關于我們
書單推薦
新書推薦
|
機器視覺技術與應用實戰(zhàn)
機器視覺技術作為當前的熱門技術之一,在智能制造領域得到了廣泛的應用。
本書從機器視覺的基本概念到機器視覺算法,從機器視覺核心部件到可配置的純嵌入式視覺系統(tǒng),從2D視覺技術到3D視覺技術,從黑白視覺技術到彩色視覺技術,從傳統(tǒng)視覺技術到深度學習技術,從視覺系統(tǒng)設計方案到各行業(yè)的應用場景,從視覺檢測、測量、定位、讀碼與識別四大需求到實際應用案例都分別進行了詳細介紹。
本書可作為普通本科、高職高專院校機器視覺課程的教學用書,也可供從事相關行業(yè)的工程技術人員、研發(fā)人員參考。
本書特色:系統(tǒng)全面、超值實用,實例演示、快速上手。
本書側重于工業(yè)機器視覺的應用,與同類教材相比,本書的所用應用都是真實的案例,且與行業(yè)的工藝相結合,從項目的需求到如何硬件選型,從項目難點到解決思路,再到軟件的操作應用,都有非常詳細的介紹。讀者遇到同類型項目可直接借鑒與參考,乃至直接使用。
現(xiàn)階段機器視覺應用類的書籍不多,與競爭圖書相比內容上更系統(tǒng)、更全面、也更貼合實際。所有的應用案例都是真實的,且與行業(yè)的工藝相結合,應用案例涉及各行各業(yè),所有的軟硬件都是國內外知名的視覺品牌產(chǎn)品。
丁少華,深圳市視覺龍科技有限公司董事長兼總經(jīng)理,江蘇省“創(chuàng)新創(chuàng)業(yè)”人才,江蘇省機器人與智能裝備技術委員會專家,深圳國家高技術產(chǎn)業(yè)創(chuàng)新中心專家?guī)斐蓡T,中國機器視覺產(chǎn)業(yè)聯(lián)盟(CMVU)首任主席。 曾先后就讀于武漢理工大學和華中科技大學,分別獲得碩士和博士學位,博士期間師從楊叔子院士、段正澄院士和李培根院士,在專家系統(tǒng)、神經(jīng)網(wǎng)絡的理論基應用方面具有較高的造詣。之后作為博士后研究員在英國杜倫大學(Durham University)從事人工智能領域專家系統(tǒng)應用及軟件開發(fā)。 有7年海外工作經(jīng)驗,其中4年國外院校教學經(jīng)驗,曾先后任職新加坡EC-Asia International CTO, 新加坡MOSS Labs CTO,香港上市公司日東集團主任工程師等重要職位。2002年回國后創(chuàng)辦了“視覺龍”品牌,直專注機器視覺領域的研發(fā)及產(chǎn)業(yè)化工作17年,主導研發(fā)項目超過50項,獲得知識產(chǎn)權50余項,發(fā)表論文20余篇。
李雄軍,深圳大學物理與光電工程學院副教授,碩士生導師。華中科技大學工業(yè)自動化專業(yè)學士、機械制造專業(yè)碩士和博士學位。武漢水利電力大學博士后,在香港城市大學、英國Huddersfield大學、香港大學進行過學術訪問。主要研究興趣包括機器視覺、模式識別與人工智能、深度學習、智能控制與檢測技術、嵌入式系統(tǒng)設計與開發(fā)、機器人。在國內外權威期刊發(fā)篇論文30余篇,授權國家發(fā)明專利1項,申請國家發(fā)明專利2項。主持或參加完成國家自然科學基金、市科技基金多項,主持在研國家自然科學基金重大儀器專項子課題1項。2007年獲深圳大學學術創(chuàng)新獎,近年來指導學生獲得學科競賽3項全國一等獎,1項全國二等獎,1項省級特等獎等多個獎項,曾獲深圳大學優(yōu)秀本科教學獎、“騰訊優(yōu)秀教師獎”、藍橋杯全國大賽“優(yōu)秀指導教師獎”。
第 1篇 基礎篇
第 1章 機器視覺基礎 2
