新書推薦：
![[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交](//img.megbook.hk/upload/mall/productImages/26/10/9787547753248.jpg)
《
[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交
》
售價：NT$
704
《
折姜（中）
》
售價：NT$
239
《
清华大学藏战国竹简校释（伍）：《筮法》诸篇
》
售價：NT$
500
《
我们都会变有钱：投资的道与术
》
售價：NT$
296
《
人体使用指南：没有什么比身体更重要
》
售價：NT$
429
《
黄土馆事件
》
售價：NT$
374
《
“一国两制”下香港维护国家安全的实践（16开本繁体字版）
》
售價：NT$
88
《
2025年《咬文嚼字》合订本（平）
》
售價：NT$
435
|
| 編輯推薦： |
|
1.本书对机器视觉技术方向和算法要点进行了全面的论述，读者可以通过本书全面学习机器视觉的相关知识；2.本书规避了烦琐的公式和代码，读者可以顺利接收到想要学习到的知识；3.本书对图像分类、图像处理与识别、目标检测、图像分割等技术方向进行了论述，同时结合产业应用进行了实践性论证。
|
| 內容簡介： |
|
《机器视觉基础原理与实践应用》系统阐述机器视觉技术体系，涵盖基础理论、硬件构成、核心算法及行业应用。首先，解析了机器视觉工作原理、产业链图谱及工业相机、镜头、光源的选型方法；其次，深入探讨图像分类（主动学习）、目标检测与跟踪、图像分割（经典算法与深度学习）、缺陷检测（汽车漆面/玻璃/锂电池）等关键技术，以及Transformer、GAN等前沿模型；最后聚焦汽车工业（特征识别/视觉引导）、物流（分拣/AMR感知）、农业等场景的实践方案。全书以“理论-技术-实践”为主线，突出工业缺陷检测、双目视觉等工程痛点，为读者提供从硬件配置到算法部署的全链路知识。本书适合工业自动化、算法研发等方向的技术人员阅读，也可以作为高校计算机、智能制造等相关专业的教材使用。
|
| 目錄：
|
第1章 机器视觉概述 001
1.1 机器视觉的基础知识 002
1.1.1 机器视觉技术的工作原理 002
1.1.2 机器视觉技术的发展历程 004
1.1.3 机器视觉系统的关键部分 006
1.1.4 机器视觉技术的发展趋势 008
1.2 机器视觉产业链图谱 010
1.2.1 典型机器视觉系统组成 010
1.2.2 机器视觉产业链分析 011
1.2.3 国外机器视觉主流厂商 014
1.2.4 国内机器视觉主流厂商 015
1.3 双目立体视觉系统原理 017
1.3.1 双目视觉的视差与深度 017
1.3.2 双目相机的相关坐标系 018
1.3.3 双目相机的畸变系数 020
1.3.4 双目相机的标定方法 021
1.3.5 双目立体匹配的算法 023
第2章 机器视觉的硬件系统构成 026
2.1 工业相机的类型与选型参数 027
2.1.1 工业相机的类型划分 027
2.1.2 工业相机的主要参数 029
2.1.3 工业相机的选型步骤 031
2.2 工业镜头的分类与主要参数 032
2.2.1 根据有效像场划分 032
2.2.2 根据镜头焦距分类 032
2.2.3 根据接口类型划分 033
2.2.4 特殊用途的工业镜头 034
2.2.5 工业镜头的主要参数 034
2.3 工业光源的类型与选型技巧 039
2.3.1 影响光源选择的因素 039
2.3.2 工业光源的照明设计 040
2.3.3 LED光源的特点与类型 041
2.3.4 光源的选型技巧与要点 045
第3章 基于主动学习的图像分类 047
3.1 主动学习图像分类的基础知识 048
3.1.1 主动学习的概念与框架 048
3.1.2 主动学习图像分类方法 049
3.1.3 图像数据预处理的方法 050
3.1.4 样本的选择策略与设计 051
3.2 基于模型驱动的图像分类算法 052
3.2.1 基于深度学习的模型 052
3.2.2 基于生成对抗网络 056
3.2.3 基于深度强化学习 057
3.2.4 基于Transformer结构 058
