Vision-Algorithmus und Geräteanpassung·Fähigkeitsübersicht
Entwicklung von Algorithmen und SDKs für die Bildverarbeitung
Für Gerätehersteller, Systemintegratoren und Forschungs- und Entwicklungsteams von Unternehmen können je nach Aufgabenstellung Bildverarbeitung und -messung, Laserpunkte und Laserlinien, Infrarotbilder und Wärmebildalgorithmusdienste ausgewählt werden. Kombinieren Sie die Originalmuster, Gerätezustände, Schnittstellen und Abnahmeanforderungen, um den Entwicklungsumfang, die SDK-Verpackung, die Geräteanpassung und die Versionspflege zu klären.
Wählen Sie Algorithmusdienste nach Aufgabe aus
Bildverarbeitung, Messung und experimentelle AnalyseTropfenkontaktwinkel, 2D-Abmessungen, Konturen, Registrierung, Segmentierung, Timing und Messauswertung.Algorithmen für Laserpunkte und LaserlinienLichtpunktpositionierung, Lichtpunktanalyse, Kalibrierung und mögliche Anwendungsszenenrichtungen werden entsprechend den tatsächlichen Bildbedingungen bewertet.Algorithmen für Infrarot- und WärmebilderDatenkorrektur, Heatmap-Analyse, Zielerkennung, multimodale Registrierung und Anwendungsfelder in der Industrie.
Leistungsumfang
Vision-Algorithmus-Projekte umfassen in der Regel Bildgebung, Daten, Algorithmen, Schnittstellen und Gerätebetriebsumgebungen gleichzeitig. Der Service geht von der Erkennungs- oder Messaufgabe des Kunden aus und kombiniert die erforderlichen Fähigkeiten zu einer ausführbaren Lösung.
| Kundenbedürfnisse | Serviceinhalte | Hauptausgang |
|---|---|---|
| Entwicklung neuer Gerätealgorithmen | Beispielbewertung, Lösungsdesign, Algorithmenkombination, Schnittstellenentwicklung und gemeinsames Debuggen von Geräten | Projektsoftware, Parameterkonfiguration, Schnittstellendokumentation und Prüfbericht |
| Optimierung bestehender Anlagen | Wiederauftreten von Problemen, Beispielanalyse, Parameter- oder Algorithmusanpassung, Regression alter und neuer Versionen | Optimierte Version, Problemaufzeichnungen, Vergleichsergebnisse und Upgrade-Anweisungen |
| Integration von Algorithmusmodulen | Eingabe- und Ausgabebestätigung, Bibliotheks- oder Programmzugriff, Ausnahmestatus und Anpassung des Ergebnisformats | Aufrufschnittstelle, Beispiele, Statuscodes und Bereitstellungsanweisungen |
| Bereitstellung der Multi-Geräte-Replikation | Feste Software und Konfiguration, Gerätelizenzierung, Installationsprüfungen und Versionsverwaltung | Lizenzdatensätze, Bereitstellungspakete, Gerätebücher und Wiederherstellungspläne |
| Kontinuierliche Wartung und Iteration | Problembehandlung im Originalszenario, Regressionstests, kontrollierte Aktualisierungen und Änderungsbewertung | Pflegen Sie Aufzeichnungen, Versionshinweise und Iterationspläne |
Wichtige algorithmische Fähigkeiten
Algorithmische Fähigkeiten werden nach Unternehmensmission organisiert. Ein Projekt kann mehrere Module kombinieren und Projektanpassungen basierend auf Bildgebung, Kalibrierung, Geschäftsregeln und Betriebsplattformen hinzufügen.
| Fähigkeitsseite | Anwendbare Aufgaben | Typische Ausgabe | Wichtige Punkte der Projektbestätigung |
|---|---|---|---|
| Laserpunktpositionierung und Punktanalyse | Einzelpunkt-, Mehrpunkt- und Lichtpunkterkennung | Zentrumskoordinaten, morphologische Parameter, Qualitätsstatus und Kalibrierungsergebnisse | Wellenlänge, Belichtung, Spotgröße, Referenzposition und Geräteplattform |
| Kontaktwinkel- und Tropfenprofilanalyse | Tröpfchenprofil, Basislinien- und dynamische Prozessanalyse | Kontaktwinkel, Anpassungsparameter, geometrische Größen und Kontaktlinienstatus | Tropfenmodelle, Basislinien, Skalen, Testbedingungen und Referenzmethoden |
| 2D-Dimensions- und Konturmessung | Kanten-, Kontur- und 2D-Punktsatzmessungen | Position, Größe, Anpassungsreste und Formabweichungen | Zeichnungen, Toleranzen, Bezüge, Kalibrierungen, optische Bedingungen und Referenzgrößen |
| Bildregistrierung und Kamerakalibrierung | Bildausrichtung, 2D-Mapping, Kalibrierung und Entzerrung | Transformationsmatrix, Kameraparameter, Verzerrungsparameter und Residuen | Koordinatensystem, Transformationsmodell, Kalibrierplatte, Sichtfeld und Rekalibrierungsbedingungen |
| Bildsegmentierung und Partikelanalyse | Regionsextraktion, Partikelzählung, Adhäsionstrennung und morphologische Statistik | Masken, Objekte, Zählungen, Umrisse, Skelette und Verteilungen | Vordergrunddefinition, Anmerkungsregeln, Kleber, Grenzobjekte und Maßstäbe |
| Bewegungs-Timing und Prozessstatistiken | Bewegungsschätzungen, Trends, Zyklen, Ereignisse und Anomaliebewertung | Verschiebungen, Flugbahnen, Spektren, Perioden, Ereignisse und Partituren | Zeitstempel, Abtastrate, Maßstab, Betriebsbedingungen, normale Basislinie und Ereignisdefinition |
| Benetzungsphysikalische Eigenschaften und Inversion der Grenzflächenparameter | Berechnungen der Oberflächenenergie, der kritischen Spannung, der Pulveraufnahme und des hängenden Tropfens | Physische Eigenschaftskomponenten, Regressionsergebnisse, Residuen und Status | Modelle, Flüssigkeitseigenschaften, Einheiten, Temperatur, Kalibrierung und Referenzmethoden |
| Bewertung der Wiederholbarkeit und Unsicherheit von Messungen | Messsystemanalyse, Kalibrierungsregression und Unsicherheitsberechnung | Varianzkomponenten, Intervalle, Regressionsparameter und Unsicherheit | Versuchsplanung, Referenzgeräte, Messbereiche, Toleranzen und Fehlermodelle |
| Geräteautorisierung und kontinuierliche Optimierungsdienste | Entwicklung erster Prototypen, Vervielfältigung von Geräten, Wartung und Versions-Upgrades | Lizenzumfang, Versionsbuch, Wartungsaufzeichnungen und Änderungspläne | Anzahl der Geräte, Szenarien, Termine, Austausch, Offline-Betrieb und Leistungsumfang |
Projektauswahlmethode
- Geschäftsergebnisse definieren: Bestimmen Sie, ob Koordinaten, Abmessungen, Winkel, Zählungen, Masken, Trends, physikalische Parameter oder eine Beurteilung erforderlich sind, und beschreiben Sie die Einheiten und nachgelagerten Verwendungszwecke.
