究背景意义 056

6.2 项目研究目标 061

6.3 主要研究内容 061

6.4 项目研究方法 062

6.4.1 基于迁移学习的卷积神经网络 062

6.4.2 基于深度学习的3D物体识别及抓取区域检测 063

6.4.3 基于深度强化学习的C空间路径规划与避障 066

6.5 实验结果分析 069

本章小结 074

参考文献 075

 

第7章　工件表面缺陷视觉检测 077

7.1 研究背景意义 077

7.2 项目研究目标 083

7.3 主要研究内容 084

7.4 项目研究方法 084

7.4.1 基于Hough变换的工件区域提取算法 084

7.4.2 基于图像处理的表面缺陷检测算法 086

7.4.3 基于深度学习的表面缺陷检测算法 086

7.5 实验结果分析 089

7.5.1 基于图像处理的检测算法的实验结果分析 089

7.5.2 基于深度学习的检测算法的实验结果分析 090

本章小结 091

参考文献 092

 

第8章　工件尺寸视觉测量 096

8.1 研究背景意义 096

8.2 项目研究目标 098

8.3 主要研究内容 098

8.4 项目研究方法 099

8.4.1 照明技术研究 099

8.4.2 工业镜头 101

8.4.3 系统硬件组成 102

8.4.4 检测算法 103

8.5 实验结果分析 107

本章小结 107

参考文献 107

 

应用实例篇：交通 109

第9章　铁路货车超限监测 110

9.1 研究背景意义 110

9.2 项目研究目标 111

9.3 主要研究内容 112

9.4 项目研究方法 112

9.4.1 边缘检测 112

9.4.2 阈值分割 113

9.5 实验结果分析 114

本章小结 119

参考文献 119

 

第10章　高速列车弓网异常状态检测 121

10.1 研究背景意义 121

10.2 项目研究目标 124

10.3 主要研究内容 125

10.4 项目研究方法 125

10.4.1 YOLO网络模型 126

10.4.2 YOLO v4目标检测模型 127

10.4.3 YOLO v4网络的弓网接触区域检测 129

10.4.4 基于堆叠沙漏网络的弓网接触点检测 133

10.4.5 堆叠沙漏网络的弓网关键点检测模型 134

10.5 实验结果分析 135

10.5.1 YOLO v4网络的弓网接触区域检测结果 135

10.5.2 关键点检测网络模型检测结果与分析 137

本章小结 140

参考文献 140

 

第11章　车站客流安全智能监控 142

11.1 研究背景意义 142

11.2 项目研究目标 144

11.3 主要研究内容 144

11.4 项目研究方法 144

11.4.1 背景差分处理图像 144

11.4.2 背景图像模型 145

11.4.3 旅客前景目标检测算法 146

11.4.4 运动目标追踪算法 148

11.4.5 车站客流安全指标分析 149

11.5 实验结果分析 152

11.5.1 旅客检测追踪算法结果 152

11.5.2 客流量安全状态预警结果 154

本章小结 156

参考文献 157

 

第12章　高铁牵引变电所绝缘子异常状态识别 159

12.1 研究背景意义 159

12.2 项目研究目标 161

12.3 主要研究内容 161

12.4 项目研究方法 162

12.4.1 深度学习的基本原理 162

12.4.2 深度学习在绝缘子图像中的应用 165

12.4.3 绝缘子检测算法 166

12.4.4 绝缘子检测评价指标 170

12.4.5 绝缘子故障识别评价指标 171

12.5 实验结果分析 172

12.5.1 绝缘子检测结果分析 172

12.5.2 绝缘子故障识别结果分析 174

本章小结 176

参考文献 176

 

第13章　高速列车接触网状态巡检 178

13.1 研究背景意义 178

13.2 项目研究目标 180

13.3 主要研究内容 180

13.4 项目研究方法 181

13.4.1 支持向量数据描述算法 182

13.4.2 卷积神经网络法 183

13.4.3 基于改进Lenet-5的特征迁移学习法 185

13.4.4 接触网图像异常检测的网络结构设计 187

13.4.5 特征提取及可视化 190

13.5 实验结果分析 192

本章小结 196

参考文献 197

 

应用实例篇：其他领域 199

第14章　基于人脸识别的智能窗帘 200

14.1 研究背景意义 200

14.2 项目研究目标 200

14.3 主要研究内容 201

14.4 项目研究方法 201

14.4.1 主程序设计 201

14.4.2 人脸检测设计 201

14.4.3 表情识别设计 203

14.4.4 电机控制设计 204

14.5 实验结果与分析 205

14.5.1 实验系统组装 206

14.5.2 系统初始化 206

14.5.3 关闭窗帘演示 207

14.5.4 打开窗帘演示 207

本章小结 208

参考文献 208

 

第15章　基于机器视觉的茶叶嫩芽识别方法 209

15.1 研究背景意义 209

15.2 项目研究目标 210

15.3 项目研究方法 210

15.3.1 YOLO v3目标识别原理 210

15.3.2 基于YOLO的茶叶识别模型建立 212

15.4 实验结果与分析 213

本章小结 216

参考文献 216

 

第16章　基于机器视觉的车牌识别系统 218

16.1 研究背景意义 218

16.2 项目研究目标 219

16.3 主要研究内容 219

16.4 项目研究方法 219

16.4.1 基本硬件设计 220

16.4.2 基于R-CNN的物体定位 222

16.4.3 基于SSD的物体定位 223

16.4.4 基于Hough变换的车牌校正 223

16.4.5 基于YOLO v2的车牌检测 224

16.5 实验结果分析 226

本章小结 233

参考文献 234

 

展望篇 235

第17章　机器视觉的发展展望 236

17.1 面临的挑战与解决方案 237

17.2 未来技术发展趋势 238

17.3 未来市场发展前景 241

本章小结 247

参考文献 247

 

 

\"