- 课题题目
该课题为基于边缘检测的硬币识别系统。
- 算法原理
读取原图,灰度变换,边缘检测,连通域分析,滤除干扰,计算圆形面积和半斤,根据半斤和面积得出金额及统计总的数额。带有一个GU界面。
- GUI界面设计

墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
426平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄3年
该课题为基于边缘检测的硬币识别系统。
读取原图,灰度变换,边缘检测,连通域分析,滤除干扰,计算圆形面积和半斤,根据半斤和面积得出金额及统计总的数额。带有一个GU界面。

当前文章被以下社区和专栏收录:
强化学习之课程学习法
课程学习是一种有计划的学习方法,模拟人类学习的过程。它通过设置逐步增加难度的任务序列,让学习系统从简单的任务开始,逐渐过渡到复杂任务。这一方法可以显著提高训练效率,避免智能体一开始就面临过于复杂的任务,从而导致学习过程困难。逐步难度增加:从简单的任务开始,逐步增加任务的难度,直到智能体能够解决最复杂的任务。动态调整:根据智能体的学习进展,动态调整任务的难度,保证学习的过程始终处于一个适当的挑战性范围。
基于硬币识别GUI博文
读取原图,灰度变换,边缘检测,连通域分析,滤除干扰,计算圆形面积和半斤,根据半斤和面积得出金额及统计总的数额。该课题为基于边缘检测的硬币识别系统。
xilinx zynq-7000 linux下rs422串口通信测试步骤
这几天使用xilinx的zynq-7000系列调试rs422串口,期间遇到不少问题,好在最终调试完成,在这里记录一下调试步骤。 我用的soc型号是xc7z100,板载了2个rs422外设,PS端有2个uart控制器,uart0用于连接rs232并作为console控制台输出,uart1连接rs422。 rs422和主板连线原理图如下: 其中422_TXD1_3V3 和422_RXD1_3V3 为数据发送和接收引脚,422_TXD_DE1_3V3为发送使能引脚,422_RXD_REn1_...
跨语种 TTS 中的音色一致性:从“共享主干 + 语种适配器”看低资源场景的工程折衷
针对泰语、越南语、印尼语、阿拉伯语等低资源目标语种,不做全量重训,只依托本土口语语料微调一个轻量化的适配器模块,让适配器学习该语种的音素规则、重音分布和语速语调特征。本文从说话人表征解耦、低资源语种的训练成本、以及推理阶段的语种标识调度三个层面,拆解逗哥配音所采用的“共享主干模型 + 语种适配器轻量化微调”路线,并给出该方案的能力边界。推理阶段的语言标识调度。同一个发声人、同一个角色音色跨语种输出时,主干提供稳定的说话人表征,适配器只负责“把这个声音适配到目标语言的发音体系上”,而不是重新生成一个声音。
哨兵2植被参数反演避坑指南:SNAP中10m/20m分辨率选择与缺失波段处理
本文深入解析了使用SNAP软件进行哨兵2号植被参数反演时的关键操作与决策。核心在于理解SNAP生物物理处理器NNET10m与NNET20m的架构差异,根据是否需要反演冠层叶绿素含量(Cab)等参数,明智选择10米或20米分辨率工作流。文章详细指导了大气校正、波段重采样及处理L2A数据中B01波段“缺失”等常见问题的解决方案,为生态监测与精准农业应用提供清晰的避坑指南和完整实战流程。
JavaScript实现车牌识别系统(附完整源码)
JavaScript实现车牌识别系统(附完整源码)
C++微服务架构下的语音识别子服务设计与落地实践
本文记录在即时通讯系统中构建高并发语音识别(ASR)子服务的全过程。围绕实时音频流处理、模型推理调度与微服务通信,重点讲解如何选型技术栈、设计内存池避免频繁分配、处理异步推理延迟,以及在实际压测中发现的线程安全与连接漂移问题。文章提供核心代码片段与配置参数,帮助后端工程师快速搭建可投产的语音处理微服务。
多算法数据预测——BP、ELM、LSTM、BiLSTM和SAELSTM,附Matlab源码
