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
3.5k累计阅读
3.6k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
用于检测试纸生产线对合格与不合格产品进行分拣，实时检测。
先要对整个区域进行分割，只对研究对象进行处理，是否用ROI？
1）选择数据：将数据分成三组：训练数据、验证数据、测试数据
2）模型数据：使用训练数据来构建使用相关特征的模型
3）验证数据：使用验证数据接入模型
4）测试数据：使用测试数据检查被验证模型的表现
5）使用模型：用完全训练好的模型在新数据上做预测
6）调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现
但是试纸里的特征很多都是弱边缘
是否可以通过scharr算子突出弱边缘
再结合形态学的开闭操作
从而达到强化弱边缘的效果
对得到的图像利用最大熵阈值对图像进行分割得到瑕疵
有效区域提取： 是将研究对象从采集的图像中提取出来，使得感兴趣的目标与背景分割，从而减少图像背景对后续瑕疵检测造成干扰。
找出像素点灰度值突变的点并记录它们的位置，得到平行四边形四个点，然后通过把平行四边形边以外的像素点灰度置零。
[提供软件环境和工业数据集下载]工业瑕疵缺陷检测实战：Windows下基于YOLOv4和OpenCV4深度学习训练自己的数据集和前端软件，效果意外的好
你将收获 掌握Windows系统基于深度学习的目标检测训练自己的数据集方法 掌握labelImg图像标注方法 掌握YOLOv4数据集整理方法 掌握YOLOv4训练、测试、性能统计方法 掌握训练好的网络模型在前端软件的测试与应用 掌握前端软件把检测结果传给PLC或机器人的通讯方法 适用人群 对人工智能机器视觉与对YOLOv4目标检测感兴趣的朋友们和从业者 软件环境： Windows7或10x64;cuda 10.2; cudnn7.6.5; Python3.7; VisualStudi..
python 检测图像_如何用Python图像处理或其他技术识别试纸检测结果?
一个尝试，但不严密原图和识别后：勉强识别出来，但是很容易受到背景的噪声污染，如果是那种虎皮桌子的当背景，就完全识别不出来了。然后我想要识别出来是以试纸集中区域的部分。步骤一：缩减尺寸为了加快识别计算时间。最后得到坐标后，还原用到原图裁剪。cv::Mat shrinkPic; cv::pyrDown(cvImage, shrinkPic);二：灰度图几乎所有的识别，都会用灰度图。为什么呢？我查了资料...
opencv 玻璃镜面缺陷检测，缺陷信息标记及提取
玻璃镜面缺陷检测，包括划痕检测，点缺陷检测，直线检测等。代码程序如下： // // //#include //#include //#include //#include //using namespace std; // //int main() //{ // IplImage *src = cvLoadImage("que.jpg", CV_LOAD_IMAGE_GRAYSCALE)
使用OpenCV进行肺炎诊断检测
肺炎是一种由感染引起的严重呼吸道疾病，特别是在高危人群中，可能会出现危及生命的并发症。必须尽快诊断和治疗肺炎，以最大限度地提高患者康复的机会。诊断过程并不容易，需要一些医学实验室工具和先进的医疗技能，但我们可以使用深度学习和计算机视觉来构建一个快速简便的工具，帮助医生检测肺炎。我们可以使用称为OpenCV(https://opencv.org/)（开源计算机视觉）的开源计算机视觉和机器学习软件库创...
医学试纸条图像处理技术
医学试纸条图像处理是一个重要的领域，它涉及到从医学试纸条上提取和分析信息的各种技术。
OPENCV缺陷检测小例子
前阵子在某公众号看到halcon做缺陷检测的例子，由于不会使用halcon,其附带的.dev代码也看不懂。 于是自己写了opencv代码来实现。 原图如下： 其目的是要检测红框中的缺陷： 代码如下： #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/highgui/h..
【CV】实时人脸检测 | 使用 OpenCV 进行口罩检测
幸运的是，我们有一个数据集，其中包含带面具和不带面具的图像脸部。此外，由于 faces 变量包含包含脸部的矩形的左上角坐标、高度和宽度，因此我们可以使用它来获取脸部的帧，然后对该帧进行预处理，以便可以将其输入到模型中进行预测。为此，我们将使用第一部分中所示的方法检测具有面部的帧，然后在预处理后将它们传递到我们的模型。虽然这个模型不如我们在这里训练的模型那么有效，但它有一个额外的功能，可以检测未正确佩戴的口罩。因此，当检测静态图像中的人脸和检测实时视频流中的人脸时，它们之间没有太大区别。
飞牛NAS一键部署小雅Emby全家桶：解锁海量影音资源与智能刮削
本文详细介绍了如何在飞牛NAS上通过Docker一键部署小雅Emby全家桶，完美解决传统WebDAV挂载无法刮削元数据的问题。该方案整合了小雅Alist海量影音资源与Emby媒体服务器，通过预下载超百GB元数据包，自动实现海报、简介等信息的完美匹配，打造出精美的个人影音库。部署过程需准备阿里云盘令牌与充足存储空间，并详解了从环境配置、镜像拉取到最终验证的完整步骤及优化技巧。
计算机视觉 opencv_使用opencv计算机视觉和螺旋波测试检测帕金森
计算机视觉 opencvUtilizing computer vision and machine learning to automatically detect and predict Parkinson’s disease based on geometric drawings (i.e., spirals and sign waves). 利用计算机视觉和机器学习，可以根据几何图形(即螺旋...
