机器视觉及其应用实验报告
H a r b i n I n s t i t u t e o f T e c h n o l o g y
实验报告
课程名称：机器视觉及其应用实验名称：摄像机标定上机验证院系：自动化测试与控制系班级：
实验人：胡洋
学号：6100100311
教师：陈凤东
实验时间：2013.11.8
哈尔滨工业大学
《机器视觉及其应用》实验报告
一、 实验名称：
摄像机标定上机验证
二、 实验人员：胡洋 三、 实验日期：2013.11.8 四、 实验目的：
上机验证摄像机标定方法
五、 实验原理：
摄像机标定是一个确定摄像机内部参数(包括几何与光学参数)和外部参数(包括摄像机相对世界坐标的位置及方向)的过程。
摄像机标定的目的是建立摄像机世界坐标系中坐标T w w w z y x ),,(与其相应图像像素坐标(u,v)之间的关系。最终实现利用计算机采集得到的二维图像来恢复待测物体的三维信息的目的。
摄像机标定方法是视觉系统实现的前提和基础。目前现有的摄像机标定技术大体可以分成两类：传统的摄像机标定方法和摄像机自标定方法。
传统的摄像机标定方法是在一定的摄像机模型基础上，基于形状、尺寸已知的特定参照物，利用参照物上的特征点的世界坐标和相应的像素坐标之间的关系，通过一系列数学变换和计算方法，求取摄像机模型的内外参数。传统的摄像机标定方法需要高精度的已知结构信息，过程复杂，但是标定精度高，适用于多种摄像机模型。
而摄像机自标定方法则不依赖特定的标定参照物，仅仅利用摄像机获取的一系列图像信息来确定摄像机参数。摄像机自标定方法对环境适应较好，可以无人参与下完成标定，但是精度低，鲁棒性不足，不适用于测量场合。
传统的摄像机标定方法按其求解的方法可分为三类：线性方法、非线性优化方法和考虑畸变补偿的两步法[15]。
线性方法不需要迭代，速度较快。但是定标过程中忽略了摄像机镜头的非线性畸变，使得定标精度受到影响。一般的线性求解方法是透镜变换方法和直接线性变换(DLT)方法，他们都是利用一定数目的已知特征点的成像信息和公式(2-18)的投影变换矩阵求解。
??
??
??
????????????????=??????????1123222120
1312111003020100w w w z y x m m m m m m m m m m m m v u s (2-18) 本实验采用传统的摄像机标定方法。在传统的标定方法中，标定参照的标准
件的精度对标定结果的影响较大。但3D 立体靶标的制作成本较高，且加工精度
受加工条件的限制。基于2D 平面靶标提出了摄像机标定方法避免了一般传统方法对设备要求较高，操作繁琐等缺点，同时标定精度高。
在标定过程中，要求平面靶标至少有两个不同的姿态，摄像机和平面靶标都可以自由的移动，不需要知道运动参数，且不论摄像机从任何角度拍摄靶标，摄像机内部参数都为常数，只有外部参数发生变化。该标定示意图如图7所示。
第一步：求解测量平面与图像平面之间的单应性矩阵。测量平面上的三维点记为T z y x M ),,(=，其相应图像平面上的二维点记为T v u m ),(=，则相应的齐次
坐标分别为(,,1)T M x y z =%，与T v u m )1,,(~=。摄像机基于针孔成像模型，空间点M 与
图像点m 之间的关系为：
M T R A m s ~]|[~= (2-19)
图7 二维平面标靶标定示意图
其中，s 为一任意的非零尺寸因子，A 矩阵称为摄像机的内部参数矩阵，定义为：
?????
?????=10
0000v u A y
x αγ
α (2-20)
),(00v u 为主点坐标，x α、y α分别是u 轴和v 轴的尺度因子，γ是u 轴和v 轴的不
垂直因子。旋转矩阵R 与平移向量T 称为摄像机的外部参数矩阵。
为了不失一般性，可以假设测量平面位于世界坐标系的0=w Z 平面。记旋转矩阵的第i 列为i r ，则由式(2-19)可得式(2-21)。
c
[][]??????????=??
??
??
??????=????
?
?????1101213
21y x T r r A y x T r r r A v u s
(2-21)
将式子(2-21)进一步简化，得到：
M H m
s ~~= (2-22)
其中，H 就是要求得的测量平面与图像平面之间的单应性矩阵。则
[]12H A r r T λ=为一3*3的矩阵，λ为一个常数因子。
由于摄像机图像平面的点的坐标可以通过图像处理的方式获取。所以每张图片都可以计算出一个H 矩阵。
第二步：摄像机内部参数的求解。记[]32
1h h h H =，则有：
[][]
T r r A h h h 2132
1
λ= (2-23)
因为r 1和r 2是标准正交的。所以可以得到关于内参的两个限制条件：
1120
T T h A A h --= (2-24)
11
1122
T T T T h A A h h A A h ----= (2-25)
设
11
1213121
222331
32
33T B B B B A A B B B B B B --????==?????? (2-26)
可知B 矩阵是一个对阵矩阵，所以可以写成一个六维向量形式：
[]332313221211,,,,,B B B B B B b =。设H 中的第i 列向量为[]T
i i i i h h h h 321,,=，那么可以将
公式(2-24)改写为：
b
v Bh h ij j T i = (2-27)
[
]T
j i j i j i j i j i j i j i j i j i ij h h h h h h h h h h h h h h h h h h v 333223311322122111,,,,,+++= (2-28)
最后根据内参限制条件(2-24)、(2-25)得到：
0)(221112
=?
