人工智能视觉检测与质量控制

1.具体讲解人工智能视觉检测前沿技术在质量控制领域的基本问题及其相关处理技术，具有很好的学术价值和市场前景2.涵盖质量控制领域多个应用场景，通过实例分析讲解技术要点3.从基本原理到检测分析，由浅入深，适合不同层次读者的阅读需求

本书系统介绍了人工智能在质量控制领域应用的基本问题及其相关处理技术，主要内容涉及人工智能与质量控制的理论、算法和典型应用实例。本书共9章，包括人工智能概述、深度学习、国内外人工智能与质量控制研究现状、智能视觉检测在轨道维修工职业技能综合评价中的应用、智能视觉检测在血栓弹力图仪自动化系统中的应用、智能视觉检测在农作物长势评价中的应用、大输液异物检测关键技术、移液器吸头缺陷视觉检测方法和面向多节点复杂传感网的低功耗拓扑结构优化方法等内容。本书由浅入深，对于相关领域的研究者、质量控制检测人员和学生等具有较为重要的参考价值和借鉴意义。

郏东耀北京交通大学教授、博士生导师，大数据与智慧测控研究中心主任。主要科研方向为数据科学与工程、视觉人工智能、深度学习新理论及其应用，发表学术论文100余篇。曾主持或参与国家863计划重大项目、国家自然科学基金重大项目、国家科技支撑计划项目等。

第1章 人工智能概述0011.1 人工智能的定义0021.2 人工智能的发展历史0021.3 人工智能的分类0031.4 人工智能的研究方法0041.5 人工智能的应用006第2章 深度学习0112.1 深度学习简介0122.2 关键词释义0132.3 深度学习的特点0142.4 典型深度学习模型0142.5 典型的深度学习网络架构0152.5.1 LeNet 0152.5.2 AlexNet 0182.5.3 VGGNet 0212.5.4 ResNet 0222.5.5 DenseNet 0242.6 深度学习训练过程0272.7 深度学习的应用028第3章 国内外人工智能与质量控制研究现状0293.1 人工智能与质量控制0303.1.1 质量控制简介0303.1.2 人工智能与质量控制相结合0303.2 质量控制的主要应用方面0313.2.1 面向轨道维修工的职业技能综合评价方法0313.2.2 血栓弹力图仪加样机械手关键技术研究0363.2.3 基于多维图像特征的农作物长势评价方法0393.2.4 大输液异物检测关键技术研究0443.2.5 移液器吸头缺陷视觉检测方法研究0483.2.6 面向多节点复杂传感网的低功耗拓扑结构优化方法051第4章 智能视觉检测在轨道维修工职业技能综合评价中的应用0564.1 轨道维修工混合树型指标体系的建立0574.1.1 指标体系建立原则0574.1.2 评价指标体系分类0584.1.3 轨道维修工职业技能评价体系0594.1.4 评价指标处理0624.2 基于混合权重的模糊物元静态评价方法0644.2.1 模糊物元评价理论概述0644.2.2 模糊物元评价步骤0664.3 轨道维修工动态评价方法0724.3.1 动态评价问题描述0724.3.2 轨道维修工的动态评价0744.3.3 动态结果讨论0804.4 轨道维修工职业技能综合评价0814.4.1 综合评价原理0814.4.2 综合评价基本方法0824.4.3 综合评价应用与分析0844.5 实验方法及实验分析0864.5.1 静态评价实验0874.5.2 动态评价实验0894.5.3 综合评价实验0924.5.4 层次分析法094第5章 智能视觉检测在血栓弹力图仪自动化系统中的应用0965.1 自动加样系统结构分析0975.1.1 自动加样系统结构组成0975.1.2 系统各机构分析0975.1.3 系统工作流程0995.2 自动加样机械手结构功能与工作流程1015.2.1 自动加样机械手结构功能1015.2.2 自动加样机械手工作流程1035.3 控制系统通信网络的搭建1055.3.1 CANopen 通信协议1055.3.2 Modbus 通信协议1085.3.3 