- 博客(15)
- 收藏
- 关注
RSS订阅原创 Halcon---形状匹配+卡尺测量功能
本文介绍了一个完整的图像处理流程，主要包括图像读取、预处理、测量模型构建与应用、可视化等步骤。首先读取并预处理图像，包括灰度转换和旋转操作。接着构建形状模板和直线测量模型，通过仿射变换将模型应用到旋转后的图像中。最后实现了测量结果的可视化展示，包括测量轮廓和拟合点的显示。整个流程采用模块化设计，详细展示了从图像处理到模型应用的全过程，为工业检测等应用提供了完整的实现方案。
2025-12-24 14:22:59
154
原创 Halcon---模板匹配+矩形框生成
本文介绍了一个基于Halcon的图像处理流程，主要包含四个步骤：1)图像加载与预处理，包括读取图像、旋转和灰度转换；2)构建模板和矩形框，通过指定区域创建形状模板；3)定位模板区域，使用形状匹配算法在旋转图像中搜索模板；4)生成新的检测区域，通过仿射变换将初始检测框映射到旋转图像中。整个过程实现了对旋转图像中特定区域的精确定位，展示了Halcon在工业视觉检测中的应用。
2025-12-23 17:22:52
177
原创 在C#上运行YOLOv11模型---CPU版
本文介绍了YOLO模型的部署与使用流程：1）通过Python代码将训练好的YOLO模型导出为ONNX格式；2）搭建C#运行环境，安装必要的NuGet包；3）详细说明了检测结果类定义、变量声明、矩阵转置函数实现；4）完整展示了模型加载、图像预处理、推理执行及结果后处理（包括NMS）的代码实现。文中提供了从模型导出到实际应用的全流程解决方案，并特别标注了需要注意的界面控件属性设置。
2025-12-16 16:22:26
314
原创 YOLOv11 训练模型---GPU加速
本文详细介绍了YOLO模型训练的全流程指南，包括环境配置、数据准备和训练步骤。主要内容涵盖：1）NVIDIA显卡环境配置（CUDA和cuDNN安装）；2）Python虚拟环境搭建与PyTorch安装；3）数据集标注与目录结构规范；4）训练参数设置及常见报错解决方案。文章特别整理了9个常见错误的处理方法，涉及版本兼容、内存不足、依赖冲突等问题，为深度学习初学者提供了实用的技术参考。
2025-12-08 19:07:27
1003
原创 Halcon 椭圆拟合
本文介绍了基于HALCON的椭圆拟合算法实现过程。首先进行图像预处理，包括读取图像、转换为灰度图并显示窗口。接着详细说明了椭圆拟合的关键参数设置，包括卡尺坐标、大小椭圆半径、检测框数量等参数。算法实现部分包含图像格式转换、椭圆检测模型构建、参数设置及测量结果获取等步骤，最终通过可视化显示拟合结果。文中还提供了完整的代码实现，展示了从图像处理到椭圆拟合的全过程，并特别强调了参数设置对检测精度的影响。该方法可用于工业检测等需要精确识别椭圆特征的场景。
2025-07-07 16:22:27
643
原创 Halcon 线拟合/圆拟合
摘要：本文介绍了图像处理中的线拟合和圆拟合方法。线拟合部分展示了通过直线卡尺功能测量两条边缘夹角的完整流程，包括图像读取、模型创建、参数设置和结果可视化。圆拟合部分详细说明了参数设置（如检测框大小、匹配分数等）、算法实现（包含图像转换、模型构建和测量）以及可视化效果展示。两种方法都提供了完整的代码实现，通过调节参数可以优化拟合效果，适用于不同精度要求的图像测量任务。
2025-07-07 15:44:11
1020
原创 so-vits-svc 4.1 音色克隆 项目实现
本文介绍了so-vits-svc语音克隆项目的环境配置与使用指南。主要内容包括：1. 强调必须使用授权数据集；2. 详细的环境安装步骤（Python 3.8、C++组件等）及常见问题解决方案；3. 预训练模型下载与配置说明；4. 数据预处理和模型训练流程；5. 推理方法及常见错误处理。项目效果取决于数据集质量，需要长时间训练（建议10000个epoch），仅能克隆训练集内的说话人声音。注意使用授权数据以避免版权问题。
2023-11-23 15:21:34
3335
1
原创 Anaconda虚拟环境 + Vscode
一. anaconda中创建虚拟环境二.在vscode中设置在虚拟环境中运行1. anaconda中创建虚拟环境conda create -n 环境名 python==3.7.3 (版本自定义)conda activate 环境名 (激活环境)2. 在vscode中设置，在虚拟环境中运行Ctrl+Shift+P，调出解释器，输入：>Python:Select Interpreter注：未解决问题，vscode只认根目录下的包，不认虚拟环境下的包。.
2022-04-29 17:44:21
9978
3
转载 TensorFlow，Pytorch 的安装（GPU）
要求：一.本电脑GPU相对应的驱动（CUDA）二.安装Anaconda三.安装GPU版本的TensorFlow四.安装GPU版本的Pytorch1. CUDA上INVIDIA 官网上对照。（我使用的是CUDA10.2）查看是否安装成功。打开cmd，输入：nvidia-smi如下图，为成功。（注：右上角CUDA Version指你的电脑，可以接受CUDA最高的版本，并不是安装的版本）安装完成后，查看CUDA版本。打开cmd，输入：.
2022-03-30 03:46:50
287
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