- Stellen Sie repräsentative Daten bereit: Senden Sie normale, grenzwertige und abnormale Proben zusammen mit Sichtfeld, Auflösung, Belichtung, Arbeitsabstand, Abtastrate und Feldvariationen.
- Bestimmen Sie die Bewertungsmethode: Klären Sie Referenzwerte, Kennzeichnungsregeln, Probenschichtung, statistische Nenner und Bestehensschwellen.
- Bestätigen Sie die Betriebsumgebung: Beschreiben Sie das Betriebssystem, CPU/GPU/NPU, Speicher, Aufrufsprache, Schnittstelle, Parallelität, Anzahl der Geräte und Offline-Anforderungen.
- Vollständige Probenüberprüfung: Überprüfen Sie die Auswirkungen, die Fehlerbehandlung, den Zeitverbrauch und die Ressourcennutzung anhand unabhängiger Daten und bestimmen Sie dann den Umfang der Entwicklung und Bereitstellung.
Bestehende Geräte-Upgrade-Projekte müssen außerdem die aktuelle Softwareversion, Problembeispiele, Betriebsprotokolle, Kamera- und Lichtquellenkonfigurationen sowie aktuelle Hardware-Änderungsaufzeichnungen bereitstellen.
Probenüberprüfung und Leistungsbestätigung
Die Leistung des Algorithmus steht in direktem Zusammenhang mit den Bildgebungsbedingungen, der Probenverteilung, der Zielplattform und dem Evaluierungskaliber. Das Projekt verwendet eine schrittweise Überprüfung, sodass Genauigkeit, Erkennungsrate, Fehlalarmrate, Verarbeitungsrhythmus und Stabilität einen klaren Anwendungsbereich haben.
| Bühne | Hauptwerk | Für Kunden verfügbare Ergebnisse |
|---|---|---|
| Datenprüfung | Überprüfen Sie Originaldaten, Referenzwerte, abnormale Proben und Bewertungsregeln | Geben Sie Checkliste, Lücken und Überprüfungsplan ein |
| Beispielbasislinie | Vergleichen Sie Algorithmusrouten und zeichnen Sie Parameter, Ergebnisse und Fehlerbedingungen auf | Schlussfolgerungen zur Machbarkeit, Basisergebnisse und Umsetzungsempfehlungen |
| Projektentwicklung | Komplette Modulkombination, Schnittstelle, Konfiguration, Status und Protokoll | Ausführbare Version, Schnittstelleninformationen und Testaufzeichnungen |
| Unabhängige Datenannahme | Verwenden Sie Daten, die nicht an der Parameteranpassung teilgenommen haben, oder testen Sie sie erneut an einem vereinbarten Arbeitsplatz | Indikatorstatistiken, probenweise Ergebnisse und Abnahmeprotokolle |
| Überprüfung des Gerätebetriebs | Überprüfen Sie den kontinuierlichen Betrieb, die Wiederherstellung von Ausnahmen sowie das Ressourcen- und Versionsmanagement | Führen Sie Berichte, Bereitstellungsanweisungen und Fallback-Szenarien aus |
Leistungsmetriken werden bei Projektbeginn definiert und zusammen mit Probenbereich, Hardwarekonfiguration, Softwareversion und Testbedingungen dokumentiert.
112 Algorithmusfähigkeitskatalog
Die folgende Tabelle dient der vorläufigen Technologieauswahl und listet die wichtigsten Inputs, verfügbaren Outputs und Projektbestätigungspunkte auf. Im Projektplan werden endgültige Schnittstellenfelder, Einheiten, Schwellenwerte, Plattformen und Akzeptanzkriterien festgelegt.
