工业机器视觉技术与应用(智能时代高等学校自动化系列教材)

本书系统、全面地介绍了工业机器视觉技术的核心概念、发展历程、关键技术及应用领域。全书共分为9章，内容涵盖从基本原理到最新技术的多方面：第1章概述了工业机器视觉的基本概念、发展历史及应用领域，为读者提供了机器视觉的基础知识框架。第2章深入探讨了工业机器视觉硬件系统，重点介绍了相机、镜头及光源等硬件设施的工作原理与应用。第3～5章则从异常图像分类、图像分割、目标检测与跟踪等核心技术展开，详细讲解了各种传统与前沿的图像处理方法及其工业应用。第6章重点讨论了工业机器视觉中的三维测量与检测技术，介绍了三维成像技术、三维数据处理及其在工业中的应用。第7章则专注于光谱图像处理，阐述了光谱成像原理及其在工业检测中的应用。第8章讲解了工业机器视觉检测系统的设计与优化，详细描述了系统集成、硬件选型、算法设计等实用知识。最后，第9章展望了工业机器视觉技术的前沿发展，探讨了大模型、云边端协同等最新技术对工业机器视觉的影响与应用前景。 本书不仅提供了丰富的理论知识，还通过大量的实际应用案例，帮助读者深入理解机器视觉技术在工业中的具体应用。本书适合从事工业机器视觉研究、开发和应用的工程师、技术人员及相关学者阅读与参考，也为高等院校相关专业的教学提供了系统的教材支持。

张辉，1983年出生，博士，教授，博士生导师，机器人视觉感知与控制技术国家工程研究中心副主任，机器人视觉感知与控制技术国家工程研究中心副主任、教育部机器视觉控制及应用技术工程中心主任，担任科技部“十四五“智能机器人重点专项专家组成员、中国自动化学会理事、中国图象图形学学会理事兼副秘书长。入选国家高层次人才计划，主要从事机器人视觉检测、深度学习图像识别、智能制造机器人技术及应用。近年来主持科技创新2030—“新一代人工智能”重大项目课题、国家自然科学基金重点项目，JW1XX工程重点项目，国家重点研发计划子课题、国家科技支撑计划项目子课题等20余项。在IEEE汇刊等国内外期刊上发表70多篇论文，授权国家发明专利42项，计算机软件著作权5项，获2018年国家技术发明二等奖1项，第1完成人主持获得2022年湖南省科技进步一等奖、2019年湖南省科技进步二等奖、2019年中国商业联合会科技进步奖一等奖，以主要完成人获得省部级科学技术进步奖15项，2022年湖南省第十三届教学成果特等奖，2022年高等教育（研究生）国家级教学成果奖二等奖。

