同类推荐
-
-
短视频创作
-
¥78.00
-
-
低代码平台开发实践:基于React
-
¥89.00
-
-
RTC程序设计:实时音视频权威指南
-
¥108.00
-
-
ROS地面无人系统开发实践和进阶
-
¥118.00
-
-
交换机与路由器配置实验教程
-
¥49.80
-
-
大话网络安全
-
¥79.80
-
-
信号与系统
-
¥59.80
-
-
短视频编辑与制作:抖音+剪映+ Premiere
-
¥59.80
-
-
液晶电视机维修从入门到精通
-
¥99.00
-
-
网络空间安全管理
-
¥98.00
|
|
图书信息
|
|
|
数字图像检测与控制技术——理论及实例
|
ISBN: | 9787122374509 |
定价: | ¥158.00 |
作者: | 谭彧,陈兵旗主编 |
出版社: | 化学工业出版社 |
出版时间: | 2021年01月 |
开本: | 26cm |
页数: | 501页 |
装祯: | 平装 |
中图法: | TN911.73 |
相关供货商
供货商名称
|
库存量
|
库区
|
更新日期
|
北京人天书店有限公司
|
12
|
库区2-1/库区4-1/库区7-1/样本4-1
|
2024-03-28
|
其它供货商库存合计
|
500
|
|
2024-03-27
|
图书简介 | 本书全面介绍了图像检测与控制技术及其应用实例, 旨在为智能装备的开发提供技术思路和方案参考。上篇“图像检测与控制技术”, 主要介绍智能装备中常用的图像处理算法、专业图像处理系统、近红外光谱与高光谱成像和自动控制理论。下篇“应用实例”, 从图像检测实例、近红外光谱与高光谱成像技术应用实例、图像检测与控制实例3个方面, 精选了19个实例进行细致讲解。 |
编辑推荐 | 1、本书分上下两篇,从理论讲解与实例解析两个方面,讲解了数字图像检测与控制技术的相关内容。 n 2、上篇“图像检测与控制技术”根据图像检测与控制的工作流程,讲解了图像处理算法、专业图像处理系统红外光谱与高光谱成像和自动控制理论。 n 3、下篇“应用实例”,归纳不同行业的应用实例,从图像检测红外光谱与高光谱成像技术、图像检测与控制3个方面,了19个应用实行细致讲解。 n 4、本书内容技术,应用,可为不同需求的读者提供专业指导。 |
目录 | 上篇图像检测与控制技术 n 第1章常用图像处理算法001 n 1.1彩色图像和灰度图像001 n 1.1.1彩色图像001 n 1.1.2灰度图像002 n 1.1.3HSI颜色变换003 n 1.1.4C语言函数005 n 1.2边缘检测008 n 1.2.1边缘与图像处理008 n 1.2.2基于微分的边缘检测010 n 1.2.3基于模板匹配的边缘检测011 n 1.2.4边缘图像的二值化处理013 n 1.2.5C语言函数013 n 1.3二值化处理016 n 1.3.1灰度图像的阈值处理016 n 1.3.2模态法确定分割阈值017 n 1.3.3大津(Otsu 法确定分割阈值018 n 1.3.4基于颜色差分的二值化处理019 n 1.3.5基于帧间差分的二值化处理022 n 1.3.6C语言函数024 n 1.4去噪声处理027 n 1.4.1移均028 n 1.4.2中值滤波028 n 1.4.3二值图像的去噪声处理029 n 1.4.4C语言函数031 n 1.5几何参数检测034 n 1.5.1二值图像的特征参数034 n 1.5.2区域标记036 n 1.5.3基于特征参数提取物体037 n 1.5.4基于特征参数消除噪声038 n 1.5.5C语言函数039 n 1.6Hough变换045 n 1.6.1传统Hough变换的直线检测045 n 1.6.2过已知点Hough变换的直线检测047 n 1.6.3Hough变换的曲线检测048 n 1.6.4C语言函数049 n 1.7深度学4 n 1.7.1深度学概念054 n 1.7.2深度学用方法057 n 1.7.3卷积神经网络的典型结构066 n 第2章专业图像处理系统069 n 2.1通用图像处理系统ImageSys069 n 2.1.1系统简介069 n 2.1.2系统主能070 n 2.1.3系统开台Sample084 n 2.2二维运动图像测量分析系统MIAS084 n 2.2.1系统简介084 n 2.2.2系统主能085 n 2.2.3系统开台MSSample099 n 2.3三维运动测量分析系统MIAS3D099 n 2.3.1系统简介099 n 2.3.2系统主能100 n 2.3.3系统其能106 n 第3红外光谱与高光谱成像107 n 3.红外光谱107 n 3.1.红外光谱检测技术简介107 n 3.1.红外光谱检测工作原理109 n 3.1.3检测过程与方法116 n 3.2高光谱成像119 n 3.2.1光谱成像技术简介119 n 3.2.2高光谱图像检测工作原理120 n 3.2.3检测过程与方法128 n 3.红外光谱及高光谱成像数据法132 n 3.3.