- 博客(16)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 机器视觉系统组成
最强大的视觉系统是我们的大脑，它处理、解释图像的能力很强。有些事情对于大脑来说很容易做到，但是对于机器来说却很难做到。所有的人工视觉系统都是想实现像大脑一样识别和处理图像的功能。视觉系统的核心： 相机（线扫+面扫）视觉系统的重要部分： 镜头（合适的FOV使得在传感器上清晰成像）不同的相机有不同的镜头。视觉系统的重要部分：光源（不同颜色物体吸收、反射不同的光不同。根据实际情况，有的场景单色光就能满足需求；如果多种颜色需要同时检测，就需要多种颜色光。sensor获得亮度信息，并形成图像，这些..
2020-10-27 15:04:44
1652
原创 图像质量评估
在平时生活中，我们往往认为图像亮度高，对比度高，图像质量就比较好。工业界图像质量评估与此相差甚远，欧洲机器学习协会发表的EMVA1288给出了图像质量评估、以敏感性测量的标准。传感器是相机的核心，因此它是最重要的考虑因素。传感器上有很多像素，每个像素中都有光电二极管, 它们会进行光电转换产生电荷，这些电荷被处理后产生图像。量子效率描述了光电元器件表面光电转化能力的重要参数，它是光子数和电子数的比值。每个光子产生的电子数越多，就会有越高的量子效率，得到的图像就会包含更多的信息。----------
2020-10-27 10:01:45
536
原创 使用深度学习之前你需要评估的因素
一、数据二、特征三、数据是否闭环链接：https://pan.baidu.com/s/1xbz_TWadJVQMAu2wvDqtfg提取码：bvxz参考：https://juejin.im/post/6844904023036805133
2020-10-23 17:23:16
86
原创 图像数据缺失--网络不稳定导致在传输过程中丢包
假设图像的分辨率为2448*2048，8Bit位深时，单张原始图像BMP 格式的文件大小为5013504Bytes，一个Byte 表示一个像素点。通过网络传输时，图像文件按照MTU1500 Byte的限制分为3406个UDP数据包，如果网络传输不稳定导致待传输过程中丢失一个数据包，则会导致1472个像素丢失，丢失的像素数据系统在处理是一般会自动tianchong黑色数值，所以会导致图像上的黑线、黑块。...
2020-10-22 11:33:09
2058
原创 工业互联网平台发展概况
应用、技术、产业和商业等方面研究分析工业互联网平台发展脉络，为业界厂商、政府机构和投资者提供相关参考。（一）互联网平台驱动工业数字化转型平台模式、平台经济正在变革传统工业形态，对于多个企业来说，（1）如颠覆传统工业软件研发体系。，GE、PTC、西门子、华为等平台企业纷纷打造云端开发环境，构建开发者社区，引入低代码开发技术，吸引大量专业技术服务商和第三方开发者基于平台进行工业APP 创新，以往需要大量投入、研发周期长达数年的工业软件研发方式正在向低成本、低门槛的平台应用创新生态方式转变，不但研发周期能
2020-10-21 15:24:05
1696
原创 云计算概念 发展 安全
1 什么是云计算----------------------------------------------------------------------------------------------------------------------------------------公有云发展史云计算从2006年开始正式商用，到现在已经发展得非常成熟了。----------------------------------------------------------------
2020-10-20 10:24:54
107
原创 边缘计算 随笔记
虽有的计算架构离不开三个主要的元素： 计算 通信 存储个人电脑的普及和Internet一起发生的。手机上等智能设备普及的过程中，又使得无限通信网 2G 3G 4G 5G 催生出来。又因为端上的设备与Internet 相连，就催生出了云计算。手机等终端上的大量数据大量的服务都是由云计算服务的。现在大量的设备连接在网络上，云计算为我们提供大量的服务， 计算架构和网络架构发展的接下来是什么？5G开启物联网时代，并渗透到各行各业。下行： 20Gbps 端到端延迟： 小于5ms（小于工业网...
2020-10-20 09:59:04
181
原创 识别图像中的红黑颜色点
原图 需要给图中的点分类，区分是红色还是黑色对图像进行灰度转化，高斯模糊，candy边缘检测，闭运算，分析连通区域，得到的效果注： 图中的红点表示识别为红色；白色表示识别为黑色由于连通区域包含多个不同颜色的点，颜色的阈值靠人工调整，受到图像背景的干扰，目标体本身重叠，所以识别的并不准确。完整的代码如下："""Filename: init.pyUsage: This script will measure different objects in the frame usi.
