随着我国经济、科技、技术的快速发展，自动化、智能化、信息化、智慧化技术已成功应用于汽车、航空航天、钢铁、复合材料、精密电子等多行业生产制造，推动我国制造业向着更高精度、更高效率、更高质量的方向发展。机器视觉智能检测技术作为推进我国制造业迈向自动化、智能化方向发展的关键一环，已经为我国智能制造的快速发展贡献了显著力量。 面向多行业复杂场景的智能化检测需求，机器视觉智能检测技术基于高精度、高质量成像技术，图像处理技术，人工智能分析技术，结合自动化执行系统，配合第三方软件平台，可实现面向汽车、航空航天、钢铁、复合材料、精密电子等多行业复杂场景的智能化检测与测量需求，保障产品的生产质量，促进产品的生产效率。 本书主要适用于从事机器视觉、自动化领域的研究者，机器视觉相关技术从业者及生产制造企业工艺质量相关从业人员。

第1章 绪论
1.1 机器视觉的定义
1.2 机器视觉的发展历史
1.2.1 国外的发展历史
1.2.2 国内的发展历史
1.3 机器视觉系统的特点
1.4 机器视觉的主要功能
1.4.1 图像分类
1.4.2 目标检测
1.4.3 目标分割
1.4.4 目标跟踪
1.4.5 视觉引导
1.4.6 视觉测量
第2章 机器视觉硬件系统
2.1 工业相机
2.1.1 工业相机的分类
2.1.2 工业相机的性能参数
2.1.3 工业相机的选型
2.2 工业镜头
2.2.1 工业镜头的分类及原理
2.2.2 工业镜头的性能参数
2.2.3 工业镜头的选型
2.3 工业光源
2.3.1 工业光源的分类
2.3.2 工业光源的照射方式
2.3.3 工业光源的选型
2.4 小结
第3章 经典机器视觉技术
3.1 视觉成像原理
3.1.1 透视成像原理
3.1.2 坐标系及其转换
3.2 数字图像基础
3.2.1 数字图像
3.2.2 颜色模型
3.2.3 图像格式
3.3 数字图像处理
3.3.1 二值化
3.3.2 通道变换
3.3.3 图像锐化
3.3.4 对比度增强
3.3.5 边缘检测
3.3.6 腐蚀与膨胀
3.3.7 特征提取
3.3.8 模板匹配
3.3.9 图像分割
3.4 小结
第4章 机器学习与深度学习技术
4.1 线性模型
4.1.1 一元线性模型
4.1.2 多元线性模型
4.1.3 线性回归
4.2 决策树
4.2.1 特征选择
4.2.2 决策树生成
4.2.3 剪枝
4.3 神经网络
4.3.1 神经元模型
4.3.2 单层感知机
4.3.3 两层感知机
4.3.4 多层感知机
4.3.5 激活函数
4.3.6 正则化
4.3.7 正向传播与反向传播
4.4 支持向量机
4.5 贝叶斯分类
4.6 聚类
4.7 深度学习
4.8 小结
第5章 钢铁领域机器视觉技术的典型应用
5.1 废钢智能判级
5.1.1 废钢智能判级系统的硬件组成
5.1.2 废钢智能判级系统的软件组成
5.1.3 结果分析
5.2 发动机缸体铸件表面缺陷检测
5.2.1 系统组成
5.2.2 缸体缺陷类别及数据处理
5.2.3 机械臂路径规划与执行
5.2.4 缸体表面缺陷检测
5.2.5 结果分析
5.3 小结
第6章 航空航天领域机器视觉技术的典型应用
6.1 飞机表面缺陷检测
6.1.1 系统组成
6.1.2 无人机路径规划与执行
6.1.3 缺陷检测与分析
6.1.4 结果分析
6.2 飞机发动机叶片表面缺陷检测
6.2.1 系统组成
6.2.2 缺陷类型分析
6.2.3 数据准备与评价指标
6.2.4 深度学习模型
6.2.5 结果分析
6.3 小结
第7章 复合材料领域机器视觉技术的典型应用
7.1 预制体经纬线密度检测
7.1.1 系统组成
7.1.2 检测指标与定义
7.1.3 经纬线密度检测模型
7.1.4 结果分析
7.2 碳丝质量在线检测
7.2.1 系统组成
7.2.2 检测指标与定义
7.2.3 数据准备
7.2.4 碳丝检测模型
7.2.5 结果分析
7.3 原丝质量在线检测
7.3.1 系统组成
7.3.2 检测指标与定义
7.3.3 数据准备
7.3.4 原丝检测模型
7.3.5 结果分析
7.4 小结
第8章 精密电子领域机器视觉技术的典型应用
8.1 金丝键合错漏丝检测
8.1.1 问题分析
8.1.2 数据准备
8.1.3 金丝检测
8.1.4 模板匹配
8.1.5 结果分析
8.2 金丝键合跨距检测
8.2.1 数据准备
8.2.2 整体思路
8.2.3 金丝键合区域定位模块
8.2.4 金丝键合焊点检测模块
8.2.5 金丝键合金丝分割模块
8.2.6 金丝键合跨距测量模块
8.2.7 结果分析
8.3 密闭电子设备多余物检测
8.3.1 多余物特征
8.3.2 多余物检测网络
8.3.3 结果分析
8.4 小结
参考文献