1.1 機器視覺基本概念 2 1.1.1 機器視覺與計算機視覺的關系 2 1.1.2 機器視覺的特點與優(yōu)勢 3 1.1.3 機器視覺系統(tǒng) 4 1.2 機器視覺系統(tǒng)分類 6 1.2.1 按操作方式分類 6 1.2.2 按性能分類 8 1.3 機器視覺發(fā)展史 10 1.3.1 國外機器視覺發(fā)展史 10 1.3.2 國內機器視覺發(fā)展史 11 1.4 機器視覺市場分析 13 1.4.1 銷售額分析 13 1.4.2 專利分析 14 1.4.3 企業(yè)分析 14 1.5 機器視覺應用場景 16 1.5.1 機器視覺典型應用 16 1.5.2 機器視覺應用行業(yè) 19 1.6 小結 23 習題與思考 23 第 2章 機器視覺算法基礎 25 2.1 圖像生成與表示 25 2.1.1 物體成像 25 2.1.2 圖像量化 26 2.1.3 數(shù)字圖像格式 27 2.2 圖像的基本變換 31 2.2.1 線性變換 31 2.2.2 灰度直方圖 32 2.2.3 圖像二值化 33 2.2.4 灰度的窗口變換 33 2.2.5 圖像的幾何變換 34 2.3 圖像濾波與增強 40 2.3.1 圖像灰度修正 40 2.3.2 圖像平滑 41 2.3.3 中值濾波 41 2.3.4 傅里葉變換 41 2.3.5 頻率域濾波 44 2.4 圖像形態(tài)學及常見的圖像處理工具 46 2.4.1 腐蝕與膨脹 46 2.4.2 開運算與閉運算 47 2.4.3 細化 47 2.4.4 其他常見的圖像處理工具 48 2.5 BLOB分析 54 2.5.1 BLOB分析的主要功能 54 2.5.2 BLOB分析其他基礎及結果 55 2.6 2D圖像匹配 61 2.6.1 圖像標定 61 2.6.2 相關性分析方法 64 2.6.3 幾何特征匹配 66 2.7 3D感知與目標識別 68 2.7.1 從2D圖像中得到3D信息 68 2.7.2 采用單目和透視縮放技術獲取深度信息 69 2.7.3 3D感知和匹配的理論基礎 74 2.7.4 3D模板和匹配 75 2.8 小結 78 習題與思考 78 第 2篇 機器視覺系統(tǒng)核心部件 第3章 工業(yè)相機 80 3.1 工業(yè)相機基礎知識 80 3.1.1 CCD和CMOS傳感器芯片 80 3.1.2 相機的靶面尺寸和分辨率 82 3.1.3 相機的幀率/行頻 82 3.1.4 相機的快門速度和曝光方式 82 3.1.5 相機的增益和白平衡 83 3.1.6 相機的觸發(fā)模式 83 3.1.7 相機的接口 83 3.1.8 相機的取圖協(xié)議 84 3.1.9 相機選型 85 3.1.10 不同品牌相機介紹 86 3.1.11 相機文檔/手冊解讀 86 3.1.12 圖像采集卡 88 3.2 面陣相機 88 3.2.1 面陣相機概述 89 3.2.2 面陣相機工作原理 89 3.3 線陣相機 90 3.3.1 線陣相機概述 90 3.3.2 線陣相機工作原理 90 3.4 三維視覺傳感器 93 3.4.1 三維視覺傳感器的分類 93 3.4.2 三維視覺傳感器產(chǎn)品介紹 94 3.5 小結 97 習題與思考 97 第4章 工業(yè)鏡頭 98 4.1 鏡頭的基礎知識 98 4.1.1 鏡頭的焦距 98 4.1.2 鏡頭的光圈 98 4.1.3 鏡頭的景深 99 4.1.4 鏡頭的工作距離和視野 99 4.1.5 視覺檢測像素精度的計算公式 100 4.1.6 鏡頭的畸變及畸變校正 100 4.1.7 鏡頭接口 100 4.1.8 鏡頭選型 101 4.1.9 鏡頭對照表 101 4.2 FA鏡頭 103 4.3 遠心鏡頭 104 4.3.1 常見的遠心鏡頭類型 104 