智能装备是指具有感知、分析、推理、决策、控制功能的装备。《中国制造 2025》明确了未来中国制造业的发展方向：以智能制造为主线，推动中国制造业在生产效率和产品质量方面的提升，从而降低生产成本，增强产品竞争力。智能装备制造业是将人工智能、自动化等先进制造技术应用于整个制造业生产加工过程，从而实现生产的精密化、自动化、信息化、柔性化、图形化、智能化、可视化、多媒体化、集成化和网络化。
本书的目的是介绍智能装备的核心技术——图像检测与控制技术及其应用实例，为智能装备的开发提供技术思路和方案参考。
上篇“图像检测与控制技术”，主要介绍智能装备中常用的图像处理方法及专业图像处理系统、近红外光谱与高光谱成像和自动控制理论。
在常用图像处理方法里，主要介绍：（1）彩色图像和灰度图像的概念、HSI变换以及相关的C语言函数；（2）边缘检测的基本原理、各种检测算子、处理例图及C语言函数；（3）灰度图像的阈值处理、模态法确定阈值、大津法确定阈值、颜色差分二值化处理、帧间差分二值化处理以及相关C语言函数；（4）去噪声处理的移动平均、中值滤波、二值图像的去噪声处理以及相关C语言函数；（5）二值图像的特征参数、区域标记、特征提取与去噪及相关C语言函数；（6）一般Hough变换和过已知点Hough变换的直线检测以及相关C语言函数；（7）深度学习的发展历程、常用方法和典型结构，深度学习擅长图像分类，由于算法较多且更新快，所以没有介绍相关函数。在专业图像处理系统里，介绍了国产的图像处理专业软件：通用图像处理系统ImageSys，二维运动图像测量分析系统MIAS和三维运动图像测量分析系统MIAS3D。
在近红外光谱与高光谱成像技术和理论基础方面，主要介绍：（1）近红外光谱技术的优点和适用性、检测工作原理、检测系统的构成与常用数据分析软件，检测过程以及光谱数据分析流程；（2）高光谱成像技术的优越性、检测工作原理、成像光谱仪的光谱成像方式、高光谱的数据表达，高光谱系统构成与常用数据分析软件、检测过程、数据采集存储与分析流程；（3）近红外光谱及高光谱成像共性和个性的数据统计分析方法，包括数据预处理、数据降维及特征变量选择、定性模型和定量模型的建立，以及模型性能验证与评价等。
自动控制理论部分，介绍了：（1）控制理论的闭环系统基本概念、数学模型建立、时域分析、频域分析、稳定性和误差分析、基于MATLAB的仿真分析方法；（2）控制系统自抗扰（ADRC）控制的规律及参数确定方法、基于MATLAB的仿真分析方法；（3）迭代学习ADRC控制的概念、采用MATLAB的迭代学习控制器的建立与仿真分析方法，以及迭代学习ADRC控制仿真方法。
下篇“应用实例”，从图像检测实例、近红外光谱与高光谱成像技术应用实例、图像检测与控制实例3个方面进行讲解。
图像检测实例，介绍了：（1）车辆尺寸颜色图像检测；（2）玉米粒在穗图像识别计数；（3）马铃薯种薯芽眼识别及点云模型重构方法；（4）蝗虫图像识别计数等装备；（5）基于机器视觉的果树靶标识别；（6）苗草图像识别。
在近红外光谱与高光谱成像技术应用实例中，介绍了编写组近年来涉及的农产品和食品品质安全、大田作物营养状态监测和微生物检测等的系列研究成果，包括：（1）苹果糖度的近红外光谱检测方法；（2）小麦叶片叶绿素含量的高光谱成像检测方法；（3）异质鸡肉的近红外光谱检测鉴别研究；（4）猪肉细菌总数的高光谱成像检测；（5）霉菌单菌落的生长光学特征分析及种类判别；（6）可见/近红外高光谱图像无损鉴别八角茴香与伪品莽草；（7）基于高光谱成像技术的生鲜鸡肉糜中大豆蛋白含量检测；（8）无人机光谱图像检测识别。
在图像检测与控制实例中，介绍了：（1）农田视觉检测与导航系统；（2）玉米种粒图像精选及定向定位装置；（3）基于鹰眼视觉的仿生无人机避障控制；（4）联合收割机视觉导航控制；（5）穴盘苗图像识别与补栽控制。
