Halcon缺陷检测系列 原创 茗君(Major_S) 2022-03-03 16:49:41 ©著作权 文章标签 Halcon 文章分类 后端开发 ©著作权归作者所有:来自51CTO博客作者茗君(Major_S)的原创作品,请联系作者获取转载授权,否则将追究法律责任 Halcon缺陷检测系列 一 注塑吸嘴缺口检测 二 铣刀刀口破损缺陷检测 三 网状产品表面破损检测 四 手机摄像头图像表面的轻微缺陷检测 五 皮革纹理表面缺陷检测 六 化妆品标签褶皱检测 七 傅立叶求背景有噪声的钢轨宽度 八 定位出所有网格顶点的位置 九 电路板短路,断路检测 十 产品周围缺口检测 十一 产品上凹坑检测 十二 产品毛刺检测 十三 产品表面三角缺陷检测 十四 产品边缘凹痕检测 十五 不均匀表面刮伤检测 十六 背景网格产品刮伤缺陷检测 十七 十八 十九 二十 二十一 二十二 二十三 二十四 二十五 二十六 二十七 二十八 二十九 三十 三十一 三十二 三十三 三十四 三十五 三十六 赞 收藏 评论 分享 举报 上一篇:缺陷检测解决策略之五: 特征提取+分类器训练 下一篇:大华(华瑞)MVP网络通讯教程实例 提问和评论都可以,用心的回复会被更多人看到 评论 发布评论 全部评论 () 最热 最新 相关文章 内存泄露的检测 介绍几种常见平台下的内存泄露检测工具Visual C++ 在 Windows 系统下查找和修复内存泄露使用方法在Microsoft Visual C++中,其调试库内建了对内存泄漏的支持;对于下面这个代码:#include <iostream>int main(){ int* p0 = new int{}; int* p1 = new int{}; Code 内存泄露 c++ 内存泄露检测 网络端口存活检测 网络端口存活检测默认网络访问策略都是限制访问,开通后如何验证。一般使用telnet,服务器可能没装而无法使用,收集以下工具。查看远程服务器端口telnet使用telnet ip porttelnet 10.4.20.118 1521成功结果Trying 10.4.20.118...Connected to 10.4.20.118.Escape character is '^]' IP TCP 网络访问 吸烟行为检测算法 吸烟行为检测系统通过获取视频图像,并利用图像识别技术来识别目标人物的人脸特征和香烟的特征。同时,系统还会分析人脸特征以确定人体嘴巴的位置,并判断香烟的一端是否位于嘴巴内部。如果香烟一端进入嘴巴内,系统将判定为存在吸烟行为。本文主要内容:详细介绍了摄像头下吸烟行为检测系统,在介绍算法原理的同时,给出Pytorch的源码、训练数据集以及PyQt6的UI界面。在界面中可以选择各种图片、视频进行检测识别, xml 视频图像 数据集 opencv折痕检测 1、MNIST数据集 本章将使用MNIST数据集,这是一组由美国高中生和人口调查局员工手写的70000个数字的图片。每张图像都用其代表的数字标 记。这个数据集被广为使用,因此也被称作是机器学习领域的“HelloWorld”:但凡有人想到了一个新的分类算法,都会想看看在MNIST上的执行结果。因此只要是学习机器学习的人,早晚都要 opencv折痕检测 机器学习 召回率 git 数据集 opencv 折痕检测 opencv 弧线检测 文章目录前言一、函数介绍1、HoughLinesP2、HoughCircles3、findContours4、 drawContours二、演示1、GUI2、代码实现总结 前言越来越多的开发人员选择基于开源的Qt框架与OpenCV来实现界面和算法,其原因不单单是无版权问题,更多是两个社区的发展蓬勃,可用来学习的资料与例程特别丰富。以下是关于利用Qt构建GUI并使用OpenCV中的HoughLin opencv 折痕检测 qt opencv 开发语言 ci halcon 深度学习 瑕疵检测 halcon外观检测 前言此文针对《halcon机器视觉实例1》中遗留问题的进阶。照例不喜欢贴代码,而是阐述见解。本文还是以官方例程为例--find_scratches_bandpass_fft。其实就是通过快速傅里叶变换来检测划痕。正文先前是通过均值滤波+动态阈值分割提取的特征。其实就是通过灰度值平均后,与原图的比较来凸显特征。这种方式其实对噪声的去除效果有限。对比如下:第一张图是非fft的,第二张是fft halcon 深度学习 瑕疵检测 计算机视觉 图像处理 人工智能 权重 halcon 目标检测 halcon目标检测评估 0、所需了解的知识数据集数据集的类别已有不需要另外指定,这是因为在读取之前已有数据集的时候,数据集中就会包含了许多数据,其中结构如下:包括类别序号以及类别名字预训练模型或者模型 预训练模型也有了基本的参数,如下所示:训练集、验证集以及测试集的区别: 一般会认为训练集、验证集以及测试集没有很大区别,但是在halcon由于比较固定和标准,所以三者的作用是区分开来的,比如:训练集:用来对模型的数据进行训 halcon 目标检测 目标检测 深度学习 计算机视觉 数据集 halcon 深度学习异常检测 halcon检测边缘 一般在做项目时,无论是边缘检测、瑕疵检测、Blob检测等应用,都有一定的通用套路,也可以说是通用处理框架,在此框架下根据具体应用具体分析,基本上所有项目都可完成。