"基礎理論篇 001

第1章緒論 002

1.1 機器視覺的定義 002

1.2 機器視覺的發展歷史 004

1.3 機器視覺的發展研究現狀 005

1.3.1 國外機器視覺現狀 005

1.3.2 國內機器視覺現狀 005

本章小結 007

參考文獻 007

第2章機器視覺繫統及應用 009

2.1 照明 010

2.2 鏡頭 011

2.3 圖像傳感器 012

2.4 視覺信息處理 012

2.5 通信模塊 013

2.6 機器視覺軟件 013

本章小結 014

參考文獻 014

第3章機器視覺繫統與平臺 015

3.1 機器視覺繫統 015

3.1.1 一維機器視覺繫統 015

3.1.2 二維機器視覺繫統 016

3.1.3 三維機器視覺繫統 017

3.2 機器視覺平臺 019

3.2.1 基於PC的視覺繫統 019

3.2.2 視覺控制器 019

3.2.3 獨立視覺繫統 019

3.2.4 視覺傳感器和基於圖像的條形碼閱讀器 020

3.2.5 嵌入式視覺繫統 020

3.2.6 基於GPU的視覺繫統 020

本章小結 021

參考文獻 021

應用實例篇：工業 023

第4章Delta並聯機器人機器視覺動態分揀 024

4.1 研究背景意義 024

4.2 項目研究目標 028

4.3 主要研究內容 029

4.4 項目研究方法 030

4.4.1 基於灰色關聯度的邊緣檢測算法 030

4.4.2 基於邊緣梯度的模板匹配算法 032

4.4.3 攝像頭及Delta機器人繫統標定 033

4.4.4 多Delta機器人繫統協同分揀策略 033

4.5 實驗結果分析 036

本章小結 038

參考文獻 039

第5章3-PPR平面並聯機構視覺伺服精密對位 041

5.1 研究背景意義 041

5.2 項目研究目標 046

5.3 主要研究內容 046

5.4 項目研究方法 047

5.4.1 並聯平臺的結構與原理 047

5.4.2 機器視覺伺服對位繫統 048

5.5 實驗結果分析 051

本章小結 053

參考文獻 054

第6章關節臂式機器人3D視覺智能抓取 056

6.1 研究背景意義 056

6.2 項目研究目標 061

6.3 主要研究內容 061

6.4 項目研究方法 062

6.4.1 基於遷移學習的卷積神經網絡 062

6.4.2 基於深度學習的3D物體識別及抓取區域檢測 063

6.4.3 基於深度強化學習的C空間路徑規劃與避障 066

6.5 實驗結果分析 069

本章小結 074

參考文獻 075

第7章工件表面缺陷視覺檢測 077

7.1 研究背景意義 077

7.2 項目研究目標 083

7.3 主要研究內容 084

7.4 項目研究方法 084

7.4.1 基於Hough變換的工件區域提取算法 084

7.4.2 基於圖像處理的表面缺陷檢測算法 086

7.4.3 基於深度學習的表面缺陷檢測算法 086

7.5 實驗結果分析 089

7.5.1 基於圖像處理的檢測算法的實驗結果分析 089

7.5.2 基於深度學習的檢測算法的實驗結果分析 090

本章小結 091

參考文獻 092

第8章工件尺寸視覺測量 096

8.1 研究背景意義 096

8.2 項目研究目標 098

8.3 主要研究內容 098

8.4 項目研究方法 099

8.4.1 照明技術研究 099

8.4.2 工業鏡頭 101

8.4.3 繫統硬件組成 102

8.4.4 檢測算法 103

8.5 實驗結果分析 107

本章小結 107

參考文獻 107

應用實例篇：交通 109

第9章鐵路貨車超限監測 110

9.1 研究背景意義 110

9.2 項目研究目標 111

9.3 主要研究內容 112

9.4 項目研究方法 112

9.4.1 邊緣檢測 112

9.4.2 閾值分割 113

9.5 實驗結果分析 114

本章小結 119

參考文獻 119

第10章高速列車弓網異常狀態檢測 121

10.1 研究背景意義 121

10.2 項目研究目標 124

10.3 主要研究內容 125

10.4 項目研究方法 125

10.4.1 YOLO網絡模型 126

