tag 标签: 图像识别

相关博文
  • 热度 6
    2021-3-11 18:53
    50780 次阅读|
    3 个评论
    实战项目--图像识别--人民币识别
    实战项目旨在交流学习,项目相关资料请在关注 大鸟科创空间 微信公众号后回复项目关键字 ———“人民币识别” 以获取,欢迎在评论区交流意见。 简介:图像识别 --人民币识别 此方式简单的运用颜色空间来识别人民币,适合入门学习,准确度不高,仅能实现简单辨识。 先展示效果: 项目开发环境: Spyder(Python 3.7) 开发语言: Python demo功能: 1:对导入图片里面的人民币利用其色彩分布进行简单识别 2:图片中尽量不要有其他杂物 3:此方式准确度不高,适合入门学习 部分源码截图: 颜色空间适用于机器视觉的多个方面,在计算机上运行源码时候,需注意相关 opencv 库等环境已经安装完成。 至此项目介绍完毕,本项目旨在开源,想要获取源码资料的朋友,关注 大鸟科创空间 微信公众号后,回复项目关键字 ———“人民币识别” ,即可获得源码资料下载链接。 微信扫描下方二维码关注公众号“大鸟科创空间”
  • 热度 3
    2021-3-11 18:40
    2004 次阅读|
    1 个评论
    实战项目--图像识别--目标跟踪和区域侵入告警
    实战项目旨在交流学习,项目相关资料请在关注大鸟科创空间微信公众号后回复项目关键字 ———“目标跟踪” ,或者项目关键字“区域侵入告警”,以获取,欢迎在评论区交流意见。 简介:图像识别 --目标跟踪和区域侵入告警 先展示效果: 项目开发环境: Spyder(Python 3.7) 开发语言: Python demo功能: 1:对导入视频里面的移动物体进行跟踪 2:可以设定指定区域,若跟踪物体侵入该区域则进行报警 在 demo中,可用鼠标画出矩形框选中跟踪目标: 部分源码截图: oython 功能强大,代码简洁,在计算机上运行源码时候,需注意相关 opencv 库等环境已经安装完成。 至此项目介绍完毕,本项目旨在开源,想要获取源码资料的朋友,关注 大鸟科创空间 公众号后,回复项目关键字 ———“目标跟踪” ,或者项目关键字“区域侵入告警” ,即可获得源码资料下载链接。 微信扫描下方二维码,关注“大鸟科创空间”微信公众号
  • 热度 2
    2020-1-5 12:54
    1365 次阅读|
    1 个评论
    随着中国老龄化的加快,工厂招人越来越难,并且随着对外开放的不断进行,国门加速打开,各工厂主不仅面对国内同行竞争者,更要面对国外厂家的强力竞争,因此在产品品质控制方面不敢有一丝马虎,不仅产品要好,而且生产成本还要大幅度降低,否则难以生存。 随着传统自动化设备逐渐普及,产品外观检测这个需要比较高经验和难度的工种也在朝着自动化迈进,但是产品外观检测不同于其他焊接、搬运、灌装等标准设备,由于产品、缺陷的多样性,买一套可靠好用的图像识别系统并不简单。作为机器视觉行业从事9年的研发团队,我们经历了无数检测品质不稳定,最后无法达到实际检验要求的案例,少则三五十万,多则上百万前期投资打了水漂。接下来,我们来分析一下,如何才能找到一个可靠的稳定的检测系统。 只看外表来判定一套计算机图像识别系统行不行? 我觉得有一个比喻,好比通过外貌来评价一个陌生人的能力,看到一个穿着打扮仪表堂堂威风凛凛的时候,如果不看他说话做事的实际水准是无法判断他能力高低的。 为什么会用这个做比喻?因为计算机图像识别属于人工智能范畴,系统行还是不行,效果好还是不好,不是取决于外表,而是取决于内在算法。而图像识别算法这一块,目前仅发展了50年左右的时间(计算机技术从发明到现在也只有70多年时间,第一台埃尼阿克1946年诞生于美国宾夕法尼亚大学),图像处理算法还处于少年阶段,世界各大高校研究所在各个方向对图像进行研究。由于研究方向多,不同领域方向解决的问题不同,算法不具有直接通用性,因此就要解决好图像处理问题,需要广博的知识、系统性的理论再加上丰富的项目经验,所以图像算法跟武功秘籍一样,最高的跟最低的差十万八千里。但是这些通过外表是看不出来的,只有在各式各样的环境下测试,如果表现出来的效果稳定准确,才能最后断定这个系统是可靠的,因为不同的场景面临的问题不同,难度不同,只有各个场景各个品种都能稳定工作才能算作可靠产品。 为什么通用自动驾驶到现在还没有上路,只能在有限场景的几个固定地点进行摆渡车应用,背后的原因也是如此:不同天气,不同光照、不同地理环境、不同肤色的行人、各式各样的车辆、楼房等等,都做到100%识别像登天一样难。 这一点上来说,图像识别系统跟机械系统不同,机械系统性能大部分能看得到,外表什么样性能差不多就是什么样。 当然话说回来,图像识别系统也分三六九等。容易的任务跟困难的任务,其背后对专业知识和经验的要求差别也是非常大的,简单东西能做好不代表所有都能做好,中间的路非常漫长。 本文写作主要就是笔者发现经常有借概念炒作,忽悠客户的事情发生。各个老板和采购人员对计算机图像处理技术特点理解不准确,频繁出现投资失败的情况 背景介绍:笔者在机器视觉行业从事研发工作长达9年,时常遇到类似情况,跟客户解释十分困难,因此整理成科普文章发出来净化行业空气,使客户可以更理智的认识这个领域水深水浅,降低投资风险。 著作权所有:范视电子科技研发团队,转载请注明出处,以免引起不必要的法律纠纷。
