- 博客(9)
- 收藏
- 关注
RSS订阅原创 K-means聚类算法详解与Python实战：从原理到应用
本文系统介绍了K-means聚类算法及其应用。作为经典的无监督学习方法，K-means通过迭代优化将数据划分为K个簇，具有计算高效、实现简单的特点。文章详细阐述了算法原理、实现步骤，并提供了Python代码示例和可视化方法，包括使用sklearn库实现K-means聚类和肘部法则确定最优K值。同时分析了算法优缺点，指出其对初始值敏感、需预设K值的局限性，并介绍了K-means++等优化方法。最后探讨了K-means在图像处理、市场分析等领域的应用前景，展望了与深度学习结合等未来发展方向。
2025-09-06 15:52:26
1366
原创 AI重构自动化测试：用Playwright+ChatGPT打造会“思考”的智能测试机器人
摘要：本文探讨了AI大模型与自动化测试工具的融合应用。作者针对金融科技领域UI自动化测试的三大痛点：脚本维护成本高、测试覆盖不足和错误分析耗时，提出基于Playwright和ChatGPT API的智能测试方案。该方案实现三大功能：1)自然语言生成可执行测试脚本；2)自动修复失效元素选择器；3)通过视觉分析智能诊断测试失败原因。实践表明，该方案使用例编写效率提升50%，维护时间减少40%，并显著提高测试覆盖率和错误定位准确率。AI技术的引入将测试工程师从重复劳动中解放，转向更具创造性的质量保障工作。
2025-09-05 21:40:04
1650
原创 应对以假乱真：深度解析AI鉴伪的底层技术逻辑
AI鉴伪技术应对AIGC安全挑战 随着AI生成内容（AIGC）技术快速发展，深度伪造内容已严重威胁社会安全。合合信息展示了多项创新鉴伪技术：1）人脸视频篡改检测通过多维度特征分析识别伪造痕迹；2）AIGC图像鉴别技术利用多模态大模型捕捉生成图像特征；3）TextIn平台可精准检测文档篡改。这些技术融合传统视觉方法与AI算法，构建了多层次防伪体系。未来需持续提升主动防御和跨模型泛化能力，以应对日益复杂的AI安全挑战。
2025-09-05 21:26:43
1198
原创 机器视觉一
机器视觉系统由硬件（光源、镜头、工业相机）和软件（图像处理算法）组成，具备识别、测量、定位、检测四大功能。相比人眼，具有速度快、精度高、稳定性强等优势，可提升产品质量并降低生产成本。主流软件包括VisionPro、Halcon和OpenCV，其中Halcon功能强大且灵活，VisionPro易用性强，OpenCV适合科研。国产软件如SciSmart和VisionAssembly在特定领域表现突出。开发流程包括建立图像源、配置视觉工具（如PMAlignTool进行模板匹配）、调试参数等。系统广泛应用于工业检测
2025-09-03 10:14:12
1404
原创 AI 浪潮下，IT 从业者的机遇与挑战
AI正在深刻改变IT行业：软件开发中AI工具可自动生成代码、检测漏洞；运维领域实现智能监控和自动化故障修复；网络安全方面能实时识别高级威胁。IT从业者工作重心从执行转向设计监督，需掌握AI协作等新技能，但其业务理解、复杂问题解决、系统设计等核心能力仍不可替代。未来将形成"AI助手+人类专家"的协作模式，基础岗位减少的同时将涌现AI训练师等新兴职位。IT从业者需持续学习，发挥人类在创新、伦理判断等方面的优势，成为善用AI的智能增强型人才。AI不是职业终结者，而是行业进化的加速器。
2025-08-09 16:00:00
572
原创 卷积神经网络（CNN）的原理（超详细）
本文系统阐述了卷积神经网络(CNN)的核心原理及其在计算机视觉中的应用。文章首先解析了图像的数字化表示方法，指出CNN通过卷积操作克服了传统神经网络在图像处理中的局限性，实现了平移不变性。重点介绍了卷积操作机制，包括滤波器滑动、乘积累加等关键过程，以及滤波器尺寸、步长、填充等参数设置。详细剖析了CNN的层级架构，从输入层、卷积层、池化层到全连接层，分析了各层功能及其协同工作机制。最后阐述了CNN通过层级化特征提取实现从基础视觉元素到高级语义理解的特征抽象过程，揭示了其在计算机视觉领域取得成功的核心机制。
2025-08-09 11:24:07
3431
原创 HALCON 安装教程（超详细）
本文提供了HALCON软件的完整安装指南。首先从官网或百度云（提取码zm7n）下载软件，注意2024年起不再支持旧版本。安装步骤包括以管理员身份运行安装程序、设置安装路径、选择组件和接受协议。许可证激活需将.dat文件复制到license文件夹，并注意每月更新。适用于24.05/24.11等最新版本，旧版本22.11已停止支持。
2025-08-08 21:50:39
4795
1
原创 工业相机与镜头选型方法（含实例）
工业相机与镜头选型指南摘要：工业相机分为面阵和线阵两种类型，选型需考虑传感器类型(CCD/CMOS)、接口类型(USB/GigE/CameraLink)、分辨率、传感器尺寸等关键参数。镜头选型需关注工作距离、视场范围、景深、焦距、畸变等特性，需与相机参数匹配。选型流程包括：1)根据检测精度计算所需分辨率；2)确定传感器尺寸；3)计算光学放大倍率和焦距；4)选择兼容接口的镜头。实际应用中需考虑安全系数，通常需要3-5个像素对应一个特征尺寸。通过系统化参数匹配，可构建满足特定工业检测需求的视觉系统。
2025-08-05 11:48:54
976
原创 机器视觉——旋转中心的标定
本文介绍了机器视觉中旋转中心的标定方法和应用。主要内容包括：1）标定旋转中心的必要性，解决机械手抓取时物料角度不一致问题；2）三点拟合法和Halcon多点拟合法求圆心坐标；3）如何利用旋转中心计算偏移量，推导出ΔX=R*(cosθ-1)、ΔY=R*sinθ公式；4）点绕点旋转的坐标计算方法，给出C#实现代码。标定旋转中心是实现精确旋转运动的基础，通过计算旋转后的坐标和平移补偿量，可完成视觉引导的高精度定位。文章详细说明了从标定到应用的完整流程，为机器视觉系统开发提供了实用技术参考。
2025-08-04 19:23:07
3241
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人