第1章 概述 1.1 工业机器视觉的基本概念 1.1.1 工业机器视觉的定义与基本原理 1.1.2 工业机器视觉与计算机视觉的区别 1.2 工业机器视觉的发展历程 1.2.1 早期的发展与起源 1.2.2 现代工业机器视觉的进展 1.3 工业机器视觉系统的组成 1.3.1 硬件组成 1.3.2 软件组成 1.4 工业机器视觉研究内容 1.4.1 异常图像分类 1.4.2 图像分割 1.4.3 目标检测与跟踪 1.5 工业机器视觉技术的应用领域 1.5.1 智能制造业中的应用 1.5.2 工业机器人中的应用 1.5.3 其他领域的应用 1.6 本章小结 1.7 思考与习题第2章 工业机器视觉硬件系统 2.1 相机及镜头 2.1.1 镜头的关键参数和类型 2.1.2 相机图像传感器的关键参数和类型 2.1.3 相机类型和应用场景 2.2 工业视觉照明光源 2.2.1 工业视觉照明的基本原则 2.2.2 常用光源类型和应用场景 2.3 机器视觉成像平台 2.3.1 基于面阵拍摄平台的夹层异物检测 2.3.2 基于线扫拍摄平台的贴合精度检测 2.4 本章小结 2.5 思考与习题第3章 工业视觉异常图像分类 3.1 图像预处理技术 3.1.1 灰度变换与二值化 3.1.2 图像去噪与滤波技术 3.1.3 图像增强 3.2 图像特征提取 3.2.1 边缘检测与角点检测 3.2.2 纹理特征与颜色特征 3.2.3 高阶特征的提取方法 3.3 工业图像异常分类方法 3.3.1 基于统计学的分类方法 3.3.2 基于深度学习的分类方法 3.3.3 异常检测与分类模型的评价指标 3.4 工业异常图像分类的应用案例 3.4.1 手机盖板玻璃异常检测应用 3.4.2 电力场景应用 3.5 本章小结 3.6 思考与习题第4章 工业视觉图像分割 4.1 图像分割的基本知识 4.1.1 图像分割的定义与意义 4.1.2 图像分割的难点与挑战 4.1.3 图像分割的评价指标 4.2 传统图像分割方法 4.2.1 阈值分割法 4.2.2 边缘检测分割法 4.2.3 区域生长法与分水岭算法 4.3 基于机器学习的图像分割方法 4.3.1 支持向量机方法 4.3.2 基于聚类的分割方法 4.3.3 基于高斯混合模型的图像分割 4.4 基于深度学习的图像分割方法 4.4.1 全卷积神经网络 4.4.2 U-Net系列 4.4.3 DeepLab系列 4.4.4 其他前沿分割模型 4.5 工业图像分割应用案例 4.5.1 项目需求 4.5.2 方案介绍 4.5.3 系统的工作流程 4.5.4 应用案例总结 4.6 本章小结 4.7 思考与习题第5章 工业机器视觉目标检测与跟踪 5.1 目标检测的基本概念 5.1.1 目标检测的定义与意义 5.1.2 目标检测的挑战与技术难点 5.2 传统目标检测方法 5.2.1 基于模板匹配的目标检测 5.2.2 基于特征点的目标检测 5.2.3 其他经典目标检测算法 5.3 基于深度学习的目标检测 5.3.1 YOLO系列介绍 5.3.2 R-CNN系列 5.3.3 其他目标检测方法 5.4 工业目标跟踪技术 5.4.1 传统目标跟踪方法 5.4.2 基于相关滤波的跟踪算法 5.4.3 基于孪生网络的目标跟踪 5.4.4 其他前沿目标跟踪模型 5.5 工业目标检测与跟踪的应用案例 5.5.1 医药自动化生产线中的药液微弱异物检测 5.5.2 可见光与红外图像融合的电力热故障判别 5.5.3 电力自动化巡检中小样本情况下的异物检测 5.6 本章小结 5.7 思考与习题第6章 工业机器视觉三维测量与检测 6.1 工业机器视觉三维测量与检测概念 6.1.1 工业机器视觉三维测量与检测的定义 6.1.2 工业机器视觉三维与二维测量的区别 6.1.3 工业机器视觉三维测量与检测的应用领域 6.1.4 工业机器视觉三维测量与检测的优势 6.2 工业机器视觉三维视觉成像技术 6.2.1 被动式三维视觉成像 6.2.2 主动式三维视觉成像 6.3 三维视觉数学基础 6.3.1 三维空间与坐标系 6.3.2 相机模型 6.3.3 图像坐标系 6.3.4 相机标定 6.4 三维数据处理经典算法 6.4.1 三维数据表示 6.4.2 三维特征提取与配准 6.4.3 三维数据分割 6.4.4 三维目标跟踪与识别 6.5 工业三维视觉处理与检测的应用案例 6.5.1 机加工件流水线三维扫描自动检测系统 6.5.2 汽车漆面缺陷检测与磨抛修复系统 6.5.3 自动化3D检测系统在船舶外板曲面制造应用 6.5.4 电力场景应用 6.6 本章小结 6.7 思考与习题第7章 工业视觉光谱图像处理 7.1 光谱成像技术基础 7.1.1 光谱成像的基本原理 7.1.2 多光谱图像的获取与表示 7.1.3 高光谱图像的获取与表示 7.2 光谱图像处理方法 7.2.1 预处理与校正方法 7.2.2 光谱特征提取方