视觉龙哥

龙哥手把手教你学视觉将博客搬至CSDN，欢迎各位交流labview，机器视觉，运动控制，深度学习等方面技术问题

由于labview具备图形化编程易学易用的特点，在自动化行业内广受欢迎，而且其通过调用halcon模型推理库经过cpu优化编译，能满足工业缺陷检测实际需求。本课程针对众多开发人员对halcon ，C#等不太熟悉的问题，特推出一套不需要任何halcon，c#语言基础，并且能一键式训练halcon深度学习模型，cpu/gpu优化加速模型，labview调用halcon深度学习模型进行分类，目标检测...

课程背景： 2020 年 6 月 10 日YOLOv5发布。YOLOv5 的表现要优于谷歌开源的目标检测框架 EfficientDet，其在检测精度和速度上相比与yolov4都有较大的提高， YOLOv5 能在 Tesla P100 上实现 140 FPS 的快速检测；相较而言，YOLOv4 的基准结果是在 50 FPS 速度下得到的，也就是说，在实际项目应用中，YOLOV5速度已经接近yolov4的3倍。 其主要特点是：1）.小目标的检测精度上有明显的提高，2）.能自适应锚框计算，3）...

yolov5发布于2020年，其在检测精度和速度上相比与yolov4都有较大的提高，其主要特点是：1.小目标的检测精度上有明显的提高，2.能自适应锚框计算，3.yolov5s的模型十几M大小，速度很快，能满足各种实际生成的现场部署，甚至可以在嵌入式上进行部署，4.具有数据增强功能，随机缩放，裁剪，拼接等功能。如此强悍高速的深度学习目标检测模型应用在工业目标检测中效果如何呢？标注后进行训练，如下训练过程下面是训练过程中的测试效果经过20次左右的迭代训练，

请联系助教电话13392026107包含课程：labview视觉篇+运动篇+双ccd篇+通用视觉篇+深度学习篇（labview调用tensorflow+yolov4+openvino）龙哥系列课程《龙哥手把手教你学视觉》labview深度学习简明教程-tensorflow-目标检测...

labview通讯得到的字符串如何转化为实际数据，这个问题一直困扰着labview初学者，如果走通的这一步，项目的数据采集核心问题才能得到解决。下面我们来分析下，字符串和数据之间是怎样进行转化的。这是U8, FLOAT,double数据转化成的16进制字符串显示为正常字符会变成乱码，原因是数据在计算机中是以二进制存储例如将 12.842356保存成单精度浮点格式0 10000010 10011010111101001001010，十六进制格式为：0x414D7A4A。弄.

labview中常见的图像预处理操作二值化的结果比较特殊，二值图像实际上也是一种U8图像，即灰度值在0-255范围内的整数，0代表全黑，255代表全白。那么，如何显示二值化后的图像呢？如下图，右边的image控件显示的是常见的二值图的效果，要显示一个二值图实际上需要对image控件属性palette进行设置。有很多学员问道这个问题：如何将二值图覆盖到原图上显示。方法有以下几种：①二值图转为roi，然后用overlay roi函数实现显示，这种方法的缺点是：当二值化后.

首先进行产品的缺陷观察，通过采到的图像中我们可以看到，图像上的引脚焊点存在错位不良，如下图：根据图片，我们需要利用视觉助手算法将引脚偏移部分筛选出来，实现检测要求。算法模拟第一步：确认产品采图是否存在偏移，根据偏移情况，找到共同特征点进行定位坐标系的建立。利用模板匹配进行定位坐标系建立第二步：利用图像掩膜将所需检测区域与原图分离：ROI可通过按住Shift键鼠标框选的方式进行多个ROI区域设置，这里我们将引脚偏移出来的部分进行框选。效果图如下：第三步：将掩膜区域二值.

标注产品后通过训练平台完成模型训练经过少量样品训练得到测试结果，表明深度学习对传统视觉算法比较棘手的缺陷检测方面，能简单粗暴的解决问题，后续就是增加缺陷样品的收集，标注，以及模型的训练。龙哥手把手教您LabVIEW视觉设计课程火热上线！！详情可点击下方链接进行查看：http://t.elecfans.com/c801.html...