F01 Tropfenprofil und Kontaktwinkel (9 Artikel)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A01 | Höhe-Breite-Methode (θ/2) | Tropfenkontur, Kontaktbasislinie und Koordinatenkonvention | Zur Überprüfung verwendete Kontaktwinkel und geometrische Größen | Es gilt die Annäherung an die Kugelkalotte; kein beliebiges Tropfenformmodell |
| ALG-A02 | Algebraische Kleinste-Quadrate-Kreisanpassung | Umriss der Sitzabsenkung und Definition des Kontaktpunkts | Anpassen von Kreisparametern und Kontaktwinkel | Gesamtbogenannahme; Der Einfluss der Schwerkraftverformung muss überprüft werden |
| ALG-A03 | Ellipsenanpassung | 2D-Konturpunkte | Ellipsenzentrum, Achsenlänge und -richtung | Wird zur Ausgabe geometrischer Ellipsenparameter verwendet. Der Kontaktwinkel muss anhand der Basislinien-, Kontaktpunkt- und Winkeldefinitionen berechnet werden |
| ALG-A04 | Robuste lokale Polynomanpassung | Tropfenkontur, Polynomordnung und Anpassungsintervall | Tangente und Winkel des Kontaktpunkts | Das Anpassungsintervall und die Basislinie müssen anhand der Stichprobe bestätigt werden |
| ALG-A05 | Glatte kubische B-Spline-Passform | Tropfenkontur, Kontrollpunkte und Glättungsparameter | Glatte Konturen, lokale Tangenten und Winkel | Durch das Glätten können die echten verdeckten Konturen nicht wiederhergestellt werden |
| ALG-A06 | Young-Laplace / ADSA | Die Kontur einer Sitzsenkung, die die Bedingungen der Axialsymmetrie und des statischen Gleichgewichts erfüllt | Anpassungsparameter und Winkel des Zuodi-Modells | Das sitzende Tropfenmodell wird nicht automatisch zum Bildumkehrprodukt des hängenden Tropfens |
| ALG-A28 | Numerische Integration achsensymmetrischer Konturen | Axiale und radiale Profile, Längenskalen | Achsensymmetrisches Volumen und Oberfläche | Erfordert axiale Symmetrie und zuverlässige Konturen; physikalische Größen hängen vom Maßstab ab |
| ALG-A92 | Korrektur der Neigungsbasiskoordinaten | Konturpunkte, Basislinienendpunkte und Bildachsenrichtungen | Korrekturkoordinaten und Transformation | Durch die Koordinatenkorrektur können falsche Kontaktpunkte nicht korrigiert werden |
| ALG-A93 | Identifizierung des Bewegungsstatus der Kontaktlinie | Zeit, Kontaktradius, Winkel und Geschwindigkeitsschwelle | Status und Segmentierung der Kontaktlinienbewegung | Die Statusbestimmung wird durch die Abtastrate und den Schwellenwert begrenzt |
F02 Geometrische Messung und Profilanalyse (16 Elemente)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A07 | Gesamte Geradenanpassung nach der Methode der kleinsten Quadrate | Zweidimensionaler Punkt im selben Koordinatensystem | Linienrichtung, Position und Anpassungsreste | Ergebnisse der kleinsten Quadrate schließen Ausreißer nicht automatisch aus |
| ALG-A08 | RANSAC Robuste Modellschätzung | 2D-Punktsatz, Modelltyp und Innenpunktschwelle | Linien- oder Kreismodelle, Innenpunkte und Residuen | Die Ergebnisse können erst verglichen werden, wenn Modelltyp und Schwellenwert klar sind. |
| ALG-A09 | Hough lineare Erkennung | Graustufen- oder Kantenkarte, Längen- und Verbindungsschwellenwerte | Mögliche Liniensegmente und Standorte | Das in Frage kommende Liniensegment ist keine identifizierte Produktkantenkategorie |
| ALG-A10 | Subpixel-Gradientenmessschieber | Bild, Messschieber-Abtastlinie und Kantenpolarität | Subpixel-Kantenposition auf der Beispiellinie | Die Pixelposition ist nicht direkt gleichbedeutend mit der Genauigkeit der physikalischen Größe |
| ALG-A17 | Methode mit rotierendem Messschieber mit konvexem Rumpf | Konturpunkte im gleichen Koordinatensystem | Maximaler und minimaler Feret-Durchmesser | Physische Abmessungen erfordern eine Skalierung |
| ALG-A18 | Messung der doppelten Kantenbreite im normalen Abschnitt | Binärmaske, Mittellinie und normale Abtastparameter | Abschnittsbreite entlang der Mittellinie | Die 2D-Breite kann nicht als Grabentiefe interpretiert werden |
| ALG-A19 | Analyse der Konturabweichung des Symbolentfernungsfelds | Registrierte Referenz- und Beobachtungsmasken | Vorzeichenbehafteter Abstand und Konturabweichung | Registrierungsfehler müssen von Formfehlern unterschieden werden |
| ALG-A29 | Geometrische orthogonale Distanzkreisanpassung | Zweidimensionaler kreisnaher Punktsatz und Iterationsparameter | Geometrischer Distanzanpassungskreis und Restfehler | Das Konvergenzergebnis wird durch den Anfangswert, die Punktmengenqualität und den Ausreißeranteil beeinflusst. |
| ALG-A30 | Huber IRLS robuste Geradeverschraubung | Parameter für zweidimensionale Punktmenge, Iteration und Huber-Anpassung | Robuste Angaben zu Geraden und Gewicht | Robustheit hat einen Anwendungsbereich und kann die Prüfung der Probenqualität nicht ersetzen |
| ALG-A34 | Anpassung der Fasenabstandsvorlage | Bild- und Vorlagenkanten | Fasen Sie Kosten und Kandidatenpositionen ab | Die Übereinstimmungsentfernung ist keine Klassenwahrscheinlichkeit |
| ALG-A35 | Hu-Moment-invariante Konturanpassung | Zwei 2D-Konturen und wie man sie vergleicht | Hu-Formunterschiedsbewertung | Der Score ist nicht gleichbedeutend mit der kalibrierten Identifikationssicherheit |
| ALG-A36 | Fourier-Konturdeskriptor | Geordnete geschlossene Konturen, Anzahl der Samples und Anzahl der Harmonischen | Fourier-Konturdeskriptor | Der Deskriptor stellt nicht automatisch Produktklassifizierungsetiketten bereit |
