本書共分四部分，第一部分即緒論，指出智能檢測技術的核心問題。第二部分即第2章，講述多變量數據統計分析與人工智能算法，主要包括主成分分析、回歸分析、分類與判別分析等常用的多變量數據統計分析方法，又簡述了ANNs、SVM等機器學習和深度學習算法。第三部分包括第3-7章，從對眼、耳、口、鼻、觸的仿生傳感技術角度，對應闡述光學與圖像檢測、聲學傳感與聲發射檢測、電化學與生物傳感器、氣敏傳感與電子鼻技術，以及能感知對象內部成分的近紅外光譜和高光譜成像等先進傳感技術。第四部分即第8章，講述多傳感器信息融合以及大數據與云?????
“智能檢測技術”課程涉及的內容新、領域寬、學科交叉性強。本書的目標是讓學生了解當前各類先進檢測技術及其發展動態。什么是“智能檢測技術”？本書結合傳統對“智能”的定義，即所謂智能是指一種隨外界條件的□化（自適應）正確地進行感知、分折推理、判斷并決策的能力。緒論即□□章以當前先進的智能仿人機器人和無人駕駛汽車技術為例，指出智能檢測技術主要包含能對外部環境有感知能力的先進或智能型傳感器；和能實現“記憶推理決策”能力的人工智能算法或軟件模型。
傳統檢測技術的核心也是傳感器，當前□智能的傳感器莫過于人類的五官，眼、耳、口、鼻、身（觸）是人基于內心感知外界事物之途徑。因此，本書第3～7章分別從代表視覺、聽覺、味覺、嗅覺的眼、耳、口、鼻的仿生傳感器模塊入手，分別對應闡述光柵光纖與圖像檢測、聲學傳感與聲發射檢測、電化學與生物傳感器、氣敏傳感器與電子鼻技術，以及能夠感知對象內部成分的近紅外光譜與高光譜成像技術。考慮到工科學生除學習了有限的工程數學課程外，尚缺乏對實際問題的基本數據處理、多源數據統計分析的系統學習和訓練，因此設計了第□章作為理論基礎部分，包括主成分分析、回歸分析、分類與判別分析等常規多□量數據統計分析方法，同時簡要闡述了人工神經網絡、支持向量機等機器學習和深度學習方法，并附上Matlab實例代碼供學習參考。第8章簡要介紹多傳感器信息融合技術和大數據、云計算技術。
本書是在編者所承擔《智能檢測技術》課程講義基礎上，經多次修訂和加工完善逐步形成的。全書由王偉教授負責統稿、修訂和定稿，各章執筆人如下：□□章，王偉；第□、6章，王偉、趙昕、宋正河、徐云；第3章，宋正河、王偉；第4章，王偉、魏超杰；第5、7章，王偉、褚璇、徐云；第8章，徐云、魏超杰。
作為以傳播知識為目標的教材，本書形成過程中參考了諸多著作和網絡資源，在此對相應作者的辛勤付出一并表示誠摯的感謝。本書的出版得到“十三五”國家重點研發計劃項目(□018YFC1603500)和國家自然科學□□面上項目(3177□06□)的大力支持。科技的發展日新月異，智能檢測技術也在持續不斷地向前發展，加之編者水平有限，定有疏漏之處，懇請讀者不吝賜教，對本書提出寶貴意見和建議。
編者
前言
第1章緒論1
1.1檢測技術與傳感器1
1.2智能的基本概念2
1.2.1何謂智能2
1.2.2人工智能與自動化的區別3
1.3智能檢測的基本概念3
1.3.1智能檢測技術的層次3
1.3.2智能檢測的特點4
1.3.3檢測與控制技術發展過程的簡單
回顧4
1.3.4智能檢測系統的結構5
1.4仿人機器人和自動駕駛汽車舉例7
1.4.1高仿人機器人7
1.4.2美國Boston Dynamics軍用
機器人9
1.4.3幫助高效睡眠的Somnox機器人9
1.4.4自動駕駛汽車10
1.5課程內容和體系結構12
1.5.1本書內容的設計思路12
1.5.2本書內容設置與框架體系14
第2章現代智能檢測技術的基礎
理論16
2.1數據分析簡介16
2.1.1數據的類型、格式和分析流程16
2.1.2常用描述性定量數據統計分析
方法 18
2.1.3常用數據預處理方法22
2.2常用數據統計分析方法25
2.2.1常用數據統計分析方法分類25
2.2.2主成分分析方法26
2.2.3回歸分析方法35
2.2.4判別分析方法49
2.2.5模型評價方法60
2.3機器學習方法 61
2.3.1人工神經網絡淺講62
2.3.2多層神經網絡（深度學習）67
2.3.3深度學習和機器學習69
第3章光柵、光纖與CCD圖像
傳感器73
3.1光柵與光電編碼器73
3.1.1計量光柵73
3.1.2光電編碼器79
3.2光纖傳感器84
3.2.1基本知識 84
3.2.2光纖結構和工作原理84
3.2.3光纖傳感器88