通信网络1105.4 加样机械手的高精度定位1115.4.1 加样机械手定位要求1115.4.2 基于激光传感器的双线拟合定位方法1125.4.3 基于三角函数的空间多点定位1145.5 加样机械手控制策略研究1175.5.1 概述1175.5.2 轨迹规划1185.5.3 自适应惯性权重和加速度系数的粒子群算法1235.6 自动加样系统平台搭建和实验研究1275.6.1 自动加样系统硬件介绍1275.6.2 自动加样系统软件介绍1285.6.3 自动加样机械手仿真实验研究137第6章 智能视觉检测在农作物长势评价中的应用1426.1 基于双目视觉的农作物多维信息监测与处理1436.2 主要功能与设计原则1446.2.1 主要功能1446.2.2 设计原则1446.3 系统结构与工作原理1456.3.1 整体结构1456.3.2 控制主机1466.3.3 图像采集部件1466.3.4 无线通信部件1486.3.5 车辆运动部件1486.3.6 电源1486.3.7 设备轨道1496.4 农作物信息提取1506.4.1 二维农作物信息1516.4.2 三维农作物信息1546.5 基于改进型局部保持投影的农作物多维生长特征优化1556.5.1 农作物多维生长特征体系的建立1556.5.2 多维特征结构体系的建立1556.6 多维特征的选取与定义1566.6.1 高度特征1566.6.2 面积特征1576.6.3 形状特征1586.6.4 颜色特征1596.6.5 纹理特征1606.6.6 标准化处理1616.7 基于改进型局部保持投影的多维特征优化1626.7.1 特征优化模型的选择1626.7.2 基本LPP 算法1626.7.3 改进型LPP 算法1636.7.4 基于改进型LPP 算法的特征优化方法1656.8 评价模型的选择1666.8.1 分类模型1676.8.2 群体智能算法1676.9 蝙蝠算法的基本理论1686.9.1 蝙蝠算法概述1686.9.2 蝙蝠行为与定位原理1686.9.3 蝙蝠算法的规则化前提1696.9.4 蝙蝠算法的运算流程1696.9.5 蝙蝠算法变量的更新规则1716.9.6 蝙蝠算法特点总结1716.10 基于蝙蝠算法的农作物长势评价模型1726.10.1 总体评价流程1726.10.2 评价规则表示1726.10.3 评价规则构造过程1746.10.4 分类规则适应度1766.10.5 评价模型的性能1766.11 农作物生长特征优化的实验分析1766.11.1 特征数据采集与处理1766.11.2 优化效果分析1796.11.3 SVM 分类测试分析1806.12 农作物长势评价模型的实验分析1836.12.1 基于蝙蝠算法的规则挖掘与评价过程1836.12.2 对比分析实验184第7章 大输液异物检测关键技术1877.1 大输液异物检测系统总体分析1887.1.1 大输液异物检测系统结构分析1887.1.2 大输液异物检测系统流程分析1967.1.3 大输液异物检测系统难点分析1977.1.4 大输液异物检测算法流程分析1987.2 图像预处理1997.2.1 图像滤波1997.2.2 图像配准2037.3 ROI 区域标定2107.3.1 明场图像ROI 划分2107.3.2 暗场图像ROI 划分2127.3.3 实验对比测试2137.4 大输液可见异物检测算法研究2147.5 运动目标提取2147.5.1 基于两帧差分的运动目标提取2157.5.2 基于三帧差分和Fisher 评价函数的运动目标提取2177.6 可见异物目标的运动特性分析2227.7 基于Blob 分析和特征匹配的异物跟踪判别2247.7.1 Blob 分析2257.7.2 特征匹配和跟踪判别2267.7.3 实验测试2277.8 系统软件介绍2307.8.1 用户信息模块2317.8.2 硬件控制模块2317.8.3 相机调试模块2317.8.4 图像测试模块2317.8.5 数据库模块2327.8.6 