目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）（十五）

最新推荐文章于 2024-09-14 13:54:00 发布
最新推荐文章于 2024-09-14 13:54:00 发布
阅读量1k 收藏 21
点赞数 29
分类专栏： 目标检测YOLO系列从入门到精通技术详解100篇 文章标签： 目标检测 YOLO 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/getusushu/article/details/134926244
版权

目录

前言

算法原理

机器视觉照明技巧

机器视觉软件及选型方法

一、机器视觉软件选型要点

二、常用机器视觉软件介绍

机器视觉系统的软硬件设计

　 视觉系统的硬件设计

　 视觉系统的软件设计

机器视觉系统集成

 机器视觉系统工作过程

机器视觉的目的

机器视觉检测系统的检测流程

机器视觉系统的优点

应用案例

机器视觉技术的城市交通预警系统

机器人如何通过视觉引导完成装配

对上下料机器人视觉控制系统的研究

1、总体方案设计

2、核心部件选型

3、视觉系统搭建

前言

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理软件，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像处理软件对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。伴随着中国制造业的蓬勃发展，我国正变成国际机器视觉发展最活泼的区域之一。大规模的运用范畴由开始的电子、制药等职业，逐渐扩展到包装、轿车等范畴，并且在交通、印刷等职业也有许多的运用。

算法原理

机器视觉照明技巧

合适的照明是机器视觉应用成功的关键，而且是第一要考虑的部分。一个设计良好的照明系统不仅会带来更好的性能，节约时间，而且从长远来看能节约成本。下面来分享选择最合适机器视觉照明的八个小技巧，它们是：