Windows server 2012R2安装Oracle11g
打开 开始——所有程序——Oracle-OraDb11g_home1——配置和移植工具——Database Configuration Assistant。打开 开始——所有程序——Oracle-OraDb11g_home1——配置和移植工具——Net Configuration Assistant。首先打开Oracle的安装位置找到下面的位置找到tnsnames.ora文件右键编辑。打开Oracle的安装位置找到下面的位置找到tnsnames.ora文件右键编辑。选择仅安装数据库软件。
Android息屏后台任务保活实战：从定时器失效到厂商白名单破解
本文深入探讨了Android应用在息屏后定时任务失效的根源，即系统为省电而触发的休眠机制。文章提供了从传统方案失效分析到实战破解的完整路径，核心在于引导用户将应用加入电池优化白名单并开启自启动权限，从而合法绕过限制。同时，结合WorkManager、AlarmManager等可靠定时方案，实现稳定的后台任务执行。
基Python-OpenCV的医疗图像配准问题研究
医疗图像的配准问题研究报告 我们在对医疗图像进行分析的过程中，通常会遇到许多的问题，比如图像位置不正确，摆放不整齐，这样对于医疗疾病的判断会有很大的影响，因此我们需要对医疗仪器测量的图片进行校准配齐。 1.主要原理 图像对齐或者说图像配准实际上是一种仿射变换，图像是可以旋转的，同时经过对齐技术处理后，可以保证和左边的模版是一样的，这样就将不规则的图像变得规则起来，在这种技术中，要在一个图像中检测到一组特征点，并与另一张图像中的特征点匹配，在根据这些匹配的特征点计算出一个转换规则，从而可以将一个图像映射到另一
北斗B1频点信号捕获实战：如何应对NH码跳变带来的挑战？
本文深入探讨了北斗B1频点信号捕获中NH码跳变带来的核心挑战。针对NH码以1kHz速率调制导致的相干积分中断和相关峰畸变问题，文章提出并详细解析了一种基于伪码与多普勒频率分离技术的优化捕获方案。该方案通过差分处理消除NH跳变影响，并利用匹配滤波器与FFT分别进行码相位和多普勒频率的快速估计，有效提升了弱信号环境下的捕获灵敏度和稳定性，为北斗接收机设计提供了实用的工程参考。
胶体金纸条检测算法概览及在POCT应用领域
侧向流免疫层析技术是一种快速有效的检测手段，已应用于许多检测领域，特别是在资源贫乏或实验室外的环境中。 如图 1 所示，它在生物医学上的应用也引起了研究人员的兴趣，如在临床诊断、农副产品中的毒素检测、环境监测和生物战中的应用。 当应用于 POCT 时，该技术具有显着的优势，如短的分析时间以及高特异性和灵敏度。 图 1. (A) 侧向流免疫层析技术在各个领域的应用。 (B) 侧向流免疫层析技术检测结果。 (C) 侧向流免疫层析纸条的结构题 在体外检测的所有数据分析策略中，合适的信号处理技术在
高效数据迁移：ICCAP到ADS的数据导入与导出实战指南
本文提供了从ICCAP到ADS进行高效、准确数据迁移的实战指南。针对射频与微波电路设计中的关键挑战，详细阐述了迁移前的战略规划、ICCAP数据的精细化导出（包括脚本化批处理）、ADS数据的多种导入方法（如Data Items、DML模型库及编程化API），并强调了数据完整性与准确性验证的重要性，确保模型参数和仿真结果在平台间可靠传递。
SpyGlass CDC实战：如何用sgdc约束文件解决跨时钟域报错（附常见错误排查）
本文详细介绍了如何使用SpyGlass CDC工具链中的sgdc约束文件解决跨时钟域(CDC)报错问题。从基础约束文件架构到复杂场景调试，涵盖了时钟域定义、复位信号约束、Waiver策略等关键技巧，并附有常见错误排查方法，帮助工程师高效处理CDC验证挑战。
OpenCV-Python(21):凸缺陷检测及点到多边形最短的距离求解
点到轮廓的距离为正数表示点在轮廓的外部，为负数表示点在轮廓的内部，为零表示点在轮廓上。它会返回一个数组，其中每一行包含的值是[起点，终点，最远的点，到最远点的近似距离]。1.创建一个小程序，可以将图片上的点绘制成不同的颜色，颜色是根据这个点到轮廓的距离来决定的。函数的第一个参数是模板图像的轮廓，第二个参数是目标图像的轮廓，第三个参数是形状匹配方法，第四个参数是匹配时的数值参数。接，在最远点画一个圆圈，要记住的是返回结果的前三个值是轮廓点的索引。函数计算该点到轮廓的距离，根据距离设置点的颜色。
解锁Jetbrains AI助手：中国开发者实战配置与效率跃迁指南
本文为中国开发者提供了一份详细的Jetbrains AI助手实战配置指南。针对服务地域限制，核心解决方案是通过修改Jetbrains账户区域信息并配置网络代理，实现插件的稳定启用。文章进一步分享了AI助手在解读遗留代码、生成中文提交信息、智能问答等场景下的具体应用，旨在帮助开发者深度集成这一工具，实现编码生产力的显著提升。