10.4.2 YOLO v4目標檢測模型 127

10.4.3 YOLO v4網絡的弓網接觸區域檢測 129

10.4.4 基於堆疊沙漏網絡的弓網接觸點檢測 133

10.4.5 堆疊沙漏網絡的弓網關鍵點檢測模型 134

10.5 實驗結果分析 135

10.5.1 YOLO v4網絡的弓網接觸區域檢測結果 135

10.5.2 關鍵點檢測網絡模型檢測結果與分析 137

本章小結 140

參考文獻 140

第11章車站客流安全智能監控 142

11.1 研究背景意義 142

11.2 項目研究目標 144

11.3 主要研究內容 144

11.4 項目研究方法 144

11.4.1 背景差分處理圖像 144

11.4.2 背景圖像模型 145

11.4.3 旅客前景目標檢測算法 146

11.4.4 運動目標追蹤算法 148

11.4.5 車站客流安全指標分析 149

11.5 實驗結果分析 152

11.5.1 旅客檢測追蹤算法結果 152

11.5.2 客流量安全狀態預警結果 154

本章小結 156

參考文獻 157

第12章高鐵牽引變電所絕緣子異常狀態識別 159

12.1 研究背景意義 159

12.2 項目研究目標 161

12.3 主要研究內容 161

12.4 項目研究方法 162

12.4.1 深度學習的基本原理 162

12.4.2 深度學習在絕緣子圖像中的應用 165

12.4.3 絕緣子檢測算法 166

12.4.4 絕緣子檢測評價指標 170

12.4.5 絕緣子故障識別評價指標 171

12.5 實驗結果分析 172

12.5.1 絕緣子檢測結果分析 172

12.5.2 絕緣子故障識別結果分析 174

本章小結 176

參考文獻 176

第13章高速列車接觸網狀態巡檢 178

13.1 研究背景意義 178

13.2 項目研究目標 180

13.3 主要研究內容 180

13.4 項目研究方法 181

13.4.1 支持向量數據描述算法 182

13.4.2 卷積神經網絡法 183

13.4.3 基於改進Lenet-5的特征遷移學習法 185

13.4.4 接觸網圖像異常檢測的網絡結構設計 187

13.4.5 特征提取及可視化 190

13.5 實驗結果分析 192

本章小結 196

參考文獻 197

應用實例篇：其他領域 199

第14章基於人臉識別的智能窗簾 200

14.1 研究背景意義 200

14.2 項目研究目標 200

14.3 主要研究內容 201

14.4 項目研究方法 201

14.4.1 主程序設計 201

14.4.2 人臉檢測設計 201

14.4.3 表情識別設計 203

14.4.4 電機控制設計 204

14.5 實驗結果與分析 205

14.5.1 實驗繫統組裝 206

14.5.2 繫統初始化 206

14.5.3 關閉窗簾演示 207

14.5.4 打開窗簾演示 207

本章小結 208

參考文獻 208

第15章基於機器視覺的茶葉嫩芽識別方法 209

15.1 研究背景意義 209

15.2 項目研究目標 210

15.3 項目研究方法 210

15.3.1 YOLO v3目標識別原理 210

15.3.2 基於YOLO的茶葉識別模型建立 212

15.4 實驗結果與分析 213

本章小結 216

參考文獻 216

第16章基於機器視覺的車牌識別繫統 218

16.1 研究背景意義 218

16.2 項目研究目標 219

16.3 主要研究內容 219

16.4 項目研究方法 219

16.4.1 基本硬件設計 220

16.4.2 基於R-CNN的物體定位 222

16.4.3 基於SSD的物體定位 223

16.4.4 基於Hough變換的車牌校正 223

16.4.5 基於YOLO v2的車牌檢測 224

16.5 實驗結果分析 226

本章小結 233

參考文獻 234

展望篇 235

第17章機器視覺的發展展望 236

17.1 面臨的挑戰與解決方案 237

17.2 未來技術發展趨勢 238

17.3 未來市場發展前景 241

本章小結 247

參考文獻 247

"