（1） 检测材料缺损请使用亮度高的光；

（2） 精确定位请使用合适波长的光；

（3&

了解本专栏 订阅专栏 解锁全文
格图素书
关注
专栏目录
订阅专栏
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】计算机视觉（基础篇）（三）
getusushu的博客
12-19 1786
目录几个高频面试题目计算机视觉与图像处理、模式识别、机器学习学科之间的关系全景图及计算机视觉技术全景图的简易制作方式合成全景图中计算机视觉技术的知识和原理1特征点匹配2图片匹配应用案例 基于计算机视觉使用Python和OpenCV计算道路交通背景提取算法过滤基于轮廓的目标检测构建处理管道 要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。计
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM（基础篇）
getusushu的博客
11-16 534
R3LIVE重建的彩色点云是要得到雷达在地图里面全环境的辐射信息，才能够重建出地图的纹理，且必须要求每个点覆盖到了才会有。然而，点云的密度有限，即不能在没有点的地方看着这个点，现有一种解决方案是重建地图的网格(mesh)模型，然后用相机得到图像RGB信息后贴到网格上，这样能够无损的去重建地图纹理。在这个背景下，做了一个在线激光雷达的实时定位和网格重建系统。主要贡献是完成了一个实时的、在线的网格重建。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉
getusushu的博客
11-07 621
在单芯片相机中，传感器上两个或三个相邻线的输出被组合以生成RGB信号，而在三个或四个传感器相机中，来自物体的光被收集到一个棱镜中，该棱镜将RGB分量（和近红外（NIR）在四芯片相机中）用于单个传感器的同时检测。多传感器棱镜相机是一种强大的替代方案。结晶红外材料，例如硒化锌和氟化钙，具有高色散性能，但这些材料的机械强度远低于玻璃，而且价格也更高，因此，大多数SWIR镜头继续由具有抗反射涂层的玻璃制成。这种色散是一个可测量的量，会导致镜头产生色差，镜头的边缘会模糊物体的边缘，从而无法进行准确的机器视觉测量。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）（七）
getusushu的博客
11-30 1309
目前，钢管的表面缺陷的检测大多通过人工方式实现，人工方式依赖于现场经验且效率低，受现场环境的影响，劳动强度大，易产生漏检和误检现象，不能全面反应钢管表面的质量，检测实时性差，检测种类少，检测效率低，缺乏对产品的表面质量的综合评估。当图像获取不理想时，会增加图像处理的难度。根据图像饱和度、像素分布、目标图像边沿、亮度等信息转换成计算机识别的数字信号，利用先进的算法对图像进行特征识别，将特征识别出来的结果进行评价，输出最终的缺陷结果，包括缺陷、尺寸、角度、个数、合格与不合格、有无等，实现自动识别功能。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】3D视觉
getusushu的博客
11-21 449
在3D相机中，取代光源的是激光发射器，通过复杂的光学系统设计，激光发射器发出的激光会形成一条直线，激光投射到物体表面就会形成反射，在光学系统的设计下，反射光会被镜头捕捉到，最后通过镜头反射到感光芯片上。下面我们来了解一下3D激光相机的测距原理，我司采用的是激光三角测距法，一般工业领域都是普遍采用这个方法，因为激光三角测距法的精度比较高，抗干扰能力也很强，此外，还有很多的测距方法，主要分为两个大类，分别是被动测量类和主动测量类。在传统的2D视觉中，一套详细的解决方案最基础的是相机、镜头、和光源。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】计算机视觉
getusushu的博客
11-12 291
一言蔽之，计算机视觉是让计算机理解并标记图像内容的技术领域。对于人类来说，你很难向从没穿过衣服的原始人解释什么是连衣裙或者什么是鞋。计算机视觉也是如此，如果它并没有相关输入，就不会理解上图的东西都是什么。所以，我们需要收集并标记大量关于衣服、鞋、包包的图片，输入进计算机“告诉”它这些图片里的东西是什么，在经过不断的学习和训练后，计算机将会识别出哪个是连衣裙，哪个是鞋、哪个是包包。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）
getusushu的博客
11-12 273
当（x，y）和f为离散、有限的数值时，光强度幅值f的变化将以类似矩阵的形式被记录，此时所记录的图像就称为数字图像，而所记录的值对应在图像中的每个点称为像素（pixel），横向及纵向像素的个数称为图像的分辨率（image resolution），如图3所示。C接口镜头的后焦距是17.526mm，CS接口镜头后焦距则为12.5mm，因此，只要为C接口镜头配备一个5mm的扩展管（转换器），就可以得到CS接口的镜头，但CS镜头却不能与C接口的相机搭配使用。C接口是镜头的国际标准，因此有很多C接口的镜头可供选择。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）（十四）
getusushu的博客
12-18 964
机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】计算机视觉（基础篇）
getusushu的博客
12-12 1112
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】点云
getusushu的博客
11-22 276
功能目标是基于点云的轨迹引导，即无论待引导物体以何种位姿摆放（要求该位姿在机械臂的行程范围内），视觉系统均能定位到该物体，并引导机械臂按需要的轨迹实现一定的工艺流程（比如鞋底涂胶等）。应用场景是鞋底涂胶等需要轨迹引导的工业现场。经过四十多年的改革开放，我国制鞋产业迅猛发展，但大而不强，主要依靠大量廉价劳动力维持生产。而鞋底涂胶作为制鞋的重要工序，目前主要依靠工人手工生产或半自动设备生产，喷涂质量良莠不齐，生产效率低，并且粘胶剂挥发出的毒性气体对操作工人的身体健康有着严重的威胁。
YOLO介绍—datawhale
artificiali的博客
09-14 941
良好表现的模型：训练和验证损失应该逐渐降低，最终趋于稳定。评价指标（如精度、召回率、mAP 等）应呈现逐步上升，并在高值区域趋于平稳。需要注意的情况：如果验证损失和训练损失出现较大差距，验证集上的损失不再下降，或评价指标不提升甚至下降，通常表明模型在验证集上的泛化能力较差，即可能过拟合。
yolov8实现图片验证码识别
qq_62714412的博客
09-11 836
本文从零开始配置YOLO环境，最后实现验证码模型的训练，验证和预测
【目标检测数据集】番茄叶片病害数据集13940张9类VOC+YOLO格式
lwx666sl的博客
09-10 817
标注类别名称:["Early Blight","Healthy","Late Blight","Leaf Miner","Leaf Mold","Mosaic Virus","Septoria","Spider Mites","Yellow Leaf Curl Virus"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注数量(xml文件个数)：13946。标注数量(txt文件个数)：13946。
YOLO-v8：在 YOLOv8 网络中加入 Shuffle Attention 以提升检测精度
养乐多的博客
09-12 303
本文将介绍如何在YOLOv8网络中进行模块化修改。加入 Shuffle Attention 以提升检测精度。
【目标检测数据集】铁轨表面缺损检测数据集4789张VOC+YOLO格式
lwx666sl的博客
09-10 559
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["Spalling","Trilho_bom"]{脱裂、良好}图片数量(jpg文件个数)：4789。标注数量(xml文件个数)：4789。标注数量(txt文件个数)：4789。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
YOLOV5 onnx推理 python
最新发布
weixin_38252409的博客
09-14 265
pip install onnx coremltools onnx-simplifier 3.使用onnx-simplier简化模型 python-m onnxsim best.onnx best-sim.onnx # coding=utf-8 import cv2 import numpy as np import onnxruntime import torch import torc...
如何使用github build安装yolo v8
qq_35837578的博客
09-10 423
因为一些众所周知的原因，下载pytorch或者其他类似的比较大的package经常会遇到一些问题。来自：https://docs.ultralytics.com/zh/quickstart/#__tabbed_1_3。先安装好合适版本的pytorch（pip/conda/mamba 或者git build 都可以）一个我认为可以的解决方案是用github build。写这个主要是为了帮助刚开始学cs的高中学弟入门。在我这里安装是成功的，不过需要安装一些依赖的package。然后是安装yolo的过程。
lablelme标注的数据转成YOLO v8 格式
qq_36784503的博客
09-13 274
【代码】lablelme标注的数据转成YOLO v8 格式。
即插即用篇 | YOLOv8 引入维度互补注意力混合Transformer模块 | 轻量级互补注意力网络：RAMiT引领图像修复新突破
YOLOv8项目贡献者
09-11 496
即插即用篇 | YOLOv8 引入维度互补注意力混合Transformer模块 | 轻量级互补注意力网络：RAMiT引领图像修复新突破
移动机器人yolo模型
12-26
移动机器人yolo模型是一种用于目标检测和识别的深度学习模型。它可以帮助移动机器人实时地检测和识别图像或视频中的不同物体。YOLO（You Only Look Once）模型是一种基于卷积神经网络的目标检测算法，它的特点是速度快且准确度高。 要在移动机器人上使用yolo模型，可以使用以下方法之一： 1. 使用Darknet：Darknet是一个开源的深度学习框架，支持yolo模型。你可以在移动机器人上安装Darknet，并使用预训练的yolo模型进行目标检测和识别。 2. 使用Keras：Keras是一个高级深度学习框架，它也支持yolo模型。你可以使用Keras在移动机器人上加载和使用预训练的yolo模型。 3. 使用MXNet：MXNet是另一个流行的深度学习框架，它同样支持yolo模型。你可以使用MXNet在移动机器人上加载和使用预训练的yolo模型。 4. 使用TensorFlow：TensorFlow是目前最流行的深度学习框架之一，它也支持yolo模型。你可以使用TensorFlow在移动机器人上加载和使用预训练的yolo模型。 需要注意的是，为了在移动机器人上使用yolo模型，你需要确保机器人具备足够的计算资源和存储空间来运行深度学习模型。此外，你还需要适配机器人的摄像头或传感器来获取图像或视频数据。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

格图素书

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值