本书以工业应用为导向，融合数字图像处理与深度学习技术，系统阐述了机器视觉的核心技术及其在工业中的应用，构建了从机器视觉基础理论到工程实践的知识体系。全书共10章，以“理论基础-技术支撑-工程实践”为逻辑主线，内容不仅涵盖了机器视觉系统的核心硬件组件、数字图像及数字图像处理典型操作、卷积神经网络与深度学习概述，而且依托VisionPro软件平台，聚焦机器视觉技术在工程中的典型功能应用，强化学生的技术迁移能力与工程思维，力求在掌握机器视觉基础知识的同时，能够灵活运用所学知识解决实际工程问题。

本书不仅注重理论知识的传授，更强调实践技能的培养，集实用性和系统性于一体，易于入门，案例丰富，每章最后都配有适量的习题，供教学和学习参考使用。本书可作为高等职业院校智能制造、自动化、电子信息工程等专业的教材，也可以作为初学者的自学教材以及工业视觉工程师的技术参考用书。

前言

二维码资源索引

第1章  机器视觉概述 1

1.1  视觉简介 1

1.2  机器视觉及其发展历程 2

1.3  机器视觉技术的特点 4

1.4  机器视觉系统 4

1.5  机器视觉的主要功能及应用 5

1.5.1  机器视觉的主要功能 5

1.5.2  机器视觉的应用 8

1.6  机器视觉的发展趋势 12

习题 14

 第2章  光源系统的认知与选择 15

2.1  光源的认知 15

2.1.1  光学基本知识 15

2.1.2  光源的选择原则及作用 19

2.2  光源的分类与应用 20

2.2.1  常见光源类型 20

2.2.2  常见光源形状 22

2.2.3  光源常用辅助元件 27

2.3  光源照明方式 29

2.4  光源选型 33

习题 34

 第3章  工业镜头的认知与选择 35

3.1  工业镜头的认知 35

3.1.1  工业镜头的工作原理 36

3.1.2  工业镜头的主要参数 37

3.1.3  工业镜头的分类 42

3.2  工业镜头的选型与应用 45

3.2.1  工业镜头选型 45

3.2.2  工业镜头选型示例 46

习题 47

 第4章  工业相机的认知与选择 48

4.1  工业相机的认知 48

4.1.1  相机成像原理 49

4.1.2  工业相机的主要参数 50

4.1.3  工业相机的接口 53

4.2  工业相机的选择与应用 57

4.2.1  工业相机的主要分类 57

4.2.2  工业相机选型示例 59

习题 62

第5章  数字图像基础 63

5.1  数字图像基本概念 63

5.1.1  采样和量化 64

5.1.2  像素和分辨率 64

5.1.3  数字图像分类 65

5.1.4  颜色空间 66

5.1.5  图像文件格式 67

5.2  数字图像处理预备知识 67

5.2.1  Python与Jupyter Notebook的安装与使用 67

5.2.2  OpenCV的安装与使用 68

5.2.3  图像读取、显示与保存 69

习题 70

 第6章  数字图像处理典型操作 71

6.1  图像增强 72

6.1.1  图像灰度变换 72

6.1.2  直方图及直方图均衡化 75

6.1.3  图像平滑 77

6.1.4  图像锐化 79

6.2  图像代数运算 81

6.2.1  图像加法运算 81

6.2.2  图像加权和运算 82

6.2.3  图像减法运算 83

6.2.4  图像乘法运算 83

6.2.5  图像除法运算 84

6.3  图像几何变换 84

6.3.1  平移变换 85

6.3.2  旋转变换 87

6.3.3  缩放变换 88

6.4  边缘检测 90

6.4.1  边缘检测的原理 90

6.4.2  常见边缘检测算法 90

6.5  形态学处理 97

6.5.1  腐蚀 97

6.5.2  膨胀 99

6.5.3  开运算 100

6.5.4  闭运算 101

习题 102

第7章  卷积神经网络与深度学习 103

7.1  人工智能与神经网络 104

7.2  深度学习 105

7.2.1  什么是深度学习 105

7.2.2  深度学习发展历程 106

7.3  神经网络基础 107

7.3.1  感知器 107

7.3.2  激活函数 108

7.3.3  感知器的训练 111

7.4  全连接神经网络 113

7.4.1  全连接神经网络的构造 113

7.4.2  网络模型的训练与测试 114

7.5  卷积神经网络 116

7.5.1  卷积神经网络概述 116

7.5.2  卷积神经网络典型结构 117

7.6  经典CNN的结构 125

7.6.1  AlexNet 125

7.6.2  VGG网络 126

7.6.3  ResNet 126

7.7  CNN应用—手写数字识别 128

习题 137

第8章  产品识别 138

 8.1  任务一：电池正反面识别 139

8.1.1  相关知识 139

8.1.2  任务要求与任务实施 140

8.2  任务二：电池正反面识别结果显示 149

8.2.1  相关知识 149

8.2.2  任务要求与任务实施 149

8.3  任务三：工件图形识别与数量统计 157

8.3.1  相关知识 157

8.3.2  任务要求与任务实施 157

习题 175

第9章  产品尺寸测量 176 

9.1  任务一：零件指定区域宽度测量 177

9.1.1  相关知识 177

9.1.2  任务要求与任务实施 178

9.2  任务二：零件圆孔半径、圆孔之间距离测量 190

9.2.1  相关知识 190

9.2.2  任务要求与任务实施 190

习题 210

第10章  产品缺陷检测 211

 10.1  任务一：零件缺陷检测与标记 212

10.1.1  相关知识 212

10.1.2  任务要求与任务实施 212

10.2  任务二：陶瓷釉面瑕疵检测与标记 228

10.2.1  相关知识 228

10.2.2  任务要求与任务实施 229

10.3  任务三：胶囊药品瑕疵检测 239

10.3.1  相关知识 239

10.3.2  任务要求与任务实施 239

10.4  任务四：胶囊药品完整性检测与统计 250

10.4.1  相关知识 250

10.4.2  任务要求与任务实施 250

习题

参考文献