在智能制造高质量发展的背景下，机器视觉技术作为工业自动化和智能化升级的核心驱动力，凭借其高精度、高效率、非接触性和可重复性等显著优势，在电子制造、汽车工业、食品包装、医药生产等领域发挥着不可替代的作用。掌握机器视觉技术不仅是自动化、计算机、人工智能等专业学生的必备能力，更是推动制造业数字化转型和智能化升级的关键支撑。本书作为校企合作的新形态教材，紧密结合产业发展需求，以“项目引领、任务驱动”为主线，设计了从基础到综合、从简单到复杂的系列化项目。所有项目均源自企业真实应用场景，融入新技术、新工艺、新材料、新设备要求和工程教育理念，全面覆盖企业项目流程，包括项目领取、项目调研、项目分析、项目实施和项目总结几个环节。创新性地引入工程师在线模块，通过真实案例剖析企业项目实施过程中的难点与解决方案，帮助学生深入理解行业应用中的实际问题。本书适用于普通本科、高职高专院校自动化技术、计算机技术、人工智能技术应用、工业机器人应用等专业的教学，同时可作为机器视觉、自动化领域的研究者及技术人员的参考用书。本书注重理论与实践的深度融合，配套省级资源库教学资源，既可以满足课堂教学需要，又适合自学和职业培训使用。

王肖，近五年专注于《机器视觉技术及应用》课程建设，依托课程开发教学资源库，目前完成资源库微课等资源1990个，指导学生参加机器视觉系统应用大赛，荣获浙江省一等奖等奖项五项，作为负责人，浙江浙江省教学能力大赛，荣获省二等奖一次，三等奖两次。获杭州市教育局系统优秀教师，深入杭州海康威视、杭州汇萃视觉、深圳越疆等企业进行调研和交流，深度参与企业项目，该课程已在职教云平台授课四轮，学生评价较高，课程获校级精品在线开放课程、校级课程思政示范课程、立项校级新形态教材，目前已和合作企业共同完成教材的所有项目实操，梳理了课程思政素材，拍摄了教学微课资源,为教材顺利出版打下了坚实基础

项目1 象棋图像采集视觉环境搭建 1
1.1　项目领取 1
1.1.1 项目背景 1
1.1.2 项目要求 2
1.2　项目调研 2
1.2.1 机器视觉系统的定义、功能和应用 2
1.2.2 机器视觉系统的构成 6
1.2.3 常见机器视觉软件介绍 8
1.3　项目分析 9
1.3.1 任务划分 9
1.3.2 方案设计 9
1.4　项目实施 10
1.4.1 硬件系统环境搭建 10
1.4.2 软件安装与参数调试 14
1.4.3 读取本地图像并保存 18
1.4.4 采集象棋图像并保存 20
1.5　项目总结 23
1.5.1 项目核验 23
1.5.2 工程师在线 24
项目2 商品码制识别 25
2.1　项目领取 25
2.1.1 项目背景 25
2.1.2 项目要求 26
2.2　项目调研 26
2.2.1 相机成像原理 26
2.2.2 工业相机的类型、参数和选型 27
2.2.3 工业镜头的类型、参数和选型 32
2.2.4 码制识别的原理及其应用 36
?
