- 博客(12)
- 收藏
- 关注
RSS订阅原创 OpenCV车道线检测，通过sobel，histogram，直线拟合技术等
此项目利用了多种计算机视觉技术来实现高效准确的车道线检测。通过使用Sobel算子、直方图分析和直线拟合等方法，系统能够在各种光照和天气条件下可靠地工作，为安全驾驶提供支持。
2024-08-12 09:38:34
216
原创 基于轻量级YOLOv5的反光衣检测识别分析系统（可用于智慧工地等场景）
在建筑工地、道路施工以及其他高风险工作环境中，穿戴反光衣是确保工人安全的重要措施之一。然而，由于工地环境复杂多变，人工监督难以做到无遗漏。因此，开发一套能够自动检测工作人员是否穿着反光衣的系统显得尤为重要。
2024-08-09 09:26:49
250
原创 基于YOLOv8的智能水果识别系统
在水果种植和加工行业中，对于水果的分拣和品质控制有着严格的要求。传统的手工分拣方式不仅效率低下，而且容易出现错误。随着计算机视觉技术的发展，特别是深度学习的进步，利用机器视觉进行自动化水果识别成为了可能。
2024-08-09 09:20:12
248
原创 基于YOLOV8病虫害检测系统创新
农业是国民经济的基础产业之一，而病虫害是影响农作物产量和品质的主要因素之一。传统的病虫害监测方法主要依赖于人工巡检，这种方式不仅效率低下，而且容易受到主观判断的影响。随着人工智能技术的发展，尤其是深度学习在图像识别领域的突破，开发一套能够自动识别并预警病虫害的系统成为可能。
2024-08-09 09:13:10
251
原创 YOLOv5用于工件检测（螺丝、螺母、六角扳手、铜柱和尼龙柱）
YOLOv5工件检测可对五类工件（螺丝，螺母，六角扳手，铜柱，尼龙柱）进行识别可融合应用于其他场景（机械臂视觉抓取）有数据集，已打好标框代码完整，已训练好，准确度高
2024-08-08 09:12:20
290
原创 基于深度学习的车道线检测QT系统
随着自动驾驶技术的发展，准确可靠的车道线检测成为了智能车辆的重要组成部分。传统的车道线检测方法通常依赖于图像处理技术如边缘检测、霍夫变换等，但这些方法在复杂环境下容易出现误检或漏检。相比之下，基于深度学习的方法能够从大量数据中自动学习特征，从而提高了检测精度和鲁棒性。
2024-08-07 10:21:45
688
1
原创 单目测距+代码部署（目标检测+车辆/行人等测距）
本章完成了对目标的测距任务，首先对相机的成像原理进行描述和分析，推 导世界坐标系与图像的像素坐标系之间的关系；介绍了相机畸变的类型并给出了 矫正公式，采集图像并利用公式对相机进行内外参数的求取，完成了图像的矫正，将采集到的图像 代入到测距模型中进行验证发现，可以达到测距要求。
2024-08-07 10:03:20
1325
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