機器視覺技術(shù)與應(yīng)用實戰(zhàn)

第 1篇 基礎(chǔ)篇
第　1章 機器視覺基礎(chǔ)　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(guān)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(nèi)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(yīng)用場景　16
1．5．1　機器視覺典型應(yīng)用　16
1．5．2　機器視覺應(yīng)用行業(yè)　19
1．6 小結(jié)　23
習題與思考　23
第　2章 機器視覺算法基礎(chǔ)　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(chǔ)及結(jié)果　55
2．6 2D圖像匹配　61
2．6．1　圖像標定　61
2．6．2　相關(guān)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(shù)獲取深度信息　69
2．7．3　3D感知和匹配的理論基礎(chǔ)　74
2．7．4　3D模板和匹配　75
2．8 小結(jié)　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(chǔ)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(jié)　97
習題與思考　97
第4章　工業(yè)鏡頭　98
4．1 鏡頭的基礎(chǔ)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(yīng)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(nèi)側(cè)360°鏡頭　108
4．6 小結(jié)　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(chǔ)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(jié)　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(jié)　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(wù)管理　144
7．3．4　工具管理　144
7．4 相機工具　145
7．4．1　相機設(shè)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(jié)　180
習題與思考　180
第3篇　機器視覺高級技術(shù)與工業(yè)應(yīng)用案例
第8章　機器視覺系統(tǒng)設(shè)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(shè)計的難點　186
8．4 機器視覺系統(tǒng)設(shè)計流程　187
8．5 小結(jié)　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(yīng)用　199
9．2．6　結(jié)果數(shù)據(jù)輸出　206
9．2．7　其他案例　206
9．3 小結(jié)　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(chǔ)　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(yīng)用　217
10．2．6　結(jié)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(yīng)用　225
10．3．5　其他案例　230
10．4 小結(jié)　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(yīng)用　235
11．2．6　結(jié)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(yīng)用　241
11．3．6　結(jié)果數(shù)據(jù)輸出　248
11．3．7　其他案例　248
11．4 小結(jié)　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(yīng)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(jié)　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(yīng)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(jié)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(yīng)用優(yōu)勢　266
13．2．4　硬件選型　267
13．2．5　軟件應(yīng)用　267
13．2．6　結(jié)果數(shù)據(jù)輸出　273
13．2．7　其他應(yīng)用案例　274
13．3 小結(jié)　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(yīng)用　290
14．3．5　結(jié)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(shù)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(jié)　301
習題與思考　301
第　15章 深度學習技術(shù)及應(yīng)用　302
15．1 引言　302
15．1．1　基本概念與相互關(guān)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(luò)　305
15．2．2　神經(jīng)元模型　306
15．2．3　人工神經(jīng)網(wǎng)絡(luò)　307
15．2．4　深度神經(jīng)網(wǎng)絡(luò)　309
15．3 BP神經(jīng)網(wǎng)絡(luò)與梯度下降法　310
15．3．1　手寫數(shù)字識別BP神經(jīng)網(wǎng)絡(luò)　310
15．3．2　前向傳播計算　312
15．4 卷積神經(jīng)網(wǎng)絡(luò)及LeNet-5網(wǎng)絡(luò)　314
15．4．1　卷積神經(jīng)網(wǎng)絡(luò)　314
15．4．2　手寫體數(shù)字識別模型LeNet-5網(wǎng)絡(luò)　315
15．4．3　網(wǎng)絡(luò)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(yīng)用　319
15．6．1　視覺智能的任務(wù)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(lǐng)域的應(yīng)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(jié)果數(shù)據(jù)輸出　333
15．8 小結(jié)　333
習題與思考　333
參考文獻　334