孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

机器视觉：原理与经典案例详解

机器视觉：原理与经典案例详解
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: 编著 , ,
出版社: 化学工业出版社
2022-08
版次: 1
ISBN: 9787122411488
定价: 88.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 248页
字数: 367千字
分类: 计算机与互联网
2 张插图图片
3人买过
  • \"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。

      
      　\" \"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

     

     

    \"
  • 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。

      
      　\"
  • 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

     

     

    \"
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
12
相关图书 / 更多
机器视觉：原理与经典案例详解
机器岛
（法）儒勒·凡尔纳著 许崇山 钟燕萍译
￥27.69 起
机器视觉：原理与经典案例详解
机器视觉与人工智能应用开发技术
廖建尚
￥33.26 起
机器视觉：原理与经典案例详解
机器人基础
杨勇、谢广明 主编 张国英、黄福、简月 副主编
￥14.58 起
机器视觉：原理与经典案例详解
机器学习及深度学习算法在医学图像中的应用
朱付保 著
￥17.23 起
机器视觉：原理与经典案例详解
机器如人：通往人类智慧之路
（美）罗纳德·J.，布拉赫曼（Ronald，J.，Brachman），（加）赫克托·J.，莱韦斯克（Hector，J.，Levesque）
￥25.34 起
机器视觉：原理与经典案例详解
机器学习实战（视频教学版）
迟殿委 王培进 王兴平
￥31.80 起
机器视觉：原理与经典案例详解
机器人SLAM技术及其ROS系统应用 第2版 徐本连 鲁明丽
徐本连 鲁明丽
￥21.86 起
机器视觉：原理与经典案例详解
机器学习及其应用2023
黄圣君、张利军、钱超
￥56.31 起
机器视觉：原理与经典案例详解
机器学习实战营：从理论到实战的探索之旅
谢雪葵
￥23.60 起
机器视觉：原理与经典案例详解
机器学习与经济大数据分析：基于Python实现 数字中国·数字经济创新规划教材 刘征驰
刘征驰 编著
￥40.95 起
机器视觉：原理与经典案例详解
机器学习系统设计
（越南）奇普 胡岩（Chip Huyen）
￥59.10 起
机器视觉：原理与经典案例详解
机器人驱动与运动控制
史岳鹏
￥17.69 起
您可能感兴趣 / 更多
机器视觉：原理与经典案例详解
“一带一路”法律研究（第6卷）
刘晓红
￥36.30 起
机器视觉：原理与经典案例详解
改革开放以来我国大众传播政策变迁研究（新闻传播学文库）
刘晓红
￥22.58 起
机器视觉：原理与经典案例详解
《“一带一路”法律研究》第5卷
刘晓红
￥18.00 起
机器视觉：原理与经典案例详解
枢纽经济(区域经济发展新动能)
刘晓红 著；责 编；张玉霞；仝新顺；刘珂；刘凤伟
￥55.88 起
机器视觉：原理与经典案例详解
混凝土结构(蔡丽朋)（第二版）
刘晓红 主编；蔡丽朋；马云玲
￥41.32 起
机器视觉：原理与经典案例详解
“一带一路”法律研究（第4卷）
刘晓红
￥3.89 起
机器视觉：原理与经典案例详解
师幼互动方法与实践（第二版）
刘晓红 主编；闫振刚 副主编
￥3.00 起
机器视觉：原理与经典案例详解
“一带一路”法律研究（第3卷）
刘晓红
￥23.98 起
机器视觉：原理与经典案例详解
大数据时代的管理教育改革与创新
刘晓红、仁孜泽仁 编
￥50.00 起
机器视觉：原理与经典案例详解
四省涉藏地区社会经济生态协同治理研究
刘晓红 著
￥20.00 起
机器视觉：原理与经典案例详解
了解癌症 战胜它
刘晓红
￥19.60 起
机器视觉：原理与经典案例详解
“一带一路”法律研究（第2卷）
刘晓红
￥35.22 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全