红外光谱及高光谱成像数据预法132 n 3.3.2数据降维及特征变量选择方法137 n 3.3.3定及定量模型的建立方法144 n 第4章自动控制理论153 n 4.1控制系统分析153 n 4.1.1闭环系统基本概念153 n 4.1.2数学模型157 n 4.1.3时域分析177 n 4.1.4频域分析185 n 4.1.5稳定与误差分析194 n 4.2控制系统PID控制209 n 4.2.1PID控制规律209 n 4.2.2控制参数确定方法216 n 4.2.3采用MATLAB的PID仿真分析228 n 4.2.4数字PID的编程方法231 n 4.3自抗扰控制234 n 4.3.1自抗扰控制概述234 n 4.3.2自适应迭代学RC控制239 n 4.3.3抗扰实验与结果分析241 n 下篇应用实例 n 第5章图像检测实例247 n 5.1车辆尺颜色参数实时检测247 n 5.1.1项目目标与技术要点247 n 5.1.2系统构成方案248 n 5.1.3系统检测方案249 n 5.1.4车出判断250 n 5.1.5车辆边沿检测254 n 5.1.6车辆颜色检测260 n 5.1.7检测流程261 n 5.1.8系统影响因素分析262 n 5.2玉米粒在穗计数263 n 5.2.1项目目标与技术要点263 n 5.2.2设备及软件环境264 n 5.2.3玉米粒在穗计数流程264 n 5.3马铃薯种薯芽眼识别及点云模型重构274 n 5.3.1项目背景与技术要点274 n 5.3.2马铃薯种薯芽眼的图像识别及定位方法研究275 n 5.3.3马铃薯种薯的点云模型重构方法及质量预测模型研究285 n 5.3.4项目研究结论295 n 5.4蝗虫图像识别计数296 n 5.4.1项目目标与技术要点296 n 5.4.2蝗虫图像的采集297 n 5.4.3原图像的调整297 n 5.4.4静态图像内蝗虫的识别与计数303 n 5.5基于机器视觉的果树靶标识别314 n 5.5.1项目目标与技术要点314 n 5.5.2系统组成体检测流程315 n 5.5.3靶标果树的图像案316 n 5.5.4靶标果树冠层特征提取324 n 5.6苗图像识别325 n 5.6.1项目背景与目标325 n 5.6.2苗期除工况下的快速作物识别326 n 5.6.3双目立体视觉花椰菜识别算法332 n 第6红外光谱与高光谱成像技术应用实例341 n 6.1苹果糖度红外光谱检测方法341 n 6.1.1项目目标与技术要点341 n 6.1.2静态检测装置设计方案341 n 6.1.3苹果样品的准备与检测344 n 6.1.4静态采集数据分析347 n 6.1.5在线动态检测系统的搭建349 n 6.1.6在线检测系统试验验证351 n 6.2小麦叶片叶绿素含量的高光谱成像检测方法353 n 6.2.1项目目标与技术要点353 n 6.2.2高光谱成像系统搭建353 n 6.2.3试验材料准备354 n 6.2.4小麦叶片数据采集354 n 6.2.5数据处理与分析354 n 6.3异质鸡肉红外光谱检测鉴别研究358 n 6.3.1项目目标与技术要点358 n 6.3.2试验材料与方法358 n 6.3.3PSE、DFD与正常鸡肉红外光谱检测鉴别361 n 6.3.4全光谱分析及特征波长选择363 n 6.3.5不同波段范围多光谱模型建立及评价365 n 6.4猪肉细数的高光谱成像检测366 n 6.4.1研究目标与技术要点366 n 6.4.2高光谱成像系统搭建366 n 6.4.3试验材料准备367 n 6.4.4猪肉样品的检测367 n 6.4.5目标区域光谱提取与预处理368 n 6.4.6猪肉表面TVC预测模型建立与分析369 n 6.5霉菌单菌落的生长光学特征分析及种类判别371 n 6.5.1试验材料与试验过程371 n 6.5.2霉菌单菌落的生长特征分析373 n 6.5.3霉菌单菌落同心环形生长区的特征376 n 6.5.4霉菌单菌落种类的判别模型建立381 n 6.6可见红外高光谱图像无损鉴别八角茴香与伪品莽384 n 6.6.1材料与方法384 n 6.6.2结果与分析386 n 6.6.3与常规图像法的比较388 n 6.7基于高光谱成像技术的生鲜鸡肉糜中大豆蛋白含量检测391 n 6.7.1材料与方法391 n 6.7.2结果与分析393 n 6.8酿酒葡萄成熟度光谱图像检测400 n 6.8.1酿酒葡萄多光谱图像采集400 n 6.8.2酿酒葡萄成熟度检测指标与传统方法402 n 6.8.3多光谱图像处理与指标选择403 n 6.8.4多光谱图像R分量与葡萄成熟度的关系模型406 n 第7章图像检测与控制实例408 n 7.1农田视觉检测与导航系统408 n 7.1.1项目目标与准备工作408 n 7.1.2插秧环境导航线检测409 n 7.1.3水田管理机器人导航路线检测417 n 7.1.4旱田作业机器人导航路线检测421 n 7.1.5农田作业视觉导航系统426 n 7.2玉米种粒图像及定向定位装置429 n 7.2.1项目目标429 n 7.2.2种粒动态图像装置结构与工作原理430 n 7.2.3吹除装置设计431 n 7.2.4种粒合格动态检测方法432 n 7.2.5图像检测算法435 n 7.2.6试验结果分析438 n 7.3基于鹰眼视觉的仿生无人机避障控制442 n 7.3.1研究背景与目标442 n 7.3.2避障控制与动态路径规划方法442 n 7.3.3试验与分析450 n 7.3.4结论454 n 7.4谷物联合收割机视觉导航455 n 7.4.1项目背景与目标455 n 7.4.2联合收割机视觉导航系体方案455 n 7.4.3联合收割机视觉导航系台设计457 n 7.4.4联合收割机视觉导航图像处理算法研究460 n 7.4.5联合收割机视觉导航系统路径识别算法研究466 n 7.4.6联合收割机视觉导航系统试验472 n 7.5像识别与补栽控制478 n 7.5.1项目背景与技术要点478 n 7.5.2图像采集与预处理479 n 7.5.3基于深度卷积神经网络的穴盘缺苗识别480 n 7.5.4穴盘苗抓取角度检测484 n 7.5.5穴盘补栽控制方法488 n 7.5.6研究结论492 n 参考文献494 |
|