Algorytm widzenia i adaptacja urządzenia. Przegląd możliwości
Moduł algorytmu wizyjnego i usługi rozwojowe SDK
Dla producentów sprzętu, integratorów systemów i korporacyjnych zespołów badawczo-rozwojowych usługi przetwarzania i pomiaru obrazu, punkty i linie laserowe, obrazy w podczerwieni i algorytmy obrazowania termowizyjnego mogą być wybierane zgodnie z zadaniami. Połącz oryginalne próbki, warunki sprzętu, interfejsy i wymagania akceptacji, aby wyjaśnić zakres rozwoju, pakowanie SDK, adaptację sprzętu i konserwację wersji.
Wybierz usługi algorytmów według zadania
Przetwarzanie obrazu, pomiary i analiza eksperymentalnaKąt zwilżania kropel, wymiary 2D, kontury, rejestracja, segmentacja, synchronizacja i ocena pomiaru.Algorytmy analizy plamek i linii laserowychPozycjonowanie plamki świetlnej, analiza plamki świetlnej, kalibracja i kierunki potencjalnego zastosowania są oceniane zgodnie z rzeczywistymi warunkami obrazowania.Algorytmy obrazowania w podczerwieni i termowizjiKorekta danych, analiza mapy cieplnej, wykrywanie celów, rejestracja multimodalna i obszary zastosowań przemysłowych.
Zakres usługi
Projekty algorytmów wizyjnych zwykle obejmują jednocześnie obrazowanie, dane, algorytmy, interfejsy i środowiska operacyjne urządzeń. Usługa rozpoczyna się od zadania wykrywania lub pomiaru wykonanego przez klienta i łączy wymagane możliwości w wykonywalne rozwiązanie.
| Potrzeby klienta | Treść usługi | główne wyjście |
|---|---|---|
| Opracowanie nowego algorytmu urządzenia | Ocena próbki, projekt rozwiązania, kombinacja algorytmów, rozwój interfejsu i wspólne debugowanie sprzętu | Oprogramowanie projektowe, konfiguracja parametrów, dokumentacja interfejsu i raport z weryfikacji |
| Optymalizacja istniejącego sprzętu | Powtarzanie się problemu, analiza próbek, dostosowanie parametrów lub algorytmów, regresja starych i nowych wersji | Zoptymalizowana wersja, rejestry problemów, wyniki porównań i instrukcje aktualizacji |
| Integracja modułu algorytmu | Potwierdzenie wejścia i wyjścia, dostęp do biblioteki lub programu, status wyjątku i dostosowanie formatu wyniku | Interfejs wywoływania, przykłady, kody stanu i instrukcje wdrażania |
| Wdrożenie replikacji na wielu urządzeniach | Naprawione oprogramowanie i konfiguracja, licencjonowanie urządzeń, kontrola instalacji i zarządzanie wersjami | Rejestry licencji, pakiety wdrożeniowe, księgi urządzeń i plany odzyskiwania |
| Ciągła konserwacja i iteracja | Obsługa problemów w scenariuszu oryginalnym, testy regresyjne, kontrolowane aktualizacje i ocena zmian | Utrzymuj zapisy, uwagi do wersji i plany iteracji |
Kluczowe możliwości algorytmiczne
Możliwości algorytmiczne są zorganizowane według misji przedsiębiorstwa. Projekt może łączyć wiele modułów i dodawać adaptacje projektu w oparciu o obrazowanie, kalibrację, reguły biznesowe i platformy operacyjne.
| Strona umiejętności | Obowiązujące zadania | Typowe wyjście | Kluczowe punkty potwierdzenia projektu |
|---|---|---|---|
| Pozycjonowanie plamki laserowej i analiza plamki | Detekcja jednopunktowa, wielopunktowa i plamka świetlna | Współrzędne środka, parametry morfologiczne, stan jakości i wyniki kalibracji | Długość fali, ekspozycja, rozmiar plamki, pozycja referencyjna i platforma sprzętowa |
| Analiza kąta zwilżania i profilu kropli | Analiza profilu kropli, linii bazowej i procesu dynamicznego | Kąt zwilżania, parametry dopasowania, wielkości geometryczne i stan sieci jezdnej | Modele kropel, linie bazowe, skale, warunki badań i metody referencyjne |
| Pomiar wymiarów i konturów 2D | Pomiary krawędzi, konturów i punktów 2D | Położenie, rozmiar, pozostałości dopasowania i odchylenia kształtu | Rysunki, tolerancje, punkty odniesienia, kalibracje, warunki optyczne i wielkości referencyjne |
| Rejestracja obrazu i kalibracja kamery | Wyrównanie obrazu, mapowanie 2D, kalibracja i usuwanie zniekształceń | Macierz transformacji, parametry kamery, parametry zniekształceń i reszty | Układ współrzędnych, model transformacji, płytka kalibracyjna, pole widzenia i warunki rekalibracji |
| Segmentacja obrazu i analiza cząstek | Ekstrakcja regionów, liczenie cząstek, separacja adhezji i statystyka morfologiczna | Maski, obiekty, liczebności, kontury, szkielety i rozkłady | Definicja pierwszego planu, zasady adnotacji, klej, obiekty graniczne i skale |