3.3 基于数据驱动的模型分类算法 059
3.3.1 基于图像增广的分类算法 059
3.3.2 基于特征插值的分类算法 063
3.3.3 基于数据分布的分类算法 064
3.3.4 主动学习图像分类面临的挑战 065
3.3.5 主动学习图像分类的研究方向 066
第4章 图像处理与识别技术 068
4.1 机器视觉的图像处理技术 069
4.1.1 图像采集 069
4.1.2 特征提取 071
4.1.3 图像预处理 072
4.1.4 图像增强 073
4.1.5 图像分割 074
4.1.6 图像压缩编码 076
4.1.7 图像复原 077
4.2 机器视觉的图像识别技术 078
4.2.1 图像识别原理与特点 078
4.2.2 图像识别的关键技术 080
4.2.3 基于机器视觉的机器人 082
4.2.4 机器人的视觉识别过程 084
4.3 机器视觉图像识别的方法 085
4.3.1 统计法 085
4.3.2 句法识别法 086
4.3.3 神经网络方法 086
4.3.4 模板匹配法 087
4.3.5 霍夫变换法 088
4.3.6 深度学习法 088
4.3.7 Blob分析法 092
第5章 目标检测与跟踪技术 094
5.1 基于深度学习的目标检测算法 095
5.1.1 运动目标检测图像处理及算法 095
5.1.2 基于候选区域的目标检测模型 096
5.1.3 基于回归的图像目标检测模型 099
5.1.4 基于Anchor-free的目标检测模型 101
5.2 视频目标检测与跟踪的方法 103
5.2.1 视频目标跟踪的基础知识 103
5.2.2 视频目标跟踪的应用场景 105
5.2.3 视频目标跟踪的运动模型 106
5.2.4 视频目标跟踪的特征提取 107
5.2.5 视频目标跟踪的模型更新 108
5.2.6 视频目标跟踪的数据集 109
5.3 视频目标跟踪的观测模型 111
5.3.1 基于子空间学习的跟踪算法 111
5.3.2 基于稀疏表达的跟踪算法 111
5.3.3 基于SVM的跟踪算法 112
5.3.4 基于相关滤波器的跟踪算法 112
5.3.5 基于分类网络的跟踪算法 114
5.3.6 基于双路网络的跟踪算法 114
第6章 机器视觉的图像分割技术 116
6.1 机器视觉图像分割的经典算法 117
6.1.1 基于阈值的图像分割方法 117
6.1.2 基于区域的图像分割方法 118
6.1.3 基于边缘检测的分割方法 119
6.1.4 基于聚类的图像分割方法 121
6.1.5 基于图论的图像分割算法 123
6.2 图像语义分割的应用场景 124
6.2.1 图像语义分割概述 124
6.2.2 应用1：自动驾驶 125
6.2.3 应用2：医学影像 126
6.2.4 应用3：视频解析 127
6.3 基于深度学习的医学图像分割 128
6.3.1 基于深度学习的图像分割算法 128
6.3.2 深度学习在医学影像分割中的应用 130
6.3.3 基于深度学习的脑部影像分割方法 131
6.3.4 医学图像分割的应用挑战与实践对策 133
第7章 机器视觉的缺陷检测技术 135
7.1 汽车漆面缺陷检测技术与应用 136
7.1.1 隧道式缺陷检测系统 136
7.1.2 机器人式缺陷检测系统 138
7.1.3 汽车漆面缺陷检测算法 138
7.1.4 机器人式漆面缺陷检测系统应用案例 140
7.2 玻璃表面缺陷检测技术应用 141
7.2.1 传统玻璃检测存在的问题 141
7.2.2 玻璃表面缺陷检测系统原理 142
7.2.3 机器视觉玻璃表面缺陷检测技术 143
7.3 锂电池缺陷检测技术与应用 144
7.3.1 锂电池缺陷检测与定位技术 144
7.3.2 锂电池缺陷图像分类技术 146
7.3.3 基于Qt Creator的检测平台 147
第8章 机器视觉的行业实践 149
8.1 机器视觉在汽车工业中的应用 150
8.1.1 机器视觉赋能智能工业 150
8.1.2 应用场景1：特征识别 151
8.1.3 应用场景2：视觉引导 154
8.1.4 应用场景3：尺寸测量 154
8.2 机器视觉在物流领域的应用 156