2020-10-16 10:12:34
2210
1
原创 opencv 物体尺寸测量
1 原图，已知左上角正方形的实际大小为 2cm2 转为灰度图 + 高斯模糊gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.GaussianBlur(gray, (9, 9), 0)3、边缘检测edged = cv2.Canny(blur, 50, 100)+ 开运算4、根据左上角参考物体，计算单位长度中的像素个数、pixel_per_cm = dist_in_pixel/dist_in_cm5.
2020-10-15 15:54:54
17711
6
原创 java 使用 Redis 数据库
Redis 是NoSQL的一种（非关系型数据库）Redis 的安装，连接（源码安装、二进制安装/IP 和端口号）Redis 存储数据的结构（string list set hash zset）Redis 的常用命令（get mget set mset incr decr incrby ）java 连接Redisredis 存储对象 byte[]方式redis存储对象 string[]方式Jedis 连接池操作（jedispool ）jedis的管道操作 （jedispi...
2020-10-13 11:45:46
276
原创 java 连接 redis 一般步骤 （jedis）
1 连接RedisJedis jedis = new Jedis()2.1 准备 key （类型）-value（类型）key =value =2.2 将value转化为所需要的类型value =2.3 存储到Redis中jedis.set(key,value)3 释放资源jedis.close()----------------------------------------------------------------------1 连接red...
2020-10-12 17:33:38
209
原创 Redis简介 (非关系数据库| Nosql)
remote dictionary server: 键值存储或者数据结构（链表、哈希表、集合等）存储。redis中的运行都在内存中实现，数据集也都是保存在内存中，访问性能高，数据会被周期性地写入到磁盘中，以实现数据的持久功能，保证下次redis启动时，依然有数据的存在。redis是单进程或者单线程。服务器端和客户端之间的交换只需要交换结果集（和mysql支持服务器端的存储过程存储函数一样），redis 支持在服务器端运行。redis也支持主从模式，从而高可用性，redis 有多种分布式解决方案（读写操作
2020-10-09 09:38:04
153
原创 服务器种类（虚拟主机 vs VPS）
独立服务器（就是一台物理机）云主机VPS虚拟主机云服务器（ECS CVM BCC）主要区分VPS 和虚拟主机，云服务器约等于VPS这几类本质上也就是一台电脑，包含1、操作系统（windows linux） 2 服务器资源（硬件、软件、内存、网络、磁盘空间）为它们配置不同的操作系统和服务器资源，就可以得到不同的服务器种类。VPS: 一台物理机或者独立的服务器，通过虚拟技术被分割成多个虚拟专用（独立）服务器，每个VPS都有自己的服务器资源，如IP, 内存，处理器，磁盘空间。...
2020-10-08 14:31:41
369
原创 DML 更新表
例子1：插入表-格式insert into <表名> [(<列1>,<列2>,<列3>...)] valules (<常量1>,<常量2>...)insert into Student (Sno, Sname, Ssex, Sdept, Sage) values ("s123","张三","男","19","计算机系")例子2：将所有学生的年龄增加一岁update <表名>set <...
2020-10-06 09:57:08
166
原创 数据库多表查询 多表嵌套
select [<表名1>.]<列名>，[表名2.]<列名2> from <表名1>,<表名2>where <表名1>.[列名]=<表名2.><列名>例子：select Student.*, SC.* from Student， SC where Student.Sno = SC.Sno例子2：查询选修01号课程且成绩在80分以上的所有学生的学号和姓名select Stude...
2020-10-06 09:27:30
1317
原创 数据库 除操作
除是两张表R，S之间的关系运算。R S 中相同的列为 B C ,对除数 S表中的 B C 列取投影，得到 {（b1,c2），（b2,c1），（b2,c3）}对表R中的非共同列 A的元素的象集进行分组，得到a1 的象集={（b1,c2）,(b2,c3),(b2,c1)}a2的象集={（b3,c7），（b2,c3）}a3的象集={（b4,c6）}a4的象集={（b6,c6）}只有a1 的象集和 S的投影元素相同，因此， R/S = a1...
2020-10-06 08:59:01
2198
1
CorentinJ Real-Time-Voice-Cloning官方github上的pretrained训练模型
2021-12-07
计算机体系结构概述.pdf
2020-11-20
机器视觉组要组成.pdf
2020-10-29
机器视觉主要技术.pdf
2020-10-29
C++编程记录.pdf
2019-08-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人