绪论

0.1  智能视觉技术的概念

0.1.1  人类视觉感知

0.1.2  计算机视觉技术

0.1.3  智能视觉技术

0.1.4  人工智能技术

0.2  智能视觉技术的特点

0.3  智能视觉技术的应用

0.3.1  定位

0.3.2  识别

0.3.3  检测

0.3.4  测量

0.3.5  分拣

0.4  智能视觉系统的组成

0.4.1  图像采集单元

0.4.2  图像处理单元

0.4.3  控制单元

项目1  智能视觉系统的硬件

任务1.1  认识工业相机

任务引入

任务工单——选择工业相机

1.1.1  工业相机概述

1.1.2  工业相机的分类

1.1.3  工业相机的参数

1.1.4  工业相机的选择

实践操作——选择工业相机

任务1.2  认识工业镜头

任务引入

任务工单——选择工业镜头

1.2.1  工业镜头概述

1.2.2  工业镜头的分类

1.2.3  工业镜头的参数

1.2.4  工业镜头的选择

实践操作——选择工业镜头

任务1.3  认识光源

任务引入

任务工单——选择光源

1.3.1  光源概述

1.3.2  光源的分类

1.3.3  光源的参数

1.3.4  光源的选择

实践操作——选择光源

学习成果检验

学习成果评价

项目2  数字图像处理技术

任务2.1  应用图像预处理技术

任务引入

任务工单——应用图像预处理技术

2.1.1  数字图像概述

2.1.2  数字图像处理与识别

2.1.3  图像预处理技术

实践操作——预处理给定图像

任务2.2  应用视觉定位技术

任务引入

任务工单——应用视觉定位技术

2.2.1  边缘检测

2.2.2  特征定位

2.2.3  直线定位

2.2.4  组合定位

实践操作——视觉定位手机壳耳机孔

任务2.3  应用视觉测量技术

任务引入

任务工单——应用视觉测量技术

2.3.1  距离测量

2.3.2  面积测量

2.3.3  计数测量

实践操作——视觉测量手机后盖尺寸

学习成果检验

学习成果评价

项目3  深度学习与卷积神经网络

任务3.1  了解深度学习

任务引入

任务工单——探索深度学习在智能视觉领域的应用

3.1.1  深度学习概述

3.1.2  深度学习在智能视觉领域的应用

实践操作——探索深度学习在排水管道缺陷检测中的应用

任务3.2  了解卷积神经网络

任务引入

任务工单——探索卷积神经网络在智能视觉领域的应用

3.2.1  卷积神经网络概述

3.2.2  卷积神经网络模型

实践操作——探索卷积神经网络在车牌识别中的应用

学习成果检验

学习成果评价

项目4  智能视觉技术的应用

任务4.1  应用智能视觉技术进行缺陷检测

任务引入

任务工单——应用智能视觉技术进行缺陷检测

4.1.1  表面缺陷智能视觉检测系统的原理

4.1.2  表面缺陷智能视觉检测系统的应用

实践操作——分析手机壳缺陷智能视觉检测系统

任务4.2  应用智能视觉技术进行尺寸测量

任务引入

任务工单——应用智能视觉技术进行尺寸测量

4.2.1  产品尺寸智能视觉测量系统的原理

4.2.2  产品尺寸智能视觉测量系统的应用

实践操作——分析轴承尺寸智能视觉测量系统

任务4.3  应用智能视觉技术进行字符识别

任务引入

任务工单——应用智能视觉技术进行字符识别

4.3.1  图像字符智能视觉识别系统的原理

4.3.2  图像字符智能视觉识别系统的应用

实践操作——分析PCB编号字符智能视觉识别系统

任务4.4  应用智能视觉技术进行定位引导

任务引入

任务工单——应用智能视觉技术进行定位引导

4.4.1  目标物体智能视觉定位系统的原理

4.4.2  目标物体智能视觉定位系统的应用

实践操作——分析制动片智能视觉定位系统

学习成果检验

学习成果评价

参考文献