| ALG-A41 | Dreidimensionale Punktsatz-Orthogonalebenenanpassung | Eine dreidimensionale Punktmenge mit physikalischer Bedeutung | Ebenennormale, Position und Rest | Aus gewöhnlichen zweidimensionalen Fotos lassen sich dreidimensionale Punkte nicht aus dem Nichts erzeugen. |
| ALG-A45 | Bidirektionaler Hausdorff- und Fasenkonturabstand | Zwei Konturen im selben Koordinatensystem | Zwei-Wege-Hausdorff- und Fasenabstand | Abstandsschwellen müssen auf der Grundlage von Produkttoleranzen und Probenahmen definiert werden |
| ALG-A46 | Minimaler Bereich gedrehtes Hüllkurvenrechteck | 2D-Punktsatz | Umschlagrechteck, Ausrichtung und Größe drehen | Das äußere Rechteck ersetzt nicht alle Maß- und Geometrietoleranzen |
| ALG-A99 | Zweidimensionale Geradheit der Mindestfläche | Begrenzte zweidimensionale Abtastpunkte | Minimale parallele Bandbreite und Richtung des Umschlags | Stellt nicht direkt einen vollständigen Satz von ISO- oder ASME-Prüfungen auf geometrische Toleranzen dar |
F03 Partikelsegmentierung und Bildverbesserung (32 Artikel)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A11 | Otsu Otsu Schwellenwertsegmentierung | Graustufen-, Farbumkehr- und Glättungseinstellungen | Globaler Schwellenwert, binäre Maske | Graustufenverteilung, die für den globalen Schwellenwert geeignet sein muss |
| ALG-A12 | Kennzeichnung und Filterung verbundener Domänen | Binärmaske, Bereichsuntergrenze und Konnektivitätsregeln | Gebietsliste, Größe und Lage | Verbundene Domains können Produktkategorien nicht automatisch unterscheiden |
| ALG-A13 | Markierung von Kontrollwassereinzugsgebieten | Bild-, Vordergrundmasken- oder Seed-Parameter | Wassereinzugsgebiete und Beschriftungen | Saat- und Vordergrundqualität bestimmen die Ablösebedingungen |
| ALG-A14 | Normalisierter Kreuzkorrelationsvorlagenabgleich | Referenzvorlagen und Bilder, die durchsucht werden sollen | Stimmen Sie die Ergebnisse und Standorte der Kandidaten ab | Für Rotation, Skalierung oder Perspektivwechsel muss die entsprechende Registrierungsmethode ausgewählt und separat überprüft werden |
| ALG-A15 | Verfeinerung des Zhang-Suen-Skeletts | Obergrenze für Binärmaske und Iteration | Einzelpixel-Skelett | Skelette enthalten nicht automatisch Fehlersemantik |
| ALG-A16 | Euklidische Distanztransformation | binäre Maske | Feld Pixelabstand | Der Abstand der 2D-Maske ist nicht gleich der physischen Tiefe |
| ALG-A27 | Semantische U-Net-Segmentierung | Rechtlich verfügbare Gewichts- und Vorverarbeitungsdefinition der Produktdomäne ONNX | Ergebnisse der Segmentierungsmaske und der Schnittstellenvereinbarung | Projekte müssen Modellgewichte für anwendbare Produktkategorien bereitstellen oder trainieren sowie die Gewichtslizenzierung und Produktdomänenüberprüfung bestätigen |
| ALG-A43 | Multiskalige LoG-Blob-Erkennung | Bild-, Multiskalen- und Antwortschwellenwerte | Erkennen Sie das Zentrum, die Größe und die Reaktion des Kandidaten | Die Kandidatenskala entspricht nicht direkt der physikalischen Partikelgröße |
| ALG-A44 | DBSCAN-Dichte-Clustering | Punkt oder Merkmal, Nachbarschaftsradius und Untergrenze der Dichte | Clusterbeschriftungen und Rauschpunkte | Clustering kann Fehlertypen nicht automatisch benennen |
| ALG-A47 | Adaptive Gaußsche Schwelle | Graustufen, Fenster und Offsets | Lokaler Schwellenwert und binäre Maske | Die Parameter müssen mit der Fehlerskala kombiniert werden und können nicht auf irgendeine Textur angewendet werden. |
| ALG-A48 | Lokale Schwelle von Sauvola | Graustufenbild, Fenster und lokale statistische Parameter | Lokale Schwellenwertkarte und -maske | Erfordert eine unabhängige Kennzeichnung und Bestätigung, keine bedingungslose Fehlererkennung |
| ALG-A49 | Dreieckige Schwellensegmentierung | Graustufenbild und inverse Farbeinstellungen | Triangulationsschwellenwert und Maskierung | Bildverteilung, die dem Schwellenwertmodell entsprechen muss |
| ALG-A50 | GrabCut-Vordergrundsegmentierung | Farbbild und Rechteck oder Anfangsbeschriftung | Vordergrundbeschriftungen und -masken | Erfordert eine Initialisierung, kein semantisches Produktdomänenmodell |
| ALG-A51 | K-bedeutet Farbsegmentierung | Farbkarte, Farbraum und Anzahl der Cluster | Farbclusterbeschriftungen und zugehörige Ergebnisse | Farbcluster sind nicht gleichbedeutend mit Bestanden- und Fehlerkategorien |
| ALG-A52 | Chan-Vese-Level-Set | Graustufenbild, Anfangsmaske und Entwicklungsparameter | Regionsmasken und Iterationsergebnisse | Komplexe Texturen müssen mit anderen Methoden oder Kombinationen überprüft werden |
| ALG-A53 | LoG-Nulldurchgangskante | Graustufenbild, Filterskala und Kontrastschwelle | Nulldurchgangskante | Die Kantenreaktion führt nicht automatisch zu Dimensionsabnahmeergebnissen |
| ALG-A54 | Scharr-Gradientenkante | Graustufenbild und Farbverlaufsschwellenwert | Gradientenreaktion und Kanten | Die Gradientenintensität korrespondiert nicht direkt mit der Risstiefe |
| ALG-A55 | Multiskalige Top-Hat-Hintergrundkorrektur | Bilder, mehrskalige Strukturelemente und gezielte Hell- und Dunkeleigenschaften | Hintergrundkorrektur und Multiskalen-Reaktion | Die Verarbeitung zeigt nicht die physikalischen Eigenschaften des Zielmaterials |
| ALG-A56 | CLAHE lokale Kontrastverstärkung | Bilder, Kontrastgrenzen und Raster | Bilder verbessern | Bei den verbesserten Erscheinungsbildänderungen handelt es sich nicht um neue Messinformationen |