4.3.2 遠心鏡頭的應用場合 105 4.4 線掃描鏡頭 106 4.5 特種鏡頭 107 4.5.1 短波紅外鏡頭 107 4.5.2 長波紅外鏡頭 107 4.5.3 微距鏡頭 107 4.5.4 360°鏡頭 108 4.5.5 內側360°鏡頭 108 4.6 小結 109 習題與思考 109 第5章 機器視覺光源 110 5.1 光源在視覺系統(tǒng)中的重要性 110 5.2 光源的基礎知識 110 5.2.1 LED光源特點 110 5.2.2 直射光和漫射光 111 5.2.3 鏡面反射和漫反射 111 5.2.4 明視野和暗視野 112 5.2.5 色彩的互補色和增強色 113 5.3 常用光源、定制光源及光源控制器 114 5.3.1 常用光源 114 5.3.2 定制光源 118 5.3.3 光源控制器 119 5.4 光源選型和照明方式 120 5.4.1 現(xiàn)場需求 120 5.4.2 實物測試 120 5.5 光源實驗臺架 122 5.6 小結 122 習題與思考 123 第6章 視覺傳感器 124 6.1 視覺傳感器概述 124 6.2 視覺傳感器的特點 125 6.2.1 VDSR視覺傳感器介紹 125 6.2.2 功能特點 126 6.2.3 VDSR視覺傳感器的參數(shù) 126 6.2.4 VDSR視覺傳感器接口介紹 126 6.3 視覺傳感器軟件介紹 127 6.3.1 VDSR視覺傳感器軟件主界面 127 6.3.2 檢測工具介紹 128 6.4 視覺傳感器軟件的多工具聯(lián)合使用方法 136 6.4.1 VDSR視覺傳感器軟件的邏輯工具 137 6.4.2 VDSR視覺傳感器軟件脫機配置輸出 138 6.4.3 VDSR視覺傳感器通信 138 6.5 小結 139 習題與思考 139 第7章 智能相機 140 7.1 智能相機的系統(tǒng)組成 140 7.1.1 處理器及操作系統(tǒng) 141 7.1.2 相機 141 7.1.3 視覺軟件 141 7.1.4 系統(tǒng)連接 141 7.2 功能特點和系列介紹 141 7.2.1 功能特點 141 7.2.2 智能相機系列介紹 142 7.3 智能相機軟件介紹 142 7.3.1 配置保存 143 7.3.2 圖像管理 143 7.3.3 任務管理 144 7.3.4 工具管理 144 7.4 相機工具 145 7.4.1 相機設置工具 145 7.4.2 圖像保存工具 146 7.4.3 預處理工具 146 7.5 標定校準 147 7.5.1 相機標定校準 147 7.5.2 標定校準工具 147 7.6 視覺工具 148 7.6.1 幾何定位 149 7.6.2 斑塊定位 151 7.6.3 圓弧工具 155 7.6.4 直線工具 157 7.6.5 直線卡尺 159 7.6.6 顏色識別 161 7.6.7 輪廓缺陷 164 7.7 邏輯控制 165 7.7.1 條件執(zhí)行 165 7.7.2 條件分支 166 7.7.3 循環(huán)工具 167 7.8 系統(tǒng)工具 168 7.8.2 生成文本 169 7.8.3 保存數(shù)據(jù) 170 7.8.4 接收文本 171 7.8.5 輸出數(shù)據(jù) 171 7.8.6 I/O工具 172 7.8.7 ModbusTCP 174 7.8.8 TCP客戶端 174 7.8.9 串口通信 175 7.8.10 與華數(shù)機器人的接口 176 7.8.11 三菱MX通信 178 7.9 小結 180 習題與思考 180 第3篇 機器視覺高級技術與工業(yè)應用案例 第8章 