|
| 編輯推薦： |
|
本书作为一项研究成果，是针对自动生产线产品人眼识别、手动剔除次品，存在检测精度低、产品质量一致性差；挑选速度慢，生产效率低；手工生产，成本高等问题。作者团队为企业研发了一套拥有自主知识产权的光、机、电一体化的智能视觉检测设备，系统采用模式识别和机器学习相结合的算法，对产品形状、灰度、纹理三类30多种缺陷进行数字化处理，定量评价产品的物理指标，并可按照用户的要求对检验标准进行连续无级调整。成果提高生产效率50%以上，提升产品合格率了2个百分点，检测精度达到 0.1mm 级别，减少生产线用工80%以上。
|
| 內容簡介： |
|
本书中的机器视觉系统是通过工业相机实现对生产线产品图像文件实时收集和分析处理，并根据分析结果实现对检测产品及结果数据的存储、管理与分析，是一套基于机器视觉、人工智能的工业自动化信息管理系统，依据生产线同步信号，实时收集多路产品图像信息，对图像并行分析及处理，并按不良品严重程度分级自动剔除。主要内容包括：计算机视觉检测处理系统研究、邻域滤波算法的GPU加速研究与实现、基于深度学习的产品表面缺陷检测和视觉伺服搬运机械臂的研究。本书可作为工业自动化、计算机应用、仪器科学与技术、机械电子工程等相关专业的本科生、研究生以及科研人员、工程技术人员的参考用书。
|
| 目錄：
|
|
前言第1章计算机视觉检测处理系统研究1.1概述1.1.1研究背景和意义1.1.2国内外研究现状1.1.3主要研究内容1.2嵌入式图像处理系统总体设计方案1.2.1嵌入式系统选择1.2.2嵌入式操作系统选择1.2.3NVIDIA Jetson TK1开发板介绍1.2.4系统体系结构及其功能原理1.3系统硬件开发环境1.3.1产品检测装置1.3.2图像采集单元1.3.3系统光源1.3.4外围扩展电路1.3.5执行机构1.4系统软件开发环境1.4.1Ubuntu-Linux概述1.4.2NVIDIA Jetson TK1平台搭建1.4.3相机驱动安装1.4.4Jetson TK1刷机1.4.5Tegra内核编译与安装1.5嵌入式图像处理系统软件设计1.5.1数字图像处理技术概述1.5.2图像处理算法设计1.5.3GPIO输入输出1.5.4UI界面设计第2章邻域滤波算法的GPU加速研究与实现2.1概述2.1.1研究背景和意义2.1.2国内外相关领域发展现状2.2并行编程模型概述2.2.1OpenCV并行库概述2.2.2CUDA并行库概述2.2.3OpenCV和CUDA结合编程方案2.3OpenCV GPU加速线性邻域滤波算法对比实验设计2.3.1线性邻域滤波基础简介2.3.2OpenCV CPU实现线性邻域滤波算法实验设计2.3.3OpenCV GPU实现线性邻域滤波算法对比实验设计2.3.4OpenCV CPU与OpenCV GPU实验结果对比分析2.4CUDA加速双边滤波对比实验设计2.4.1非线性邻域滤波——双边滤波2.4.2OpenCV CPU实现双边滤波算法实验设计2.4.3CUDA实现双边滤波算法实验设计2.4.4OpenCV CPU与CUDA实验结果对比分析2.5OpenCV GPU+CUDA实现双边滤波算法实验设计2.5.1OpenCV GPU+CUDA 实现双边滤波实验的设计方法2.5.2实验结果与分析2.5.3OpenCV GPU+CUDA结合编程与CUDA单独编程实验结果对比分析2.5.4OpenCV