登录社区云，与社区用户共同成长
邀请您加入社区
苏州某公司裁撤 120 名传统视觉工程师、某汽车零部件厂商用 8 万年薪的操作工替代 50 万年薪的算法工程师、边缘 AI 视觉让产线技术员 3 天就能完成模型调优……2026 年的机械视觉行业，正在经历一场残酷的洗牌，70% 的 “调参侠” 即将被淘汰，只有掌握核心能力的人才能拿到高薪！
【完整源码+数据集】课堂行为数据集，yolo课堂行为检测数据集 2090 张，目标检测课堂行为识别系统实战教程，包含YOLO/VOC格式标注，训练、验证、测试集已划分。数据集中标签包含6种分类：代表举手，阅读，书写，使用手机，低头，趴在桌子上。检测场景为学校教室、培训班、办公室等场景，可用于课堂秩序实时维护、个性化教学辅助、学习状态评估与反馈、教学效果优化支撑等。基于yolo的学生课堂行为检测系统
雾天图像和晴天图像其中一个较为明显的特征就是清晰度不同，清晰度在本质上由边缘的梯度强度决定，强度越大则边缘越清晰，因此可以采用图像的边缘梯度分布来表征图像的清晰度。
【数据集+完整源码】马数据集，马行为状态识别数据集 3006 张，yolov8目标检测牧场草原马识别算法实战训推教程，包含YOLO/VOC格式标注。数据集中包含1种分类：names: ['Horse']，代表马。可用于无人机马识别，监控马行为状态检测等。检测场景为草原、牧场、饲养场、马厩、马术赛场等场景，可用于马场养殖健康管理、马术运动训练辅助、野外马群保护监测、牧区道路安全预警等。基于yol
*关闭窗口，防止干涉视线dev_close_window ()*读图read_image (Image3, './3.jpg')*获取图像长宽（单位：像素）get_image_size (Image3, Width, Height)*缩放图像Width:=Width/4Height:=Height/4*打开窗口dev_open_window (0, 0, Width, Height, 'black
本文是面向 AI 开发者的 ModelScope（魔搭社区）SDK 入门实操教程，基于 Anaconda 与 VS Code 工具链，完整覆盖从环境搭建到功能验证的全流程，可复现、低踩坑。教程详解了 Anaconda 独立 Python 环境的创建激活、ModelScope SDK 镜像加速安装、VS Code 解释器配置，以及汽车品牌公开数据集加载验证的核心代码，同时梳理了环境缺失、模块报错、网
从硬件层去实现音画同步检测的测试方法——过程篇
在使用PX4FLOW时，发现在蒙住声纳传感器时，相机仍然能够输出角速度，这让我感到很困惑，于是干脆学习一下光流算法，也为之后SLAM学习做一点铺垫。T-Jhon。
通过硬件层去实现音画同步的延时检测
SLAM（Simultaneous Localization and Mapping）是一种用于机器人和计算机视觉领域的技术，旨在通过传感器（如相机、激光雷达等）获取环境信息，同时进行定位和地图构建。以下是SLAM的详细介绍，包括其基本原理、主要组件、算法类型、应用场景以及面临的挑战。
由初步检测所得的目标候选区域虽然已经较为可靠，能够抑制99％的误报事件，但由于虚警基数庞大，而正常入侵事件发生的次数较少， 因此误报率较高。精确检测的具体流程如下图所示。过滤不满足如下条件的轨迹： ＩＯＵ（ｂｏｘＮ，ｐａｄ（ｂｏｘ１，ｒ））≤ ＩＯＵｍａｘ Ｖａ ＜ １ Ｎ∑ Ｎ ｔ＝１ { ‖ｖｔ‖ ＜Ｖｂ （１） 其中，ｂｏｘｔ和 ｖｔ分别为 ｔ时刻运动物外接矩形框和 速度，可由 ｘｔ获得。此
保存拍摄图片主要是想加在人脸识别这个项目中，所以先把人脸识别示例跑通，然后在把挂在sd卡的部分放进来，或者使用web端保存图片。
为什么使用机器视觉系统或者说使用机器视觉系统有什么好处？以下几点很好的阐述了该问题。1、精确性由于人眼有物理条件的限制，在精确性上机器有明显的优点。 即使人眼依靠放大镜或者显微镜来检测产品，机器仍然会更加精确，因为他的精度能够达到千分之一英寸。2、重复性机器可以以相同的办法重复完成检测工作而不会感到疲倦。与此相反，受生理和心理的影响，人眼每次检测产品时都会感觉细微的不同，即使产品是完全相同的。3、
2、分辨率的选择首先考虑待观察或待测量物体的精度，根据精度选择分辨率。1、根据应用的不同分别选用CCD或CMOS相机CCD工业相机主要应用在运动物体的图像提取，如贴片机机器视觉，当然随着CMOS技术的发展，许多贴片机也在选用CMOS工业相机。其次看工业相机的输出，若是体式观察或机器软件分析识别 ，分辨率高是有帮助的；若是VGA输出或USB输出，在显示器上观察，则还依赖于显示器的分辨率，工业相机的分
