友情链接:
合作联系
|
ASPEN培训课程
机器视觉工程师、自动化设备集成人员、图像处理算法开发人员、质量检测设备研发人员。
理解机器视觉系统的组成（相机、镜头、光源、图像处理软件）。
掌握图像处理的基本算法（滤波、边缘检测、特征提取、模式识别）。
能够独立完成视觉定位、测量、识别、检测应用的开发与调试。
机器视觉概述：机器视觉的定义与组成；机器视觉在工业自动化中的应用（定位、测量、识别、缺陷检测）；机器视觉的发展趋势（3D视觉、深度学习、边缘计算）。
光学成像系统：工业相机的分类（CCD、CMOS）；相机的关键参数（分辨率、帧率、像素尺寸、快门类型、增益）；镜头的关键参数（焦距、光圈、景深、畸变、接口）；镜头的选型计算（视场、工作距离、放大倍率）。
光源技术：光源在机器视觉中的作用（突出特征、抑制干扰）；光源的类型（环形光源、条形光源、背光源、同轴光源、穹顶光源）；光源的颜色与波长（白、红、蓝、绿、紫外、红外）；照明技术（明场照明、暗场照明、结构光）；光源控制器的使用。
图像采集：图像采集卡的作用；相机接口类型（GigE、USB3.0、Camera Link、CoaXPress）；触发采集模式（软件触发、硬件触发）；图像格式（Mono8、RGB、YUV）；相机SDK的开发。
图像预处理：图像的数字化表示（像素、灰度值、直方图）；图像增强（灰度变换、直方图均衡化）；图像滤波（均值滤波、高斯滤波、中值滤波、双边滤波）；形态学处理（腐蚀、膨胀、开运算、闭运算）。
图像分割：阈值分割（全局阈值、自适应阈值）；边缘检测（Sobel算子、Canny算子）；区域生长；分水岭算法；连通域分析（Blob分析）。
特征提取：几何特征（面积、周长、圆形度、矩形度）；位置特征（质心、方向角）；纹理特征（灰度共生矩阵）；不变矩特征（Hu矩）。
模式识别与匹配：模板匹配（基于灰度、基于边缘、基于形状）；特征匹配（SIFT、SURF、ORB）；分类器（KNN、SVM、神经网络）；深度学习在图像识别中的应用（CNN）。
标定与测量：相机标定的目的（确定内参、外参、畸变系数）；标定板的使用；张正友标定法；手眼标定（眼在手上、眼在手外）；像素尺寸到物理尺寸的转换；几何测量（距离、角度、圆度）。
条码/二维码识别：一维条码的类型（Code128、EAN-13、UPC）；二维条码的类型（QR Code、Data Matrix、PDF417）；条码识读算法；读码器的配置；读码性能评估。
OCR字符识别：OCR（光学字符识别）的原理；字符分割；字符特征提取；字符分类；工业OCR的应用（DPM码、日期码、序列号）；OCR的验证与性能优化。
综合实战项目：典型机器视觉应用（如手机屏幕尺寸测量、电子元器件定位、产品包装条码识别、表面缺陷检测）的完整开发流程，包含相机选型、光源设计、图像处理算法实现、标定与测量、软件集成与调试。
