掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能視覺技術及應用 版權信息
- ISBN：9787560660783
- 條形碼：9787560660783 ; 978-7-5606-6078-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能視覺技術及應用 內容簡介
本書系統地介紹了智能視覺技術的發展、相關技術以及在部分行業中的應用。全書分為上、中、下三篇，共13章。上篇主要介紹智能視覺組成，包括第1~4章：第1章概述了智能視覺技術的發展、智能視覺系統的組成和智能視覺技術的應用；第2~4章詳細介紹了智能視覺系統的組成，包括工業相機、工業鏡頭和視覺光源等。中篇主要介紹智能視覺算法，包括第5~9章：第5~7章介紹了傳統的數字圖像處理技術，包括圖像預處理、圖像定位、圖像測量等；第8~9章介紹了深度學習與神經網絡以及基于卷積神經網絡的圖像處理。下篇主要介紹智能視覺應用，包括第10~13章：第10章介紹了智能視覺技術的主要應用及智能視覺開發平臺VisionBank；第11~13章分別從定位與識別、計數和測量、缺陷檢測和測量計數等方面介紹了智能視覺技術在汽車制造、半導體、醫藥、機械、手機輔料、散熱風扇等行業的應用。 本書可作為高等院校計算機、自動化、電子、信息、管理、控制等專業本科生或研究生的教材或教學參考書，也可供從事智能視覺研究的技術人員自學或參考。
智能視覺技術及應用 目錄
上篇 智能視覺組成
第1章 智能視覺技術概述 2
1.1 智能視覺技術的概念 2
1.2 智能視覺技術的發展 2
1.3 智能視覺系統的組成 4
1.3.1 圖像采集單元 4
1.3.2 圖像處理單元 5
1.4 智能視覺技術的應用 6
本章小結 8
第2章 工業相機 9
2.1 工業相機概述 9
2.2 工業相機的分類 10
2.2.1 按照信號的輸出格式分類 10
2.2.2 按照像元的排列方式分類 11
2.2.3 按照圖像傳感器的類型分類 13
2.2.4 按照相機接口分類 17
2.2.5 按照成像色彩分類 19
2.2.6 智能工業相機 20
2.3 工業相機的參數 23
2.4 工業相機的選型 28
本章小結 33
第3章 工業鏡頭 34
3.1 鏡頭的成像原理 34
3.1.1 鏡頭的基本概念 34
3.1.2 鏡頭成像的基本原理 35
3.2 工業鏡頭的參數 36
3.3 常用的工業鏡頭 44
3.4 遠心鏡頭 45
3.4.1 遠心鏡頭的成像原理 46
3.4.2 遠心鏡頭的優勢 47
3.4.3 遠心鏡頭的適用場合 51
3.5 工業鏡頭的選型 52
本章小結 53
第4章 視覺光源 54
4.1 光源的作用 54
4.2 光學基礎知識 55
4.3 光源照明技術 61
4.4 光源的類型 63
4.4.1 光源的發展 63
4.4.2 光源的分類 65
4.5 光源的選型 70
4.5.1 光源的選型思路 70
4.5.2 光源的選型技巧 70
4.5.3 常見光源的選型要領 73
4.5.4 案例分析 75
本章小結 78
中篇 智能視覺算法
第5章 圖像預處理技術 80
5.1 圖像預處理的作用 80
5.2 圖像的表達、顯示與存儲 80
5.2.1 圖像的表達與顯示 80
5.2.2 圖像的存儲 82
5.3 灰度變換 84
5.3.1 點運算 84
5.3.2 圖像的鄰域操作 86
5.4 幾何變換 88
5.4.1 幾何運算與坐標系統 88
5.4.2 灰度插值 89
5.4.3 空間變換 90
5.5 直方圖均衡化 91
5.6 圖像濾波 94
5.6.1 均值濾波 95
5.6.2 中值濾波 97
5.6.3 高斯濾波 98
5.7 圖像銳化 99
5.7.1 Robert算子 99
5.7.2 Sobel算子 100
5.7.3 Laplace算子 101
5.8 圖像二值化 103
5.8.1 雙峰法 103
5.8.2 P參數法 104
5.8.3 大津法 104
5.8.4 *大熵閾值 105
5.8.5 迭代法 106
本章小結 106
第6章 圖像定位技術 107
6.1 角點檢測 107
6.1.1 興趣點與角點 107
6.1.2 角點檢測算法 108
