31、基于视觉的缺陷检测系统:让机器学会“看见”

基于视觉的缺陷检测系统:让机器学会“看见”

1. 导入必要的库

在进行实验之前,我们需要导入一些有用的 Python 包。以下是所需的库及其作用:
- numpy :用于数值计算和数组操作。
- glob :用于查找符合特定规则的文件路径。
- matplotlib.pyplot :用于绘制图像和可视化数据。
- cv2 :OpenCV 库,提供了许多处理图像和计算机视觉任务的预构建功能。
- tqdm_notebook :用于显示进度条。
- tensorflow :用于构建和训练深度学习模型。
- sklearn.model_selection.train_test_split :用于将数据集划分为训练集和测试集。
- sklearn.metrics.classification_report 和 sklearn.metrics.confusion_matrix :用于评估模型的性能。

import numpy as np
import glob
import matplotlib.pyplot as plt
import cv2
from tqdm import tqdm_notebook
import tensorflow
from sklearn.model_selection imp

相关推荐

多模态大模型如何提升机器人视觉认知能力

多模态大模型通过融合视觉与语言模态,正在革新机器人的感知与决策能力。这类模型如CLIP、LLaVA等采用视觉-语言对齐技术,使机器人不仅能识别物体,还能理解场景语义和操作逻辑。其核心原理是通过联合训练视觉编码器和语言模型,建立像素到概念的映射关系。在工业质检、柔性制造等场景中,多模态模型显著提升了缺陷检测准确率和操作可行性。例如在汽车装配线上,模型实现了零件与BOM表的实时匹配;在医疗领域,经过压力测试的机器人临床失误率下降62%。关键技术涉及双编码器架构、动态视觉预处理和领域适应训练,这些方法共同解决了实

weixin_30470643的博客 408

单阶段端到端强化学习实现人形机器人视觉驱动越障

端到端强化学习是具身智能中连接感知与动作的关键范式,其核心在于打破传统‘感知-规划-控制’分段架构的信息衰减、时序割裂与错误传播瓶颈。通过将RGB-D视觉序列、IMU与本体状态联合编码,并直接输出关节扭矩序列,该方法在物理系统中实现了跨模态隐式补偿与动力学一致性建模。技术价值体现在显著缩小sim2real差距、提升越障鲁棒性及降低对高精度几何建模的依赖。典型应用于真实人形机器人复杂地形穿越任务,如碎石路、错落木桩与反光坡面等挑战场景,尤其适合面向真机部署的机器人算法工程师与系统集成开发者。

weixin_29057695的博客 315

ERVLA:具身视觉-语言-动作联合推理实现机器人操作泛化

具身智能是机器人从预设程序走向真实环境自主操作的核心范式,其本质在于打通视觉感知、语言理解与物理动作之间的语义与动力学闭环。传统方法受限于模态割裂、奖励工程依赖或仿真到现实的鸿沟,导致跨场景泛化能力薄弱。ERVLA通过构建统一隐空间下的视觉-语言-动作三模态对齐机制,以跨模态对比学习建立可迁移的‘物理锚点思维链’,使模型能基于少量演示,在材质、光照、尺度、动力学等维度实现鲁棒泛化。该技术已落地家庭服务、工业质检与医疗辅助等高不确定性场景,显著提升零样本任务成功率与部署确定性,代表了具身操作智能从‘模仿执行’

weixin_34072458的博客 584

自监督学习:让模型从数据结构中自我教育的机器学习新范式

自监督学习是一种不依赖人工标注、利用数据内在结构(如时序一致性、空间相关性、语义连贯性)驱动模型自主学习表征的通用机器学习范式。其核心原理是通过设计代理任务(如掩码重建、对比预测、顺序还原),迫使模型理解输入数据的深层规律,从而构建鲁棒的世界模型。相比传统监督学习,它显著降低标注成本、提升小样本与零样本泛化能力,并增强对分布偏移和异常模式的感知力。该技术已成为AIGC、多模态理解、具身智能及工业质检等前沿场景的关键底座,尤其适用于标注稀缺、长尾缺陷、领域迁移等现实‘数据荒漠’问题。