3.2.4光纖傳感器的應用89
3.3CCD圖像傳感器93
3.3.1CCD圖像傳感器組成93
3.3.2CCD圖像傳感器基本工作
原理94
3.3.3彩色CCD結構組成與工作
原理99
3.3.4CCD傳感器結構類型和特性
參數107
3.3.5CCD與CMOS比較110
3.3.6CCD圖像傳感器及其應用111
3.3.7CCD圖像傳感器其他應用舉例114
第4章聲學傳感與聲發射檢測
技術118
4.1聲波的概念和基本性質118
4.1.1縱波、橫波和聲表面波118
4.1.2可聞聲波、次聲波和超聲波120
4.1.3聲波的特性參數122
4.2超聲波傳感器126
4.2.1超聲波傳感器的工作原理126
4.2.2超聲波技術的典型應用舉例128
4.3次聲波傳感器140
4.3.1次聲波概念與特征140
4.3.2次聲波應用展望140
4.4聲發射無損檢測技術142
4.4.1無損檢測及聲發射技術簡介142
4.4.2聲發射檢測原理144
4.4.3工程起重機關鍵結構件裂紋萌生
和斷裂的聲發射檢測案例152
4.4.4聲發射檢測技術的其他應用155
智能檢測技術目錄第5章近紅外光譜與高光譜成像
技術158
5.1光譜分析與振動光譜技術158
5.1.1分子光譜158
5.1.2電子光譜（紫外吸收光譜）159
5.1.3振動光譜160
5.2紅外吸收光譜160
5.2.1紅外吸收光譜簡介160
5.2.2紅外吸收光譜產生機理162
5.2.3產生紅外吸收光譜的條件163
5.2.4分子振動的主要參數166
5.2.5傅里葉2換紅外光譜儀及工作
原理169
5.3近紅外光譜分析技術171
5.3.1近紅外光譜簡介171
5.3.2近紅外光譜測定的基本原理174
5.3.3近紅外光譜儀的分類與特點177
5.3.4近紅外光譜數據分析方法182
5.3.5近紅外技術的發展與應用185
5.4高光譜成像技術187
5.4.1高光譜成像技術的產生與基本
概念187
5.4.2高光譜成像區別于常規近紅外
光譜的特點及其工作原理189
5.4.3高光譜成像及其應用193
5.4.4高光譜遙感信息的分析和處理195
5.4.5高光譜成像現狀分析與展望198
5.5近紅外光譜與高光譜成像綜合應用
案例——全麥粉中低含量水平
摻雜花生粉的檢測研究198
5.5.1實驗材料與方法199
5.5.2高光譜圖像亮度校正199
5.5.3基于MNF的圖譜交互分析200
5.5.4光譜預處理與全波長PLSR
模型202
5.5.52優波長選取與多光譜PLSR
模型203
5.5.6預測結果可視化206
第6章氣敏傳感器與電子鼻技術209
6.1氣敏傳感器 209
6.1.1氣敏傳感器簡介209
6.1.2電阻型半導體式氣敏傳感器210
6.1.3電阻型半導體式氣敏傳感器的
結構與分類214
6.1.4電阻型半導體式氣敏傳感器的
特性參數217
6.1.5電阻型半導體式氣敏傳感器基
本測量電路特性218
6.1.6電阻型半導體式氣敏傳感器的
應用219
6.2電子鼻技術223
6.2.1嗅覺仿生與電子鼻技術簡介223
6.2.2電子鼻的識別機理224
6.2.3電子鼻的組成226
6.2.4電子鼻技術的發展歷史229
6.2.5電子鼻應用舉例230
第7章電化學與生物傳感器技術231
7.1電化學傳感器231
7.1.1電化學傳感器的概念與分類231
7.1.2電勢型電化學傳感器231
7.1.3恒電位電解式電化學傳感器237
7.1.4電導型傳感器240
7.2電化學生物傳感器240
7.2.1生物傳感器的概念、組成
與分類240
7.2.2電化學生物傳感器243
7.2.3電化學生物傳感器應用舉例244
7.2.4生物傳感器的發展趨勢249
第8章多傳感器信息融合與大數據云
計算技術簡介252
8.1多傳感器信息融合技術252
8.1.1多傳感器信息融合的基本概念252
8.1.2多傳感器信息融合系統簡介254
8.1.3多傳感器信息融合的分類255
8.1.4多傳感器信息融合模型255
8.1.5多傳感器信息融合算法261
8.1.6應用與前景展望264
8.2大數據與云計算技術簡介266
8.2.1泛在互聯的時代266
8.2.2大數據簡介267
8.2.3云計算技術269
8.2.4數據中心與云計算架構基礎272
8.2.5典型的云計算系統平臺274
參考文獻277
新書資訊