软件基本流程2327.9 可见异物检测算法实验与分析2347.9.1 检测算法准确性测试2347.9.2 检测算法稳定性测试235第8章 移液器吸头缺陷视觉检测方法2368.1 移液器吸头缺陷图像种类2378.2 移液器吸头缺陷图像增强2388.2.1 改进的Gamma 校正2388.2.2 CLAHE 处理2398.3 移液器吸头缺陷图像数据集增广2418.3.1 基于WGAN 对抗生成网络的缺陷数据生成2418.3.2 基于GrabCut 的前景缺陷提取2448.3.3 基于Poisson Blending 的缺陷图像融合2458.3.4 数据集二次扩充2468.4 面向移液器吸头缺陷的检测网络结构改进2478.5 缺陷目标检测基准网络概述2488.5.1 卷积神经网络2488.5.2 检测基准网络2508.6 基准网络结构改进2548.6.1 结合混合注意力机制检测颈结构2548.6.2 采用RepVGG 模块的主干网络2578.6.3 检测头网络轻量级解耦结构2618.6.4 改进后的网络结构2628.7 基于移液器吸头缺陷检测数据集的模型训练优化2648.8 吸头缺陷锚框聚类分析2648.8.1 自适应锚框2658.8.2 引入缺陷尺度权重聚类生成锚框2658.9 面向预测缺陷样本边框定位与样本均衡的损失函数优化2678.9.1 损失函数2678.9.2 基于α-EIoU 位置损失优化2688.9.3 基于GHM 分类损失优化2708.10 缺陷预测框的非极大值抑制方法优化2738.11 模型训练全过程2748.12 实验环境、评价指标及数据集构建2758.12.1 实验环境2758.12.2 评价指标2788.12.3 数据集构建与分析2808.13 数据增广实验与分析2818.14 网络结构改进实验2858.14.1 引入注意力机制实验2868.14.2 主干网络采取RepVGG 实验2878.14.3 检测头解耦实验2908.15 模型训练优化实验2918.15.1 锚框尺度重构2918.15.2 损失函数优化实验2938.15.3 筛选检测框优化实验2958.16 总体实验效果分析296第9章 面向多节点复杂传感网的低功耗拓扑结构优化方法3039.1 无线传感网拓扑结构优化分析3049.2 基于无线传感网的智能大棚监测系统3049.3 正六边形划分的网络监测模型3059.3.1 覆盖度分析3059.3.2 节点通信半径3079.3.3 节点能耗分析3089.4 基于正六边形划分的层簇型网络拓扑结构3099.4.1 分层网络数学模型3099.4.2 层簇型混合拓扑结构3119.4.3 基于临界距离的混合跳路由分析3129.5 二阶段动态簇头优选方法研究3139.6 基于感知概率的一阶段簇头选取3149.6.1 网络初始化3159.6.2 感知概率模型3159.6.3 参数定义3169.6.4 基于冗余节点的一阶段簇头选取过程3169.7 基于平均剩余能量的二阶段簇头选取3189.7.1 节点能量模型3189.7.2 平均剩余能量3189.7.3 动态分簇算法3199.8 基于改进蛙跳算法的自适应多路径方法研究3209.8.1 群体智能优化算法3209.8.2 蛙跳算法的基本理论3209.9 基于改进蛙跳算法的自适应多路径方法3239.9.1 改进的蛙跳算法3239.9.2 参数定义3249.9.3 路径满意度模型3249.9.4 基于改进蛙跳算法多路径分析3269.10 实验分析3289.10.1 基于正六边形划分的层簇型混合拓扑模型实验3289.10.2 平均时延对比3309.10.3 分组平均投递率对比3309.11 动态簇头优选方法的实验分析3319.11.1 模型参数3329.11.2 二阶段动态簇头优选方法对比实验3329.12 基于改进蛙跳算法的自适应多路径方法实验分析3349.12.1 改进蛙跳算法的评价过程3349.12.2 对比分析实验336参考文献338