| Czas ruchu i statystyki procesu | Szacunki ruchu, trendy, cykle, zdarzenia i punktacja anomalii | Przemieszczenia, trajektorie, widma, okresy, zdarzenia i wyniki | Znacznik czasu, częstotliwość próbkowania, skala, warunki pracy, normalna linia bazowa i definicja zdarzenia |
| Właściwości fizyczne zwilżania i inwersja parametrów granicy faz | Obliczenia energii powierzchniowej, napięcia krytycznego, wchłaniania proszku i wiszącej kropli | Składniki właściwości fizycznych, wyniki regresji, reszty i status | Modele, właściwości cieczy, jednostki, temperatura, metody kalibracyjne i referencyjne |
| Ocena powtarzalności i niepewności pomiarów | Analiza układu pomiarowego, regresja kalibracyjna i obliczanie niepewności | Składniki wariancji, przedziały, parametry regresji i niepewność | Projektowanie eksperymentów, aparatury odniesienia, zakresów pomiarowych, tolerancji i modeli błędów |
| Usługi autoryzacji sprzętu i ciągłej optymalizacji | Opracowanie pierwszego prototypu, powielanie sprzętu, konserwacja i aktualizacje wersji | Zakres licencji, księga wersji, zapisy konserwacji i plany zmian | Liczba urządzeń, scenariusze, terminy, wymiana, praca w trybie offline i zakres usługi |
Sposób wyboru projektu
- Zdefiniuj wyniki biznesowe: Określ, czy wymagane są współrzędne, wymiary, kąty, zliczenia, maski, trendy, parametry fizyczne lub opinia, a także opisz jednostki i dalsze zastosowania.
- Podaj reprezentatywne dane: Prześlij próbki normalne, graniczne i nieprawidłowe wraz z polem widzenia, rozdzielczością, ekspozycją, odległością roboczą, częstotliwością próbkowania i zmianami pola.
- Określ metodę oceny: Wyjaśnij wartości referencyjne, zasady etykietowania, stratyfikację próby, mianowniki statystyczne i progi przekraczające.
- Potwierdź środowisko operacyjne: Opisz system operacyjny, CPU/GPU/NPU, pamięć, język wywoływania, interfejs, współbieżność, liczbę urządzeń i wymagania offline.
- Pełna weryfikacja próbki: Sprawdź efekt, obsługę awarii, czasochłonność i wykorzystanie zasobów na niezależnych danych, a następnie określ zakres opracowania i wdrożenia.
W projektach modernizacji istniejącego sprzętu należy także uwzględnić aktualną wersję oprogramowania, próbki problemów, dzienniki operacji, konfiguracje kamer i źródeł światła oraz zapisy dotyczące ostatnich zmian sprzętu.
Weryfikacja próbki i potwierdzenie działania
Wydajność algorytmu jest bezpośrednio powiązana z warunkami obrazowania, rozkładem próbek, platformą docelową i kalibrem oceny. W projekcie zastosowano weryfikację etapową, dzięki czemu dokładność, współczynnik wykrywalności, wskaźnik fałszywych alarmów, rytm przetwarzania i stabilność miały jasny zakres zastosowania.
| scena | główne dzieło | Wyniki dostępne dla klientów |
|---|---|---|
| Kontrola danych | Sprawdź oryginalne dane, wartości referencyjne, nieprawidłowe próbki i zasady oceny | Wprowadź listę kontrolną, luki i plan weryfikacji |
| przykładowa linia bazowa | Porównuj trasy algorytmów i rejestruj parametry, wyniki i warunki awarii | Wnioski dotyczące wykonalności, wyniki bazowe i zalecenia wdrożeniowe |
| rozwój projektu | Kompletna kombinacja modułów, interfejs, konfiguracja, status i dziennik | Wersja uruchamialna, informacje o interfejsie i zapisy testów |
| Niezależna akceptacja danych | Użyj danych, które nie brały udziału w regulacji parametrów lub ponownym teście na uzgodnionym stanowisku pracy | Statystyki wskaźników, wyniki poszczególnych próbek i zapisy akceptacji |
| Weryfikacja działania sprzętu | Sprawdź ciągłość działania, odzyskiwanie wyjątków, zarządzanie zasobami i wersjami | Uruchamiaj raporty, instrukcje wdrażania i scenariusze awaryjne |
Metryki wydajności są definiowane na początku projektu i dokumentowane wraz z zakresem próbek, konfiguracją sprzętu, wersją oprogramowania i warunkami testowymi.
112 Katalog możliwości algorytmów
Poniższa tabela służy do wstępnego wyboru technologii i zawiera listę głównych wejść, dostępnych produktów i punktów potwierdzenia projektu. Ostateczne pola interfejsu, jednostki, progi, platformy i kryteria akceptacji określane są w planie projektu.