  • 热度 3
    2020-1-5 12:53
    1376 次阅读|
    1 个评论
    随着中国老龄化的加快,工厂招人越来越难,工厂的一些生产环节开始使用机器视觉产品。但是机器视觉产品在选购和使用中并非一帆风顺,在使用中经常遇到这样或者那样的问题;更有的在项目实施时换了几个供应商也没有达到生产要求,为此浪费了大量时间和财力。 之所以出现这些问题,究其原因机器视觉系统属于高科技产品,技术含量高难度也大,不同于传统机械产品。因此不能用传统机械设备上的经验进行选购,。为了便于工厂管理者更好的选到合适的产品降低浪费,本文将视觉产品选购中需要注意的问题进行系统性梳理。 什么是机器视觉?我们先进行基础概念介绍,把概念搞清楚才便于做出正确选择。 机器视觉是计算机图像技术在工业领域的一个称呼,其技术来源于计算机图像处理科学与技术。该技术较为高深,建立在计算机科学(图像识别和人工智能分支)与高等数学几何学基础上。此技术的一个应用大家应该耳熟能详,例如有线电视图像压缩传输,VCD、DVD、MP4、蓝光、4K高清等产品上无一不使用计算机图像技术。高级一些的例如人脸识别、车牌号识别、机器人抓取等。 机器视觉是将该技术应用于工业检测和识别领域。本质上是通过数字成像技术,然后经过各种运算进行关键特征提取,最后给出检测结果,调整下道工序的输入。 机器视觉从应用上来说,可以分为识别、检测、测量、定位。其中最难的是检测,各种缺陷的检测。下面分开介绍。 对产品状态好坏的判定以及字符读取都是识别的范围。例如饮料灌装行业需要对每个瓶子瓶盖盖好与否进行检测,这个就是对瓶盖状态的识别。瓶身上的生产日期检查,防止漏印、错印,这是字符识别。 有些芯片产品的引脚间距需要保证一致,不能出现忽大忽小,引脚间距的非接触式测量就是视觉测量的一个应用,此外饮料行业对于液位高度检查也是测量应用。 定位主要是计算出产品的位置方便机械手抓取。 检测主要对产品外观状态进行识别,例如产品表面是否有划伤、破损,典型应用例如纺织瑕疵检测、半导体硅片瑕疵检测、太阳能电池片电极断裂、油污和颜色深浅检测等。 由于上面四类应用难度不同,对产品的要求也不同,因此市场主要形成两大阵营:一个是以康耐视、基恩士为代表的智能相机家族;一个是以大恒图像、凌云光子为代表的计算机系统(PC Base)家族。 智能相机外形小巧、使用简单、便于安装用于读码(条码、二维码)、定位、测量和简单状态识别(例如瓶盖是否盖好),不过智能相机由于算法相对简单,处理器性能有限,无法胜任复杂缺陷检测的要求。复杂缺陷检测主要是依靠计算机家族来实现。复杂缺陷检测开发周期较长,不确定性大,找有实力的厂家开发成功率比较高。 智能相机主要是美国的康耐视(Cognex),日本的基恩士(Keyence),产品品质好,价格高。计算机家族主要是北京大恒图像、北京凌云光子、北京华夏视科、武汉精测可以进行全新检测系统的研制。 对于读码、定位和简单识别一般不会遇到特别大的困难,实际项目实施时失败率最高的是缺陷检测。缺陷检测系统的研制失败率高是因为缺陷种类繁多,产品品类多,形状颜色图案变化都比较大。 典型的机器视觉技术通过颜色、对比度、形状提取,通过数学建模等方法可以实现规整目标的缺陷检测,例如药片、光盘、液晶屏等。但是对于复杂外形的产品往往很难取得满意效果,例如农产品、食品、纺织品缺陷检测。 随着2012年加拿大多伦多大学教授Hinton在深度学习识别上取得突破,很多原来无法实现的复杂缺陷检测可以借助深度学习完成,并且实现了很高的准确率。对于产品形态复杂的检测任务可以尝试深度学习,很多都可以取得不错的效果。 不过深度学习也并非万能,如果场景变化目标形状变化剧烈,检测准确度也难以提高,例如户外环境下的自动驾驶行人车辆的识别。 选购机器视觉产品,最好寻找上述专业机构。然而大企业对小众采购量小的产品接单意愿不大。小众采购量小的项目开发只能选择小视觉公司,小规模视觉公司在技术和经验上参差不齐,需谨慎选择。 时间仓促,上述文章概括了视觉检测系统的概念和选购过程中需要注意的问题,希望可以帮助工厂管理人员。如果有特殊问题上面文章没有提及,可以在页面留言,我们会定期逐一解答。 著作权所有:范视电子科技研发团队,转载请注明出处,以免引起不必要的法律纠纷。
  • 热度 12
    2019-1-13 12:53
    4146 次阅读|
    3 个评论
    雨滴慧目图像识别项目的产品定义过程详解!