本文是《探访 T-Rex2 家族》系列内容的第 1 篇，旨在通过深入浅出的形式为读者介绍使用文本-视觉提示的通用目标检测模型 T-Rex2，并为读者解答：为什么我们需要 T-Rex2？什么是 T-Rex2？它的优势和局限性是什么？它有什么样的应用场景。
“工业视觉的核心是以光学设备+控制系统+执行机构，代替人眼来完成生产制造中的识别、测量、定位、检测等工作。”机器视觉作为人工智能的一个重要的研究分支，工业是其一个重要的应用方向。该技术原理为通过光学设备采集图像，计算控制器完成相应的计算后并作出智能决策。随着中国制造业产业升级进程的推进与人工智能技术水平的提升，工业视觉的应用边界在不断开拓，产业价值不断提高，市场规模逐年扩大，工业视觉的产业发展趋势
在现代工业自动化生产中，涉及到检验、测量和零件识别的各种应用，如汽车零件的尺寸检验和自动装配的完整性检验，电子装配线上零件的自动定位，饮料瓶盖的印刷质量检验，产品包装上的条形码和字符识别等。比如汽车仪表板加工精度的检验、电子元件在高速贴片机上的快速定位、pin码的检验、ic表面印刷字符的识别、胶囊生产中胶囊壁厚和外观缺陷的检验、轴承生产中球数和损伤的检验、食品包装上生产日期的识别、标签放置位置的检
待定。
机器视觉系统之中使用的光源最重要的任务是利用待检测物体的特征和不需要检测的图像的特征产生最大的对比度，从而便于特征的区分。CCD视觉检测设备的机器视觉系统对光源的要求很高，光源是决定图像质量的一个重要因素。5. 光源的寿命和发热量：不宜衰减太快，会影响系统的稳定性，增加维护成本。热衰减较大的光源也会衰减得更快，光源的寿命也会受到很大的影响。7. 使用相同颜色的光源或类似颜色的光源可以使被照亮的部分
过去十年，视觉 AI 经历了从简单的图像识别，到复杂的图像生成，再到当前的具身交互的跨越式发展。当前，视觉 AI 正处于一个关键的转折点。随着扩散模型、多模态大模型的突破，以及包括 NVIDIA Blackwell 架构等新一代计算基础设施的支持，视觉 AI 正迈向更广阔的应用前景。本文将深入探讨视觉模型的技术演进路径以及前沿应用场景，为读者勾勒出视觉 AI 的未来图景。
labview视觉检测，一个相机，两个相机，抓边，找圆，一套代码任意切换 采用halcon模板匹配。
智能相机
摘要：线扫光源作为机器视觉系统的核心组件，在智能制造领域发挥关键作用。该技术通过高亮度LED阵列和精密光学透镜系统，产生高强度、高均匀度的线性照明，满足高速流水线检测需求。具有超高亮度、高均匀度、透镜聚光和连续作业适配性等特点，广泛应用于薄膜检测、印刷品质检、PCB制造和金属表面检测等领域。选型需考虑亮度、均匀度、光斑形状、颜色和散热性能等因素，为工业自动化和智能化提供可靠技术支持。
近日，新能源汽车行业迎来了一波涨价热潮。刚刚过去的3月，已经有近20家新能源车企宣布旗下车型涨价（消息来源：国际金融报）。新能源汽车分为纯电动汽车、燃料电池电动汽车、增程式电动汽车、混合动力汽车等。而燃料电池电动汽车因为解决了现在内燃机和电动车的痛点，利用谷电和废电制氢达到储能的目的，也开始火了起来。目前燃料电池系统和储氢系统占据整车成本的65%，燃料电池电堆动力核心占据整个电池系统成本超50%，
机器视觉工业缺陷检测的那些事（一、光源）机器视觉工业缺陷检测的那些事（二、相机）机器视觉工业缺陷检测的那些事（三、镜头）机器视觉工业缺陷检测的那些事（四、常用算法与库）
镜头的合理选择和安装是机器视觉系统设计的重要环节。光源是影响机器视觉系统图像水平的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。光源是影响机器视觉系统图像水平的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。通过适当的光源照明设计，可以将图像中的目标信息和背景信息进行优化分离，从而大大降低了图像处理算法分割和识别的难度，提高了系统的定位和测量精度，提高系统的可靠性和综
想象一个场景：高速公路上遇到200km/h超速车辆，这时30帧摄像头抓拍成“幻影”，AI违法事件监控功能直接失效。反之另一个场景：暴雨夜大货车侧翻，AI 监控毫秒内预警，救援响应大幅提速！
助力工业企业提高产品良率及产能，深度赋能智能制造产业升级