F01 Profil kropli i kąt zwilżania (9 szt.)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A01 | Metoda wysokości i szerokości (θ/2) | Kontur kropli, linia bazowa kontaktu i konwencja współrzędnych | Kąt zwilżania i wielkości geometryczne użyte do przeglądu | Obowiązuje przybliżenie czapki kulistej; a nie dowolny model kształtu kropli |
| ALG-A02 | Algebraiczne dopasowywanie okręgów metodą najmniejszych kwadratów | Zarys opadu siedzenia i definicja punktu kontaktowego | Dopasowanie parametrów okręgu i kąta zwilżania | Ogólne założenie łuku; należy sprawdzić wpływ deformacji grawitacyjnej |
| ALG-A03 | Dopasowanie eliptyczne | Punkty konturowe 2D | Środek elipsy, długość i kierunek osi | Służy do wyprowadzania parametrów elipsy geometrycznej; kąt zwilżania należy obliczyć w oparciu o definicję linii bazowej, punktu styku i kąta |
| ALG-A04 | Solidne lokalne dopasowanie wielomianowe | Kontur kropli, porządek wielomianu i odstęp dopasowania | Styczna i kąt punktu styku | Odstęp dopasowania i linię bazową należy potwierdzić na podstawie próbki |
| ALG-A05 | Gładkie sześcienne dopasowanie typu B | Kontur kropli, punkty kontrolne i parametry wygładzania | Gładkie kontury, lokalne styczne i kąty | Wygładzanie nie może przywrócić prawdziwych okludowanych konturów |
| ALG-A06 | Young-Laplace / ADSA | Zarys zagłębienia gniazda spełniający warunki symetrii osiowej i równowagi statycznej | Parametry i kąty dopasowania modelu Zuodi | Model z siedzącą kroplą nie staje się automatycznie produktem inwersji wiszącej kropli |
| ALG-A28 | Całkowanie numeryczne konturów osiowosymetrycznych | Profile osiowe i promieniowe, skale długości | Osiowosymetryczna objętość i pole powierzchni | Wymaga symetrii osiowej i niezawodnych konturów; wielkości fizyczne zależą od skali |
| ALG-A92 | Korekcja współrzędnych linii bazowej pochylenia | Punkty konturowe, punkty końcowe linii bazowej i kierunki osi obrazu | Współrzędne korekcyjne i transformacja | Korekta współrzędnych nie może naprawić błędnych punktów kontaktowych |
| ALG-A93 | Identyfikacja stanu ruchu linii jezdnej | Czas, promień styku, kąt i próg prędkości | Stan ruchu linii jezdnej i segmentacja | Określenie stanu jest ograniczone częstotliwością próbkowania i progiem |
F02 Pomiar geometryczny i analiza profilu (16 pozycji)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A07 | Dopasowanie w linii prostej metodą najmniejszych kwadratów | Dwuwymiarowy punkt ustawiony w tym samym układzie współrzędnych | Kierunek linii, położenie i pozostałości dopasowania | Wyniki metody najmniejszych kwadratów nie wykluczają automatycznie wartości odstających |
| ALG-A08 | RANSAC Solidna estymacja modelu | Zestaw punktów 2D, typ modelu i próg punktu wewnętrznego | Modele linii lub okręgów, punkty wewnętrzne i reszty | Wyniki można porównać dopiero po ustaleniu typu modelu i progu. |
| ALG-A09 | Detekcja liniowa Hougha | Mapa skali szarości lub krawędzi, długość i progi połączeń | Segmenty i lokalizacje linii kandydackich | Segment linii kandydackiej nie jest zidentyfikowaną kategorią krawędzi produktu |
| ALG-A10 | Suwmiarka gradientowa subpikselowa | Obraz, linia próbkowania suwmiarki i polaryzacja krawędzi | Subpikselowa pozycja krawędzi na linii próbnej | Położenie piksela nie jest bezpośrednio równoznaczne z dokładnością rozmiaru fizycznego |
| ALG-A17 | Metoda zacisku obrotowego z wypukłym kadłubem | Punkty konturowe w tym samym układzie współrzędnych | Maksymalna i minimalna średnica Fereta | Wymiary fizyczne wymagają skalowania |
| ALG-A18 | Normalny pomiar szerokości podwójnej krawędzi przekroju | Maska binarna, linia środkowa i normalne parametry próbkowania | Szerokość przekroju wzdłuż linii środkowej | Szerokość 2D nie może być interpretowana jako głębokość wykopu |
| ALG-A19 | Analiza odchylenia konturu pola odległości symbolu | Zarejestrowane maski referencyjne i obserwacyjne | Podpisana odległość i odchylenie konturu | Błąd rejestracji należy odróżnić od błędu kształtu |
| ALG-A29 | Geometryczne dopasowanie ortogonalnego okręgu odległościowego | Dwuwymiarowy zbiór punktów bliskich okręgowi i parametry iteracji | Geometryczne koło dopasowania odległości i błąd resztkowy | Na wynik zbieżności wpływa wartość początkowa, jakość zestawu punktów i proporcja wartości odstających. |
