《數字圖像檢測與控制技術——理論及實例》是化學工業出版社出版圖書。
基本介紹
- 中文名：數字圖像檢測與控制技術——理論及實例
- 作者：王偉
- 出版時間：2021年1月1日
- 出版社：化學工業出版社
- 頁數：501 頁
- ISBN：9787122374509
- 開本：16 開
- 裝幀：平裝
內容簡介,目錄,
內容簡介
本書較為全面地介紹了圖像檢測與控制技術及其套用實例，旨在為智慧型裝備的開發提供技術思路和方案參考。
上篇“圖像檢測與控制技術”，主要介紹智慧型裝備中常用的圖像處理算法、專業圖像處理系統、近紅外光譜與高光譜成像和自動控制理論。下篇“套用實例”，從圖像檢測實例、近紅外光譜與高光譜成像技術套用實例、圖像檢測與控制實例3個方面，精選了19個實例進行細緻講解。
本書內容全面，技術先進，實例豐富，貼近實踐，不僅可為從事智慧型裝備設計與開發、圖像檢測與處理、自動控制技術等相關領域工作的科研人員和技術人員提供專業參考，還可供高等院校相關專業師生學習使用。
目錄
上篇圖像檢測與控制技術
第1章常用圖像處理算法001
1.1彩色圖像和灰度圖像001
1.1.1彩色圖像001
1.1.2灰度圖像002
1.1.3HSI顏色變換003
1.1.4C語言函式005
1.2邊緣檢測008
1.2.1邊緣與圖像處理008
1.2.2基於微分的邊緣檢測010
1.2.3基於模板匹配的邊緣檢測011
1.2.4邊緣圖像的二值化處理013
1.2.5C語言函式013
1.3二值化處理016
1.3.1灰度圖像的閾值處理016
1.3.2模態法確定分割閾值017
1.3.3大津(Otsu)法確定分割閾值018
1.3.4基於顏色差分的二值化處理019
1.3.5基於幀間差分的二值化處理022
1.3.6C語言函式024
1.4去噪聲處理027
1.4.1移動平均028
1.4.2中值濾波028
1.4.3二值圖像的去噪聲處理029
1.4.4C語言函式031
1.5幾何參數檢測034
1.5.1二值圖像的特徵參數034
1.5.2區域標記036
1.5.3基於特徵參數提取物體037
1.5.4基於特徵參數消除噪聲038
1.5.5C語言函式039
1.6Hough變換045
1.6.1傳統Hough變換的直線檢測045
1.6.2過已知點Hough變換的直線檢測047
1.6.3Hough變換的曲線檢測048
1.6.4C語言函式049
1.7深度學習054
1.7.1深度學習基本概念054
1.7.2深度學習的常用方法057
1.7.3卷積神經網路的典型結構066
第2章專業圖像處理系統069
2.1通用圖像處理系統ImageSys069
2.1.1系統簡介069
2.1.2系統主要功能070
2.1.3系統開發平台Sample084
2.2二維運動圖像測量分析系統MIAS084
2.2.1系統簡介084
2.2.2系統主要功能085
2.2.3系統開發平台MSSample099
2.3三維運動測量分析系統MIAS3D099
2.3.1系統簡介099
2.3.2系統主要功能100
2.3.3系統其他功能106
第3章近紅外光譜與高光譜成像107
3.1近紅外光譜107
3.1.1近紅外光譜檢測技術簡介107
3.1.2近紅外光譜檢測工作原理109
3.1.3檢測過程與方法116
3.2高光譜成像119
3.2.1光譜成像技術簡介119
3.2.2高光譜圖像檢測工作原理120
3.2.3檢測過程與方法128
3.3近紅外光譜及高光譜成像數據處理方法132
3.3.1近紅外光譜及高光譜成像數據預處理方法132
3.3.2數據降維及特徵變數選擇方法137
3.3.3定性及定量模型的建立方法144
第4章自動控制理論153
4.1控制系統分析153
4.1.1閉環系統基本概念153
4.1.2數學模型157
4.1.3時域分析177
4.1.4頻域分析185
4.1.5穩定性與誤差分析194
4.2控制系統PID控制209
4.2.1PID控制規律209
4.2.2控制參數確定方法216
4.2.3採用MATLAB的PID仿真分析228
4.2.4數字PID的編程方法231
4.3自抗擾控制234
4.3.1自抗擾控制概述234
4.3.2自適應疊代學習ADRC控制239
4.3.3抗擾實驗與結果分析241
下篇套用實例
第5章圖像檢測實例247
5.1車輛尺寸顏色參數實時檢測247
5.1.1項目目標與技術要點247
5.1.2系統構成方案248
5.1.3系統檢測方案249
5.1.4車輛進出判斷250
5.1.5車輛邊沿檢測254
5.1.6車輛顏色檢測260
5.1.7檢測流程261
5.1.8系統影響因素分析262