GPU+CUDA加速双边滤波在雪糕板平面检测上的应用第3章基于深度学习的产品表面缺陷检测3.1概述3.1.1研究背景和意义3.1.2国内外研究现状与发展前景3.2产品表面的缺陷检测识别3.2.1产品缺陷检测3.2.2图像采集环境搭建3.2.3视觉检测产品缺陷的整体布局3.2.4产品图像处理基本方法3.3机器认知统计学习的应用3.3.1机器学习的方法分析3.3.2机器学习算法的选用3.3.3卷积神经网络经典算法3.3.4主要参数的选择3.4基于深度学习的图像识别模型搭建3.4.1实验环境3.4.2原始数据预处理3.4.3基于卷积神经网络图像识别模型的建立3.4.4学习模型的实现3.4.5学习模型的训练及测试3.5基于TensorFlow的产品缺陷检测实验分析3.5.1网络参数确立3.5.2训练模型参数分析3.5.3实验检测验证分析3.6缺陷分析与图像预处理3.6.1缺陷类型分析3.6.2预处理3.6.3数据增强3.7基于深度学习的产品表面缺陷分类算法设计3.7.1深度学习基础3.7.2迁移学习在产品表面缺陷分类的应用3.8产品表面缺陷分类在线检测实验3.8.1环境配置3.8.2实验结果与分析第4章视觉伺服搬运机械臂的研究4.1概述4.1.1研究背景和意义4.1.2国内外研究现状4.2自动化搬运系统总体方案的设计4.2.1工序加工线的布局与雪糕棒搬运需求分析4.2.2雪糕棒自动化搬运系统4.2.3系统拾取误差分析4.3产品搬运机械臂视觉定位技术4.3.1视觉系统硬件选择4.3.2视觉图像处理系统方案4.3.3图像处理过程4.3.4图像处理4.3.5相机标定4.4产品搬运机械臂的设计及运动学分析4.4.1接收端与供应端传送链分析4.4.2执行主体实际设计4.4.3机械臂运动学分析4.5ROS环境下的雪糕棒搬运机械臂的控制4.5.1ROS简介4.5.2运动控制架构与控制配置逻辑4.5.3系统功能包的建立4.5.4DELTA机械臂仿真控制附录附录A制作Tfrecords的部分程序代码附录B数据转化部分代码附录C主程序部分代码附录D插件引用程序段附录E逆运动学部分程序附录F相机标定部分程序附录G图像处理部分程序参考文献
|
| 內容試閱：
|
|
机器视觉检测是建立在计算机视觉和图像处理基础上的一门检测技术。它涉及计算机技术、光学技术、传感技术、图像处理技术、机器学习模式识别与人工智能技术等多门学科。机器视觉检测用计算机来模拟人的视觉功能并从中提取有用信息，通过图像处理获得被测物的各种参数，最终用于实际检测、测量和控制。因为机器视觉检测具有高效、高精度、非接触式和获取信息丰富等优点，使其日益成为工件定位、工件几何尺寸测量、工件表面缺陷在线检测的主流技术，其应用不仅涉及冶金、电子、机械制造、木材、纺织、食品、包装和航空航天等领域，而且涉及的相关方法在矿藏勘测、农业病虫害监测、军事目标检测、公共安全等领域具有广泛的应用前景。本书是关于机器视觉检测技术及深度学习分类算法的一本学术专著，全书紧密围绕机器视觉检测涉及的理论、方法和信息处理技术，结合作者近年来有关研究与应用实践，系统地分析和阐述了机器视觉检测理论、方法和有关技术。本书共分4章，主要内容包括：计算机视觉检测处理系统研究、邻域滤波算法的GPU加速研究与实现、基于深度学习的产品表面缺陷检测、视觉伺服搬运机械臂的研究。本书由武建新、陈红霞、何晓东、王琳编著，其中何晓东负责第1章，王琳负责第2章，武建新负责第3章，陈红霞负责第4章。本书是在内蒙古自治区科技计划项目和内蒙古工业大学学科建设团队研究成果的基础上完成的。在此对内蒙古自治区科学技术厅和内蒙古工业大学表示衷心的感谢。另外，还要感谢许美珍、王凯捷、陈强、朱吉魁、张智等多位硕士研究生对本书相关实验所做的验证工作。由于编写时间和编著者水平所限，书中难免存在不足之处，诚恳地希望读者批评、指正。
|
|
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