在Labview视觉编程非标或通用软件的开发中，我们都免不了需要进行算法模拟，那么通过今天所要讲解的仿真采集，我们就能将一些实时的图像在本地路径中进行调用，免去了需要相机.镜头.光源等硬件支持来做到软件功能测试。 下面要讲的是我个人在非标开发中用的一种仿真采集编程方式，通过布尔来控制相机高速采集与仿真采集之间的功能切换，采集图像按钮用于发送当前功能命令进行图像采集，如果有什么不足的地方也欢迎一起交流，如图： 该框架为一般的消费者生产者框架，通过事件结...

今天给大家带来视觉助手对于实际有无检测案例的算法设置以及检测的整体思路分析，如何将软件算法调试到我们想要的检测效果。 首先第一点，我们需要将检测的内容以及初步运用的算法进行分析，下面给大家举例：图1-1图1-2图1-3图1-4图1-5上面采集的图中，图1-1为合格样品，那么根据后续图像我们进行对比得出该样品缺陷存在以下几种：图1-2：特征区域缺失图1-3：特征区域角度偏移图1-4：特征区域面积较小存同时在角度偏移角度图1-5：...

2020labview懒人参数存取-升级版问题：项目编程过程中，参数存取是无论如何也没法避免的一个环节，因为程序设置完成后，下次再打开时如果要执行上次设置的参数，就需要加载上次保存的参数文件。那么以何种形式来存取呢，有没有一种比较简洁而又快速的方式呢？常见方法：①文本文件，二进制文件，ini文件，xml格式，json格式使用起来复杂，不够傻瓜式②数据存取参数给人的感觉是杀鸡用宰牛刀。③龙哥2016版懒人参数读写核心函数使用了openg封装的vi属性-方

近期通过龙哥线上教程通用框架篇的学习，在原有的算子基础上进行了OCR的添加。下面给大家分享我的一些个人见解： 框架运行思路整体算法通过表格菜单的形式进行步骤的排列以及参数的调整，鼠标右键激活步骤菜单进行算法添加，如下图：利用左键以下拉列表的形式设置算法参数至表格中如下图：然后将表格数据转换视觉参数进行有序的步骤运行：OCR字符识别在上次的公众文章中有进行讲解，这里就不多说了，我们直接拿出封装VI过...

机器视觉发展前景目前，我国已将发展人工智能上升至国家战略的高度。据《新一代人工智能发展规划》显示，我国新一代人工智能发展的战略目标：到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点。在人工智能的发展中，机器视觉是十分重要的分支之一。机器视觉是一种基础功能性技术，是机器人自主行动的前提，能够实现计算机系统对于外界环境的观察、识别以及判断等功能。目前，中国的机器视觉行业正处于快速发展阶段，是世界机器视觉发展最活跃的地区之一。一、机器视觉产业链分析机器视觉

今天给大家分享一个运用执行命令来调用Labview自带字符训练器的方式，实现效果如下图：程序框架采用常见的生产消费者模式进行搭建，那么闲话不多说，如何调用？首先第一步，我们需要找到Labview自带OCR Training.exe应用程序的目录位置，通过帮助了解调用它的命令格式，如图：Labview安装在哪个盘就去哪个盘找，找到后可以将Utility文件夹整个复制到你常用用的函数文件中方便后续查找与使用，打开帮助文件TrainOCR.chm——选择Using Command Line A

1.安装anaconda 下载：https://www.anaconda.com/distribution/ conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channelshttps://mirrors.tuna.tsinghua.edu....

传统视觉对于缺陷检测有先天性的不足，当缺陷区域与正常区域灰度接近，没有明确的边界曲线时，往往无法将缺陷检测出来，而深度学习就像一个天然的特征提取器一样，通过样本学习，能自适应提取出图像最能体现缺陷区域的特征层，进而实现缺陷区域的定位和识别。tensorflow训练界面猫狗模型检测结果工业检测模型缺陷检测结果龙哥手把手教您LabVIEW视觉设计课程火热上线！！详情可点击下方链接进行查看：http://t.elecfans.com/c801.html...

安装labview2019 vision，自带深度学习推理工具，支持tensorflow模型。 配置好python下tensorflow环境 配置好object_detection API 下载SSD模型文件 调用labview深度学习推理函数完成识别 以上是识别动物和人等物体的labview识别效果。龙哥手把手教您LabVIEW视觉设计课程火热上线！！详情可点击下方链接进行查看：http://t.elecfans.com/c801.html...