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达机器视觉检测与机器视觉定位是两种重要的机器视觉应用技术，主要区别在于检测对象和应用领域不同。机器视觉检测技术可以用于检测产品的外观、尺寸、密封性、移动对象、颜色缺陷、形状缺陷等，广泛应用于工业、医疗、电子、农业等领域；而机器视觉定位技术则可以实现对产品的定位和位置信息的获取，广泛应用于工业生产线、医疗器械、电子产品、农业机械等领
视觉检测设备可以更好地检测生产中的错误和产品质量问题，提高工业生产的效率和自动化水平，提高工业生产的准确性，加快工作进度，节约时间，进一步提高人工检测的失误率。随着视觉检测的快速发展，价格会逐渐下降，所以视觉检测设备初期会有更多的投资，但毕竟是一次性投资，会长期生产，价格会逐渐下降。在疲劳测试中，疲劳是不可避免的。由于人眼的局限性，用放大镜或显微镜检测产品，受主观影响，无法保证准确性，不同检测人员
本文介绍了3D视觉目前主要有四种技术路线及视觉检测方案的头部厂家的
摘要：工业视觉检测中，金属、塑料等物体表面反光严重影响检测精度。本文提出四种解决方案：(1)采用低角度打光，使光线平行于物体表面；(2)使用同轴光照明，使光源与摄像头同轴；(3)结合偏振光和偏光镜过滤反射光；(4)灵活组合多种光源与配件。这些方法通过调整光路角度、偏振方向等技术手段，有效消除反光干扰，提升图像清晰度和检测准确率。
在工业制造领域，我们通常要对产品进行质量外观检测，其中机器视觉检测系统是其中比较亮眼的一个方式，视觉检测设备可以帮助车间完成装卸和机器人引导抓取的工作，在半导体封装领域同样有不错的应用，视觉检测设备根据我们的需求将无序的芯片准确的抓取，葱二完成系统的关联。2.同样的视觉系统可以应用对流水线产品的检测，这一功能的出现，开始大量取代人工岗位，比如在医疗领域有不错的应用，主要包括药品的规格检测，瓶形状缺
中值也称中位数，即数据按升序或者降序排列，若这组数据的个数为偶数时，中位数为中间两个数的平均数；如果为奇数，那么中位数为中间数的值。中值滤波就是采用这种方式，重新映射出新的灰度值。假设我们拍摄纯黑色物体，理想状态下得到的图片每个灰度值都相等，但因为各种原因，总会存在个别像素点波动较大（通常称为椒盐噪音），如原图显示。一张分辨率为12x8的图像。我们用(x,y)表示像素坐标，f(x,y)表示原图灰度
【代码】OV2SLAM代码详细解析之estimator.cpp（详细）OV2SLAM在其他VSLAM中脱颖而出，其实时性以及具体的回环性能在测试中都得到了认可。
对产品进行检测，刚进入的视觉检测系统如同行业的新人一般，对产品的外观缺陷类别比较陌生，需要不少的时间进行学习，而往往进入下一个产品检测时，这种学习的记录有无法提供有效的经验，产品的不同，带来的不只是名字的改变，更是许多不可控缺陷的出现。2 )机器视觉表面缺陷检测，特别是在线检测，以数据量庞大、冗余信息多、特征空间维度高为特征，同时考虑到真实机器视觉面临的对象和问题的多样性，缺乏从海量数据中提取有限
而更为简单的芯片制备如DNA芯片的制备，则是在基底上利用自动化或化学合成方法直接加或合成必要的生物化学物质，对基底材料并不做任何微细加工。视觉检测设备在工业检测中已经得到了广泛的应用，针对与半导体企业在芯片检测过程中的实际需求及遇到的困难，昊天宸科技利用自己多年对视觉检测行业的研究，结合机器视觉检测的优点，设计了一套基于机器视觉检测技术的半导体芯片外观检测系统，实现了对出厂芯片连续、高效、快速的外
一套最简单的机器视觉系统包括：视觉成像部分、图像处理部分、运动控制部分。
传统的人工检测方式需要支付高昂的人工成本以及人员培训，其次就是工人的检测效率比机器低，长时间工作还存在效率低视觉疲劳、产品质量的依靠不同品检员的经验造成产品质量不一致等一系列问题，工厂承担着很大的风险。现如今，国内已有部分中小企业采用机器视觉检测代替人工品检，目前机器视觉的准确率99.9%的火眼金睛来完成产品大批量的产品外观尺寸检测。机器视觉检测设备基于视觉检测和实时图像分析技术，为制造业产品生产
聊一聊我是怎么入行机器视觉的，行业前景怎么样
1.需要在客户精度范围内，可100%检测表面缺陷，包括等不限于划痕、氧化、脱皮、凹凸等。2.完整的视觉检测系统库，需要将遇到所有类型的缺陷照片保存，深度学习系统，让整个检测系统趋向于智能。3.系统需要提供可扩展性，行业的高速发展，精度也需要不断提升。4.视觉软件管理功能可以对目标进行质量统计，保证离线分析提供的检测质量。
镜头的基本功能就是实现光束变换，镜头的质量直影响到机器视觉系统的整体性能，合理地选择和安装镜头，是机器视觉系统设计的重要环节。
视觉检测
——视觉检测
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
九章云极普惠算力
魔乐社区