| ALG-A57 | Einstufige Retinex-Beleuchtungskorrektur | Bild- und Beleuchtungsmaßstab | Retinex-Korrekturdiagramm und zugehörige Ergebnisse | Durch Okklusion oder Sättigung verlorene Informationen werden nicht wiederhergestellt |
| ALG-A58 | Bilaterale Filterung | Bild-, Nachbarschafts- und bilaterale Gewichte | Entrauschtes Bild | Der Entrauschungseffekt muss im Zusammenhang mit der Messkette bewertet werden |
| ALG-A59 | Nicht-lokale mittlere Rauschunterdrückung | Bild, Rauschintensität und Suchfenster | Entrauschtes Bild | Keine Verpflichtung zur Wiederherstellung von Strukturen unterhalb der Bildauflösung |
| ALG-A60 | Morphologische Rekonstruktion | Seed-Diagramm, Einschränkungsdiagramm und Konnektivitätsregeln | Rekonstruktionsergebnisse und Iterationsstatus | Seed-Fehler verändern die Ergebnisse und können die semantische Beurteilung nicht ersetzen. |
| ALG-A61 | Binäre Lochfüllung | Binärmasken- und Konnektivitätsregeln | Lochfüllmaske und Bearbeitungsergebnisse | Wenn echte Löcher Erkennungsziele sind, können sie nicht durch Vorverarbeitung gelöscht werden. |
| ALG-A62 | Distanzfeld-H-Maxima-Samen | Binärmaske, h-Wert und Mindestintervall | Distanzfeldsaaten und zugehörige Ergebnisse | Es werden nur Segmentierungs-Seeds generiert, was nicht bedeutet, dass die Ziele korrekt getrennt wurden. |
| ALG-A63 | Pfadverfolgung des Skelettdiagramms | Einzelpixel-Skelett oder explizite Verfeinerungsoptionen | Skelettknoten, Zweige und Pfade | Die Pfadverfolgung unterscheidet nicht automatisch zwischen Rissen, Kratzern und Staub |
| ALG-A64 | Dynamische Planung von Grenzwegen | 2D-Kostenkarte, Pfadachse und Endpunktbeschränkungen | Einschränkungspfade und Kosten | Pfadabhängigkeitskostenkarte, keine universelle Konturgrundwahrheit |
| ALG-A65 | Mittellinie des Graustufen-Schwerpunktlasers | Laserlinienbild, Scanachse und Hintergrundparameter | Graustufen-Mittellinie | Die Pixelmittellinie entspricht nicht der kalibrierten 3D-Kontur |
| ALG-A66 | Gabor-Texturmerkmale | Bild-, Richtungs- und Wellenlängenfilterparameter | Reaktion und Eigenschaften der Gabor-Textur | Durch die Merkmalsextraktion wird die Fehlerklassifizierung nicht automatisch abgeschlossen |
| ALG-A80 | Lokale Binärmuster-LBP-Textur | Graustufenbild | LBP-Codierung und Texturstatistiken | Die Codierung selbst hat keine Bedeutung für die Fehlerkategorie |
| ALG-A81 | GLCM-Graustufen-Kookkurrenzmatrixtextur | Quantisierte Graustufenbilder, Ebenen und räumliche Offsets | Kookkurrenzmatrix und Texturmerkmale | Funktionsschwellenwerte müssen entsprechend den Aufgaben überprüft werden |
| ALG-A82 | Gaußsche Kerbe im Frequenzbereich zur Entfernung periodischer Streifen | Bild, Streifenfrequenzposition und Kerbbandbreite | Deperiodisches Randbild | Es müssen echte sich wiederholende Strukturen von Interferenzstreifen unterschieden werden |
F04 Registrierungskamera und Lasergeometrie (10 Artikel)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A20 | Steger-Subpixel-Ridge-Extraktion | Lineare Bild-, Skalierungs- und Krümmungsparameter für Graustufen | Position des Subpixelkamms und zugehörige Reaktion | Bei der Gratgewinnung handelt es sich nicht um ein fertiges 3D-Scansystem |
| ALG-A21 | Lasertriangulation | Interne und externe Kameraparameter, Laserebene und Bildposition | Der dreidimensionale Schnittpunkt des Strahls und der Kalibrierungsebene | Muss mit echten Geräten kalibriert werden, physikalische Genauigkeit kann mit synthetischen Parametern nicht erreicht werden |
| ALG-A31 | Phasenabhängige Übersetzungsregistrierung | Referenz- und Mobilbilder mit überlappenden Texturen | 2D-Übersetzung und zugehörige Antworten | Geeignet für Übersetzungsschätzungen; Rotation oder dreidimensionale Haltung erfordern die Auswahl des entsprechenden Modells |
| ALG-A32 | ECC-Intensitätsregistrierung | Überlagern Sie Bilder, Bewegungsmodelle und Anfangswerte | Geben Sie zweidimensionale Transformationen und zugehörige Indikatoren an | Basierend auf dem Anfangswert und der Bildähnlichkeit muss das Projekt eine Fehlerbestimmung festlegen |
| ALG-A33 | ORB- und RANSAC-Homographieregistrierung | Quell- und Zielbilder mit ausreichenden Funktionen | Merkmalskorrelation und Homographietransformation | Anwendbar auf Homographie; deckt Szenen mit mehreren Tiefen nicht automatisch ab |
| ALG-A37 | 2D-Starrkörper-ICP-Registrierung | 2D-Punktsatz, ungefähre Anfangsposition und Beschneidungsparameter | Zweidimensionale Starrkörpertransformation und Registrierungsreste | Es handelt sich weder um eine globale Registrierung noch um eine 3D-Hand-Auge-Kalibrierung eines Roboters. |
| ALG-A38 | Entsprechende Punkte sollten angebracht werden | Entsprechende Punkte auf derselben Ebene | Zweidimensionale Homographiematrix | Einzelebenenbeziehungen können die vollständige dreidimensionale Kalibrierung nicht ersetzen |
| ALG-A39 | Kalibrierung der Schachbrettkamera mit mehreren Ansichten | Multiview-Schachbrett- oder Eckpunkte, Abmessungen und Bildspezifikationen | Kamerainterne Parameter, Verzerrung und Kalibrierungsergebnisse | Der Installations- und Objektivstatus muss nach Änderungen überprüft werden. |
| ALG-A40 | Bild- und Punktentzerrung | Bild oder Pixel, kamerainterne Parameter und Verzerrung | Korrigieren Sie Bild- oder Punktkoordinaten | Verlässt sich auf effektive interne Parameter und verspricht nicht, alle optischen Fehler zu beseitigen |