機器視覺系統(tǒng)設計方法 182 8.1 性能指標定義與計算方法 182 8.1.1 相機分辨率 182 8.1.2 像素分辨率 182 8.1.3 缺陷分辨率 182 8.1.4 軟件測量分辨率 182 8.1.5 系統(tǒng)測量分辨率 183 8.2 精度分析方法 183 8.2.1 測量精度與重復精度 183 8.2.2 影響系統(tǒng)重復性的因素 185 8.3 機器視覺系統(tǒng)設計的難點 186 8.4 機器視覺系統(tǒng)設計流程 187 8.5 小結 190 習題與思考 190 第9章 視覺定位與對位 191 9.1 鋰電池視覺定位案例 191 9.1.1 案例背景 191 9.1.2 視覺定位需求 191 9.1.3 視覺系統(tǒng)總體實施方案 192 9.1.4 硬件選型與安裝 192 9.1.5 軟件實現(xiàn) 194 9.1.6 其他案例 197 9.2 手機攝像頭對位貼合案例 197 9.2.1 案例背景 197 9.2.2 視覺對位需求 197 9.2.3 視覺系統(tǒng)總體實施方案 198 9.2.4 硬件選型與安裝 198 9.2.5 軟件應用 199 9.2.6 結果數(shù)據(jù)輸出 206 9.2.7 其他案例 206 9.3 小結 207 習題與思考 207 第 10章 機器人視覺引導 208 10.1 機器人視覺引導基礎 208 10.1.1 機器人2D視覺引導 208 10.1.2 機器人3D視覺引導 210 10.2 螺絲機視覺定位引導案例 215 10.2.1 案例背景 215 10.2.2 視覺檢測需求 215 10.2.3 視覺系統(tǒng)總體實施方案 215 10.2.4 硬件選型與安裝 216 10.2.5 軟件應用 217 10.2.6 結果數(shù)據(jù)輸出 221 10.2.7 其他案例 223 10.3 金屬工件單目3D定位引導案例 224 10.3.1 案例背景 224 10.3.2 視覺檢測需求 224 10.3.3 硬件選型與安裝 224 10.3.4 軟件應用 225 10.3.5 其他案例 230 10.4 小結 230 習題與思考 230 第 11章 視覺測量 231 11.1 測量算法 231 11.1.1 尺寸測量 231 11.1.2 形狀分析 232 11.2 手機攝像頭底座金屬框2D尺寸測量案例 233 11.2.1 案例背景 233 11.2.3 視覺系統(tǒng)總體實施方案 234 11.2.4 硬件選型與安裝 234 11.2.5 軟件應用 235 11.2.6 結果數(shù)據(jù)輸出 239 11.3 金屬標定塊平面度檢測案例 240 11.3.1 案例背景 240 11.3.2 視覺檢測需求 241 11.3.3 視覺系統(tǒng)總體實施方案 241 11.3.4 硬件選型 241 11.3.5 軟件應用 241 11.3.6 結果數(shù)據(jù)輸出 248 11.3.7 其他案例 248 11.4 小結 248 習題與思考 248 第 12章 視覺讀碼與識別 249 12.1 電池視覺條碼讀取案例 249 12.1.1 案例背景 249 12.1.2 視覺檢測需求 249 12.1.3 硬件選型與安裝 249 12.1.4 軟件應用 250 12.1.5 一維碼讀取案例配置 251 12.1.6 二維碼讀取案例配置 255 12.1.7 其他案例 258 12.2 小結 258 習題與思考 259 第 13章 視覺檢測 260 13.1 背光模組外觀缺陷檢測案例 260 13.1.1 案例背景 260 13.1.2 視覺檢測需求 260 13.1.3 