总结起来,通用套路 + 灵活运用对于初学者来说,只需掌握通用套路即可,灵活运用需要经过大量的练习才可达到,运用大学里学马克思哲学时的一句话概括,“量变引起质变”,当你达到这个程度之时,俨然成为集大成者了。边缘检测通用思路:设置ROI感兴趣 halcon 深度学习异常检测 halcon 边缘检测 ci Image 拟合 python 折痕检测 findContours python对折纸程序 数据结构之二叉树:Python代码解决折纸问题折纸问题要求:请把一段纸条竖着放在桌子上,然后从纸条的下边向上方对折1次,压出折痕后展开。此时折痕是凹下去的,即折痕突起的方向指向纸条的背面。如果从纸条的下边向上方连续对折2次,压出折痕后展开,此时有三条折痕,从上到下依次是下折痕、下折痕和上折痕。 分析: 我们把对折后的纸张翻过来让粉色朝下,这时把第-次对折产生的折痕看做是根结点,那第二次对折产生的下 数据结构 python 二叉树 结点 中序遍历 Halcon 缺陷检测 Region参数缺陷类型1.边缘凹凸检测2.内部凸凹点、瑕疵、污点、内部烫伤、孔洞3.划痕(用低角度环形光进行打光,将划痕打亮,背景打暗;也可用同轴光,让表面反光不明显)缺陷图像处理1.blob分析+特征提取2.blob分析+特征提取+差分3.频域+空间域4.光度立体化5.特征训练6.测量+拟合halcon算子1 *二值化 输入图像 输出区域 坐标轴 特征提取 差分 仿射变换 频域 halcon深度学习异常值检测 halcon外观检测 前言这个是开始halcon机器视觉的第一篇。为什么要用halcon呢,因为有很多现成的算子,方便快速应用。后续的计划是一边熟悉halcon,一边刷刚萨雷斯的《数字图像处理》。正文以官方例程的surface_scratches(表面划痕)为例1,根本不可能仅以灰度值作为判断划痕的依据。 因为,划痕像素点的灰度值与非划痕处像素点的灰度值,不可能正好是一个二值分割的关系。简单点说,就是–不可能划痕区 halcon深度学习异常值检测 计算机视觉 图像处理 人工智能 灰度值 halcon 深度学习异常值检测 halcon检测凹陷凸起 文章目录处理要求处理方法1方法一思路方法一halcon源码处理效果处理方法2方法二思路方法二halcon源码处理效果 处理要求椭圆/圆环(产品易变形,为椭圆)内外圆毛刺(凸起)缺口(凹陷)检测。处理方法1方法一思路1、这是一个圆环产品检测,我们可以通过产品区域与标准圆环进行比较得出不良区域。 2、为了避免误检、误判,我们可以通过区域筛选阈值偏移的方法滤除干扰区域,可以将标准圆环放大消除一些圆度导致 halcon 深度学习异常值检测 ci Image sed halcon 深度学习 缺陷检测 halcon表面缺陷检测案例 1.缺陷分类: 边缘凹凸、毛刺 内部污点、内部凹凸、特定空洞、破损 划痕(一般用低角度环形光和同轴光源) 凸点一般用带角度的光源斜着打,背景打亮,凸点打暗。 凹点一般用平行光从上往下打,背景打亮,凹点打暗。2.缺陷处理的方式: Blob+区域特征:cheak_blister.hdev(检测胶囊缺失和错误) Blob+区域特征+差分:fin.hdev(边缘凸起的检测) 频域+ halcon 深度学习 缺陷检测 Image 句柄 差分 halcon深度学习 瑕疵检测 打标 halcon外观检测 缺陷检测是视觉需求中难度最大一类需求,主要是其稳定性和精度的保证。首先常见缺陷:凹凸、污点瑕疵、划痕、裂缝、探伤等。常用的手法有六大金刚(在halcon中的ocv和印刷检测是针对印刷行业的检测,有对应算子封装):1.blob+特征2.blob+差分+特征3.光度立体4.特征训练5.测量拟合6.频域+空间结合。频域结合空间,其实频域就是用波动观点看世界,看问题角度变了,光经过镜头其实发生的是傅立叶变 halcon深度学习 瑕疵检测 打标 频域 灰度值 灰度 halcon 深度学习 缺陷检测 标注 halcon芯片缺陷检测 第六章-缺陷检测关于缺陷检测回顾工业视觉的任务常见的缺陷与对应算法常见的缺陷有:对象轮廓凸凹不平 非曲面轮廓的: 凸点斜光打亮,凹点垂直光打暗曲面轮廓的:对象内部污点、内部凸凹点、瑕疵点、空洞和破损等对象表面划痕 打光,采用低角度环形光 & 同轴光总结:检测缺陷的几个方法如下打光,光的角度光源选型,如波长图像处理算法: blob分析+特征检测blob分析+特征检测+差分频 halcon 深度学习 缺陷检测 标注 Image ci sed 深度学习halcon缺陷检测 halcon缺陷检测的方法 引言机器视觉中缺陷检测分为一下几种:blob分析+特征模板匹配(定位)+差分光度立体:halcon——缺陷检测常用方法总结(光度立体) - 唯有自己强大 -特征训练测量拟合频域+空间域结合:halcon——缺陷检测常用方法总结(频域空间域结合) - 唯有自己强大 -深度学习本篇主要总结一下缺陷检测中的定位+差分的方法。即用形状匹配,局部变形匹配去定位然后用差异模型去检测缺陷。