opencv函数findcontours_OpenCV实战 | 手机镜头目标提取、缺陷检测与图像畸变校正
击上方“新机器视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达前两天参加了北师的数学建模校赛，B题是一道图像处理的题，于是趁机练习了一下OpenCV，现在把做的东西移植过来。(2020.5.31补充：此方法在竞赛中取得二等奖。这次的参赛论文的确存在一些问题，例如没有对结果进行量化评估、对处理方式的具体细节叙述得不够明确、参考文献不够丰富(好吧，其实没有引用参考文献)等。)题目大意给...
EtherCAT主站SOEM -- 0 -- 该EtherCAT主站SOEM专栏后续安排
SOEM（Simple Open EtherCAT Master）是一个开源的EtherCAT主站库，允许开发者构建自定义的EtherCAT主站应用程序。EtherCAT是一种实时以太网通信协议，广泛应用于工业自动化和机器控制领域。开源性质：SOEM是一个开源项目，这意味着开发者可以自由地查看、修改和分发代码。这使其成为工业自动化领域的一个强大工具，可以根据具体需求进行定制。EtherCAT主站实现：SOEM库提供了一个完整的EtherCAT主站实现，允许主站与多个EtherCAT从站设备进行通信。
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
OpenCv案例（六）：基于OpenCvSharp工业零件缺陷检测
OpenCv 图像处理 工业零件缺陷检测 涂胶 NG OK件
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
Halcon缺陷检测实例转OpenCV实现(六) 瓶口缺陷检测
Halcon缺陷检测实例转OpenCV实现(一)---网格缺陷检测 Halcon缺陷检测实例转OpenCV实现(二)---PCB印刷缺陷检测 Halcon缺陷检测实例转OpenCV实现(三)---凸缺陷检测 Halcon缺陷检测实例转OpenCV实现(四)---同颜色药片缺陷检测 Halcon缺陷检测实例转OpenCV实现(五)---混合颜色药片缺陷检测 本期文章继续介绍缺陷检测专题的第六个案例，用OpenCV实现Halcon中一个瓶口缺陷检测的...
老版QQ原生表情gif动态
这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
OpenCV缺陷检测
新手上路，欢迎高手指点。 原图： OpenCV缺陷检测代码： // An highlighted block #include "head.h" int main() { Mat img = imread("image/1204.bmp"); //assert(im.data); if (!img.data) { cout << "cuowu!" << endl...
opencv 五 缺陷检测实战1（检测以连通域面积特征为缺陷）
上图为灰度图，由网格状排列黑点和大面积的黑点区域（即缺陷）组成，具体**缺陷类型为粘连**，其**形态学特征为 连通域面积较大**。 查找图中缺陷（大面积的黑点）**算法的核心思想为：遍历所有的轮廓，根据面积判断缺陷**，当连通域面积大于一定的值（面积比普通的黑点大），即判断为缺陷，并在原图上标出缺陷轮廓
机器视觉表面缺陷检测综述
转自：http://www.cjig.cn/html/jig/2017/12/20171202.htm#b22 机器视觉表面缺陷检测综述 《中国图像图形学报》 Tang B, Kong J Y, Wu S Q . Review of surface defect detection based on machine vision[J]. Journal of Image an
【缺陷检测】基于Matlab的机器视觉实现木材缺陷图像检测附代码
随着科技的不断发展，机器视觉技术在各个领域得到了广泛的应用，其中之一就是在木材行业中的缺陷检测。传统的木材缺陷检测通常需要大量的人力和时间，而且检测结果也容易受到主观因素的影响。因此，基于机器视觉的木材缺陷图像检测成为了一种新的解决方案。机器视觉技术能够通过对图像进行分析和处理，自动地识别出木材表面上的各种缺陷，如裂纹、疤痕、虫洞等。这种技术不仅可以提高检测的准确性和效率，还能够减少人力成本和时间成本，对木材行业的生产和质量控制起到了重要的作用。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
4879
扫一扫