本帖最后由 Sun 于 2020-8-16 17:18 编辑 今天我们来学习一个编程技巧，程序的整理和封装，好处是让程序框架更加整洁，给后续算子和程序功能的添加提供充足编程空间，那么主要运用到的一些算法编辑有哪些？下面来举例： ①簇捆绑：将队列，控件引用等消费者输入捆绑成一个簇，然后把消费者VI打包成子VI。这样你的程序框架就会清晰的分为两个部分，主界面（生产者）用来进行控件的存放，按钮命令的激活，菜单的激活等等......子界面（消费者）用于算法和软件功能的编辑，接受生产者命令...

今天来教大家抓圆编程的内容，和之前一样，首先需要利用视觉助手生成抓圆VI，整理好函数的输入与输出，然后在主框架中利用队列命令的形式激活抓圆VI的运行，实现功能。效果图下面就直接开始今天的编程环节百度网盘视频链接：https://pan.baidu.com/s/1SrG4SPRoe7SaK0gVqRwTjg提取码：d9ji大家可以发现，在添加程序算法的过程中，程序里的内容会越来越多，这样看起来程序比较乱，那么下一节我们就来讲一讲如何整理这些连线，让我们的.

根据昨天抓点编程的讲解，相信大家对于视觉算子的编程运用有了一定的了解，也可以更具小视频进行编写，可能在过程中会遇到一些程序出错或功能效果不理想等问题，其实主要大家在学习的过程中，要善于发现问题，然后尽力去思考和解决问题，多多借助探针，Labivew帮助手册，断点等自带的工具来理清编程思路，找出问题。当然方法不是唯一那么今天我们所要讲解的内容就是抓边的程序编写效果图和抓点编程的思路类似，不同的是输入控件和ROI之间的参数差异，这些都不影响我们整体编程思路，话不多说，下面就来进行抓边程序的编..

在讲过一些常用的视觉检测算子的基本操作后，今天我们来讲一讲如何将算法融入到Labview视觉框架的程序中，那么下面大致整理一些编程思路，运用我们原有的队列命令框架进行编写，是功能命令的激活，比如按钮激活，菜单激活等方式，在然后，我们需要清楚有哪些参数是需要开放在前面板供用户进行设置的，利用视觉助手生成算子VI，进行功能调整，封装成功能算子VI，最后是输出结果并进行判断。效果图看似比较繁琐的步骤实际操作并没有多少内容，下面我们进行编程环节：百度网盘视频链接：https://pan.bai.

今天讲解抓圆算子的运用，抓圆可计算由ROI搜索到的边界点拟合出来的圆心位置，圆直径大小，不同的算法，所用ROI会有差异，例如抓点是线形，抓边，模板匹配，灰度分析等是矩形，抓圆是扇形，下面简单介绍一下抓圆的设置参数以及含义。抓圆可适应非完整拟合圆，结果圆根据搜索像素进行拟合，边缘像素占比例越多，圆会更倾向捕捉到的多数边缘点进行拟合。 同样将算子生成LabviewVI了解一下生成的控件有哪些，和助手中的参数进行比对，熟悉程序生成方法。 今日总结 .

今天讲解下一个算子抓边的参数设置及含义，了解所需参数有哪些，后续每期讲解一个算子的运用方式，生成Labview程序，大家注意保存好生成的VI，大致讲完一些常用算法后进行算法融入软件的视频讲解。抓边参数有抓边方向，边缘极性选择，最小边缘强度，搜索拟合像素间距等等，如下图：抓边参数与抓点参数含义类似，不同的是抓边区别于抓点ROI使用矩形ROI通过区域搜索线进行边缘捕捉，线条间距可通过参数控制，其他参数含义类似下面进行参数调整演示了解了参数基本设置后可仿照抓点生成Labview程序并.

前几期的文章中运用到的一些测量算法比如抓点，抓边，抓圆等等，也只是大致的讲了如何在助手中去用，相信大家对于参数的输入以及含义还不是很清楚，那么今天我们来详细的讲解一下，抓点算法的程序封装以及输入参数的内容有哪些。首先利用视觉助手进行算法参数的介绍：其中我们主要需要知道的调节参数有搜索方式，边缘极性，最小边界强度这几个参数含义，抓点的搜索方向是根据ROI设置时的方向决定的所以参数中没有方向的设置选项。搜索方式：1,第一边缘点(指从线形ROI起始点到终点方向捕捉到的第一个点) ...

上期我们讲到视觉助手中的几何检测有用多种运算函数，也举例讲解了其中两点测距的方式以及所需参数有哪些，那么今天我们再来讲一讲另外一种垂距检测的运用方法。垂距检测对于产品的一些长度或宽度尺寸具有较高的准确性 不像两点测距，只是由一个点到另一个点的直线长度，利用这种方式来测量会具有一定的角度偏差，下面举例说明一下：两点测量无法准确的计算产品宽度，具有角度偏差垂足的检测效果可以计算出点到边的最短距离，从而得到准确的像素尺寸垂注的参数选择需要先给出边，再给出点，先后顺序不能选错，下面...