| ALG-A30 | Solidne, proste okucie Huber IRLS | Dwuwymiarowy zbiór punktów, iteracja i parametry dopasowania Hubera | Solidne informacje o linii prostej i wadze | Wytrzymałość ma zakres zastosowania i nie może zastąpić kontroli jakości próbki |
| ALG-A34 | Dopasowanie szablonu odległości fazowania | Krawędzie obrazu i szablonu | Sfazuj dopasowanie kosztu i pozycji kandydatów | Odległość dopasowania nie jest prawdopodobieństwem klasowym |
| ALG-A35 | Hu moment niezmienne dopasowanie konturu | Dwa kontury 2D i sposób ich porównywania | Wynik różnicy kształtu Hu | Wynik nie jest równoważny skalibrowanej pewności identyfikacji |
| ALG-A36 | Deskryptor konturu Fouriera | Uporządkowane kontury zamknięte, liczba próbek i liczba harmonicznych | Deskryptor konturu Fouriera | Deskryptor nie zapewnia automatycznie etykiet klasyfikacji produktu |
| ALG-A41 | Trójwymiarowe dopasowanie punktów do płaszczyzny ortogonalnej | Trójwymiarowy punkt o fizycznym znaczeniu | Płaszczyzna normalna, pozycja i resztkowa | Ze zwykłych dwuwymiarowych zdjęć nie można wygenerować trójwymiarowych punktów z powietrza. |
| ALG-A45 | Dwukierunkowa odległość konturu Hausdorffa i fazowania | Dwa kontury w tym samym układzie współrzędnych | Dwukierunkowa odległość Hausdorffa i Chamfera | Progi odległości należy określić w oparciu o tolerancje produktu i pobieranie próbek |
| ALG-A46 | Minimalny obszar obróconego prostokąta koperty | Zestaw punktów 2D | Obróć prostokąt koperty, orientację i rozmiar | Zewnętrzny prostokąt nie zastępuje wszystkich tolerancji wymiarowych i geometrycznych |
| ALG-A99 | Dwuwymiarowa prostoliniowość minimalnego obszaru | Ograniczone dwuwymiarowe punkty próbkowania | Minimalna szerokość i kierunek równoległego pasma koperty | Nie stanowi bezpośrednio pełnego zestawu kontroli tolerancji geometrycznej ISO lub ASME |
F03 Segmentacja cząstek i wzmocnienie obrazu (32 pozycje)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A11 | Segmentacja progowa Otsu Otsu | Ustawienia skali szarości, odwróconego koloru i wygładzania | Próg globalny, maska binarna | Rozkład skali szarości, który musi być odpowiedni dla progu globalnego |
| ALG-A12 | Etykietowanie i filtrowanie podłączonych domen | Maska binarna, dolny limit obszaru i reguły łączności | Lista obszarów, wielkość i lokalizacja | Połączone domeny nie mogą automatycznie rozróżniać kategorii produktów |
| ALG-A13 | Oznaczenie zlewni kontrolnych | Parametry obrazu, maski pierwszego planu lub materiału siewnego | Obszary zlewni i etykiety | Jakość nasion i pierwszego planu określa warunki odłączalności |
| ALG-A14 | Znormalizowane dopasowanie szablonu korelacji krzyżowej | Szablony referencyjne i obrazy do przeszukiwania | Dopasuj wyniki i lokalizacje kandydatów | Obrót, skalowanie czy zmiany perspektywy wymagają wybrania odpowiedniej metody rejestracji i osobnej weryfikacji |
| ALG-A15 | Udoskonalenie szkieletu Zhang-Suena | Maska binarna i górna granica iteracji | szkielet jednopikselowy | Szkielety nie zawierają automatycznie semantyki defektów |
| ALG-A16 | Transformacja odległości euklidesowej | maska binarna | Pole odległości pikseli | Odległość maski 2D nie jest równa głębokości fizycznej |
| ALG-A27 | Segmentacja semantyczna U-Net | Prawnie dostępna domena produktowa ONNX definicja wagi i przygotowania wstępnego | Wyniki maski segmentacji i zgodności interfejsu | Projekty muszą zapewniać lub trenować wagi modeli dla odpowiednich kategorii produktów oraz potwierdzać licencję na wagę i weryfikację domeny produktu |
| ALG-A43 | Wieloskalowe wykrywanie obiektów typu blob LoG | Progi obrazu, wieloskalowości i odpowiedzi | Znajdź centrum kandydatów, skalę i reakcję | Skala kandydata nie jest bezpośrednio równa fizycznej wielkości cząstek |
| ALG-A44 | Klaster gęstości DBSCAN | Punkt lub obiekt, promień sąsiedztwa i dolna granica gęstości | Etykiety skupień i punkty szumu | Klastrowanie nie może automatycznie nazywać typów defektów |
| ALG-A47 | Adaptacyjny próg Gaussa | Skala szarości, okna i przesunięcia | Lokalny próg i maska binarna | Parametry należy połączyć ze skalą defektu i nie można ich zastosować do żadnej tekstury. |
| ALG-A48 | Lokalny próg Sauvola | Obraz w skali szarości, okno i lokalne parametry statystyczne | Lokalna mapa progowa i maska | Wymaga samodzielnego zaznaczenia i potwierdzenia, a nie bezwarunkowego wykrycia wady |
