📘 工业视觉算法 · 从零到部署
🎯 30章 实战目录
01
视觉算法概述
工业视觉定义、应用场景（缺陷检测/尺寸测量/定位引导）· 技术栈与学习路径
02
图像基础与OpenCV入门
像素与色彩空间 · OpenCV环境搭建 · 图像读写/显示/保存 · 基本属性
03
图像预处理（上）
灰度化 · 直方图均衡化 · 高斯滤波 · 中值滤波 · 图像增强实战
04
图像预处理（下）
形态学操作（腐蚀/膨胀/开闭）· Canny/Sobel边缘检测 · 二值化
05
特征提取与匹配
SIFT/ORB关键点 · 特征描述子 · 特征匹配与单应性矩阵
06
图像分割
OTSU阈值分割 · 区域生长 · 分水岭 · 轮廓查找与绘制
07
几何变换
仿射/透视变换 · 图像旋转缩放 · ROI提取实战
08
相机标定
相机模型 · 内参外参 · 畸变校正 · 张正友标定法实战
09
传统视觉测量
像素当量标定 · 边缘拟合（直线/圆）· 尺寸测量与角度计算
10
模板匹配
灰度模板匹配 · 金字塔加速 · 多模板匹配 · 工业案例
11
缺陷检测基础
光照与成像系统 · 差分法缺陷检测 · 频域滤波缺陷检测
12
深度学习环境搭建
Anaconda配置 · PyTorch/TensorFlow安装 · GPU环境 · Jupyter Lab
13
深度学习基础
神经网络原理 · 卷积/池化/全连接 · 前向与反向传播
14
图像分类实战
ResNet原理 · 迁移学习 · 良品/不良品分类案例
15
目标检测（上）
YOLOv5/v8原理 · Anchor机制 · 损失函数 · 模型训练
16
目标检测（下）
YOLO部署推理 · ONNX导出 · TensorRT加速 · 结果可视化
17
语义分割
U-Net架构 · 分割数据集制作 · 划痕/脏污分割实战
18
实例分割
Mask R-CNN原理 · 零件计数/重叠检测等工业应用
19
小样本学习
Mosaic/MixUp增强 · 少样本策略 · 工业数据稀缺解决方案
20
模型优化与剪枝
INT8/FP16量化 · 通道剪枝 · 知识蒸馏 · 边缘端压缩
21
工业数据集制作
LabelImg/LabelMe · 数据清洗与标注规范 · 划分与增强
22
模型评估与调优
混淆矩阵 · Precision/Recall/F1 · mAP · 超参数调优
23
ONNX与模型转换
PyTorch转ONNX · ONNX Runtime推理 · 跨平台部署
24
TensorRT加速
TensorRT安装 · 模型构建优化 · 动态batch · 工业级推理
25
OpenVINO部署
OpenVINO套件 · 模型优化器 · 推理引擎 · Intel硬件加速
26
工业相机与SDK二次开发
面阵/线阵选型 · 海康/大恒SDK调用 · 实时图像采集
27
PLC与上位机通信
Modbus TCP · Socket通信 · 触发信号 · 视觉与PLC联动
28
视觉软件架构设计
多线程 · 生产者-消费者 · 日志系统 · 配置管理 · PyQt UI
29
端到端项目实战（上）
需求分析 · 硬件选型 · 算法选型 · 数据集制作 · 训练优化
30
端到端项目实战（下）
模型部署 · UI集成 · PLC联调 · 现场调试 · 交付文档