目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）

目录

前言

几个高频面试题目

视觉检测中如何提高图片处理速度与质量？

01图像处理技术的应用

02当前面临的挑战

03提升图片识别技术的有效方法

机器视觉如何辨别“黑白”?

知识储备

机器视觉的成像

1. 成像系统模型

2. 镜头

3. 为机器视觉项目选择镜头和相机的简化流程

光谱共焦传感器测量

短波红外（SWIR）成像

应用案例

动力锂电池全生产流程缺陷检测

---

 

前言

自从20 世纪80年代，机器视觉技术广泛引入商业组件应用以来，熟练地将机器视觉集成到自动化应用程序中一直是该技术成功的关键因素。近年来，机器视觉行业在全球范围内实现了创纪录的增长，零部件在3D制导与计量、光谱图像分析、高速检测、深度学习等前沿应用领域的可用性和能力不断增强。在为工业用户提供成功和可靠的机器视觉系统解决方案方面，无论是自动化集成公司还是机器视觉工程团队中的个人——比以往任何时候都扮演着重要的角色。

几个高频面试题目

视觉检测中如何提高图片处理速度与质量？

机器视觉系统大体分为图像采集和图像处理两个部分。

图像采集是工业相机与PC端通过图像采集卡相互链接，图像采集卡接收工业相机的模拟信号或数字信号，并将信号处理转换为适用于PC端的信息。

01图像处理技术的应用

1、图像采集

视觉检测首先需要对输入的图片进行采集，根据项目需求不同，对样本要求也不会相同。合理地根据项目需求，标定合适的样本，需要通过对大量的样本进行训练以提升性能。

图像格式（像素格式）：分为黑白图像和彩色图像ÿ