| ALG-A49 | Segmentacja progowa trójkątna | Obraz w skali szarości i odwrotne ustawienia kolorów | Triangulacja progowania i maskowania | Rozkład obrazowania, który musi być zgodny z modelem progowym |
| ALG-A50 | Segmentacja pierwszego planu GrabCut | Kolorowy obraz i prostokąt lub etykieta początkowa | Etykiety i maski na pierwszym planie | Wymaga inicjalizacji, a nie modelu semantycznego domeny produktu |
| ALG-A51 | K-oznacza segmentację kolorów | Mapa kolorów, przestrzeń kolorów i liczba skupień | Etykiety klastrów kolorów i powiązane wyniki | Skupiska kolorów nie są równoznaczne z kategoriami pozytywnymi i defektami |
| ALG-A52 | Zestaw poziomów Chan-Vese | Obraz w skali szarości, maska początkowa i parametry ewolucji | Maski regionów i wyniki iteracji | Złożone tekstury należy zweryfikować innymi metodami lub kombinacjami |
| ALG-A53 | Krawędź przejścia przez zero LoG | Obraz w skali szarości, skala filtra i próg kontrastu | krawędź przejścia przez zero | Odpowiedź krawędzi nie tworzy automatycznie wyników akceptacji wymiarowej |
| ALG-A54 | Krawędź gradientu Scharra | Obraz w skali szarości i próg gradientu | Odpowiedź gradientowa i krawędzie | Intensywność gradientu nie odpowiada bezpośrednio głębokości pęknięcia |
| ALG-A55 | Wieloskalowa korekcja tła w kształcie cylindra | Obrazy, wieloskalowe elementy konstrukcyjne oraz docelowe właściwości światła i ciemności | Korekta tła i odpowiedź wieloskalowa | Przetwarzanie nie wykazuje właściwości fizycznych materiału docelowego |
| ALG-A56 | Lokalne wzmocnienie kontrastu CLAHE | Obrazy, granice kontrastu i siatki | Ulepsz obrazy | Ulepszone zmiany wyglądu nie są nową informacją pomiarową |
| ALG-A57 | Korekcja oświetlenia siatkówki w pojedynczej skali | Skala obrazu i oświetlenia | Wykres korekcyjny Retinex i powiązane wyniki | Nie odzyskuje informacji utraconych w wyniku okluzji lub nasycenia |
| ALG-A58 | Filtrowanie dwustronne | Wagi obrazu, sąsiedztwa i dwustronne | Odszumiony obraz | Efekt odszumiania należy oceniać w powiązaniu z łańcuchem pomiarowym |
| ALG-A59 | Nielokalne średnie odszumianie | Obraz, intensywność szumu i okno wyszukiwania | Odszumiony obraz | Brak zobowiązania do odzyskania struktur poniżej rozdzielczości obrazowania |
| ALG-A60 | Rekonstrukcja morfologiczna | Wykres początkowy, wykres ograniczeń i reguły łączności | Wyniki rekonstrukcji i status iteracji | Błędy początkowe zmienią wyniki i nie mogą zastąpić oceny semantycznej. |
| ALG-A61 | Binarne wypełnienie dziury | Maska binarna i reguły łączności | Maska wypełnienia otworu i wyniki obróbki | Jeśli celem detekcji są prawdziwe dziury, nie można ich usunąć w drodze wstępnego przetwarzania. |
| ALG-A62 | Odległość pola h-maxima nasion | Maska binarna, wartość h i minimalny odstęp | Nasiona na odległość i powiązane wyniki | Generowane są jedynie nasiona segmentacji, co nie oznacza, że cele zostały prawidłowo rozdzielone. |
| ALG-A63 | Śledzenie ścieżki wykresu szkieletu | Szkielet jednopikselowy lub wyraźne opcje udoskonalenia | Węzły szkieletowe, gałęzie i ścieżki | Śledzenie ścieżki nie rozróżnia automatycznie pęknięć, zadrapań i kurzu |
| ALG-A64 | Dynamiczne planowanie ścieżek granicznych | Mapa kosztów 2D, ograniczenia osi ścieżki i punktu końcowego | Ścieżki i koszty ograniczeń | Mapa kosztów zależności od ścieżki, a nie uniwersalna prawda o podstawie konturu |
| ALG-A65 | Środek ciężkości w skali szarości, linia środkowa lasera | Obraz linii lasera, oś skanowania i parametry tła | Linia środkowa w skali szarości | Linia środkowa pikseli nie jest równa skalibrowanemu konturowi 3D |
| ALG-A66 | Funkcje tekstury Gabora | Parametry filtra obrazu, kierunku i długości fali | Reakcja i charakterystyka tekstury Gabora | Ekstrakcja cech nie kończy automatycznie klasyfikacji defektów |
| ALG-A80 | Lokalny wzór binarny Tekstura LBP | Obraz w skali szarości | Statystyki kodowania i tekstur LBP | Samo kodowanie nie ma znaczenia kategorii defektów |
| ALG-A81 | Tekstura macierzy współwystępowania poziomu szarości GLCM | Kwantyzowane obrazy w skali szarości, poziomy i przesunięcia przestrzenne | Właściwości macierzy współwystępowania i tekstury | Progi funkcji należy zweryfikować zgodnie z zadaniami |