?????-b v v v T T
(2-29)
V 矩阵是2*6矩阵，也就是说每张图像可以建立起两个方程，b 矩阵有六个未知数，也就是说至少三张图片就可以求出b 矩阵。b 矩阵的解出，相机内参矩阵A 也就可以解出来了，而从每张图像的R 矩阵、T 向量也就可以得到了。
双目摄像机与单目摄像机的区别是：双目摄像机中还需要确定两个摄像机之间的位置关系，其中，R 0和T 0分别表示旋转矩阵和平移向量。通过标定确定两
个摄像机的内部参数以及外部参数，其中，R 1、T 1与R 2、T 2分别表示左、右摄像机与世界坐标系的相对位置。
假定空间中任意一点在世界坐标系、左摄像机坐标系和右摄像机坐标系下的非齐次坐标分别为x w 、x 1、x 2，则有：
111222x ,w w R x T x R x T =+=+ (2-30)
消去x w ，得到：
11
22112211x R R x T R R T --=+- (2-31)
两个摄像机之间的位置关系R 0、T 0可以用以下关系式表示：
11
0212211,R R R T T R R T --==- (2-32)
第三步：参数优化。因为初始的参数已经求解出来了，所以将每张图像的控制点根据求解的参数重新投影回三维空间，最小化与真实值的差异，其实就是建立非线性最小化模型。这里用的是Levenberg-Marquardt 迭代算法，从而计算出所有参数的准确值。
第四步：使用HALCON 软件工具，验证上述标定过程。
六：实验结果：
##################################################################### #########
#
# Camera : Parameter
# > Focus
# > Kappa
# > Sx
# > Sy
# > Cx
# > Cy
# > ImageWidth
# > ImageHeight
ParGroup: Camera: Parameter;
"Internal camera parameters";
Focus:foc: 0.71021;
DOUBLE:0.0:;
"Focal length of the lens";
Kappa:kappa: -640.1;
DOUBLE::;
"Radial distortion coefficient";
Sx:sx: 7.456e-006;
DOUBLE:0.0:;
"Width of a cell on the sensor";
Sy:sy: 7.4e-006;
DOUBLE:0.0:;
"Height of a cell on the sensor";
Cx:cx: 333.4;
DOUBLE::;
"X-coordinate of the image center";
Cy:cy: 244.960933309793;
DOUBLE::;
"Y-coordinate of the image center"; ImageWidth:imgw: 652;
INT:1:32768;
"Width of the images";
ImageHeight:imgh: 494;
INT:1:32768;
"Height of the images";
#
# HALCON Version 11.0 -- Fri Nov 01 14:33:12 2013 #
外参数标定：
七：实验总结和分析：
通过实验前的理论准备，对摄像机的坐标标定原理及方法有了一定认识，在实验中，了解了实际应用中标定的基本操作方法和HALCON软件工具的使用方法和编程手段，以及其中常用的一些算法函数等，理论与实际相结合，从而对摄像机的各种坐标系转换和坐标标定有了更深入的理解，为以后更深入的学习打下了一定基础。
2018年机器视觉实验报告-范文模板 (13页)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 机器视觉实验报告 实验报告 课程名称： 班级： 姓名： 学号： 实验时间： 实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1. 双击桌面上的matlab图标，打开matlab软件 2. 了解菜单栏、工具栏、状态栏、命令窗口等
如下图1-1所示 图 1-1 3. 了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。 图1-3 4. 找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示 图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。 实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。
《机器视觉及其应用》习题
第一章机器视觉系统构成与关键技术 1、机器视觉系统一般由哪几部分组成？机器视觉系统应用的核心目标是什么？主要的分 成几部分实现？ 用机器来延伸或代替人眼对事物做测量、定位和判断的装置。组成：光源、场景、摄像机、图像卡、计算机。用机器来延伸或代替人眼对事物做测量、定位和判断。三部分：图像的获取、图像的处理和分析、输出或显示。 2、图像是什么？有那些方法可以得到图像？ 图像是人对视觉感知的物质再现。光学设备获取或人为创作。 3、采样和量化是什么含义？ 数字化坐标值称为取样，数字化幅度值称为量化。采样指空间上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的操作；量化指把采样后所得的各像素的灰度值从模拟量到离散量的转换。采样和量化实现了图像的数字化。 4、图像的灰度变换是什么含义？请阐述图像反色算法原理？ 灰度变换指根据某种目标条件按照一定变换关系逐点改变原图像中每一个像素灰度值，从而改善画质，使图像的显示效果更加清晰的方法。对于彩色图像的R、G、B各彩色分量取反。 第二章数字图像处理技术基础 1、对人类而言，颜色是什么？一幅彩色图像使用RGB色彩空间是如何定义的？24位真彩 色，有多少种颜色？ 对人类而言，在人类的可见光范围内，人眼对不同波长或频率的光的主观感知称为颜色。 一幅图像的每个像素点由24位编码的RGB 值表示：使用三个8位无符号整数（0 到255）表示红色、绿色和蓝色的强度。256*256*256=16,777,216种颜色。 2、红、绿、蓝三种颜色为互补色，光照在物体上，物体只反射与本身颜色相同的色光而吸 收互补色的光。一束白光照到绿色物体上，人类看到绿色是因为？ 该物体吸收了其他颜色的可见光，而主要反射绿光，所以看到绿色。 3、成像系统的动态范围是什么含义？ 动态范围最早是信号系统的概念，一个信号系统的动态范围被定义成最大不失真电平和噪声电平的差。而在实际用途中，多用对数和比值来表示一个信号系统的动态范围，比如在音频工程中，一个放大器的动态范围可以表示为： D = lg（Power_max / Power_min）×20； 对于一个底片扫描仪，动态范围是扫描仪能记录原稿的灰度调范围。即原稿最暗点的密度（Dmax）和最亮处密度值(Dmin)的差值。 我们已经知道对于一个胶片的密度公式为D = lg（Io/I）。那么假设有一张胶片，扫描仪向其投射了1000单位的光，最后在共有96%的光通过胶片的明亮（银盐较薄）部分，而在胶片的较厚的部分只通过了大约4%的光。那么前者的密度为： Dmin=lg（1000/960）= 0.02； 后者的密度为： Dmax=lg（1000/40）= 1.40 那么我们说动态范围为：D=Dmax-Dmin=1.40-0.02=1.38。
建筑工程测量实验报告
江西理工大学建筑工程测量 实验报告 专业建筑学 年级13级 班级**** 学号**** 姓名**** 2015年月日
目录 第一部分实验项目内容及要求第二部分实验报告 第三部分实验心得体会和建议
第一部分实验项目内容及要求
第二部分实验报告 实验报告一 日期2015.10.10 班组第六组学号*号姓名**** ㈠完成下列填空 1.安置仪器后，转动三个脚螺旋使圆水准器气泡居中，转动 目镜对光螺旋看清十字丝，通过镜筒上方的缺口和准星瞄准水准尺，转动水平微动螺旋精确照准水准尺，转动物镜对光螺旋进行对光消除视差，转动微倾螺旋使符合水准器气泡居中，最后读数。 2.消除视差的步骤是转动目镜对光螺旋使十字丝清晰，再转动 物镜对光螺旋使水准尺的分划像清晰。 ㈡实验记录和计算 1.记录水准尺上读数填入表2-1-1中。
表2-1-1 2.计算(基于黑红面读数的平均值) ⑴A点比C点低0.199 m。 ⑵B点比D点高0.388 m。 ⑶C点比E点高0.154 m。 ⑷假设C点的高程H C=158.936 m，求A点、B点、C点、D点、E点的高程，即：A A= 158.737 m，H B= 159.070 m，H C= 158.936m，H D= 158.682 m，H E= 158.782 m，水准仪的视线高程 H I= 160.458 m。 ㈢出图2-1-1中水准仪各部件的名称
图2-1-1 1）目镜对光螺旋；2）望远镜； 3）水准管；4）水平微动螺旋； 5）圆水准器；6）校正螺旋； 7）水平制动螺旋；8）准星； 9）脚螺旋；10）微倾螺旋； 11）水平微动螺旋；12）物镜对光螺旋； 13）缺口；14）三脚架。 实验报告二水准测量 日期2015.10.10 班组第六组学号*号姓名*** ㈠水准测量的外业记录及其高程计算 实验数据记入表2-2-1，进行高程的计算，并进行验算，以确保各项计算准确无误。 表2-2-1 水准测量的外业记录及其高程计算
二维影像测量仪实验报告
一、实验目的 采用影像测量仪验收印刷电路板。 要求： （1）学习并掌握影像测量仪的构成和工作原理； （2）通过实践，掌握影像测量仪的操作使用，包括仪器的调节、标定、瞄准、测量；（3）掌握仪器软件的使用，测量数据采集，数据处理，误差评定； （4）采用投射/反射照明测量，测量印刷电路板，要求测量BGA封装（至少测量10个焊盘）焊盘的尺寸、焊盘间距；至少测量十条引线的线宽和间距；至少测量10 个过孔的尺寸。 （5）对照设计图纸，给出合格性结论，形成测量报告。 （6）撰写实验报告，包括原理、步骤、数据与处理、结论等。 二、影像测量仪的构成和工作原理 （1）构成 影像测量仪是一种由高解析度CCD彩色镜头、连续变倍物镜、彩色显示器、视频十字线显示器、精密光栅尺、多功能数据处理器、数据测量软件与高精密工作台结构组成的高精度光学影像测量仪器。 图1总体结构
加工定制：否分辨率：0.001（mm）测量行程：250*150*200（mm） 品牌：贵阳新天型号：JVB250 放大倍率：光学0.7-4.5X 影像28-180X 操作方式：手动测量精度：(3+L/200)um 外形尺寸（长*宽*高）：1000*650*1650（mm） JVB250的规格参数： ①测量范围: X坐标: 250mm Y坐标: 150mm 调焦行程: Z坐标: 200mm ②X、Y、坐标分辨率： 0.0005mm ③仪器准确度：(3+L/200)μm 其中L为被测长度，单位mm ④CCD摄像机：1/3″彩色摄像机，象素数：795(H)×596(V) ⑤物镜放大率： 0.7 ～ 4.5×连续变倍，影像放大28～ 180倍。 ⑥与放大率对应的物镜工作距离：75mm～90mm ⑦与放大率对应的物面最大高度：150mm～130mm ⑧工作台承重：30kg ⑨金属工作台尺：450mm×300mm ⑩主机外形尺寸：580mm×750mm×660mm （2）工作原理 影像测量仪是基于机器视觉的自动边缘提取、自动理匹、自动对焦、测量合成、影像合成等人工智能技术，具有点哪走哪自动测量、CNC走位自动测量、自动学习批量测量的功能，影像地图目标指引，全视场鹰眼放大等优异的功能。同时，基于机器视觉与微米精确控制下的自动对焦过程，可以满足清晰影像下辅助测量需要，亦可加入触点测头完成坐标测量。支持空间坐标旋转的优异软件性能，可在工件随意放置或使用夹具的情况下进行批量测量与SPC结果分类。 被测工件置于工作台上，在投射或反射光照明下，工件影像被摄像头摄取并传送到计算机，此时可使用软件的影像、测量等功能，配合对工作台的坐标采集，对工件进行点、线、面全方位测量。 影像测量仪是利用表面光或轮廓光照明后，经变焦距物镜通过摄像镜头，摄取影像再通过S端子传送到电脑屏幕上，然后以十字线发生器在显示器上产生的视频十字线为基准对被测物进行瞄准测量。并通过工作台带动光学尺，在X、Y方向上移动由DC-3000多功能数据处理器进行数据处理，通过软件进行演算完成测量工作。影像测量主要是利
机器视觉在自动化生产中的应用
机器视觉在自动化生产中的应用 如今，自动化技术在我国发展迅猛，人们对于机器视觉的认识更加深刻，对于它的看法也发生了很大的转变。机器视觉系统提高了生产的自动化程度，让不适合人工作业的危险工作环境变成了可能，让大批量、持续生产变成了现实，大大提高了生产效率和产品精度。快速获取信息并自动处理的性能，也同时为工业生产的信息集成提供了方便。随着机器视觉技术成熟与发展，我们不难发现其应用范围越加的广泛，根据这些领域，我们大致可以概括出机器视觉的五大典型应用，这五大典型应用也基本可以概括出机器视觉技术在工业生产中能够起到的作用。 一、图像识别应用 图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别了，二维码就是我们平时常见的条形码中最为普遍的一种。将大量的数据信息存储在这小小的二维码中，通过条码对产品进行跟踪管理。通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。 二、图像检测应用 检测是机器视觉工业领域最主要的应用之一，几乎所有产品都需要检测，而人工检测存在着较多的弊端，人工检测准确性低，长时间工作的话，准确性更是无法保证，而且检测速度慢，容易影响整个生产过程的效率。因此，机器视觉在图像检测的应用方面也非常的广泛，例如：硬币边缘字符的检测。2000年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统。另外，其还可应用于印刷过程中的套色定位以及较色检查、包装过程中的饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别，玻璃瓶的缺陷检测等。其中，机器视觉系统对玻璃瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。 三、视觉定位应用 视觉定位要求机器视觉系统能够快速准确的找到被测零件并确认其位置。在半导体封装领域，设备需要根据机器视觉取得的芯片位置信息调整拾取头，准确拾取芯片并进行绑定，这就是视觉定位在机器视觉工业领域最基本的应用。 四、物体测量应用 机器视觉工业应用最大的特点就是其非接触测量技术，同样具有高精度和高速度的性能，但非接触无磨损，消除了接触测量可能造成的二次损伤隐患。常见的测量应用包括，齿轮，接插件，汽车零部件，IC元件管脚，麻花钻，罗定螺纹检测等。 五、物体分拣应用 实际上，物体分拣应用是建立在识别、检测之后一个环节，通过机器视觉系统将图像进行处理，实现分拣。在机器视觉工业应用中常用于食品分拣、零件表面瑕疵自动分拣、棉花纤维分拣等。
机器视觉在汽车行业中的应用
机器视觉在汽车行业中的应用 机器视觉在汽车行业有着广泛的应用，可大大提高工作效率，保证工作质量。下面介绍机器视觉在汽车行业应用的一些实例：（1）汽车总装和零部件 检测1. 零部件尺寸、外观、形状2. 总成部件错漏装、方向、位置检测3. 读码、型号、生产日期检测4. 总装配合机器人焊接导向和质量检测5. 电器性能检测、功能检测6. 智能交通、车牌识别（2）安全带滚轮检测：1. 检测轴长超差，轮片弯折，过槽有毛刺2. 机构精确旋转定位3. 大景深镜头确保毛刺观测清晰4. 系统检测精度0.2mm，检测速度30 个/Min（3）车锁组装检测系统1. 零部件缺失检测，类型检测2. 任意多的零部件检测3. 蜗轮蜗杆齿轮角度4. 系统根据国外信号自动切换38 种产品程序（4）汽车控制版面检测系统1. 检测面板按钮装配，按钮镭雕尺寸2. 大面阵摄像头提高检测精度3. 自动系统确保没有错件流出4. 字符对错、位置检测（5）线束保险丝盒（锡明标准设备）1. 4 万次连续检测没误判、错判2. 字符对错，颜色对错，位置对错3. 条形码读码器调用不同产品程序4. 检测完成打印输出正确结果5. 对正确产品进行贴标（6）汽车仪表盘检测1. 仪表盘指针角度检测，指示灯颜色检测2. 单个摄像头观测液晶屏数字变化的仪表盘3. 彩色摄像头测量各指示灯的颜色4. 打光方式兼容所有的仪表盘外形5. 图像检测的同时进行功能性测试（7）保险丝检测系统（锡明标准系统）1. 保险丝电阻阻植检测2. 有无垫片、有无螺帽固定3. 自由切换产品4. 系统稳定，检测确保零误判率（8）发动机检测1. 机加工位置、形状和尺寸大小，包括圆弧2. 正时链位置检测3. 活塞标记方向和型号检测4. 曲轴连杆连码、字符、型号检测5. 点胶检测6. 缸体缸盖读码、字符、型号检测7. 数据库追溯（8）点胶检测系统/ 如发动机应用（锡明标准成熟标准系统）1. 可以检测胶水轨迹上的任意一段宽度2. 胶水可以呈透明状3. 机器
机器视觉实验报告3
实验五图像的分割与边缘提取 一、实验内容 1.图像阂值分割 实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
2.边缘检测 实验代码： clear all, close all; I=imread('flower.tif'); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); BW3=edge(I,'prewitt'); BW4=edge(I,'roberts'); BWS=edge(I,'log'); figure(1), imshow(I), title('Original Image'); figure(2), imshow(BW1), title('sobel'); figure(3), imshow(BW2), title('canny'); figure(4), imshow(BW3), title('prewitt'); figure(5), imshow(BW4), title('roberts'); figure(6), imshow(BWS), title('log'); %在完成上述试验后,查看函数edge()使用说明。help edge 运行结果：
机器视觉的现状及其应用
河北工业大学 院系：河北工业大学机械工程学院 班级：机研155班 姓名：翟云飞 学号： 201531204037 题目：机器视觉技术及其应用
目录 1.机器视觉的发展现状 2.机器视觉系统组成 2.1机器视觉系统的工作原理 3.机器视觉的应用 3.1基于机器视觉的FPC嵌入式检测系统检测系统 3.2基于机器视觉的柔性制造岛在线零件识别系统 3.3基于机器视觉的PCB光板缺陷检测技术 3.4新兴行业 4.机器视觉发展趋势 5.中国机器视觉产业的发展现状 5.1、随着产业化的发展对机器视觉的需求将呈上升趋势 5.2、统一开放的标准是机器视觉发展的原动力 5.3、基于嵌入式的产品将取代板卡式产品 5.4、标准化、一体化解决方案也将是机器视觉的必经之路 6.参考文献
1.中国机器视觉的发展趋势 近年来，机器视觉已经发展成为光电子的一个应用分支，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。机器视觉在中国的蓬勃发展，使从事机器视觉的公司和人员大量涌现。首先概述了机器视觉技术的基本原理并分析了机器视觉系统的构建；接着论述了机器视觉技术的当前主要应用领域与情况；最后分析了现阶段机器视觉技术存在的问题。 2.机器视觉系统组成及其工作原理 简言之，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 从原理上机器视觉系统主要由三部分组成：图像的采集、图像的处理和分析、输出或显示。—个典型的机器视觉系统应该包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。
机器视觉在医疗器械行业的运用
机器视觉在医疗器械行业的应用 摘要一次性注射针的外观缺陷是影响产品质量的主要因素。为了实现对注射针的外观缺陷检测自动化，本文研究了用西门子机器视觉[1]技术结合西门子自动化[2]设备在线检测注射针的外观缺陷并自动剔除不合格产品的方法。在实际生产过程的运用中，注射针检测系统得到了多家医疗器械厂商的好评。 关键词一次性注射针缺陷检测西门子机器视觉自动化 Abstract The defect on the appearance of the one-off injector pin is the main influencing factor to it’s quality. To realize defect inspection automatically for the defect on the appearance of the one-off injector pin, some defect inspecting methods for the one-off injector pin by SIMATIC machine vision combine with SIMATIC automatic equipment are studied in this article. In actual project, the equipment of Hang zhou Huafeng automatic company that inspects the appearance of the one-off injector pin obtained good effect from many medical instrument manufacturers. Key Words one-off injector pin, defect inspection, SIMATIC machine vision, automation 1 引言 随着医疗水平和医疗器械的不断提高和更新，一次性注射针以其方便、卫生的特点深受用户的喜爱，其需求量也迅速增大，而针头外观的好坏直接影响到一次性注射针的质量。所以为了减少不合格品的数量，需要增加检测工序。手工外观检验和产品标记昂贵和不可靠。同时又意味着不近人情的单调工作。这里，自动化机器视觉系统提供了解决这些问题的方案。 2 一次性注射针的缺陷 一次性注射针可以分为针座和针头两个部分。针座的缺陷对产品的质量影响可以不计。而针头就存在着两种缺陷情况：首先针头在制作过程中针尖部位可能会产生毛刺；其次针头在自动装配过程中可能会产生倒插现象（针尖部位被插入针座）。影响针头的几个缺陷为：针尖毛刺、倒插。其中倒插不仅会对产品的质量产生直接的影响，而且严重的会危害到人的
机器视觉及工程应用matlab实例分析
clear all; clc; %RGB分量显示（如图1所示） I=imread('C:\Users\bjut\Desktop\机器视觉\北工大.jpg');%读取图片R=I(:,:,1);%图片中的红色元素存在R中 G=I(:,:,2);%图片中的绿色元素存在G中 B=I(:,:,3);%图片中的蓝色元素存在H中 figure(1) subplot(2,2,1);%生成2*2个子图，当前激活第1个子图 imshow(I);%显示图片 title('原始图像');%图片标题 subplot(2,2,2);%生成2*2个子图，当前激活第2个子图 imshow(R);%显示图片 title('R分量图像');%图片标题 subplot(2,2,3);%生成2*2个子图，当前激活第3个子图 imshow(G);%显示图片 title('G分量图像');%图片标题 subplot(2,2,4);%生成2*2个子图，当前激活第4个子图 imshow(B);%显示图片 title('B分量图像');%图片标题 图1 RGB分量显示
%彩色直方图均衡化（如图2） R1=histeq(R);%对各分量直方图均衡化，得到各分量均衡化图像 G1=histeq(G); B1=histeq(B); I1=cat(3,R,G,B);%创建三维矩阵，R为第一页，G为第二页，B为第三页HSV=rgb2hsv(I);%RGB转换成HSV V=HSV(:,:,3); V=histeq(V);%直方图均衡化 HSV(:,:,3)=V;%明亮度调节 I2=hsv2rgb(HSV); %HSV转换成RGB figure(2);%显示图像 subplot(1,2,1); imshow(I1); title('RGB各分量均衡化'); subplot(1,2,2); imshow(I2); title('V分量均衡化'); 图2 彩色直方图均衡化 %灰度图像伪彩色处理（如图3（a）） I=imread('C:\Users\bjut\Desktop\机器视觉\北工大灰度.jpg'); figure(3); imshow(I); title('灰度图像'); I=im2double(I);%图像数据转换成double型 [W,H]=size(I); R=zeros(W,H); G=zeros(W,H); B=zeros(W,H); L=1; %设置色彩变换函数
机器视觉与智能检测相关课题创新实践-实验报告
《机器视觉与智能检测相关创新实践》 课外实验报告 实验一、图像融合 1.实验内容： 对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己 的手掌图像（可见光图像和红外光图像），并对结果进行简要分析，融合方法可采 用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换 融合方法； 2.实验目标： 1）. 了解融合的概念； 2）. 比较融合方法中不同参数的效果（如直接加权融合中权值的分配） 3.参考图像： （a）红外图像（b）可见光图像 图1 待融合图像 4.实验内容 1）直接加权融合方法： 线性混合操作也是一种典型的二元（两个输入）的像素操作：
通过在范围内改变。 核心代码：image((Y1+Y2)/2); %权值相等 图2 直接融合图像1 图3 直接融合图像2 改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。2）傅里叶变换融合：
对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。然后通过在频域的处理来实现融合。 图4傅里叶变换融合图像1 图5 傅里叶变换融合2 3）小波融合： 小波变换（Wavelet Transform）是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。
图6 小波融合1 图7 小波融合2 5．实验完整代码 1．直接融合 addpath('E:\学习\课件\机器视觉创新实践\曾东明') Y1=imread('1.PNG'); subplot(1,3,1); imshow(Y1); title(' 直接融合1.PNG');
建筑工程混凝土实验实验报告
姓名： 院校学号： 学习中心： _______________ 层次：专升本 专业：土木工程 实验一：混凝土实验 一、实验目的：1、熟悉混凝土的技术性质和成型养护方法；2、掌握砼拌合物工作性的测定和评定方法；3、通过检验砼的立方体抗压强度，掌握有关强度的评定方法。 二、配合比信息： 1 .基本设计指标 (1)设计强度等级C30 (2)设计砼坍落度30-50mm 2.原材料 (1)水泥：种类复合硅酸盐水泥强度等级C32.5 (2)砂子：种类河砂细度模数 2.6 (3)石子：种类碎石粒级5-31.5mm
(4)水：洁净的淡水或蒸馏水
3.配合比：（kg/m3） 三、实验内容： 第1部分：混凝土拌合物工作性的测定和评价 1、实验仪器、设备：电子秤、量筒、坍落度筒、拌铲、小铲、捣棒（直径16mm、长600mm, 端部呈半球形的捣棒）、拌合板、金属底板等。 2、实验数据及结果
第2部分：混凝土力学性能检验 1、实验仪器、设备：标准试模：150mm X 150mm X 150 mm 、振动台、压力试验机(测量精度为土1%,时间破坏荷载应大于压力机全量程的20%;且小于压力机全量程的80%。、压力试验机控制面板、标准养护室(温度20C±2C,相对湿度不低于95%。 2、实验数据及结果 四、实验结果分析与判定： (1、混凝土拌合物工作性是否满足设计要求，是如何判定的？ 答：满足设计要求。实验要求混凝土拌合物的塌落度30—50mm,而此次实验结果中塌落度 为40mm, 符合要求；捣棒在已塌落的拌合物锥体侧面轻轻敲打，锥体逐渐下沉表示粘聚 性良好；塌落度筒提起后仅有少量稀浆从底部析出表示保水性良好。
机器视觉简介
