作者：朱光明
页数：259
出版社：西安电子科技大学出版社
出版日期：2021
ISBN：9787560660783
电子书格式：pdf/epub/txt
内容简介
本书系统地介绍了智能视觉技术的发展、相关技术以及在部分行业中的应用。全书分为上、中、下三篇，共13章。上篇主要介绍智能视觉组成，包括第1~4章：第1章概述了智能视觉技术的发展、智能视觉系统的组成和智能视觉技术的应用；第2~4章详细介绍了智能视觉系统的组成，包括工业相机、工业镜头和视觉光源等。中篇主要介绍智能视觉算法，包括第5~9章：第5~7章介绍了传统的数字图像处理技术，包括图像预处理、图像定位、图像测量等；第8~9章介绍了深度学习与神经网络以及基于卷积神经网络的图像处理。下篇主要介绍智能视觉应用，包括第10~13章：第10章介绍了智能视觉技术的主要应用及智能视觉开发平台VisionBank；第11~13章分别从定位与识别、计数和测量、缺陷检测和测量计数等方面介绍了智能视觉技术在汽车制造、半导体、医药、机械、手机辅料、散热风扇等行业的应用。
本书可作为高等院校计算机、自动化、电子、信息、管理、控制等专业本科生或研究生的教材或教学参考书，也可供从事智能视觉研究的技术人员自学或参考。
目录
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 最大熵阈值 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睠NN 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