| ALG-A82 | Wcięcie gaussowskie w dziedzinie częstotliwości służące do usuwania prążków okresowych | Obraz, położenie częstotliwości prążkowej i szerokość pasma karbu | Deperiodyczny obraz prążkowy | Należy odróżnić prawdziwe powtarzające się struktury od prążków interferencyjnych |
F04 Kamera rejestracyjna i geometria laserowa (10 szt.)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A20 | Ekstrakcja grzbietów subpikselowych Stegera | Obraz liniowy w skali szarości, parametry skali i krzywizny | Subpikselowa pozycja grzbietu i związana z nią reakcja | Ekstrakcja kalenic nie jest gotowym systemem skanowania 3D |
| ALG-A21 | Triangulacja laserowa | Parametry wewnętrzne i zewnętrzne kamery, płaszczyzna lasera i położenie obrazu | Trójwymiarowy punkt przecięcia promienia i płaszczyzny kalibracji | Należy skalibrować przy użyciu rzeczywistego sprzętu, fizycznej dokładności nie można zapewnić za pomocą parametrów syntetycznych |
| ALG-A31 | Rejestracja tłumaczeń zależna od fazy | Obrazy referencyjne i mobilne z nakładającymi się teksturami | Tłumaczenie 2D i powiązane odpowiedzi | Nadaje się do wyceny tłumaczenia; obrót lub trójwymiarowa postawa wymaga wybrania odpowiedniego modelu |
| ALG-A32 | Rejestracja intensywności ECC | Nakładaj obrazy, modele ruchu i wartości początkowe | Określ przekształcenia dwuwymiarowe i powiązane wskaźniki | Opierając się na wartości początkowej i podobieństwie obrazów, projekt musi ustalić determinację awarii |
| ALG-A33 | Rejestracja homografii ORB i RANSAC | Obrazy źródłowe i docelowe z wystarczającymi funkcjami | Korelacja cech i transformacja homografii | Ma zastosowanie do homografii; nie obejmuje automatycznie scen o dużej głębokości |
| ALG-A37 | Rejestracja ICP nadwozia sztywnego 2D | Zestaw punktów 2D, przybliżona pozycja początkowa i parametry przycinania | Dwuwymiarowa transformacja ciała sztywnego i reszty rejestracyjne | Nie jest to rejestracja globalna ani kalibracja ręka-oko robota 3D. |
| ALG-A38 | Należy zamontować odpowiednie punkty | Odpowiadające sobie punkty na tej samej płaszczyźnie | Dwuwymiarowa macierz homografii | Relacji jednopłaszczyznowych nie można zastąpić pełnej kalibracji trójwymiarowej |
| ALG-A39 | Kalibracja kamery szachownicy z wieloma widokami | Szachownica z wieloma widokami lub punkty narożne, wymiary i specyfikacje obrazu | Parametry wewnętrzne aparatu, wyniki zniekształceń i kalibracji | Po wprowadzeniu zmian należy sprawdzić stan instalacji i obiektywu. |
| ALG-A40 | Deformacja obrazu i punktu | Obraz lub piksele, parametry wewnętrzne aparatu i zniekształcenia | Prawidłowy obraz lub współrzędne punktu | Opiera się na efektywnych parametrach wewnętrznych i nie obiecuje wyeliminować wszystkich błędów optycznych |
| ALG-A42 | Rejestracja nadwozia sztywnego SVD i podobieństwa | Sekwencyjnie odpowiadające dwuwymiarowe opcje zestawu punktów i skali | Korpus sztywny lub podobna transformacja | Nadaje się do dwuwymiarowych odpowiednich punktów; rejestracja trójwymiarowa wymaga ustalenia niezależnych powiązań danych i współrzędnych |
F05 Czas ruchu i statystyki procesu (20 pozycji)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A22 | Filtr Kalmana | Pozycja początkowa, krok czasowy i ustawienia szumu | Dwuwymiarowa estymacja stanu położenia i prędkości | Filtrowane dane wyjściowe nie mogą ukryć nieprawidłowych pomiarów jako zmierzonych pozycji |
| ALG-A23 | mecz Węgier | Matryca kosztów i próg odrzucenia | Powiązania jeden do jednego i niedopasowane elementy | Wyniki asocjacji nie stanowią prawdziwej identyfikacji. |
| ALG-A24 | Wygładzanie i wyprowadzanie Savitzky'ego-Golaya | Sekwencja, okno, porządek, odstęp próbkowania i rząd pochodnych | Sekwencja gładka lub pochodna | Jednolite pobieranie próbek i legalność parametrów muszą być jasne |
| ALG-A25 | Estymacja widma mocy Welcha | Okna sygnału, częstotliwości próbkowania i segmentacji | Częstotliwość i gęstość widmowa mocy | Długoterminowego stanu sprzętu nie można wnioskować na podstawie pojedynczego segmentu widma |
| ALG-A26 | Wykrywanie anomalii odległości Mahalanobisa | Normalne funkcje treningowe, funkcje regularyzacyjne i testowe | Wynik odległości i potwierdzona ocena anomalii | Potrzebuje prawdziwego rozkładu normalnego, a nie uniwersalnego identyfikatora defektu |