2.3　项目分析 37
2.3.1 任务划分 37
2.3.2 方案设计 37
2.4　项目实施 39
2.4.1 图像采集 39
2.4.2 条码识别 40
2.4.3 二维码识别 41
2.4.4 格式化输出 42
2.5　项目总结 44
2.5.1 项目核验 44
2.5.2 工程师在线 44
项目3 电子元器件字符识别 45
3.1　项目领取 45
3.1.1 项目背景 45
3.1.2 项目要求 46
3.2　项目调研 46
3.2.1 光源的类型和选型 46
3.2.2 模板匹配原理 49
3.2.3 仿射变换原理 49
3.2.4 字符识别技术的原理及应用 50
3.3　项目分析 50
3.3.1 任务划分 50
3.3.2 方案设计 51
3.4　项目实施 53
3.4.1 图像采集 53
3.4.2 元器件定位 53
3.4.3 元器件识别 55
3.5　项目总结 61
3.5.1 项目核验 61
3.5.2 工程师在线 62
项目4 器件缺陷检测 63
4.1　项目领取 63
4.1.1 项目背景 63
4.1.2 项目要求 65
4.2　项目调研 65
4.2.1 位置修正原理 65
4.2.2 缺陷检测原理 66
4.2.3 逻辑判断 70
4.3　项目分析 71
4.3.1 任务划分 71
4.3.2 方案设计 71
4.4　项目实施 73
4.4.1 器件识别定位 73
4.4.2 内胶路缺陷检测 76
4.4.3 内表面缺陷检测 80
4.4.4 输出合格性信息 82
4.5　项目总结 84
4.5.1 项目核验 84
4.5.2 工程师在线 85
项目5 机械零件尺寸测量 86
5.1　项目领取 86
5.1.1 项目背景 86
5.1.2 项目要求 87
5.2　项目调研 88
5.2.1 XY标定的基本原理和方法 88
5.2.2 点、线、圆查找的基本原理 89
5.2.3 测量方法 89
5.3　项目分析 90
5.3.1 任务划分 90
5.3.2 方案设计 90
5.4　项目实施 93
5.4.1 相机标定 93
5.4.2 零件识别定位 95
5.4.3 零件长宽测量 98
5.4.4 零件圆形尺寸测量 102
5.5　项目总结 107
5.5.1 项目核验 107
5.5.2 工程师在线 108
项目6 彩色物块定位识别 109
6.1　项目领取 109
6.1.1 项目背景 109
6.1.2 项目要求 110
6.2　项目调研 110
6.3　项目分析 110
6.3.1 任务划分 110
6.3.2 方案设计 111
6.4　项目实施 113
6.4.1 相机标定和图像采集 113
6.4.2 彩色物块定位 114
6.4.3 彩色物块识别 116
6.5　项目总结 118
6.5.1 项目核验 118
6.5.2 工程师在线 119
项目7 饮料瓶盖识别 120
7.1　项目领取 120
7.1.1 项目背景 120
7.1.2 项目要求 121
7.2　项目调研 121
7.2.1 深度学习的基本原理 121
7.2.2 图像分割方法 122
7.3　项目分析 123
7.3.1 任务划分 123
7.3.2 方案设计 123
7.4　项目实施 125
7.4.1 训练样本采集 125
7.4.2 分割模型训练 127
7.4.3 瓶盖识别 130
7.5　项目总结 132
7.5.1 项目核验 132
7.5.2 工程师在线 132
项目8 乳制品字符缺陷检测 133
8.1　项目领取 133
8.1.1 项目背景 133
8.1.2 项目要求 134
8.2　项目调研 134
8.2.1 图像分类模型 134
8.2.2 目标检测模型 136
?
8.3 项目分析 137
8.3.1 任务划分 137
8.3.2 方案设计 138
8.4　项目实施 140
8.4.1 外包装分类 140
8.4.2 字符定位 147
8.4.3 字符缺陷检测 150
8.4.4 输出合格性信息 154
8.5　项目总结 156
8.5.1 项目核验 156
8.5.2 工程师在线 156
项目9 物流包裹测量 158
9.1　项目领取 158
9.1.1 项目背景 158
9.1.2 项目要求 159
9.2　项目调研 159
9.2.1 3D视觉方案 159
9.2.2 3D相机的原理 159
9.2.3 3D相机的性能参数 162
9.3　项目分析 164
9.3.1 任务划分 164
9.3.2 方案设计 164
9.4　项目实施 165
9.4.1 环境搭建 165
9.4.2 背景建立 167
9.4.3 包裹测量 177
9.5　项目总结 181
9.5.1 项目核验 181
9.5.2 工程师在线 182
项目10 视觉上件机器人 183
10.1　项目领取 183
10.1.1 项目背景 183
10.1.2 项目要求 184
10.2　项目调研 184
10.2.1 手眼标定 184
10.2.2 机器人通信 185
10.2.3 机器人编程 186
10.3　项目分析 186
10.3.1 任务划分 186
10.3.2 方案设计 186
10.4　项目实施 187
10.4.1 环境搭建 187
10.4.2 3D手眼标定 190
10.4.3 机器人程序 193
10.4.4 数据通信 198
10.5　项目总结 199
10.5.1 项目核验 199
10.5.2 工程师在线 200