| ALG-A42 | SVD Starrkörper- und Ähnlichkeitsregistrierung | Sequentielle entsprechende zweidimensionale Punktsatz- und Skalierungsoptionen | Starrer Körper oder ähnliche Transformation | Geeignet für zweidimensionale korrespondierende Punkte; Die dreidimensionale Registrierung erfordert die Einrichtung unabhängiger Daten- und Koordinatenverbindungen |
F05 Bewegungszeitpunkt und Prozessstatistik (20 Elemente)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A22 | Kalman-Filter | Ausgangsposition, Zeitschritt und Rauscheinstellungen | Zweidimensionale Positions- und Geschwindigkeitszustandsschätzung | Die gefilterte Ausgabe kann ungültige Messungen nicht als gemessene Positionen verschleiern |
| ALG-A23 | Ungarn-Spiel | Kostenmatrix und Ablehnungsschwelle | Eins-zu-eins-Zuordnungen und nicht übereinstimmende Elemente | Die Assoziationsergebnisse stellen keine echte Identifizierung dar. |
| ALG-A24 | Savitzky-Golay-Glättung und Ableitung | Reihenfolge, Fenster, Reihenfolge, Abtastintervall und Ableitungsreihenfolge | Glatte oder abgeleitete Sequenz | Einheitliche Probenahme und Parameterlegalität müssen klar sein |
| ALG-A25 | Schätzung des Welch-Leistungsspektrums | Signal-, Abtastraten- und Segmentierungsfenster | Frequenz- und Leistungsspektraldichte | Der langfristige Gerätezustand kann nicht aus einem einzelnen Spektrumsegment abgeleitet werden |
| ALG-A26 | Erkennung von Mahalanobis-Distanzanomalien | Normale Trainingsfunktionen, Regularisierungs- und Testfunktionen | Distanzbewertung und bestätigte Anomaliebeurteilung | Erfordert eine echte Normalverteilung, keine universelle Fehlerkennung |
| ALG-A67 | Lucas-Kanade spärlicher optischer Fluss | Zwei aufeinanderfolgende Frames, anfängliche Eckpunkte und Tracking-Parameter | Spärliche Punktbewegung und effektiver Zustand | Die Verfolgung des optischen Flusses ist nicht gleichbedeutend mit der spiegelübergreifenden Identitätskorrelation |
| ALG-A68 | Farneback dichter optischer Fluss | Zwei aufeinanderfolgende Frames und optische Flussparameter | Dichtes zweidimensionales Verschiebungsfeld | Die Bildverschiebung ist nicht direkt gleich der dreidimensionalen Geschwindigkeit |
| ALG-A69 | MOG2-Hintergrundtrennung | Kontinuierliche Frame- und Hintergrund-Lernparameter | Vordergrundmaske | Interessenten sind keine spezifischen Kategorien wie Menschen, Flammen usw. |
| ALG-A70 | Differenzielle Bewegungserkennung mit zwei Bildern | Zwei Frames, Differenzschwelle und morphologische Parameter | Bewegungsdifferentialmaske | Kann die Kategorie oder Gefahrenstufe des sich bewegenden Ziels nicht unabhängig beurteilen |
| ALG-A71 | Exponentieller gleitender Durchschnitt EWMA | Zahlenfolge, Glättungskoeffizient und Anfangswert | EWMA geglättete Serie | Durch Glätten kann eine Systemdrift nicht beseitigt werden |
| ALG-A72 | Anomaliefilterung der mittleren absoluten Abweichung nach Hampel | Numerische Sequenzen, Fenster und MAD-Schwellenwerte | Ausreißermarkierungen und Verarbeitungssequenzen | Ersatzwerte können keine gültigen Originalmaße imitieren |
| ALG-A73 | Erkennung bilateraler CUSUM-Änderungen | Reihenfolge, Zielmittelwert, zulässige Abweichung und Schwellenwert | Statistiken und Alarmkandidaten ändern | Alarmschwellen und Geräteentsorgung werden gesondert vereinbart. |
| ALG-A74 | Kurzzeit-Fourier-Transformation STFT | Signal, Abtastrate, Fenster und Schrittgröße | Zeitspektrum | Aliasing-Informationen können nicht wiederhergestellt werden, wenn die Abtastrate nicht ausreicht |
| ALG-A75 | Schätzung der FFT-Autokorrelationsperiode | Sequenz, Abtastrate und Suchverzögerungsbereich | Perioden- oder Häufigkeitsschätzungen und zugehörige Mengen | Das Vorhandensein von Zyklen ist kein direkter Beweis für die Art des Geräteausfalls. |
| ALG-A76 | Dynamisches Time Warping DTW | Zwei-Sequenz- und Pfadfenster | DTW-Abstand und Ausrichtungspfad | Der Ähnlichkeitsabstand ist nicht gleichbedeutend mit der wahren Ereignisidentität |
| ALG-A77 | Rekursive Methode der kleinsten Quadrate RLS | Merkmalsvektoren, Beobachtungen und Rekursionsparameter | Koeffizienten und Status des Online-Modells | Modell- und Datenanreizbedingungen müssen definiert werden |
| ALG-A78 | Welford-Online-Mittelwert und Kovarianz | Dimensionskonsistente Beobachtungssequenz | Online-Mittelwert, Kovarianz und Anzahl | Statistiken liefern nicht automatisch Urteile zur Prozessqualifikation |
| ALG-A79 | Restanomalie-Score der PCA-Rekonstruktion | Normale Stichproben, Merkmalsnormalisierung und Hauptkomponentenbewertungen | rekonstruierter Restdifferenzanteil | Es ist notwendig, eine normale Basislinie zu erstellen, nicht eine allgemeine Fehlerdiagnose |
| ALG-A83 | Kurzzeit-RMS-Hüllkurve | Signale, Fenster und Stufen | Kurzzeit-RMS-Hüllkurve | Physikalische Einheiten hängen von der Eingangskalibrierung ab |
| ALG-A84 | Eindimensionale Peak-Signifikanz-Erkennung | Eindimensionale Sequenz, Ausprägung und Mindestintervall | Peakposition und Peakkorrelationsgröße | Peaks können nicht automatisch als Fehlerereignisse benannt werden |
F06 Umkehrung der physikalischen Benetzungseigenschaft (7 Elemente)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A85 | OWRK Energieinversion der festen Oberfläche | Flüssigkeitskontaktwinkel mit mehreren Sonden und physikalische Eigenschaften der Komponenten | OWRK feste Oberflächenenergiekomponente | Es müssen einheitliche physikalische Eigenschaftseinheiten und anwendbare Oberflächenmodelle verwendet werden |