視覺應用優(yōu)勢 261 13.1.4 硬件選型 261 13.1.5 案例場景 261 13.1.6 方案檢測流程 262 13.1.7 結果數(shù)據(jù)輸出 265 13.1.8 其他案例 265 13.2 模具保護器案例 265 13.2.1 案例背景 265 13.2.2 視覺檢測需求 266 13.2.3 視覺應用優(yōu)勢 266 13.2.4 硬件選型 267 13.2.5 軟件應用 267 13.2.6 結果數(shù)據(jù)輸出 273 13.2.7 其他應用案例 274 13.3 小結 274 習題與思考 274 第 14章 顏色分析 275 14.1 色彩系統(tǒng) 275 14.1.1 RGB色彩系統(tǒng) 275 14.1.2 CMY色彩系統(tǒng) 276 14.1.3 HIS色彩系統(tǒng) 277 14.1.4 電視信號的YIQ與YUV系統(tǒng) 279 14.1.5 普通機器視覺系統(tǒng)的顏色支持和功能 279 14.2 色差測量的原理 284 14.2.1 色差定義 285 14.2.2 顏色的混色系統(tǒng)表示 285 14.2.3 CIE1931顏色空間 285 14.2.4 CIE1976均勻顏色空間 285 14.2.5 色差公式 286 14.3 圓餅玩具色差檢測案例 288 14.3.1 案例背景 288 14.3.2 視覺檢測需求 289 14.3.3 硬件選型 289 14.3.4 軟件應用 290 14.3.5 結果數(shù)據(jù)輸出 294 14.4 色度與亮度測量的原理 294 14.5 鍵盤色度與亮度檢測案例 296 14.5.1 視覺檢測需求 296 14.5.2 技術指標 296 14.5.3 案例總體方案 296 14.5.4 其他案例 301 14.6 小結 301 習題與思考 301 第 15章 深度學習技術及應用 302 15.1 引言 302 15.1.1 基本概念與相互關系 302 15.1.2 機器學習的步驟與模型評價指標 303 15.2 深度學習模型介紹 305 15.2.1 深度學習的起源——生物神經(jīng)網(wǎng)絡 305 15.2.2 神經(jīng)元模型 306 15.2.3 人工神經(jīng)網(wǎng)絡 307 15.2.4 深度神經(jīng)網(wǎng)絡 309 15.3 BP神經(jīng)網(wǎng)絡與梯度下降法 310 15.3.1 手寫數(shù)字識別BP神經(jīng)網(wǎng)絡 310 15.3.2 前向傳播計算 312 15.4 卷積神經(jīng)網(wǎng)絡及LeNet-5網(wǎng)絡 314 15.4.1 卷積神經(jīng)網(wǎng)絡 314 15.4.2 手寫體數(shù)字識別模型LeNet-5網(wǎng)絡 315 15.4.3 網(wǎng)絡訓練與測試 318 15.5 深度學習框架 319 15.6 深度學習在機器視覺中的應用 319 15.6.1 視覺智能的任務與挑戰(zhàn) 319 15.6.2 深度學習與視覺智能 320 15.6.3 深度學習在機器視覺領域的應用概述 321 15.7 基于深度學習的鋼管缺陷檢測案例 323 15.7.1 案例背景 323 15.7.2 鋼管外觀缺陷檢測需求 324 15.7.3 視覺系統(tǒng)總體實施方案 325 15.7.4 硬件選型 325 15.7.5 模型訓練與控制軟件配置 326 15.7.6 結果數(shù)據(jù)輸出 333 15.8 小結 333 習題與思考 333 參考文獻 334
你還可能感興趣
我要評論
|