Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
基于机器视觉的布匹疵点检测——新视智科
人工智能验布系统 布匹的疵点检测是纺织工业中的一个十分重要的环节 当前 纺织工业的布匹缺陷检测领域 人工检测仍然是主要的质量检测方式 而近年来由于人力成本的提升 以及人工检测存在的检测速度慢 漏检率高 一致性差 人员流动率高等问题 越来越多
AI机器视觉赋能工业质检
纺织检测
瑕疵检测
缺陷检测
机器视觉检测
python遍历文件夹下的所有子文件夹,并将指定的文件复制到指定目录
python遍历文件夹下的所有子文件夹 并将指定的文件复制到指定目录 需求 复制单个文件夹 遍历所有子文件夹中的文件 并复制 代码封装 需求 在1文件夹中有1 2两个文件夹 将这两个文件夹中的文件复制到 after copy中 复制单个文件
缺陷检测
python
Opencv轮廓检测
轮廓检测 轮廓和边缘的区别 cv2 findContours img mode method 轮廓检测步骤 轮廓特征 轮廓近似 原理 轮廓的外接矩形 轮廓的外接圆 轮廓和边缘的区别 检测边缘的经典算子 sobel算子 Scharr算子 la
缺陷检测
opencv
计算机视觉
人工智能
DeeplabV3Plus源码分析
DeeplabV3Plus源码分析 数据读取和预处理 网络前向传播 ASPP层 模型训练 数据读取和预处理 定义了预处理函数 进入到VOCSegmentation函数 读取数据和标签并进行预处理 网络前向传播 modeling py根据传递
缺陷检测
计算机视觉
YOLO的XML和TXT标注文本解释
XML和TXT标注文本解释 转换函数 xml 左上角坐标和右下角坐标 转换为txt txt 中心点坐标 比例 宽 比例 高 比例 0到1之间 转换函数
缺陷检测
YOLO
xml
yolov5源码解读--训练策略
yolov5源码解读 训练策略 超参数解读 命令行参数 train 模型迭代 测试 超参数解读 hyp scratch yaml lr0 0 0032 初始学习率 lrf 0 12 使用余弦函数动态降低学习率 lr0 lrf momentu
缺陷检测
YOLO
深度学习
神经网络
Jupyter Notebook查看文件
Jupyter Notebook查看文件 打开dos 输入Jupyter Notebook 打开dos 切换到ipynb文件所在路径下 输入Jupyter Notebook Jupyter Notebook 看到图片都丢失了 返回上一级的目
缺陷检测
jupyter
python
IDE
筛选图片,写JSON文件和复制
筛选图片 写JSON文件和复制 筛选图片 写JSON文件 筛选图片复制 筛选图片 写JSON文件 coding utf 8 from PIL import Image ImageDraw ImageFont import os import
缺陷检测
json
python
开发语言
按照json文件的值复制图片
按照json文件的值复制图片 文件格式 处理当前JSON 代码封装 增加批处理 文件格式 0是不挑选 1是挑选 处理当前JSON coding utf 8 from PIL import Image ImageDraw ImageFont
缺陷检测
json
Windows共享文件夹
Windows共享文件夹 将服务器相应磁盘设置为共享式 本机可远程访问服务器 共享到本地 注意 将服务器相应磁盘设置为共享式 这里E已经是共享式 将D也设置为共享式 Desktop erps210 d 本机可远程访问服务器 将本机和服务器的
缺陷检测
计算机网络
yolov5源码--网络结构模块
网络结构模块 可视化 网络配置文件 网络结构解读 代码解读 前向传播 特征提取网络 特征融合网络 检测头 可视化 python models export py weights weights yolov5s pt img 640 batc
缺陷检测
python
图像阈值cv2.threshold
图像阈值 图像阈值函数 图像阈值函数 ret dst cv2 threshold src thresh maxval type src 输入图 只能输入单通道图像 通常来说为灰度图 dst 输出图 thresh 阈值 maxval 当像素值
缺陷检测
计算机视觉
opencv
python
Jupyter notebook显示连接失败、服务器正忙
pip install tornado 4 5 成功
缺陷检测
jupyter
IDE
python
缺陷检测数据集
缺陷检测数据集 东北大学钢材表面缺陷数据集 铁质缺陷 东北大学钢材表面缺陷数据集 简介 该数据集是东北大学宋克臣团队制作而成 是钢材表面缺陷数据集 共有1800张图片 包含六种类型共有六种缺陷 crazing inclusion patch
缺陷检测
目标检测
String未声明标识符号
String未声明标识符号 问题描述 原因 解决方法 整体结构为 主函数 头文件的引入 检测函数头文件 检测函数 问题描述 原因 定义的String为CV String 我们需要std string 解决方法 使用string 报错 str
缺陷检测
目标检测
Opencv模板匹配
模板匹配 模板匹配函数的方法公式 模板匹配函数属性 minMaxLoc分析匹配结果 不同模板函数对比 多模板匹配 匹配多个对象 numpy的切片 模板匹配和卷积原理很像 模板在原图像上从原点开始滑动 计算模板与 图像被模板覆盖的地方 的差别
缺陷检测
opencv
计算机视觉
人工智能