| ALG-A86 | Wu Harmonische mittlere Oberflächenenergieinversion | Kontaktwinkel und Sondenflüssigkeitsdispersion sowie polare Komponenten | Wu Oberflächenenergiekomponente | Leiten Sie physikalische Eigenschaften nicht direkt aus einem einzelnen unkalibrierten Diagramm ab |
| ALG-A87 | vOCG Säure-Base-Oberflächenenergieinversion | Kontaktwinkel, LW der Sondenflüssigkeit und Säure-Base-Gehalt | vOCG Oberflächenenergiekomponente | Sondenflüssigkeitskombinationen und Modellannahmen müssen klar sein |
| ALG-A88 | Zisman Extrapolation der kritischen Oberflächenspannung | Reihenkontaktwinkel und Flüssigkeitsoberflächenspannung | Extrapolation und Anpassung der kritischen Oberflächenspannung | Der extrapolierte Wert entspricht nicht dem wahren Wert der universellen Festkörperoberflächenenergie |
| ALG-A89 | Washburn Kontaktwinkel der Absorption von Pulver und Flüssigkeit | Zeit, Qualität der Flüssigkeitsaufnahme, Materialkonstanten und physikalische Eigenschaften der SI-Flüssigkeit | Kontaktwinkel und Regressionsbetrag der Pulver-Flüssigkeits-Absorption | Materialkonstanten werden mit den gleichen Füllbedingungen kalibriert; Verschiedene vereinbarte Konstanten können nicht gemischt werden. |
| ALG-A90 | Hängender Drop Young-Laplace Vorwärtsintegration | Bindungsparameter, Integrationsbogenlänge und Schrittgröße | Dimensionsloses hängendes Drop-Forward-Profil | Es ist nicht notwendig, die vollständige ADSA der unbekannten Oberflächenspannung aus dem Foto zu ermitteln. |
| ALG-A91 | Schätzung der Regressionsspannung der hängenden Tropfenkrümmung | Vorgeglättete Halbkonturen, Dichteunterschiede und Schwerkraft in Metern | Schätzung der Krümmungsregressionsspannung | Die Höhenrichtung muss konsistent sein; Es handelt sich nicht um eine vollständige nichtlineare ADSA-Anpassung |
F07 Messstatistik und Unsicherheit (6 Elemente)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A94 | Bootstrap-Perzentil-Konfidenzintervall | Stichproben, statistische Funktionen, Konfidenzniveaus und Resampling-Einstellungen | Perzentilintervalle und statistische Ergebnisse | Die Einstellung des Konfidenzniveaus entspricht nicht dem tatsächlichen Abdeckungsnachweis für endliche Stichproben |
| ALG-A95 | Ausbreitung der Monte-Carlo-Messunsicherheit | Messmodell, Eingabemittelwerte und Kovarianzen, Stichprobeneinstellungen | Modellausgabeverteilung und Unsicherheitsstatistiken | Fehlende Systemelemente werden durch die Bemusterung nicht automatisch ergänzt |
| ALG-A96 | Gekreuztes ANOVA Gage R&R | Balancieren Sie die Daten nach Teil, Bediener und Anzahl der Wiederholungen | Messen Sie R&R- und Varianzkomponenten | Integrieren Sie keine automatischen Interaktionsbegriffe und führen Sie keine vollständigen Signifikanztests durch |
| ALG-A97 | Gewichtete lineare Kalibrierung der kleinsten Quadrate | Referenz x und Messung y und Standardunsicherheit | Lineare Kalibrierungskoeffizienten und Residuen | Regressionsresiduen sind keine vollständigen Ausrüstungsunsicherheiten |
| ALG-A98 | Bivariate Fehlerregression nach Deming | Zwei variable Beobachtungen und Fehler-Varianz-Verhältnis | Deming-Regressionskoeffizient | Das Fehlervarianzverhältnis muss eine Grundlage haben |
| ALG-A100 | Ausbreitung der Sensitivitätsunsicherheit erster Ordnung | Messmodell, Mittelwert, Kovarianz und Differenzschrittgröße | Empfindlichkeit und Ausbreitungsergebnisse erster Ordnung | Starke Nichtlinearität und fehlende Systemgrößen müssen separat bewertet werden. |
F08 Laser-Spot-Analyse (12 Artikel)
| Seriennummer | Algorithmusmodul | Gemeinsame Eingaben | Ausgabe verfügbar | Projektbestätigungspunkte |
|---|---|---|---|---|
| ALG-A101 | Adaptiver Schwellenlaserpunkt-Graustufenschwerpunkt | Graustufenrahmen, ROI, Hintergrund- und Kandidatenfilterparameter | Einzelner heller Fleck, Zentrum, Fläche und energiebezogene Größen | Die physische Koordinatenausgabe muss mit den Zielkamera-, Objektiv- und Kalibrierungsdaten überprüft werden. |
| ALG-A102 | Extraktion von punktverbundenen Domänenkandidaten mit mehreren Lasern | Graustufenrahmen, ROI und Filterparameter für verbundene Domänen | Mehrere Highlight-Kandidaten und ihre Eigenschaften | Berührende oder überlappende helle Punkte lösen sich nicht automatisch auf |
| ALG-A103 | Logarithmisches quadratisches Oberflächen-Subpixel-Punktzentrum | Ungefähre Gaußsche Punkt-, Fenster- und Hintergrundparameter | Logarithmisches quadratisches Zentrum und Anpassungsergebnisse | Starke Sättigung, Nicht-Gaußsche Darstellung und Fensterkürzung können zu einer Verzerrung führen |
| ALG-A104 | Lichtpunktmitte mit Farbverlauf und radialer Symmetrie | Nahezu radialsymmetrische Spot- und Gradienten-Screening-Parameter | Radiales Symmetriezentrum und Residuum | Der Positionierungseffekt muss entsprechend der Form des reflektierenden Ziels und den Bildbedingungen überprüft werden. |
| ALG-A105 | Zweites Moment des Laserflecks und Durchmesser der Hauptachse | Lineare Reaktion auf Punktintensität, Hintergrund und ROI | Schwerpunkt, Moment zweiter Ordnung, Primär- und Sekundärachsendurchmesser und -richtungen | Es ist nur eine Momentenberechnung zweiter Ordnung implementiert, kein vollständiges ISO11146-Messsystem |
