0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 基于机器视觉的工业智能检测方法研究

相同语种的商品

销售排行榜

浏览历史

基于机器视觉的工业智能检测方法研究


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
基于机器视觉的工业智能检测方法研究
  • 书号：9787030840615
    作者：杨红娟
  • 外文书名：
  • 装帧：平装
    开本：16
  • 页数：167
    字数：261000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2026-03-01
  • 所属分类：
  • 定价： ￥138.00元
    售价： ￥103.50元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书从机器视觉技术的基本原理与工业检测需求出发，系统介绍基于机器视觉的智能检测系统在轨道交通与地质灾害防治中的设计与实现方法。重点阐述钢轨波磨的实时检测与分类技术、复杂岩体裂隙的图像分割与参数量化方法，涵盖从图像采集、预处理、特征提取到深度学习模型构建与优化的全过程。本书深入解析卷积神经网络、注意力机制、损失函数等理论，同时详细介绍硬件平台搭建、软件系统开发、现场测试与实验结果分析等实践技术。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    第1章 引言 1
    1.1 机器视觉在轨道交通检测中的应用研究现状 3
    1.1.1 国内外研究现状 8
    1.1.2 研究现状分析 10
    1.2 机器视觉在地质灾害防治中的应用研究现状 10
    1.2.1 国内外研究现状 12
    1.2.2 研究现状分析 14
    参考文献 14
    第2章 基于机器视觉的钢轨波磨实时检测方法研究 20
    2.1 概述 20
    2.2 钢轨波磨视觉检测系统设计 20
    2.2.1 检测系统需求分析 20
    2.2.2 系统软件设计 22
    2.2.3 钢轨波磨巡检小车结构设计 24
    2.3 轨道图像预处理方法研究 36
    2.3.1 数字图像处理技术介绍 36
    2.3.2 轨道图像预处理的目的 36
    2.3.3 轨道图像基本预处理方法 37
    2.3.4 轨道图像分割预处理方法 41
    2.4 波磨检测方法研究 47
    2.4.1 卷积神经网络概述 47
    2.4.2 ShuffleNet V2网络结构分析 48
    2.4.3 改进ShuffleNet V2 53
    2.4.4 波磨检测模型训练 55
    2.5 检测系统实现与实验分析 60
    2.5.1 系统实现 60
    2.5.2 硬件平台搭建 64
    2.5.3 波磨实时检测实验与分析 66
    参考文献 70
    第3章 基于机器视觉的钢轨波磨实时分类检测研究 72
    3.1 概述 72
    3.2 波磨分类视觉检测系统设计 72
    3.2.1 系统分析 72
    3.2.2 系统软件架构 73
    3.3 波磨分类及数据集检测 75
    3.3.1 数据集标签的确定 75
    3.3.2 波磨分类方法研究 75
    3.3.3 数据集制作 83
    3.4 波磨分类检测方法研究 85
    3.4.1 目标检测算法概述 85
    3.4.2 YOLOv8算法网络模型结构 86
    3.4.3 YOLOv8算法网络结构的改进 87
    3.4.4 波磨分类检测模型训练与评价 96
    3.5 系统实现与实验分析 103
    3.5.1 系统实现 103
    3.5.2 系统现场测试 106
    3.5.3 实验结果与分析 106
    参考文献 108
    第4章 基于图像分割的复杂岩体裂隙检测与量化研究 110
    4.1 概述 110
    4.2 深度学习卷积神经网络理论与无人机摄像测量 110
    4.2.1 深度学习与卷积神经网络 110
    4.2.2 无人机实时摄影测量技术 114
    4.2.3 无人机摄影坐标系 116
    4.2.4 共线条件方程 118
    4.2.5 无人机航测系统建立 120
    4.3 复杂岩体图像分割算法研究 121
    4.3.1 复杂背景岩体分割流程 121
    4.3.2 数据获取 121
    4.3.3 数据集制作 123
    4.3.4 deeplabV3+模型语义分割算法 125
    4.3.5 复杂岩体分割算法IM-deeplabV3 + 的改进 130
    4.3.6 实验环境与评价指标 134
    4.3.7 实验结果与分析 137
    4.4 岩体裂隙图像分割算法研究 140
    4.4.1 传统裂隙图像分割方法研究 141
    4.4.2 Unet的裂隙分割模型 142
    4.4.3 裂隙图像分割模型IM-Unet的改进 143
    4.4.4 模型训练 148
    4.4.5 实验结果分析 152
    4.5 裂隙量化系统实现与优化研究 155
    4.5.1 基于滑动窗口岩体裂隙参数信息提取 156
    4.5.2 裂隙参数提取模块 157
    4.5.3 裂隙参数量化软件模块 163
    4.5.4 实际岩体裂隙参数提取与统计 164
    参考文献 166
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com