*完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202308*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:裝配過程智能監測 ISBN:9787030752840 出版社:科學 著編譯者:陳成軍 頁數:192 所在地:中國大陸 *此為代購商品 書號:1563996 可大量預訂,請先連絡。 內容簡介 裝配過程監測是保證產品裝配質量和裝配效率的關鍵環節。本書應用機器視覺和人工智慧技術研究一系列面向裝配過程監測的技術和方法,並從裝配體監測、裝配操作監測和螺栓裝配力/力矩監測三個方面開展系統介紹。全書共8章,詳細闡述人工智慧技術基礎知識以及基於人工智慧的裝配過程監測。第1、2章介紹了裝配過程監測的基礎知識;第3∼7章介紹了基於深度學習的裝配監測方法,包括像素點特徵提取演算法、語義分割技術和動作識別技術等;第8章總結全書內容,並進行展望。 本書可供從事視覺監測研究和應用的人員參考,也可作為機械工程及相關專業高年級本科生和碩士生的輔導教材。目錄 前言第1章 緒論 1 1 裝配過程監測的意義 1 2 裝配過程監測的國內外研究現狀 1 2 1 裝配體監測的研究現狀 1 2 2 裝配操作監測的研究現狀 1 2 3 螺栓裝配力/力矩監測的研究現狀 1 3 本書主要內容 第2章 人工智慧技術基礎 2 1 隨機森林分類器 2 1 1 決策樹模型 2 1 2 隨機森林分類器模型 2 2 神經網路技術 2 2 1 單層感知器 2 2 2 全連接神經網路 2 2 3 卷積神經網路 2 2 4 循環神經網路 2 2 5 長短期記憶神經網路 2 3 開發平台 第3章 深度圖像標記樣本庫構建 3 1 合成深度圖像標記樣本庫構建 3 2 真實深度圖像標記樣本庫構建 3 2 1 Kinect感測器 3 2 2 真實深度圖像的獲取及處理 3 2 3 真實深度圖像的標記 第4章 基於像素點特徵提取演算法的裝配體監測 4 1 基於PX-LBP特徵的像素分類 4 1 1 PX-LBP特徵提取演算法 4 1 2 隨機森林分類器 4 1 3 實驗及結果分析 4 2 基於深度差分特徵的像素分類 4 2 1 深度差分特徵 4 2 2 實驗及結果分析 4 2 3 PX-LBP特徵與深度差分特徵對比 4 3 零件識別及裝配監測 4 3 1 像素預測圖像獲取 4 3 2 基於深度圖像的零件識別 4 3 3 基於深度圖像的裝配監測 第5章 基於深度學習的裝配體監測 5 1 基於多跳躍式全卷積神經網路的裝配體深度圖像語義分割方法 5 1 1 多跳躍式全卷積神經網路 5 1 2 實驗及結果分析 5 2 基於可訓練引導濾波器和多尺度特徵圖的裝配體深度圖像語義分割方法 5 2 1 基於可訓練引導濾波器和多尺度特徵圖的網路結構 5 2 2 其他語義分割網路 5 2 3 實驗相關設置 5 2 4 實驗及結果分析 5 3 基於U-Net的裝配體深度圖像輕量級語義分割方法 5 3 1 U-Net網路結構 5 3 2 SKC-UNet+DenseCRF網路結構 5 3 3 其他語義分割網路 5 3 4 實驗相關設置 5 3 5 實驗及結果分析 第6章 基於深度學習的裝配操作監測 6 1 基於三維卷積神經網路的裝配動作監測 6 1 1 裝配動作監測流程及數據集的建立 6 1 2 三維卷積神經網路模型結構 6 1 3 基於批量歸一化的改進三維卷積神經網路 6 1 4 實驗及結果分析 6 2 基於目標檢測的裝配工具檢測 6 2 1 裝配工具監測流程 6 2 2 目標檢測相關模型分析 6 2 3 實驗及結果分析 6 3 基於姿態估計的裝配動作重複次數檢測 6 3 1 研究流程 6 3 2 姿態估計模型分析 6 3 3 實驗及結果分析 第7章 基於表面肌電圖信號的螺栓裝配監測 7 1 螺栓裝配扭矩實驗台及數據集建立 7 1 1 螺栓裝配扭矩實驗台 7 1 2 扭矩分類數據集製作及數據預處理 7 1 3 扭矩回歸數據集製作及數據預處理 7 2 基於卷積神經網路的裝配扭矩分類粒度估計 7 2 1 多粒度分割并行卷積神經網路 7 2 2 2D CNN模型 7 2 3 實驗及結果分析 7 3 基於回歸神經網路的螺栓裝配扭矩監測 7 3 1 基於回歸神經網路的螺栓裝配扭矩監測流程 7 3 2 回歸神經網路模型 7 3 3 實驗及結果分析 第8章 總結與展望 8 1 本書總結 8 2 研究展望 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |