人工智能赋能的机器视觉：工业场景应用与实践

AI 技术正在深刻改变工业机器视觉的能力边界——更好的模型、更大的数据、更强的基础模型，使识别任务的准确率不断攀升。但工厂现场的问题从未真正改变：测试集 99% 还不够，产线要的是可接收、可追责、可运行的结果。

本书从「结果」而非「算法」出发，重建 AI 时代工业视觉的落地判断。全书提出并贯彻「双主线」框架：AI 主线解释能力来源与边界变化（AI 在成像增强、任务建模、数据组织、训练验证、异常托底、系统闭环 6 个位置改变了什么）；结果主线组织工业成立条件（6 类结果单位 × 系统汇聚 × 接口消费 × 现场采用 × 长期运行）。

15 章覆盖从问题定义到方法论收束的完整链路：第 1—3 章建立全书坐标系（导入 + 系统对象 + 任务组织）；第 4—9 章展开 6 类结果单位的最小定义、工程评估与系统接入；第 10 章处理多类结果到正式系统裁决的汇聚仲裁；第 11—14 章覆盖现场采用、长期运行、治理与评估；第 15 章以方法论收束形式回扣全书总判断。

书中包含 73 个工业案例（A/B/C 三链 × 8 行业），每章含 OBE 学习目标 3—5 条、复习思考题 ≥ 12 道、扩展阅读 4 类分组，配套三档教学方案（48/32/16 学时），覆盖本科 / 研究生 / 工程师培训多场景。