登录社区云，与社区用户共同成长
邀请您加入社区
本文提出了一种极简工业视觉检测方案，通过100行C#代码实现YOLOv8实时检测，在普通i5工控机上达到20FPS，PLC响应≤50ms。方案采用精简技术栈（ONNX Runtime+OpenCvSharp4+S7NetPlus），通过480×480推理尺寸、线程优化和PLC轻量化通信实现工业级性能。关键步骤包括：YOLOv8模型精简导出、核心组件初始化、实时检测循环和资源优化管理。该方案可直接部
摘要：本文针对工业场景中视觉检测与设备控制割裂的问题，提出了一种基于C#的一体化解决方案。通过YOLOv8模型实现贴片电阻引脚缺陷检测（准确率≥99.5%），并同步联动西门子PLC控制执行机构，解决了传统方案中的判错、误动作和通信延迟问题。方案采用工业级技术选型（OpenCvSharp4+S7NetPlus+ONNX Runtime），详细拆解了从图像采集、缺陷识别到设备联动的全流程实现，包括核心
本文提出一种基于C#上位机集成YOLOv8的工业级电子元件引脚缺陷检测方案，解决传统人工检测效率低、商用设备成本高的问题。针对0402贴片电阻/排针等小目标检测难点，通过定制化数据集增强、优化YOLOv8训练参数（调整锚框、增强策略），实现引脚弯曲、缺失、偏移、氧化四类缺陷99.5%以上识别准确率。系统采用C# WinForm框架，集成ONNX Runtime推理、OpenCvSharp图像处理和
本文探讨了工业质检系统中颜色识别的优化方案。通过一个真实案例，作者发现使用RGB颜色空间进行颜色识别会导致高达30%的错误率，而改用HSV颜色空间后显著提升了准确率。文章详细分析了RGB和HSV颜色空间的差异，指出HSV将颜色分为色相(H)、饱和度(S)和明度(V)三个独立参数，能更好地应对光照变化。作者提供了完整的OpenCVSharp代码实现，包括图像加载、HSV转换、掩膜创建和结果展示等关键
工业产品缺陷检测方案摘要（150字） 本文提出基于C#与YOLOv8的工业质检方案，解决传统人工检测漏检率高、商用系统成本昂贵的问题。方案采用YOLOv8n模型（ONNX格式）实现五金冲压件裂纹/变形/缺料检测，准确率≥99%，单帧处理≤80ms。通过OpenCvSharp4处理工业相机图像，ONNX Runtime实现纯C#推理，无缝集成现有C#上位机系统。关键技术包括：工业级数据集构建（250
本文提出一种低成本高精度的工业机器人视觉引导方案，基于C#+YOLO26n+手眼标定技术实现工件抓取定位。通过轻量化YOLO模型（2.4M参数）实现20FPS实时检测，结合OpenCV手眼标定将像素坐标转换为机器人世界坐标，定位误差≤±0.1mm。方案采用眼在手上标定方式，通过9×6棋盘格建立相机与机器人坐标映射关系，并针对工业场景优化了YOLO输出（直接预测抓取中心点）。实测在ABB IRB12
问题FFmpeg在处理视频、音频时，对路径或文件名中有空格时，默认会按空格进行切割，导致参数错误。解决起来其实也很简单，记录备忘如下。在c#中的处理其实就是在路径（含文件名）两边再加一个双引号。以FFmpeg剪切视频为例，参数可以写成如下string strArguments="-ss 00:10:10 -t 01:50:50 -i "+"\""+orginFileName+"\""+ -vcod
看见网上提问的人比较多，希望这个方法对大家有帮助吧。使用ffmpeg命令行录制桌面，正常结束是在cmd窗口中输入“q”，或者直接ctrl+c；但是在程序中通过process调用的ffmpeg.exe会出现以下问题：1.在第一次录制中可以使用模拟ctrl+c正常结束，第二次就不能结束了。2.如果使用kill强制结束那录制的视频就不能播放了，原因可能是视频没有写入文件尾。既然模拟ctrl+c行不通了，
机器视觉
解压后需要这个文件D:\\test\\opencv-4.8.0\\data\\haarcascades\\haarcascade_frontalface_default.xml。需要安装Emgu.CV(编译时用)和Emgu.CV.runtime.windows(运行时用，不然会报缺少dll)看来想简单使用这些前沿技术，应用到实际项目中也没有那么容易。通过改参数，看看结果是高了还是低了，来决定最终的
记录一下C#中 OpenCV的imencode图像编码压缩使用方式，param参数用来设置图像质量，默认值是95，范围1-100，数值越小压缩率越高。