本书由中国农业大学工学院谭彧、陈兵旗、王伟、陈建、郑永军、张春龙、杨圣慧，华南农业大学工程学院付函，湖北民族大学新材料与机电工程学院田芳，广西科技大学机械与交通工程学院张成涛，南华大学机械工程学院肖章共同完成。谭彧、陈兵旗任主编，王伟任副主编。每位作者撰写自己专业特长的内容，使得本书能够比较全面地涵盖智能装备的最新技术理论和应用实例。其中，陈兵旗编写第1章、第2章、第5章5.1节和5.2节、第7章7.1节和7.2节；王伟编写第3章、第6章6.1~6.7节，褚璇、贾贝贝协助进行编校工作；谭彧编写第4章4.1节；陈建编写第4章4.2节和4.3节、第7章7.3节；田芳编写第5章5.3节；郑永军编写第5章5.4节；付函编写第5章5.5节；张春龙编写第5章5.6节；杨圣慧编写第6章6.8节；张成涛编写第7章7.4节；肖章编写第7章7.5节。全书的总体编排与审校由谭彧完成。
由于作者水平所限，书中疏漏在所难免，敬请广大专家和读者批评指正。
目 录
上篇 图像检测与控制技术
第1章 绪论
第2章 常用图像处理算法
2.1 彩色图像与灰度图像
2.1.1彩色图像
2.1.2灰度图像
2.1.3 HSI颜色变换
2.1.4 C语言函数
2.2 边缘检测
2.2.1 边缘与图像处理
2.2.2 基于微分的边缘检测
2.2.3 基于模板匹配的边缘检测
2.2.4 边缘图像的二值化处理
2.2.5 C语言函数
2.3 2值化处理
2.3.1 灰度图像的阈值处理
2.3.2 模态法确定分割阈值
2.3.3 大津（Otsu）法确定分割阈值
2.3.4 基于颜色差分的二值化处理
2.3.5 基于帧间差分的二值化处理
2.3.6 C语言函数
2.4 去噪声处理
2.4.1 移动平均
2.4.2 中值滤波
2.4.3 2值图像出噪声处理
2.4.4 C语言函数
2.5 几何参数检测
2.5.1 二值图像的特征参数
2.5.2 区域标记
2.5.3 基于特征参数提取物体
2.5.4 基于特征参数提取物体
2.5.5 C语言函数
2.6 Hough变换
2.6.1 传统Hough变换的直线检测
2.6.2 过已知点Hough变换的直线检测
2.6.3 Hough变换的曲线检测
2.6.4 C语言函数
2.7 深度学习
2.7.1 深度学习的基本概念
2.7.2 深度学习的基本思想
2.7.3 浅层学习和深度学习
2.7.4深度学习与神经网络
2.7.5深度学习训练过程
2.7.6深度学习的常用方法
2.7.7 卷积神经网络的典型结构
2.8 专业图像处理系统
2.8.1 通用图像处理系统ImageSys
2.8.2 二维运动测量分析系统MIAS
2.8.3 三维运动测量分析系统MIAS3D
第3章 光谱与红外图像
3.1 近红外光谱
3.1.1近红外光谱检测技术简介
3.1.2 近红外光谱检测工作原理
3.1.3 检测过程与方法
3.2 高光谱图像
3.2.1光谱成像技术简介
3.2.2 高光谱图像检测工作原理
3.2.3 检测过程与方法
3.3 光谱及高光谱图像数据处理方法
3.3.1 光谱及高光谱图像预处理方法
3.3.2 数据降维及特征变量选择方法
3.3.3 定性及定量模型的建立方法
第4章 控制理论
4.1经典控制理论
4.1.1 闭环系统基本概念
4.1.2 数学模型建立
4.1.3 利用matlab的时域分析、频域分析和误差分析
4.2 PID控制
4.2.1 PID控制规律、控制参数确定方法
4.2.2 采用matlab的仿真分析方法
4.2.3 数字PID的编程方法
4.3模糊PID控制
4.3.1 模糊控制概念
4.3.2 采用matlab的模糊控制器的建立与仿真分析方法
4.3.3 模糊PID控制仿真方法。
下篇 应用实例
第5章 图像检测实例
实例1 车辆尺寸颜色图像检测
实例2玉米粒在穗图像识别计数
实例3 玉米播种过程图像检测
实例4 蝗虫图像识别计数
第6章 光谱与红外图像检测实例
实例1 近红外光谱检测西红柿糖分和可溶性固形物含量
实例2 高光谱成像检测小麦叶片氮素含量
实例3 猪肉细菌总数红外光谱检测
实例4 无人机光谱图像检测识别
第7章 图像检测与控制实例
实例1 拖拉机视觉导航控制
实例2 玉米穗图像识别与控制
实例3 穴盘秧苗图像识别与移栽控制
实例4 物体识别与搬运控制
实例5 无人机图像避障与控制
实例6 联合收割机视觉导航控制
实例7 杂草图像识别与剔除控制
上一篇：《机器视觉及深度学习
下一篇：《机器视觉技术》
