React-Native Mobile App

WSL2 環境  Java 環境 sudo apt install openjdk-17-jdk Windows-based X Server 在Windows主機下查詢IP 修改WSL2中的~/.bashrc內容,增加一行 Android Studio環境 下載位置: https://developer.android.com/studio/?gclid=Cj0KCQiAjJOQBhCkARIsAEKMtO3zEhdK4_I0CEZic3UH4dl-9gVXuHFR9dCl3TOHKjmv3xWLU3UxfhYaApfAEALw_wcB&gclsrc=aw.ds&hl=zh-tw ~/.bashrc 增加下列 執行Android-studio 下載額外的Hardware Profiles 由ARM 改成 x86_64 NPM 環境 click a to …

AI Logic to Detect Object Count

鐵條計數 鴻博資訊有限公司 鐵條影像 採用AI的物件偵測邏輯 AI的物件偵測的邏輯是基於計算機視覺(Computer Vision)和深度學習技術。它的核心是透過模型學習如何從影像中自動識別出物件的位置和類別。以下是物件偵測的基本邏輯,以及它如何確定影像中的物件數量和位置。 1. 基礎概念:分類與定位 物件偵測結合了兩個主要的任務: 2. 物件偵測的主要流程 1. 特徵提取(Feature Extraction) 2. 區域提議(Region Proposals)或網格劃分 3. 邊界框回歸(Bounding Box Regression) 4. 分類與置信度預測 5. 非極大值抑制(Non-Maximum Suppression, NMS) 3. AI如何確定影像中的物件數量及位置? 1. …

Python Numpy

Numpy Slice 數組的運算子:==,!=,~,&,| 數組軸對換 Axis Change 一元ufunc abs, fabs 計算絕對值 absolute value sqrt 平方根 square root square 平方 exp 指數 expoent log, log10, log2, log1p 自然對數 natural logarithm 底數:e, 10, …

模擬不同高度量測物件尺寸

光學校正: 光學校正的步驟 尺寸量測的步驟 關鍵元件: NO 規格 相片 1 UI-3884LEResolution:6.41 MPixOptical class:1/1.8″Pixel size:2.40 µm 2 6mm FL, Liquid Lens M12 LensFocal Length FL (mm): 6.0mm 3 校正片7×7 12.5mm 4 筆記本21 cm …

砂石比例檢測

篩網砂石視覺檢測系統 鴻博資訊有限公司 公司簡介: 我們是一家於2015年成立的公司,專注於客製化視覺系統的開發。在成立前也從事視覺檢測相關領域的研究開發,憑藉著十幾年的豐富經驗,我們致力於提供高品質的視覺檢測解決方案。 我們的優勢: 我們的服務範圍包括3D資料處理、高光譜資料分析、熱影像檢測等。無論您的應用場景是什麼,我們都能夠提供專業的視覺檢測解決方案,以滿足您的需求。 我們引以為傲的是與日商睿怡科技股份公司的深度合作。通過與睿怡科技股份公司的合作,我們得以獲取最新的自動化技術和解決方案,並將其應用於我們的視覺系統開發中,以提供客戶更高效、更精準的解決方案。 我們的目標是繼續專注於創新和技術發展,為客戶提供最優質的產品和服務。如需進一步了解我們的產品和服務,請訪問我們的官方網站或通過以下方式聯繫我們 謝謝您對我們公司的關注,我們期待與您合作! 視覺檢測系統硬體架構 NO 項目 備註 1 TOSHIBA Teli USB3 Camera BU040MCG 日本製 2 Raspberry PI 5 Model B 8G 英國製 3 Myutron …

滅菌倉植物分株專案規劃

滅菌倉植物分株專案規劃 硬體規劃 前視 上視 側視 實際影像示意 主要硬體 電腦放置位置 軟體規劃 使用案例 類別圖 使用者操作界面

受限架設空間的尺寸量測

進料   出料 機台允許的檢測空間,只能從機台的下方空間找位置進行相機的架設。 架設要求,相機與紙張Z軸需要盡量平行,不要有傾斜角度(這個會大副度影像精度) 實驗 (Z軸與相機需平行,傾斜情況越大誤差越大) 左側  右側 左側情況先進行光學校正。 左側實際量測出來為199.2136 mm 誤差0.7864mm 右側實際量測出來為198.7449 mm 誤差1.2551mm

鏡架螺絲有無檢測

鏡架螺絲有無檢測 影像檢測手法的基礎觀念 影像直方圖 直方圖表示影像中像素強度(無論是彩色或灰階)的分佈。它可以視覺化為圖表(或繪圖),可以直觀地了解強度(像素值)分佈。在此範例中,我們將假設 RGB 色彩空間,因此這些像素值將在 0 到 255 的範圍內。 繪製直方圖時,x 軸充當我們的「箱」。如果我們用 256 建構一個直方圖 bin,那麼我們就可以有效地計算每個像素值出現的次數。 相反,如果我們只使用 2 (等距)容器,然後我們計算像素在 [0, 128] 或 [128, 255] 範圍內的次數。 然後將與 x 軸值合併的像素數繪製在 y 軸上。 讓我們看一個範例圖像以使這一點更清楚: …