6.1.3 Harris角點檢測 109
6.2 邊緣提取 111
6.2.1 一階邊緣檢測算子 112
6.2.2 二階邊緣檢測算子 113
6.2.3 Canny算子 114
6.2.4 邊緣連接方法 115
6.3 特征定位 116
6.3.1 圖像特征 117
6.3.2 輪廓特征定位 118
6.4 直線定位 119
6.4.1 直線提取 119
6.4.2 直線的位置關系 122
6.5 圓定位 122
6.5.1 圓弧提取 122
6.5.2 圓的位置關系 124
6.6 組合定位 125
本章小結 126
第7章 圖像測量技術 127
7.1 距離測量 127
7.1.1 點點距離 127
7.1.2 點線距離 127
7.1.3 線線距離 128
7.2 面積測量 129
7.2.1 圖像分割 129
7.2.2 形態學處理 131
7.2.3 連通域處理 135
7.2.4 像素統計 139
7.3 計數測量 139
本章小結 140
第8章 深度學習與神經網絡 141
8.1 深度學習的基礎 141
8.1.1 神經元 142
8.1.2 感知器 143
8.1.3 前向傳播 144
8.1.4 后向傳播 147
8.2 卷積神經網絡 152
8.2.1 概述 152
8.2.2 卷積運算 153
8.2.3 網絡結構 155
本章小結 159
第9章 基于卷積神經網絡的圖像處理 160
9.1 典型的卷積神經網絡架構 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 RCNN 164
9.1.7 YOLO 167
9.1.8 SSD 168
9.1.9 FCN 169
9.1.10 DeepLab 171
9.2 基于卷積神經網絡的圖像處理 172
9.2.1 圖像分類 173
9.2.2 目標檢測 175
9.2.3 圖像分割 177
本章小結 180
下篇 智能視覺應用
第10章 智能視覺開發平臺 182
10.1 智能視覺技術的主要應用 182
10.1.1 定位引導 182
10.1.2 字符識別 183
10.1.3 顏色檢測 185
10.1.4 尺寸測量 186
10.1.5 缺陷檢測 186
10.2 智能視覺開發平臺 187
10.2.1 智能視覺開發平臺的分類 187
10.2.2 VisionBank智能視覺開發平臺 188
本章小結 194
第11章 基于定位與識別的智能視覺應用 195
11.1 汽車制動片定位引導 195
11.1.1 行業背景介紹 195
11.1.2 項目需求分析 196
11.1.3 硬件系統構建 196
11.1.4 定位方案配置 197
11.2 PCB板編號識別 203
11.2.1 行業背景介紹 203
11.2.2 項目需求分析 204
11.2.3 硬件系統構建 204
11.2.4 識別方案配置 205
本章小結 212
第12章 基于計數和測量的智能視覺應用
213
12.1 采血試管計數 213
12.1.1 行業背景介紹 213
12.1.2 項目需求分析 214
12.1.3 硬件系統構建 215
12.1.4 計數方案配置 216
12.2 軸承尺寸測量 222
12.2.1 行業背景介紹 222
12.2.2 項目需求分析 223
12.2.3 硬件系統構建 224
12.2.4 測量方案配置 225
本章小結 232
第13章 基于缺陷檢測和測量計數的智能視覺應用 233
13.1 手機外殼缺陷檢測 233
13.1.1 行業背景介紹 233
13.1.2 項目需求分析 234
13.1.3 硬件系統構建 235
13.1.4 檢測方案配置 236
13.2 散熱風扇尺寸測量及部件計數檢測 245
13.2.1 行業背景介紹 245
13.2.2 項目需求分析 246
13.2.3 硬件系統構建 246
13.2.4 檢測方案配置 247
本章小結 256參考文獻 257
展開全部
書友推薦
- >
我與地壇
- >
伯納黛特,你要去哪(2021新版)
- >
上帝之肋:男人的真實旅程
- >
詩經-先民的歌唱
- >
有舍有得是人生
- >
山海經
- >
我從未如此眷戀人間
- >
煙與鏡
本類暢銷