张 作强 BLOG 507

SEER v2:自监督视觉表征如何重塑工业CV落地范式

通用视觉表征是计算机视觉从任务专用走向世界建模的关键基础,其核心在于摆脱对人工标注的依赖,通过自监督学习从海量无标签图像中提取鲁棒、可迁移的语义特征。SEER v2以10亿级Instagram图像为训练数据,依托ViT-Huge架构与多视图对比学习,实现了跨设备、跨光照、跨年代的视觉一致性建模,显著提升零样本迁移与小样本微调能力。该技术大幅降低工业质检、缺陷识别等场景的标注成本,并支撑边缘部署与长周期模型监控。本文深入解析SEER v2的自监督原理、数据工程逻辑与分层微调实践,为构建可演进的视觉基础设施提供

weixin_34160277的博客 649

农业机器人视觉落地:轻量级HSV+MobileNet混合识别方案

图像识别是计算机视觉的基础能力,但在嵌入式农业机器人场景中,必须兼顾实时性、低功耗与物理鲁棒性。传统深度学习模型受限于树莓派等边缘设备的算力墙、延迟墙和泛化墙,难以应对果园中光照突变、枝叶遮挡、果实粘连等真实干扰。基于HSV色彩空间的动态阈值分割能有效解耦光照影响,提供稳定的目标初筛;结合MobileNetV3-Small等轻量级模型实现精准分类,兼顾精度与推理速度;再通过手眼标定与畸变校正完成像素到机械臂坐标的可靠映射。该技术路径已在真实采摘任务中验证89%抓取成功率,成为资源受限环境下工业级视觉落地的典

weixin_30432579的博客 304

人形机器人真实瓶颈:机电系统可靠性与物理世界适配

人形机器人本质上是精密机电系统,而非单纯AI载体。其核心挑战源于电机力控响应滞后、多关节耦合计算爆炸、传感器温漂与标定失准等底层物理限制;技术价值体现在运动稳定性、环境鲁棒性与长期可靠性上,直接决定在养老院、工厂、家庭等真实场景中的可用性与安全性。当前突破关键在于伺服执行器带宽提升、IMU原位自标定、足底压力高频采样(≥1kHz)及热-力-电协同设计。本文聚焦人形机器人实际部署中抖动、误判、突然跪倒等典型失效,揭示数据手册第47页 footnote 中隐藏的工程真相。

weixin_33847182的博客 498

CAD图纸在工业视觉中为何‘不可用’?揭秘sim-to-real分界轴

CAD图纸作为工业设计的源头数据,本应天然支撑视觉检测中的定位、测量与缺陷识别,但现实中却常因几何失准、语义错配和工艺脱节而失效。其核心症结在于sim-to-real迁移过程中存在的‘可用性分界轴’——当CAD模型与物理实体的几何偏差超过工艺公差带1/3,或缺乏可解析的语义标注与制造上下文时,即丧失工程可用性。这一问题直指工业AI落地的基础瓶颈:数据资产是否具备工艺感知力与跨域一致性。解决路径并非优化算法,而是构建从坐标系锚定、图层净化、公差带注入到工序绑定的七步工程转化流程,并在国产化替代中同步升级CAD

weixin_30859423的博客 424

Feat2Go:面向细粒度视觉价值估计的可解释AI框架

视觉价值估计是一种将图像内容映射到可量化经济价值的技术范式,其核心在于建模视觉特征与成本、风险、稀缺性等多维价值信号之间的非线性关系。不同于传统计算机视觉任务聚焦于识别或定位,该技术需在像素级细节中捕捉微结构纹理、光照偏差与几何畸变等细粒度线索,并通过解耦式建模、分布感知训练与稀疏特征门控等机制保障预测的鲁棒性与可解释性。它已广泛应用于工业质检、二手资产估值、金融抵押风控等高价值决策场景,尤其适合对精度、可信度与业务对齐有严苛要求的落地项目。