本文将为大家介绍基于BP、ELM、LSTM、BiLSTM和SAELSTM多种算法的数据预测,并提供相应的Matlab源码。SAELSTM算法是一种结合自动编码器和LSTM神经网络的深度学习方法,用于时间序列数据预测。ELM算法是一种单层前向神经网络,在单次训练过程中直接产生输出权重,从而具有快速学习和良好推广性能。多算法数据预测——BP、ELM、LSTM、BiLSTM和SAELSTM,附Matlab源码。总体来看,采用多种算法进行数据预测可以提高预测准确率,并可根据不同场景选择适合的算法。
网易开源语音识别 r2t2 2026
网易开源语音识别 r2t2 2026
【系列06】端侧AI:构建与部署高效的本地化AI模型 第5章:模型剪枝(Pruning)
结构化剪枝移除的是模型中的整个结构,比如一个完整的神经元、一个卷积核或一个通道。修剪后的模型权重矩阵仍然是稠密的,因此能够充分利用现代硬件和软件的并行计算优势,从而显著提升推理速度。非结构化剪枝是最细粒度的剪枝方法。对于需要极致压缩但对推理速度要求不高的场景,非结构化剪枝是好的选择。它就像修剪一棵树,通过移除模型中不必要的“枝叶”,让模型变得更精简、更高效,从而适应资源受限的设备。,开发者可以方便地对模型的不同层进行剪枝,并根据需求进行微调,从而在不影响太多性能的前提下,获得一个更轻量、更高效的模型。
【图像去噪】论文复现:降维打击!图像对输入变成像素对输入!Pytorch实现Noise2Void(N2V),基于U-Net模型训练,简洁明了理解N2V核心思想!附训练好的灰度图和RGB图的模型文件!
论文题目:Noise2Void-Learning Denoising from Single Noisy Images —— Noise2Void -从单个噪声图像中学习去噪【图像去噪】论文精读:Noise2Void-Learning Denoising from Single Noisy Images(N2V)由于源码是tensorflow版本,本文将基于Pytorch复现。
全双工 160 毫秒一格:李沐让模型不再「一问一答」
拆解 BosonAI Higgs Realtime Duplex:级联 vs 端到端 vs 全双工三代架构、160ms 窗口调度、45B MoE 三步训练、每分钟 2.6K–5K token 的成本账,附 token 预算计算。车里,你让 AI 查一下股价和训练任务跑到哪了。转头你开始点餐,它一句话都不说。等你点完,它才接上:股价多少,GPU 跑到第几步。到了取餐口你随口问一句「我刚才点 animal-style 薯条了吗」。它说:没有。它听见了。这是李沐在 B 站演示里的一个片段。
【超详细】MIT 液态神经网络(LNNs)——深度学习新动向
输入可以是任何形式的时间序列数据,其中表示时间。例如传感器读数、金融市场数据、语音信号等。
【轻AI越影视觉开发板】local_voice_process 语音功能模块教程——从音频采集到本地语音识别、多模态视觉交互与 ESP32-S31 硬核对比
截至撰写本文时,我手上的这台轻AI越影视觉开发板已在云端后台累计稳定完成了311 轮多模态对话(累计消耗 265,755 Tokens)。评价维度星级(满分 5 星)真实体验点评硬件做工与外设丰富度65×57mm 尺寸内塞进了双核 A7、1 TOPS NPU、128MB DDR3L、256MB Flash、双硅麦、喇叭功放、百兆网口,扩展板还给齐了 Wi-Fi 6 + BLE + 星闪 SLE + 4MP 摄像头 + 2.8" 触摸屏,性价比极高。音频与视频硬件素质。
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
汉书HE8,好用的汇编代码编写工具
汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大
老人不会说普通话,AI终端怎样听懂川渝方言?从老年语音识别到端侧离线部署
智能音箱、陪护机器人、社区养老终端和居家健康设备,正在逐渐加入语音交互功能。对于年轻用户来说,对着设备说一句“帮我设置明天早上八点的提醒”,通常不是什么困难的事情。但如果把设备放进四川、重庆一些老年人的家中,情况可能就不同了。一位习惯使用四川话的老人,可能会这样说:明朝早上八点钟喊我一哈,莫让我睡过头了。老人表达的意思非常清楚:希望设备在第二天早上八点提醒自己起床。但语音系统需要完成的任务却不只是听懂几个汉字。
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