5.2玉米粒在穗計數263
5.2.1項目目標與技術要點263
5.2.2設備及軟體環境264
5.2.3玉米粒在穗計數流程264
5.3馬鈴薯種薯芽眼識別及點雲模型重構274
5.3.1項目背景與技術要點274
5.3.2馬鈴薯種薯芽眼的圖像識別及定位方法研究275
5.3.3馬鈴薯種薯的點雲模型重構方法及質量預測模型研究285
5.3.4項目研究結論295
5.4蝗蟲圖像識別計數296
5.4.1項目目標與技術要點296
5.4.2蝗蟲圖像的採集297
5.4.3原圖像的調整297
5.4.4靜態圖像內蝗蟲的識別與計數303
5.5基於機器視覺的果樹靶標識別314
5.5.1項目目標與技術要點314
5.5.2系統組成與總體檢測流程315
5.5.3靶標果樹的圖像處理方案316
5.5.4靶標果樹冠層特徵提取324
5.6苗草圖像識別325
5.6.1項目背景與目標325
5.6.2苗期除草工況下的快速作物識別326
5.6.3雙目立體視覺花椰菜識別算法332
第6章近紅外光譜與高光譜成像技術套用實例341
6.1蘋果糖度的近紅外光譜檢測方法341
6.1.1項目目標與技術要點341
6.1.2靜態檢測裝置設計方案341
6.1.3蘋果樣品的準備與檢測344
6.1.4靜態採集數據分析347
6.1.5線上動態檢測系統的搭建349
6.1.6線上檢測系統試驗驗證351
6.2小麥葉片葉綠素含量的高光譜成像檢測方法353
6.2.1項目目標與技術要點353
6.2.2高光譜成像系統搭建353
6.2.3試驗材料準備354
6.2.4小麥葉片數據採集354
6.2.5數據處理與分析354
6.3異質雞肉的近紅外光譜檢測鑑別研究358
6.3.1項目目標與技術要點358
6.3.2試驗材料與方法358
6.3.3PSE、DFD與正常雞肉的近紅外光譜檢測鑑別361
6.3.4全光譜分析及特徵波長選擇363
6.3.5不同波段範圍多光譜模型建立及評價365
6.4豬肉細菌總數的高光譜成像檢測366
6.4.1研究目標與技術要點366
6.4.2高光譜成像系統搭建366
6.4.3試驗材料準備367
6.4.4豬肉樣品的檢測367
6.4.5目標區域光譜提取與預處理368
6.4.6豬肉表面TVC預測模型建立與分析369
6.5黴菌單菌落的生長光學特徵分析及種類判別371
6.5.1試驗材料與試驗過程371
6.5.2黴菌單菌落的生長特徵分析373
6.5.3黴菌單菌落同心環形生長區的特徵376
6.5.4黴菌單菌落種類的判別模型建立381
6.6可見/近紅外高光譜圖像無損鑑別八角茴香與偽品莽草384
6.6.1材料與方法384
6.6.2結果與分析386
6.6.3與常規圖像處理方法的比較388
6.7基於高光譜成像技術的生鮮雞肉糜中大豆蛋白含量檢測391
6.7.1材料與方法391
6.7.2結果與分析393
6.8釀酒葡萄成熟度光譜圖像檢測400
6.8.1釀酒葡萄多光譜圖像採集400
6.8.2釀酒葡萄成熟度檢測指標與傳統方法402
6.8.3多光譜圖像處理與指標選擇403
6.8.4多光譜圖像R分量與葡萄成熟度的關係模型406
第7章圖像檢測與控制實例408
7.1農田視覺檢測與導航系統408
7.1.1項目目標與準備工作408
7.1.2插秧環境導航線檢測409
7.1.3水田管理機器人導航路線檢測417
7.1.4旱田作業機器人導航路線檢測421
7.1.5農田作業視覺導航系統426
7.2玉米種粒圖像精選及定向定位裝置429
7.2.1項目目標429
7.2.2種粒動態圖像精選裝置結構與工作原理430
7.2.3吹除裝置設計431
7.2.4種粒合格性動態檢測方法432
7.2.5圖像檢測算法435
7.2.6試驗結果分析438
7.3基於鷹眼視覺的仿生無人機避障控制442
7.3.1研究背景與目標442
7.3.2避障控制與動態路徑規劃方法442
7.3.3試驗與分析450
7.3.4結論454
7.4穀物聯合收割機視覺導航455
7.4.1項目背景與目標455
7.4.2聯合收割機視覺導航系統總體方案455
7.4.3聯合收割機視覺導航系統平台設計457
7.4.4聯合收割機視覺導航圖像處理算法研究460
7.4.5聯合收割機視覺導航系統路徑識別算法研究466
7.4.6聯合收割機視覺導航系統試驗472
7.5穴盤苗圖像識別與補栽控制478
7.5.1項目背景與技術要點478
7.5.2圖像採集與預處理479
7.5.3基於深度卷積神經網路的穴盤缺苗識別480
7.5.4穴盤苗抓取角度檢測484
7.5.5穴盤補栽控制方法488
7.5.6研究結論492
參考文獻494