本期讲解的内容为视觉检测中的几何测量，该方式具有多种运算方式，比如两点测距，两点测终点，点到边垂足，三点测角度，四点测夹角等等，那么问题来了，这些点或者线如何来 ？很简单，Labview里的算子，如抓圆，抓边，抓点，模板匹配，都会给出一个测量的结果，以及在图像中拟合到的结果点或者线的坐标数据，而几何测量就是利用这些结果数据进行进一步的运算，从而实现检测内容。利用抓点算子抓一个点可以看到，下方数据表格中就已经显示了该结果点的坐标，其它算法也是如此。下面我们多抓一些点.利用几何测量检测距离选择...

前两章讲解对于图像处理的转换方式，彩色图像至灰度图的转换，灰度图至二值图的转换，以及他们的基本性质，本章所讲的算法是基于灰度图像的区域数据分析，该算子作用于产品有无检测，表面压伤检测这一类型的缺陷检测项目效果明显，算法输出结果为检测区域的灰度最小值，最大值，平均值，标准偏差，像素数量等参数，下面给大家简单演示一下怎样通过这些结果分辨检测缺陷。函数位置首先利用模板匹配进行定位坐标系的建立，灰度分析的ROi根据定位坐标系进行仿射变换，设置区域如下，检测微动开关标有39字号的部件是否缺失部件存在时灰度分析..

上期讲到灰度图像的一些性质，比如图像的灰度值为0-255，每个像素点的灰度值大小决定了他的成像，越接近0的值成像越白反之则越黑，今天给大家带来的另一个图像处理的方法<二值化>的讲解，二值化处理只能对于灰度图进行操作，如同他的名字，二值化就是将图像的像素点由灰度的0-255变成只有两个值，要么是0要么是1，二值化的操作有着众多的专用处理函数，比如，膨胀，腐蚀，填充，滤波，区域分析等等，在处理一些边缘像素不稳定，或接点错位，区域分析等视觉检测要求有着不错的检测效果。这是灰度转为二值图后的效果..

今天给大家讲解视觉助手中作为图像处理较为常用的一个算法步骤《灰度化》，灰度化就是将彩色原图转换为灰度图的一种图像处理方式，RGB颜色空间彩色图像的本质是图像中的每个像素值都分成R、G、B三个基色分量，灰度图可以理解成将彩色图中的其中一个分量单独抽取组成的数字图像，每个像素中的灰度等级分为0-255，0为最白，255为最黑，转换的分量类型根据检测需求进行选择，将图片灰度化的原因是因为，有些检测或图像处理算子无法对彩色图像进行直接操作，例如二值化，模板匹配等。R-G-B分别表示红，绿，蓝，三种...

通过之前的练习，相信大家对于视觉助手算法的使用以及程序的封装已经有了一个初步的了解，那么今天，给大家讲解一个对于视觉检测算法比较重要的坐标系定位，如何通过坐标系的定位实现算法检测区域的跟踪。今天的内容主要使用了模板匹配进行定位，在模板定位的基础上建立坐标系，卡尺检测，抓圆通过坐标系进行ROI仿射变换。图片素材用的是Labview自带的例程图片进行效果演示下面来看看具体做法算法中的参数设置根据不同的图片成像效果，需要进行调整，比如抓圆方向，怎样抓的效果最好，都是需要考虑的因素，滤波，步长等参数

上期2.5在Labview软件框架中实现了模板匹配功能的运用，然而我们的模板图像是通过视觉助手创建出来的，在实际项目中这样做 ，难免有些不妥。所以，今天就给大家讲解一下，如何编写创建模板功能，模板图像的创建与加载需要注意一些什么。模板图片的创建，大家可以理解为将图像中的一个特征区域扣下来，通过Labview函数进行信息学习，然后保存成带有图像信息的模板图。具体做法，下面为大家演示一下百度网盘视频链接：https://pan.baidu.com/s/1-zxcJBxPgk4t1Ej..