模板匹配(定位)+差分 深度学习halcon缺陷检测 Image 差分 仿射变换 halcon深度学习瑕疵检测标注原理 halcon缺陷检测例程 摘要缺陷检测是视觉需求中难度最大一类需求,主要是其稳定性和精度的保证。首先常见缺陷:凹凸、污点瑕疵、划痕、裂缝、探伤等。 缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一,基本都是套用一些成熟的算子,所以门槛较低,比较容易做成标准化的工具。而缺陷检测极具行业特点,不同行业的缺陷算法迥然不同。随着缺陷检测要求的提高,机器学习和深度学习也成了缺陷领域一个不可或缺的技术难点。 halcon深度学习瑕疵检测标注原理 人工智能 Image 频域 灰度值 halcon 目标检测标注 一直以来,对于手眼标定所涉及到的坐标系及坐标系之间的转换关系都没能有一个很好的理解,最近找了halcon手眼标定的实例在研究,发现对于相机的两种安装方式(眼在手和眼在手外),其坐标转换关系是类似的,这样说好像太抽象了,下面具体说说。我觉得标定最基本的是要将坐标系理清楚,这里涉及到的坐标系有四个:机器人基坐标系base、法兰上的工具坐标系tool、相机坐标系camera和标定板坐标系cal;此外,涉 halcon 目标检测标注 HALCON 手眼标定 坐标系转换 M3 halcon目标检测 人 R-CNN: Region with CNN feature,是一个双阶段目标检测算法系列。 内容基于 b站霹雳吧啦Wz 博主,讲的很好,这里只是做简要总结。R-CNN:只有Feature extraction是CNN,其他是传统的机器学习方法。关键步骤:SS得到约2k个候选区域将约2k个候选区域分别使用AlexNet提特征,将提的特征用SVM做分类(假设分类20类,即voc数据集的类别数)。然后 halcon目标检测 人 cnn 深度学习 目标检测 计算机视觉 halcon 深度学习检测 打开halcon,按下ctrl+e打开halcon自带例程。方法->二维码识别->2d_data_codesrectify_symbol.hdev*This program demonstrates how to read a slanted* 2d data code by preprocessing with rectification*dev_update_off()de halcon 深度学习检测 halcon 投影变换 二维码识别矫正 Image java 超发 <script type="text/javascript"> google_ad_client = "pub-8800625213955058"; /* 336x280, 创建于 07-11-21 */ google_ad_slot = "0989131976"; google_ad_width = 336; google_ad_height java 超发 string class google 编程 sqlserver 中的reserved是什么意思 SQL语句可以用来执行各种各样的操作,例如更新数据库中的数据,从数据库中提取数据等。目前,绝大多数流行的关系型数据库管理系统,如Oracle, Sybase, Microsoft SQL Server, Access等都采用了SQL语言标准。虽然很多数据库都对SQL语句进行了再开发和扩展,但是包括Select, Insert, Update, Delete, Create,以及Drop在内的标准的 SQL Server 数据库 springboot filter 处理response 从这里进去: 进入到refresh方法中,有10几个子方法,一个个讲。 1.prepareRefresh,刷新前的准备工作,比如:设置容器启动时间,设置活跃状态为true,设置关闭状态为false,获取environment对象,并加载当前的属性值到environment对象中,准备监听器和事件的集合对象,默认为空的集合。2.obtainFreshBeanFactory,主要是创建容器对象(Def 初始化 监听器 实例化 shiro跨域获取的session是空的 大家在写项目时可能会遇到前后端分离的情况,那么这个时候就会遇到跨域请求的问题。我们知道在web环境下http是一种无状态的通讯协议,要想记录和校验用户的登录状态必须通过session的机制来实现,浏览器是通过cookie中存储的sessionid来确定用户的session数据的,shiro默认也是采用这种机制。首先简要说一下怎样突破shiro跨域访问的限制,由于浏览器在访问后台服务前,会先发pri java session shiro Access h5 java fgc太久了 字符串拼接:请用StringBuffer代替String直接相加提高性能过去的理论有没有人告诉过你开发中不要String newString = "牛郎"+"织女"; 而是要根据是否线程安全采用 String newString = new StringBuffer("牛郎").append("织女").toString(); 或者 String newString = new StringBui java fgc太久了 data spring 指定时区 字符串 MVC 字符串拼接