机器视觉概述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 【应用领域】 机器视觉广泛应用于各个方面，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。 【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。系统可再分为、主端电脑(Host Computer)、影像获取卡(Frame Grabber)与影像处理器、影像摄影机、CCTV镜头、显微镜头、照明设备、Halogen光源、LED光源高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。 以上涵盖大部分的机器视觉系统组成部分，在本实验室中机器视觉的主要系统组成为：光源、工控机、工业相机、镜头；其中在进行算法设计时尽量的减少对于光源条件的依赖（实验室的光源性能一般，光照条件良好）。 图1 典型的机器视觉系统
图2 本实验室的机器视觉的主要组成 尽量以本实验室现有的实验条件为主，其他需要的部分按实际要求也可以添加。 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/ 不合格、有/ 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。
建筑工程测量实验报告
建筑工程测量实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
江西理工大学 建筑工程测量 实验报告 专业建筑学 年级13级 班级 **** 学号 **** 姓名 **** 2015年月日 目录 第一部分实验项目内容及要求 第二部分实验报告 第三部分实验心得体会和建议
实验报告一 日期班组第六组学号 *号姓名**** ㈠完成下列填空 1.安置仪器后，转动三个脚螺旋使圆水准器气泡居中，转动 目镜对光螺旋看清十字丝，通过镜筒上方的缺口和准星瞄准水准尺，转动水平微动螺旋精确照准水准尺，转动物镜对光螺旋进行对光消除视差，转动微倾螺旋使符合水准器气泡居中，最后读数。 2.消除视差的步骤是转动目镜对光螺旋使十字丝清晰，再转动 物镜对光螺旋使水准尺的分划像清晰。 ㈡实验记录和计算 1.记录水准尺上读数填入表2-1-1中。 表2-1-1
2.计算(基于黑红面读数的平均值) ⑴ A点比C点低 m。 ⑵ B点比D点高 m。 ⑶ C点比E点高 m。 ⑷假设C点的高程H C= m，求A点、B点、C点、D点、E点的高程，即： A A= m，H B= m，H C= ，H D= m，H E= m，水准仪的视线高程 H I= m。 ㈢出图2-1-1中水准仪各部件的名称 图2-1-1 1）目镜对光螺旋； 2）望远镜； 3）水准管； 4）水平微动螺旋； 5）圆水准器； 6）校正螺旋； 7）水平制动螺旋； 8）准星； 9）脚螺旋； 10）微倾螺旋； 11）水平微动螺旋； 12）物镜对光螺旋； 13）缺口； 14）三脚架。 实验报告二水准测量 日期班组第六组学号 *号姓名 *** ㈠水准测量的外业记录及其高程计算 实验数据记入表2-2-1，进行高程的计算，并进行验算，以确保各项计算准确无误。
机器视觉应用有哪些 浅谈机器视觉软件的介绍与选择
机器视觉应用有哪些浅谈机器视觉软件的介绍与选择 本文主要是关于机器视觉的相关介绍，并着重对机器视觉的应用场景进行了详尽的阐述。 机器视觉机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品（即图像摄取装置，分CMOS 和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O 卡等）。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。［2］机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。 一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。 系统可再分为 一、采集和分析分开的系统。 主端电脑（Host Computer） 影像撷取卡（Frame Grabber）与影像处理器 影像摄影机 定焦镜头镜头 显微镜头
人工智能YOLO V2 图像识别实验报告材料
第一章前言部分 1.1课程项目背景与意义 1.1.1课程项目背景 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 科学技术的发展是推动人类社会进步的主要原因之一,未来社会进一步地朝着科技化、信息化、智能化的方向前进。在信息大爆炸的今天,充分利用这些信息将有助于社会的现代化建设,这其中图像信息是目前人们生活中最常见的信息。利用这些图像信息的一种重要方法就是图像目标定位识别技术。不管是视频监控领域还是虚拟现实技术等都对图像的识别有着极大的需求。一般的图像目标定位识别系统包括图像分割、目标关键特征提取、目标类别分类三个步骤。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
社会实践实习报告：建筑工程测量实训报告
( 实习报告 ) 单位：_________________________ 姓名：_________________________ 日期：_________________________ 精品文档 / Word文档 / 文字可改 社会实践实习报告：建筑工程测 量实训报告 Social practice practice report: construction engineering survey training report