上期讲到视觉助手中模板匹配的函数运用和如何自动生成Vi，今天我们来根据生成的VI 融合前面几期的知识点，将模板匹配函数功能融入到程序框架中，实现仿真采集后进行模板匹配操作，并显示结果。自动生成的程序截图软件完成后效果界面下面来看演示视频百度网盘视频链接：https://pan.baidu.com/s/1XxGM0wmxCtm-vP6u_-uGwA提取码：260g今天的视频有点长大家耐心看完今日总结①模板匹配编程及功能实现今日作业思考如何将模板匹配的模板创建通过编程实现。...

上期讲到视觉助手一些自带例程，初步了解了视觉助手中的一些函数功能，那么我们如何利用视觉助手根据自己的项目编辑方案和生成程序。今天就给大家讲解其中的一个函数，模板匹配的运用以及如何自动生成Labview程序。模板匹配指的是在现有的图像中通过搜索创建的模板图片找到与之特征相似的图像区域并计算出匹配分数（分数越高相似度越高），匹配角度，中心坐标点等数据。利用模板匹配可以做一些有无检测，物料定位等视觉检测功能。下面给大家演示如何使用模板匹配功能百度网盘视频链接：https://pa.

讲到Labview视觉部分，Vision视觉助手的运用是必修课程，它可以有效的帮助你在软件编程，或者方案阶段进行高效率的算法模拟，还能进行Labview程序的自动生成，学习它的主要方式是通过它本身的自带案例，以及帮助信息，因为视觉助手界面是全英文版本的原因，有大部分人在刚刚入手的时候就被吓到了，其实并没有想象中的那么困难，下面就来带大家简单的了解视觉助手的功能运用。视觉助手需要安装Labview视觉部分的函数库后才有，没有的同学可以去NI官网搜索对应自己Labview版本的安装包进行安装。.

仿真采集的功能用途基于采集图像功能，还有一种经常会用于进行算法测试的仿真采集功能，通过加载电脑存图的方式进行仿真图像采集并显示至image中，这种方式可以便于进行软件测试，即使在缺少摄像头光源等硬件条件下也能根据样品图片执行模拟测试。主要函数简介思路：利用递归文件列表函数罗列出文件夹中的所有图片路径，并进行单个索引，每执行一次索引加一。下面给大家进行编译演示百度网盘视频链接：https://pan.baidu.com/s/1ghIfLmDXXSTNaQ6fcmbfoA..

上期2.0讲到Labview视觉篇的摄像头基本功能编辑，利用简单的循环加事件结构编辑出打开-配置-采集-关闭等功能，本章讲解上期疑问，怎样通过队列框架结构进行视觉功能的编辑，以及框架本身的优点有哪些。对于队列框架结构，不熟悉的同学可以参考下方程序框图小视频演示百度网盘视频链接：https://pan.baidu.com/s/1pMoAlKx-fUszIC3xtvpfiA提取码：3vbb今日总结①队列结构编辑按钮事件及对应命令执行更为简易②单步功能编辑完成后可进行一键运行.

在视觉入门第一期，首先给大家讲解Labview中视觉部分最为基础的摄像头操作，相信经过小白入门的知识点学习，大家对于Labview编程的基础知识已经相对了解，也能够灵活的运用编程结构以及功能函数进行软件所需功能的编写。运用Labview编写摄像头的基本操作流程为-打开-配置-采集-关闭-这四步，函数位于视觉与运动中NI-IMAQdx中，如图：下面利用小视频简单举例函数使用方法百度网盘源码链接：https://pan.baidu.com/s/1cCgDPwSRLT5ZNm9R5nWd.

运用队列框架编写，数组插入，替换，删除，清空等功能 根据停止按钮功能的编辑方式，添加按钮并编辑相应的事件及指令输出， 如下所示： 今日总结 尝试利用Labview中的视觉与运动中的函数融合目前的结构框架编写打开摄像头， 采集图像，等操作。多多利用labview帮助来了解函数属性，和它们的输入输出及作用。 龙哥手把手教您LabVIEW视觉设计课程火热上线！！详情可点击下方链接进行...

上期1.25作业讲解：软件需要实现功能：编辑创建文件路径或文件夹子VI，文件类型可设置我这里是利用字符串控件中的组合框控件作为文件格式选择项，根据上期的文件路径编辑格式，增加一个判断条件为等于文件夹时，更改创建文件函数，运用创建文件夹函数执行。测试效果今天给大家讲解Labview中的同步编程：队列函数的基本运用1.队列的用途：队列操作函数用于创建同一个VI不同线程之前或者不同VI间进行数据通信的队列，队列函数可缓冲数据。2.基本函数的介绍函数位置获取.