一、检测的定义 二、检测的分类 检测与测试技术基础—视觉检测专题

实验一数字图像的获取 实验二图像二值化 实验三图像滤波 实验四边缘检测 实验五轮廓表达与拟合 实验六视觉系统标定

一、传感器概述 二、长度及位移检测 三、角度及角位移检测 四、绝对测距 五、力/压力检测 六、速度/加速度检测 七、温度检测 八、流量检测 九、电磁量检测 十、视觉检测系统

上海交通大学：《视觉检测技术基础》课程教学大纲 Foundation of visual measurement technique

上海交通大学：《检测技术基础》课程PPT教学课件（入门篇）第五章 视觉检测系统

仿生扑翼飞行器是一类模仿鸟及昆虫通过机翼主动运动产生升力和推力的飞行器。因具有飞行效率高，机动性强、隐蔽性好等优点，扑翼飞行器近年来受到越来越多的关注和研究。小型扑翼飞行器由于其精巧的结构和可操作性，能够适应更复杂的环境，但也限制了其飞行负载能力和电池续航时间。在许多场景中，高质量和高功耗的传感器不再适用于扑翼飞行器。自然界生物得到的信息绝大多数是通过视觉途径获取的。视觉作为一个获取信息的有效途径，在扑翼飞行器的应用中有着不可替代的作用。视觉传感器具有质量轻、功耗低、图像信息丰富等优点，因此非常适合于搭载在扑翼飞行器上。随着微电子、图像处理等技术的不断发展，以扑翼飞行器为平台的视觉感知系统也取得了重要进展。本文首先介绍了国内外几款有代表性的扑翼飞行器的视觉感知系统，分为机载视觉感知系统和外部视觉感知系统两类；然后简述了三个系统关键技术即图像消抖技术、目标检测与识别技术、目标跟踪技术的发展现状，进而总结发现扑翼飞行器的视觉感知系统研究目前还处于起步阶段；最后指出图像消抖、机载实时处理、目标检测与识别、三维重建等可以作为扑翼飞行器视觉感知系统的未来研究方向

针对高炉布料过程操作者无法直接观察炉内料流轨迹、料面形状等信息,利用光学原理,提出极坐标激光栅格测试技术,对料面进行标定测量.引入模式识别中的双目视觉技术进行轨迹检测,对布料轨迹图像采用边缘分析算子,优化算子阈值,获得布料过程中料流信息,重现料流轨迹的动态图像,为高炉布料模型提供数据支撑

10.1 热处理炉温度控制系统 10.2 反重力铸造液态成形控制系统 10.3 激光熔覆及再制造系统 10.4 机器人材料加工系统 10.5 基于视觉的焊缝质量离线检测系统

一、概述 两类污染物: 一类—能在环境或动植物体内积蓄，对人 体健康产生长远影响。 二类---长远影响小于一类的污染物质。 传统检测方法： 人工定期在排污出口取样检测。 两类污染物最高允许排放浓度见下表

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义