"前言

機器視覺技術作為信息獲取與處理的重要技術，已經是大多數理工科類本科和研究生的必修和選修課程。自20世紀60年代Roberts正式開啟三維機器視覺的研究開始，機器視覺技術經過幾十年的發展，並伴隨計算機技術、現場總線技術的提升，現已是現代加工制造業不可或缺的產品之一。機器視覺技術強調實用性，具有非接觸性、實時性、自動化、智能化和可移植性等優點，有著廣泛的應用前景。目前已廣泛應用於食品、化妝品、制藥、建材、化工、金屬加工、電子制造、包裝、汽車制造等行業。

機器視覺技術是獲取信息、分析和處理數據的關鍵技術和手段，是從事科學研究、產品智能化與無人化的關鍵技術。可以說，沒有機器視覺技術，就沒有科學研究的未來，各行各業會因為沒有機器視覺技術而大大阻礙智能化和無人化發展的腳步。因此，機器視覺技術相關的知識是已經或者將要從事科技與生產的人員必須學會、必須掌握的一門重要的專業基礎知識。

機器視覺技術涉及人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多學科。機器視覺主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理並加以理解，終用於實際檢測、測量和控制。機器視覺技術的特點是速度快、信息量大、功能多。

目前，與“機器視覺技術”相關的圖書已有多種，各種版本各有所長，各有所取。本書正是以現在的多種版本為借鋻，同時又緊扣時代脈搏，盡可能地反映現代機器視覺技術的發展撰寫而成的。本書對機器視覺在工業、交通、農業、智能家居等各方面的應用給出了較多的案例，每一個案例從背景、目標、方法和實驗結果進行了具體分析，旨在給相關人員研究機器視覺技術提供有效的參考。

本書共17章，前3章為基礎理論，後13章為機器視覺在工業、交通和其他領域的應用實例，後1章為未來發展趨勢預測。前3章介紹了機器視覺的發展歷史、定義、繫統構成和平臺組成；第4章～第16章分析討論了13個具體應用案例，有Delta並聯機器人機器視覺動態分揀、3-PPR平面並聯機構視覺伺服精密對位、關節臂式機器人3D視覺智能抓取、工件表面缺陷視覺檢測、工件尺寸視覺測量、鐵路貨車超限監測、高速列車弓網異常狀態檢測、車站客流安全智能監控、高鐵牽引變電所絕緣子異常狀態識別、高速列車接觸網狀態巡檢、基於人臉識別的智能窗簾、基於機器視覺的茶葉嫩芽識別方法、基於機器視覺的車牌識別繫統；第17章對機器視覺的發展進行了展望。

本書由宋春華、張弓、劉曉紅等編著，由宋春華對全書進行統稿。其中，西華大學宋春華和中國科學院深圳先進技術研究院廣州先進技術研究所張弓共同完成了第1章、第2章、第3章；廣州先進技術研究所張弓完成了第4章、第5章、第6章和第17章；廣州先進技術研究所楊根完成了第7章、第8章；西南交通大學劉曉紅和西華大學宋春華共同完成了第9章、第10章、第11章、第12章、第13章；西華大學宋春華完成了第14章、第15章、第16章。全書是在各位作者的通力合作下完成的。

特別感謝韓國漢陽大學教授、韓國工程院院士、中國國家高層次人纔計劃入選者韓彰秀為本書作序。感謝西華大學機械工程學院碩士生程川、王鵬、孟令方、邸銀浩參加了本書的校對工作。感謝西南交通大學肖世德教授、權偉副教授、程學慶副教授、金煒東副教授，太原理工大學張興中教授，西南交通大學碩士生孫麗麗、劉可敬、鄭丹陽、吳鏡鋒，天津大學碩士生喬佳、太原理工大學碩士生潘哲對本書編寫的大力支持。本書在編寫過程中，參考了大量的資料，在此向書中所列參考文獻的作者表示衷心的感謝！

由於編著者水平所限，書中定有欠妥之處，敬請讀者批評指正。

編著者

2022年1月

"