weixin_30787531的博客 373

AI Agent 入门(一):什么是 AI Agent?——从概念到第一个 API 调用

AI Agent 入门(一):什么是 AI Agent?——从概念到第一个 API 调用

nbtang的博客 257

倍福--RS232自由口实现

RS232/485通信协议是在现场中常用到的,比如触摸屏、温控模块等设备控控制器做通信,会常用到此类协议,本文介绍RS232/485自由口通信的实现,并用PC调试助手进行测试。 目 录 软硬件版本 3 1.1. 倍福Beckhoff 3 1.1.1. 控制器硬件 3 1.1.2. 控制器软件 3 硬件连接 3 2.1. PC COM介绍 3 2.2. RS232/RS485连接 3 3.2.1. N030…………. 4 3.2.2. N031…………. 4 2.3. 实际线路连接 5 PLC程序 7 3

weixin_41883890的博客 3284

十三种通信接口芯片——《器件手册--通信接口芯片》

通信接口芯片用于实现差分信号的传输,具有抗干扰能力强、传输距离远等优点。RS485支持多点通信,可连接多个收发器,而RS422支持单向多点通信。广泛应用于工业自动化、过程控制、仪器仪表、楼宇自动化(如暖通空调、保安系统)、电机控制等领域。ST3485EBDRTP8485ESR用于实现串行通信,支持点对点通信,传输距离相对较短,数据速率较低。常用于计算机与外设(如打印机、调制解调器)之间的通信。如芯力特的SIT3232,可作为ST3232的替代品。

XU157303764的博客 4276

YOLOv8改进 | 主干网络 | 增加网络结构增强小目标检测能力【独家创新——附结构图】

YOLOv8改进,小目标检测,yolov8

kay_545 6023

量子化学仿真软件:VASP_(9).磁性材料计算

在量子化学仿真软件 VASP 中,磁性材料的计算是一个复杂但重要的过程。通过正确设置磁性状态、分析磁性性质、优化计算参数以及研究磁性相变和磁动力学,可以更准确地描述和预测磁性材料的性能。希望本节的内容能够为研究磁性材料的科研人员提供有用的参考和指导。

kkchenjj的博客 1378

PCB仿真软件:Altium Designer_(15).AltiumDesigner的版本控制与项目管理

在进行PCB设计时,版本控制和项目管理是确保设计质量和团队协作效率的关键。Altium Designer 提供了强大的版本控制和项目管理功能,可以帮助设计团队更好地管理和维护项目。本节将详细介绍如何在Altium Designer中进行版本控制和项目管理,包括如何使用版本控制系统、如何管理项目文件、如何进行团队协作等。

kkchenjj的博客 1205

【ComfyUI】QwenImageEdit OOTD角色与姿态匹配换装

本文介绍了一个基于Qwen Edit OOTD 2.0的ComfyUI工作流,能够实现角色与姿态匹配的智能穿搭生成。该工作流通过整合模型推理、姿态识别、图像拼接和渲染等节点,完成从角色图、姿态图到成品穿搭图的完整生成流程。核心采用Qwen Image系列模型进行图像理解和编辑,配合ControlNet进行姿态引导。用户只需提供角色图和姿态参考图,系统即可自动完成姿态解析、语义编码、采样生成等步骤,输出与输入姿态一致的穿搭图像。该方案适用于虚拟角色展示、电商试穿等场景,能保持角色特征一致的同时灵活变换姿态,显

Mr数据杨 1596

软考「系统规划与管理师(第2版)」考后复盘|考试大纲深度解读

第2版大纲其实在定义一种新岗位:不是“会运维的人”,而是“能站在业务战略高度,规划信息系统、治理服务过程、驱动数字化转型的总设计师”。你读大纲,别只看到24章。基础篇给你世界观方法篇给你规划力能力篇给你管理力实践篇给你落地感格局决定分数,责任决定高度。先懂大纲要什么样的人,再决定自己怎么学。官方大纲以中国计算机技术职业资格网最新公布版本为准:https://www.ruankao.org.cn。

软件行业技术文化交流。 46

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

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。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

上一篇: 12、eBPF 程序的运行与验证
下一篇: 28、语言分析与美国政治:从词汇到总统的多维度洞察
gitlab7runner
博客等级 码龄4年 78粉丝 1747原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值