| ALG-A67 | Rzadki przepływ optyczny Lucasa-Kanade'a | Dwie kolejne klatki, początkowe punkty narożne i parametry śledzenia | Ruch punktu rzadkiego i stan efektywny | Optyczne śledzenie przepływu nie jest równoznaczne z korelacją tożsamości między lustrem |
| ALG-A68 | Farneback Gęsty przepływ optyczny | Dwie kolejne klatki i parametry przepływu optycznego | Gęste dwuwymiarowe pole przemieszczeń | Przemieszczenie obrazu nie jest bezpośrednio równe prędkości trójwymiarowej |
| ALG-A69 | Separacja tła MOG2 | Ciągłe parametry uczenia się ramki i tła | maska pierwszego planu | Perspektywy nie są konkretnymi kategoriami, takimi jak ludzie, płomienie itp. |
| ALG-A70 | Detekcja ruchu różnicowego z podwójną ramką | Dwie ramki, próg różnicy i parametry morfologiczne | maska różnicowa ruchu | Nie można samodzielnie ocenić kategorii ani poziomu zagrożenia poruszającego się celu |
| ALG-A71 | Wykładnicza średnia krocząca EWMA | Sekwencja numeryczna, współczynnik wygładzania i wartość początkowa | Seria wygładzona EWMA | Wygładzanie nie może wyeliminować dryfu systemu |
| ALG-A72 | Filtrowanie anomalii mediany odchylenia bezwzględnego Hampela | Sekwencje numeryczne, okna i progi MAD | Markery odstające i sekwencje przetwarzania | Wartości zamienne nie mogą imitować oryginalnych, ważnych pomiarów |
| ALG-A73 | Dwustronne wykrywanie zmian CUSUM | Sekwencja, średnia docelowa, dopuszczalne odchylenie i próg | Zmień statystyki i kandydatów na alarmy | Progi alarmowe i utylizacja sprzętu zostaną uzgodnione osobno. |
| ALG-A74 | krótkotrwała transformata Fouriera STFT | Sygnał, częstotliwość próbkowania, okno i wielkość kroku | widmo czasowe | Informacje o aliasowaniu nie mogą zostać odzyskane, jeśli częstotliwość próbkowania jest niewystarczająca |
| ALG-A75 | Estymacja okresu autokorelacji FFT | Sekwencja, częstotliwość próbkowania i zakres opóźnienia wyszukiwania | Szacunki okresu lub częstotliwości i powiązane wielkości | Istnienie cykli nie świadczy bezpośrednio o rodzaju awarii sprzętu. |
| ALG-A76 | Dynamiczne dopasowanie czasu DTW | Okno z dwiema sekwencjami i ścieżką | Odległość DTW i ścieżka wyrównania | Odległość podobieństwa nie jest równa prawdziwej tożsamości zdarzenia |
| ALG-A77 | Rekurencyjna metoda najmniejszych kwadratów RLS | Wektory cech, obserwacje i parametry rekurencji | Współczynniki i status modelu online | Należy określić warunki zachęty dotyczące modelu i danych |
| ALG-A78 | Średnia i kowariancja Welforda online | Wymiarowo spójna sekwencja obserwacji | Średnia online, kowariancja i liczba | Statystyki nie dają automatycznie ocen dotyczących kwalifikacji procesu |
| ALG-A79 | Wynik resztkowej anomalii rekonstrukcji PCA | Próbki normalne, normalizacja cech i wyniki głównych składowych | zrekonstruowany pozostały ułamek różnicowy | Konieczne jest ustalenie normalnego poziomu bazowego, a nie ogólnej diagnostyki usterek |
| ALG-A83 | Koperta o krótkim czasie RMS | Sygnały, okna i stopnie | Koperta o krótkim czasie RMS | Jednostki fizyczne zależą od kalibracji wejściowej |
| ALG-A84 | Jednowymiarowe wykrywanie istotności pików | Sekwencja jednowymiarowa, istotność i odstęp minimalny | Pozycja piku i wielkość korelacji piku | Piki nie mogą być automatycznie nazywane zdarzeniami defektu |
F06 Inwersja właściwości fizycznych zwilżania (7 pozycji)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A85 | OWRK Inwersja energii powierzchniowej ciała stałego | Kąt zwilżania cieczy w wielu sondach i właściwości fizyczne komponentów | OWRK składnik energii powierzchniowej ciała stałego | Należy zastosować spójne jednostki właściwości fizycznych i odpowiednie modele powierzchni |
| ALG-A86 | Wu Harmoniczna średnia inwersja energii powierzchniowej | Kąt zwilżania i dyspersja cieczy sondy oraz składniki polarne | Składnik energii powierzchniowej Wu | Nie należy bezpośrednio wnioskować o właściwościach fizycznych na podstawie pojedynczego nieskalibrowanego wykresu |
| ALG-A87 | vOCG Inwersja energii powierzchniowej kwasowo-zasadowej | Kąt zwilżania, ciecz sondy LW i zawartość kwasów i zasad | Składnik energii powierzchniowej vOCG | Kombinacje płynów sondy i założenia modelu muszą być jasne |
| ALG-A88 | Zisman Ekstrapolacja krytycznego napięcia powierzchniowego | Szeregowy kąt zwilżania i napięcie powierzchniowe cieczy | Ekstrapolacja i dopasowanie krytycznego napięcia powierzchniowego | Ekstrapolowana wartość nie jest równoważna prawdziwej wartości uniwersalnej energii powierzchniowej ciała stałego |