| ALG-A106 | Laserpunkt umgebender Energiedurchmesser | Spot, Zentrum, Energieverhältnis und Maßstab | Vorgegebenes Verhältnis von umgebendem Energieradius und Durchmesser | Das Graustufenintegral wird nicht automatisch in Watt oder Joule umgerechnet |
| ALG-A107 | Diagnose der Laserpunktqualität und Benutzerfreundlichkeit | Spot-, belichtungsbezogene Informationen und Qualitätsgrenzen | Diagnosegrößen und Grenzwertprüfungen wie Sättigung, Trunkierung und Achsenverhältnis | Qualitätsschwellenwerte erfordern Gerätetests und sind keine automatischen Akzeptanzkriterien. |
| ALG-A108 | Eins-zu-eins-Abgleich von Referenzbits mehrerer Laserpunkte | Erkennungspunkte, Referenzpunkte und Entfernungsobergrenze im gleichen Koordinatensystem | Eins-zu-eins-Übereinstimmungen und fehlende Elemente | Es schätzt keine externen Parameter und beweist nicht die Identität des Ziels. |
| ALG-A109 | Zweidimensionale Polynomkalibrierung von Pixeln zu physikalischen Koordinaten | Pixel in derselben Ebene wie Referenzkoordinaten und Zuordnungsreihenfolge | Zweidimensionale Abbildungskoeffizienten und Anpassungsergebnisse | Die zweidimensionale empirische Kartierung ersetzt nicht die dreidimensionale Kalibrierung |
| ALG-A110 | Kartierung der Laserpunktkalibrierung und Kovarianzausbreitung | Pixelpunkte, effektive 2D-Kalibrierung und Pixelkovarianz | Kartierung von Koordinaten und Ausbreitung gegebener Kovarianzen | Kalibrierplatten, Temperaturdrift und Modellabweichungen werden nicht automatisch berücksichtigt |
| ALG-A111 | Konvertierung von Laserpunktpixeln in Kamerablickwinkel | Pixel, Kameraeigenschaften und Verzerrung | Kamerakoordinatensystem, Einheit Sichtlinie und Winkel | Fehlende Entfernungsinformationen, 3D-Punkte können nicht einzeln wiederhergestellt werden |
| ALG-A112 | Zweidimensionale Wiederholgenauigkeit und Abdeckungsellipse des Laserpunkts | Wiederholen Sie dieselben Bedingungen für 2D-Koordinaten und Abdeckungsebenen | Mittelwert, Kovarianz, radialer RMS und abdeckende Ellipse | Die zweidimensionale Normaldeckungsannahme beweist weder physikalische Genauigkeit noch Langzeitstabilität |
Von der Beurteilung bis zur Lieferung
- Bestätigung erforderlich: Klären Sie Aufgaben, Daten, Outputs, Indikatoren, Plattformen, Schnittstellen, Geräteanzahl und geplante Zeit.
- Beispielüberprüfung: Feste Muster und Bewertungskaliber bilden die Algorithmusbasis, die anwendbaren Bedingungen und den Implementierungsumfang.
- Entwicklung und gemeinsames Debuggen: Vollständige Algorithmenkombination, Datenzugriff, Parameterkonfiguration, abnormaler Status, Ergebnisschnittstelle und Protokoll.
- Unabhängige Abnahme: Überprüfen Sie die Wirkung, den Zeitaufwand, die Stabilität und den Wiederherstellungsmechanismus anhand vereinbarter Daten oder Gerätestationen.
- Autorisierung und Wartung: Bestimmen Sie die laufende Lizenz entsprechend dem Gerät, Szenario und der Version und behandeln Sie kontinuierlich die Probleme des ursprünglichen Szenarios und kontrollierte Upgrades.
Zum Lieferumfang können Algorithmenbibliotheken oder Programme, Aufrufbeispiele, Schnittstellen- und Parameterbeschreibungen, Konfigurations- oder Kalibrierungsdateien, Testberichte, Versionshinweise und Wiederherstellungspläne gehören. Quellcode, projektspezifische Modelle, Fremdkomponenten, Hardware und neue Plattformanpassungen werden im Angebot gesondert bestätigt.
FAQ
Wie kann ich feststellen, ob ein vorhandener Algorithmus mit meinem Gerät funktioniert?
Stellen Sie zunächst Originalproben, Missionsziele, Referenzergebnisse und Ausrüstungszustände bereit. Nach Abschluss der Datenprüfung und Probenverifizierung können Wiederverwendbarkeit, zu ergänzende Entwicklung, erwartete Ergebnisse und Akzeptanzmethoden geklärt werden.
Werden Windows, Linux und eingebettete Plattformen unterstützt?
Die Anpassung kann anhand des Zielsystems, des Prozessors und der aufrufenden Schnittstelle bewertet werden. Das Projekt bestätigt außerdem Abhängigkeiten, Ressourcen, Lieferform, Installationsmethode und Leistungstestbedingungen.
Warum müssen Genauigkeit und Verarbeitungsgeschwindigkeit projektbezogen bestätigt werden?
Die Indikatoren variieren je nach Probenschwierigkeit, Bildauflösung, Algorithmuskombination, Hardware und statistischem Kaliber. Durch Kundenmuster und Tests der Zielplattform können akzeptable Projektindikatoren ermittelt werden.
Ist eine Lizenzierung nach Anzahl der Geräte möglich?
Lizenzen können basierend auf Kundeneinheiten, Geräten oder Workstations, Algorithmenszenarien, Lieferversionen und Fristen vereinbart werden. Die Regeln für Maschinentausch, Offline-Betrieb, Wiederherstellung und Neugeräte sind im Vertrag festgelegt.
Können wir in Zukunft weiter optimieren?
Es kann neue Proben, Fehleinschätzungsprobleme und Änderungen der Arbeitsbedingungen in der Originalszene reproduzieren, verbessern und durch Regression verifizieren. Neue Produkte, Hardware oder Funktionen werden anhand des Umfangs der Änderungen bewertet.
Projektberatung
xuzhiyang0928@gmail.com
Senden Sie Muster und Gerätezustände zur Klärung des Entwicklungs- und Lieferumfangs
Entwicklung von Algorithmen und SDKs für die Bildverarbeitung
Bitte beschreiben Sie den Aufgabengegenstand, Originalbild oder -video, Zielindikatoren, Geräteplattform, Schnittstelle und Beispielsituation.
Telefon: 13910119357xuzhiyang0928@gmail.com