《机器视觉理论与实战》教学大纲

PAGEPAGE5教材编著信息表稿件情况稿件名机器视觉理论与实战书稿页码（16开）240交稿时间2024年1月希望出书时间2024年6月配套资源□VCD□CD-ROM电子课件素材或源程序☑配套习题或上机指导适用学校□教育部重点□省重点一般院校□其他（请填写）课程类别□公共课□公共选修课□专业基础课□专业课专业选修课教材层次研究生本科□成人教育□高职高专□中职中专适用专业自动化、计算机科学与技术、物联网工程、数据科学与技术课程所需学时42本校每年使用人数500选题背景（包括领域及行业发展现状、与该领域有关的国家或行业政策、读者需求状况、市场前景）随着科学技术的发展，人工智能技术获得了广泛的研究和应用。其中，机器视觉技术作为人工智能技术的重要组成部分，成为学术界、产业界竞相追逐的热点，在城市安防、公共交通、企业生产等方面获得了广泛应用，取得了良好的效果。机器视觉技术的核心是深度学习算法，应用时又与程序设计、嵌入式系统、通信技术相关，所以是一门多学科交叉技术。与其相关的专业包括自动化、计算机、物联网、大数据等，可以作为这些专业本科生、研究生的选修课，对拓宽学生视野、提高系统设计能力、未来就业都能起到积极作用。随着软硬件系统性能的不断提升，人工智能技术在近几年发展极为迅速，尤其在互联网经济的带动下，国内一批优秀企业积极布局该技术领域，极大推动了国内技术进步。与机器视觉相关技术体系中，阿里、华为提供了稳定、高效的算力支持，海康、大华提供了优质的摄像系统，百度、商汤提供了丰富的算法平台，企业端的需求日益旺盛。在技术、市场、资本等多种因素的助力下，企业对人工智能技术人才需求旺盛，且呈现不断上升趋势。在这种情况下，作为国家技术人才培养基地的高等学校的作用尤为重要。

机器视觉不仅涉及统计分析、深度学习等算法，也涉及程序设计、系统集成等技术，更注重工程化应用，属于交叉学科领域，对技术人才提出了更高要求。出于上述考虑，作者基于多年机器视觉理论研究和工程化应用经验，通过原理分析、实例讲解、经验分享，撰写了本书。同类书简况（至少三本）（包括书名、出版社、初版时间及印数、定价、印次、累计印数及最后一次印刷时间和对该书的简单评价）包括：书名，出版社名、作者名、定价、出版时间、简单评价（优缺点）。(1)深度学习、人民邮电出版社、赵申剑译、168、2021。系统介绍深度学习理论，是一本深度学习理论学习入门的经典书籍。这由于此，书中侧重理论介绍，未涉及工程化应用案例，对于阅读者数学基础要求较高。较适用于希望在理论上深入了解深度学习的专业学生，对于应用型为主的教学来讲，不太适合。(2)机器学习、清华大学出版社、周志华、80、2020。机器学习领域的入门教材，内容上涵盖了机器学习基础知识。侧重基础，适合初学者。未涉及工程化应用案例。(3)计算机视觉、电子工业出版社、高永强译、2021。计算机视觉领域的经典教材，内容涉及计算机视觉的软硬件原理，尤其是图像处理和识别技术，有一些应用示例，详述了现代图像编辑技术与物体识别技术，适合对图像处理专业研究者。未涉及工程化应用案例。

本书

特点（编写内容创新点及实用性、编写形式创新点、作者在该书所涉及内容方面的优势、与国内外已经出版的同类书籍比较，说明本书的特点及独到之处，包括学术思想、内容范围、结构体系、写作特点等）本书以当前主流人工智能技术架构为主线，理论结合实践，使学生既在算法理论上深入理解，又在工程实践上得到锻炼。算法理论上，将结合主流框架，形象、生动地进行深入解析；工程应用上，将详细讲解算法的实现过程，使学生逐步掌握开发技巧。书中所用实例，均为作者已开发应用项目，涉及代码均已运行通过。通过本书学习，学生将可以承担机器视觉相关项目开发工作。本书参编作者均有多年人工智能理论和项目开发经验，并且是全国智能车大赛和西门子杯工业自动化大赛的指导教师，具有丰富的实际应用经验。最可能使用本教材的单位单位联系人电话E-mail大约需求量

内容简介本书首先介绍了人工智能技术基础；然后对机器视觉原理，尤其是深度学习理论进行了详细介绍；以主流开发框架为主线，介绍算法实现的基本流程、注意事项、关键环节；最后通过大量工程化应用实例，详细讲解算法实现、部署、应用、优化的过程。本书具有以下特点：软硬结合，强化实践。为了便于理解，书中列举了大量应用实例，所有实例均在平台上调试通过，可以直接运行，且每个应用实例均给出源程序，在相应部分设置了二维码，读者可扫码下载。适合教师讲授，易于学生阅读。本书在编写时力求做到通俗、易懂，书中图文并茂，针对本科院校学生特点，理论讲解深度适宜，突出实际应用。本书可作为普通高等院校自动化、计算机、通信、大数据等工科本科或研究生教材，也可供广大从事机器视觉应用系统开发的工程技术人参考。目录单独提供：目录第1章绪论1.1人工智能技术简介1.2人工智能技术发展过程1.3人工智能技术研究领域1.4机器视觉概述习题第2章机器视觉原理介绍2.1机器视觉系统组成2.1.1图像采集系统2.1.2图像处理系统2.1.3其它系统2.2图像处理技术2.2.1图像增强2.2.2图像恢复2.2.3图像编码2.2.4图像分割2.2.5图像识别2.3深度学习理论由来2.3.1M-P模型2.3.2感知机2.3.3人工神经网络2.3.4多层神经网络2.4卷积神经网络2.4.1计算机图像存储方式2.4.2卷积运算2.4.3池化运算2.4.4其它相关技术2.5循环神经网络2.5.1监督/非监督学习2.5.2反向传播2.5.3梯度理论2.5.4正则化习题第3章基于PaddlePaddle的项目开发流程介绍3.1PaddlePaddle简介3.2手把手教你完成项目实战 3.2.1需求分析3.2.2环境配置 3.2.3数据准备数据集制作\o"数据集定义与加载"数据集定义与加载数据预处理3.2.4模型配置与训练模型组网自定义指标模型训练与可视化 3.2.5模型测试3.2.6模型加载与保存 3.2.7模型部署3.3利用工具箱完成项目实战3.3.1需求分析3.3.2环境配置3.3.3快速体验 3.3.4数据准备3.3.5模型配置与训练3.3.6模型测试3.3.7模型加载与保存 3.3.8模型部署第4章PaddleOCR项目实战4.1数显屏数据自动识别系统4.1.1系统需求分析4.1.2系统结构设计4.1.3PaddleOCR算法开发4.1.4系统测试与部署4.2中文表格识别4.3手写文字识别第5章目标检测项目实战5.1生产工序自动识别系统5.1.1系统需求