    需求来源: 俊知焊齿机的合金刀头上料机构,采用基恩士的光纤激光识别,对于一些对称性比较强的合金刀头,容易误判,所以高端的焊齿机采用价格昂贵的图像识别系统,但是价格在1.5万附近,焊齿机整机价格也就不到10万,所以一般机器都不采用图像识别,只有客户有特殊要求,愿意接受高价的,才用图像识别。 俊知看到我们做手机,手机上有摄像头,于是他们希望我们采用手机技术,做一套高性价比的适合他们的图像识别方案,这样可以提高俊知焊齿机的竞争力,但限于当时的手机技术,尤其是摄像头无法远距离与手机分立,所以这个想法只是停留在想法上。 尝试: 2016年我出任俊知总经理,为了提高焊齿机的竞争力,开发了第二代高频电源后,于是着手思考图像识别的方案,俊知以前提过采用USB摄像头,但是这个需要配套性能比较高的解码板,需要采用主频比较高的平板方案,而这个不是我擅长的,我擅长的是嵌入式单片机 + FPGA,当时我提出一套基于模拟摄像头,FPGA图像二值化后,采用stm32单片机设计的一套图像识别方案,通过2、3个月的开发,达到了图像识别的效果,但是限于自身的技术水平,图像是黑白的,并且点阵只有128*64,并且识别方式采用特征识别,整个看起来比较低档,跟进口的相比差距很大,所以也就一直犹豫而无法推进,所以这个采用单片机方案的图像识别项目也就暂停了。 阵痛 : 2017年回归雨滴后,年末时期,在思考手持机业务如何突破,结合自身的各种应用场景的需求,提出了云屏手机概念,把单片机的简单易用特性和手机的界面、互联网能力结合起来,郑德智提出通过HTML5实现交互,搭建了软件框架,希望应用于无人值守行业,并且还可以取代一些串口屏的市场,但因为成本偏高,推广难度较大,无法直接落地,2018年中,这个项目算是阶段性失败。 峰回路转 : 2018年中云屏系统陷入僵局,无法落地,第一个典型应该到底是什么,虽然公司有不少类似的应用产品,比如门禁就是典型的,还有售卖机等,但都不是我们自己主导的,这个时候想起之前的图像识别来,于是在郑德智主持、田飞锋、叶长德等其他同事配合的情况下,基于俊知的上料机构做出了图像识别方案,获得了俊知的认可,开始进入老化测试阶段。 信心 : 俊知认可后,也就是整个焊齿机行业的认可,所以其它焊齿机行业都纷纷申请样品测试,此外俊知还推荐了客户过来,在雨滴公司附近的一家机械自动化公司一看就看中了我们的图像识别方案,因为高性价比,又简单易用,正好解决了他们眼镜架配件的上料正反面识别问题,我们的图像识别可以直接取代他们的光纤激光识别方案,最为关键的是,他还介绍了图像识别与机械手的配合使用问题,进口的方案不仅价格高,而且编程复杂,希望我们能做出简单易用的取代他们,之后他们老板来公司考察,对雨滴的思路非常认可。 理念 : 随着跟更多的有自动化需求的公司接触,他们都很希望使用我们的产品,但基本点可以归结为三点:1、高性价比,取代进口设备,2、简单易用,降低开发难度,3、本土技术支持,满足多变的二次开发,不影响他们原来的体系。 以上三点,是基于国内的实际情况,一般机械公司的技术人员往往年龄偏大,往往不愿意学习新东西,所以对机械手+图像识别等新产品既爱又恨,但真正掌握他们又需要编程等开发,他们又不愿意学习,所以有高性价比,良好的应用本土供应商,是他们的最爱,雨滴慧目图像识别产品,就应该往这个思路走。
相关资源