社会实践实习报告：建筑工程测量实训报 告 社会实践实习报告：建筑工程测量实训报告 进入大学的第一次测量实训终于在大家的期盼中来了，因为大家都想抓紧实训的时间好好休息一下，可是，现实是如此的残酷！ 开始老师让我们先从理论下手，介绍了水准仪和经纬仪的构成以及它的使用方法，我们都很认真的记载着老师所讲的重点，在学习中，我知道了测量人员是工程建设的开路先锋，是确保工程质量的“千里眼”，我为能成为测量人而感到自豪！老师还说了，让我们好好保护仪器！我们知道了：人在仪器在，人亡仪器也不能亡！可是让人疑惑的是老师总让我们做好“军训”的打算，有那么辛苦吗？ 很快我就见到了传说中的水准仪，它长得真的很不咋的，可是在老师的介绍下，我知道了它是一个很有内涵的仪器！千万不能小
看它！但是还好的就是它的螺栓比较少，所以我还能接受！可是调节经纬仪的过程就比较复杂了，螺旋比较多，测量时仪器不停的转动，脑袋就晕了，对准后就不知螺旋在哪了，只能瞎摸。但有句话叫“熟能生巧”，这句话一点不假，在实训中，这个成语就得到验证，尽管开始是有点生疏，但经过一圈测量，想不熟也挺难的，而且速度也不断的提高。 下面就来谈谈具体的！我是第一批在校内测量经纬仪的！它的螺栓比水准仪多多了！弄得我头晕眼花的！没办法！我必须要坚持下去！第一个下午，我们全组组员就遇到大麻烦了！因为经纬仪的调整要三个地方全部调好，可是我们老是没办法让它们全都统一，老是这儿调好了，那儿的气泡又跑了！我们组是第八组，组员有6个，而别的组是5个人，所以我们要比别的组要更抓紧时间，可是当第九组已经测六个点时，我们组还压根没挪窝，可是越急越不知道该怎么办！后来在别的组来了一个同学，我们连忙请教他！ 1.先要让三脚架的中心大约和地面的点进行对齐。 2.调节气泡让它处于圆水准器的中间部分。
机器视觉应用案例分析
机器视觉应用案例简析 机器视觉的应用在近年来越加广泛，其中机器视觉检测、机器人视觉两方面的技术成为目前主要的两大技术应用领域，维视图像在此为你介绍机器视觉的部分应用实例，为大家学习提供参考。 一、机器视觉两大主要应用领域 1. 机器视觉检测：机器视觉检测又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。 基于通用视觉系统的角度检测 2. 机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术。
基于视觉技术的机器人定位 二、机器视觉10大应用实例分析 1. 基于机器视觉的仪表板总成智能集成测试系统 EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品，仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括：检测速度表等五个仪表指针的指示误差；检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查，误差大、可靠性差，不能满足自动化生产的需要。基于机器视觉的智能集成测试系统，改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速化的质量检测，克服了人工检测所造成的各种误差，大大提高了检测效率。 2. 金属板表面自动控伤系统 金属板如大型电力变压器线圈、扁平线收音机朦胧皮等的表面质量都有很高的要求，但原始的采用人工目视或用百分表加控针的检测方法，不仅易受主观因素的影响，而且可能会给被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉技术对金属表面缺陷进行自动检查，在生产过程中高速、准确地进行检测，同时由于采用非接角式测量，避免了产生新划伤的可能。 3. 汽车车身检测系统 英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系
PLC生产实习
生产实习报告 学院：电气工程 班级： 学号： 姓名： 实习单位：无锡信捷电气股份有限公司校外导师： 校内导师： 日期：2017.1.6
目录 第一章生产实习概况 0 第二章实习目的及意义 (1) 第三章实习历程 (2) 一、实习公司简介 (2) 二、实习历程 (5) （一）实习目的 (5) （二）实习内容 (5) 1.实习所用设备及其接线 (5) 2.通讯协议 (10) 3.视觉测量软件X-Sight Studio (11) 4.编程软件XCPPro (13) 5.触摸屏软件TouchWin (15) 第四章总结 (16)
第一章生产实习概况 一.生产实习的单位 1.单位的名称：无锡信捷电气股份有限公司 2.地点：无锡市滴翠路100号创意产业园7号楼4楼 二.生产实习的时间及实习安排 1.实习的起止时间：2016.11.23～2016.1 2.16 2.过程安排： 第1天：入职培训；参观公司研发部门、生产车间、应用现场。 第2天：必备软件、硬件讲解；上机前注意事项讲解；项目需要掌握的技能点。 第3-18天：完成要求题目。 第19天：完成项目报告。 第20天：进行设计答辩，交流心得。
第二章实习目的及意义 生产实习是电气工程学院各专业课程体系中的校外实践环节，目的是让学生充分接触工程与生产一线，把学生的创新创业训练与解决实际问题能力紧密联系起来，从而培养了学生与社会沟通的能力以及分析和解决实际工程问题的能力，同时为学生提供实践场所和就业渠道，实现课堂与实训零距离、学生与岗位零距离、使学生的实践能力和创新创业训练真正落到实处。具体如下： 1、通过生产，深入生产第一线进行观察和调查研究，获取必须的感性知识和使学生较全面地了解可编程逻辑控制器(即PLC)，在实际的生产中是如何使用的，了解和掌握本专业基础的生产实际知识，巩固和加深已学过的理论知识，并为后续专业课的，课程设计，毕业设计打下基础。 2、在期间，通过对信捷各型号PLC的工作原理的分析，把理论知识和盛传实践相结合起来，完成所布置的课题，以培养我们的考察，分析和解决问题的工作能力。 3、通过，可以有机会接触信捷的员工，学习他们的面对不同课题的处理思路，学习他们面对难题，永不放弃的精神。 4、通过参观他们的各个部门，掌握产品的生产过程，组织管理，设备选择和车间布置等方面的知识，扩大知识面。