8.2.1 物流条形码读取 156
8.2.2 快递物流自动分拣 158
8.2.3 AMR机器人环境感知 160
8.2.4 仓储物流中的视觉应用 161
8.2.5 生产物流中的视觉应用 162
8.3 机器视觉在农业领域的应用 163
8.3.1 机器视觉在农业生产中的应用 163
8.3.2 机器视觉在农业机械中的应用 165
8.3.3 机器视觉在农业应用中的挑战 166
参考文献 168
|
| 內容試閱：
|
在工业自动化系统中，机器视觉能够以机器的“眼睛”代替人眼，从而为工业制造赋予能量。机器视觉的应用范围十分广泛，工业生产中的目标识别、产品检测、尺寸测量、设备定位等环节均是机器视觉发挥价值的舞台。也就是说，在大批量重复性的工业生产过程中，机器视觉的应用可以极大提高生产效率、灵活性和自动化程度；而在一些不适合人工作业的危险工作环境或者人工视觉难以满足要求的场合，机器视觉也能够大有作为。
作为人工智能快速发展的一个分支，机器视觉技术的起源可以追溯至20世纪50年代。21世纪起，伴随着工业化技术的发展，我国机器视觉产业逐步进入发展阶段；2020年，人工智能算法的快速发展，驱动机器视觉技术不断取得突破，应用领域也得以逐渐拓展，机器视觉产业迎来高速发展期。
机器视觉涉及多项技术，比如传感器技术、光学成像技术、机械工程技术、图像处理技术、计算机软硬件技术等。典型的机器视觉应用系统也配置了多个模块，包括光源系统模块、图像捕捉模块、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块等。与人眼相比，机器视觉的优势是显而易见的。机器视觉系统不仅更稳定、更精确、更可靠，而且在重复性和适应性方面表现更佳，还能识别和应用除可见光以外的其他光源信息。因此，机器视觉在工业生产中的应用可以提高检测速度和准确性，进而提升工业生产的效率和质量。
近几年，大数据、云计算、工业机器人等领域均呈现出良好的发展势头，这些领域的发展也将进一步促进机器视觉领域的技术创新和应用拓展。比如，在工业机器人、云端深度学习、3D成像等方面，机器视觉都有望得到更深层次的应用。
与美国、德国等工业发达国家相比，我国智能制造行业的起步较晚，但得益于国家政策的支持以及工业互联网、物联网、人工智能等新兴技术的快速发展，我国制造业的自动化、数字化、集成化、智能化水平不断提升，智能制造行业的市场规模呈现快速增长的态势。目前，智能制造的应用场景不断拓宽，企业对智能装备的需求也在持续增加，越来越多的制造企业可以将机器视觉技术应用于产品生产等流程中，以实现生产效益的最大化。在智能制造的众多细分市场中，机器视觉因具有广阔的应用前景而被寄予厚望。
由于制造领域具有系统性、复杂性等特点，机器视觉技术的研发和应用将是一个长期持续的过程。本书立足于“加快构建新发展格局，着力推动高质量发展”的大背景，结合作者团队多年来在机器视觉领域积累的经验和成果，分别从机器视觉概述、机器视觉的硬件系统构成、基于主动学习的图像分类、图像处理与识别技术、目标检测与跟踪技术、机器视觉的图像分割技术、机器视觉的缺陷检测技术、机器视觉的行业实践这八大维度出发，全面阐述了机器视觉的基础原理与实践应用。
本书研究内容依托于2022年度浙江省“尖兵”“领雁”研发攻关项目（课题编号：2022C04023）；中央高校基本科研业务费（课题编号：226202400229）；汽车漆面检测校企合作项目（课题编号：校合-2024-KYY-506215-0008），阐述了机器视觉基本概念原理、关键技术与应用案例，对从事机器视觉、机械设计制造及自动化、机械电子工程等相关专业的人员具有较高的参考价值，可供智能制造行业的政策制定者、企业管理者、科研工作者等人员阅读参考，也可作为国内高校相关专业的本科生、研究生的专业课程教材或相关工程技术人员的进修资料及培训用书。
著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
![[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交](http://img.megbook.hk/upload/mall/productImages/26/10/9787547753248.jpg)