语音机器人方言识别效果差怎么优化?本地小店场景调优指南(2026)
内容基于门店语音接待配置和方言场景排障的实际过程整理。ASR 热词权重机制、置信度分级、方言模型覆盖范围等描述,参考主流云 ASR 和语音机器人平台的通用设计思路;文中 CER、意图准确率、澄清次数、兜底率等阈值为本地实测经验值,第七节案例样本量有限(50 通录音),数字仅作方向性参考,不构成对任何方言或地区的普适结论。具体参数以平台文档和本地实测结果为准,文中配置片段为示意,不构成具体产品配置指南。
贝叶斯统计 [韦来生编]
贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。 本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。 大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。 作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。 本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。
语音机器人对接门店预约小程序:接口开发要点与避坑实践
语音机器人和门店预约小程序打通,难点不在调通接口,而在两边数据不打架。本文从接口开发视角整理对接要点:以预约服务为唯一事实源、统一鉴权与签名、预约单与时间槽的数据结构、幂等与并发锁、状态机约束、回调重试与对账、语音侧多轮确认和号码识别处理,附接口清单、时序图、架构图、配置示例、联调用例和线上踩坑记录。适合正在做语音机器人预约对接的开发同学参考,用来缩短联调周期。
有声小说书屋 使用简介 2 --如何朗读TXT小说
这个方法,不建议小白操作,有点复杂, 其实自带的朗读者就足够了,你要是想研究下的话,也可尝试下。Neospeech语音库中文男声_liang ,比系统带的要好些。edge音色比较好听,不过需要输入暗号,也有免费的系统音色。2.3)、把有声小说书屋 关了、然后重新打开下。1)、选择一个朗读者, 点击朗读喇叭就行。2)、扩展Windows 隐藏的语音引擎。第二个朗读喇叭,就是从当前位置开始朗读。2.4)、最后一步,要不然可能还不能用。全文朗读,就是从文章的开头开始朗读。其它的则是,调整朗读速度。
Antigravity Voice Mode 入门:用语音给代理布置任务并口头批准权限
按 Antigravity 官方 Voice mode 说明,介绍如何在本机 App 里用语音给代理布置任务、过程中口头批准权限,结束后打开 Voice transcript 查看刚才的对话。
【C++ 基于微服务的即时通讯系统】语音识别子服务实战
前面我们把所有基建组件(注册中心、RPC框架、网络库、第三方SDK、构建工具)全部铺垫完了,项目目录结构和接口契约也都定好了。从这篇开始,我们正式逐个落地业务子服务。第一个先拿语音识别子服务开刀,原因很简单:它逻辑最单一、依赖最少、只有一个核心接口,非常适合作为微服务开发的上手练手项目。我们可以借着它,完整走一遍「proto定义 → 业务实现 → 服务注册 → CMake构建 → 联调测试」的全流程,把前面讲的基建全部串起来用一遍。本文会完整拆解语音识别子服务的设计思想、代码实现、构建脚本,以及联调
语音机器人联动云呼叫中心,AI先接待再分配人工坐席
客户一打进来先听机器人说话,很多人第一反应是烦。但如果机器人挡掉的是“你们几点关门”“我的预约改到明天”这类重复问题,坐席就能腾出手接投诉和售后,整体体验反而是提升的。语音机器人属于智能客服在电话渠道的一种落地形式,这篇把语音机器人联动云呼叫中心拆成接入、AI 接待、人工路由三层,重点讲转人工怎么配才不折腾客户、坐席分配怎么配才不出现技能错配,附参数表、测试清单和踩坑记录。内容基于两家社区门店跑满半年的实际配置,适合自己管后台的门店经营者,也适合做智能客服系统设计的同学参考分层思路。
抢险现场喊不应?应急指挥/应急调度EasyDSS集群对讲让指挥中心和一线“听得到/叫得动”
救援的黄金时间,才真正被用在刀刃上。
5908
175
1356
9385

被折叠的 条评论
为什么被折叠?