| ALG-A89 | Washburn Kąt zwilżania proszku i absorpcji cieczy | Czas, jakość absorpcji cieczy, stałe materiałowe i właściwości fizyczne cieczy SI | Kąt zwilżania i wielkość regresji absorpcji proszku w cieczy | Stałe materiałowe kalibruje się przy tych samych warunkach napełniania; nie można mieszać różnych uzgodnionych stałych. |
| ALG-A90 | Integracja w przód z zawieszoną kroplą Young-Laplace | Parametry wiązania, długość łuku całkującego i wielkość kroku | Bezwymiarowy profil wiszący typu drop forward | Nie jest konieczne znajdowanie na zdjęciu pełnego ADSA nieznanego napięcia powierzchniowego. |
| ALG-A91 | Ocena naprężenia regresyjnego krzywizny wiszącej kropli | Wstępnie wygładzone półkontury, różnice gęstości i grawitacja w metrach | Estymacja naprężenia metodą regresji krzywizny | Kierunek wysokości musi być spójny; nie jest to całkowicie nieliniowe dopasowanie ADSA |
F07 Statystyka pomiarów i niepewność (6 pozycji)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A94 | Bootstrap percentylowy przedział ufności | Próbki, funkcje statystyczne, poziomy ufności i ustawienia ponownego próbkowania | Przedziały percentylowe i wyniki statystyczne | Ustawienie poziomu ufności nie jest równoznaczne z rzeczywistym dowodem pokrycia dla skończonych próbek |
| ALG-A95 | Propagacja niepewności pomiaru metodą Monte Carlo | Model pomiaru, średnie i kowariancje wejściowe, ustawienia próbkowania | Model rozkładu wyników i statystyka niepewności | Brakujące elementy systemu nie są automatycznie uzupełniane poprzez próbkowanie |
| ALG-A96 | Skrzyżowany ANOVA Gage R&R | Bilansuj dane według części, operatora, liczby powtórzeń | Miernik R&R i komponenty wariancji | Nie włączaj automatycznie terminów interakcji ani nie wykonuj pełnych testów istotności |
| ALG-A97 | Kalibracja liniowa ważona metodą najmniejszych kwadratów | Odniesienie x i pomiar y oraz niepewność standardowa | Liniowe współczynniki kalibracji i reszty | Reszty regresji nie są pełnymi niepewnościami sprzętowymi |
| ALG-A98 | Regresja błędu dwuwymiarowego Deminga | Dwie zmienne obserwacje i współczynnik wariancji błędu | Współczynnik regresji Deminga | Współczynnik wariancji błędu musi mieć podstawę |
| ALG-A100 | Propagacja niepewności wrażliwości pierwszego rzędu | Model pomiaru, średnia, kowariancja i wielkość kroku różnicy | Wyniki czułości i propagacji pierwszego rzędu | Silną nieliniowość i brakujące wielkości systemowe należy ocenić osobno. |
Analiza plamki laserowej F08 (12 szt.)
| numer seryjny | Moduł algorytmu | Wspólne wejścia | Dostępne wyjście | Punkty potwierdzenia projektu |
|---|---|---|---|---|
| ALG-A101 | Adaptacyjny próg punktowy punktu laserowego w skali szarości | Ramka w skali szarości, ROI, parametry filtrowania tła i kandydatów | Centrum pojedynczego jasnego punktu, jego powierzchnia i wielkości związane z energią | Dane wyjściowe współrzędnych fizycznych należy zweryfikować za pomocą docelowej kamery, obiektywu i danych kalibracyjnych. |
| ALG-A102 | Ekstrakcja kandydatów na domeny za pomocą wielu laserów punktowych | Ramka w skali szarości, parametry ROI i podłączonej domeny | Wielu kandydatów do wyróżnienia i ich cechy | Kontaktowe lub nakładające się jasne punkty nie rozdzielają się automatycznie |
| ALG-A103 | Logarytmiczny środek plamki kwadratowej na powierzchni subpiksela | Przybliżone parametry plamki Gaussa, okna i tła | Logarytmiczne centrum kwadratowe i wyniki dopasowania | Silne nasycenie, niegaussowskie i obcięcie okna mogą powodować stronniczość |
| ALG-A104 | Centrum plamki świetlnej o symetrii promieniowej gradientu | Prawie promieniowe symetryczne parametry punktowego i gradientowego przesiewania | Centrum symetrii promieniowej i reszta | Efekt pozycjonowania należy zweryfikować w zależności od kształtu celu odblaskowego i warunków obrazowania. |
| ALG-A105 | Drugi moment plamki laserowej i średnica osi głównej | Liniowa reakcja na intensywność plamki, tło i ROI | Środek masy, moment drugiego rzędu, średnica i kierunek osi pierwotnej i drugorzędnej | Zastosowano jedynie obliczenia momentu drugiego rzędu, a nie kompletny system pomiarowy ISO11146 |
| ALG-A106 | Plamka laserowa otaczająca średnicę energii | Punkt, środek, współczynnik energii i skala | Określony stosunek promienia i średnicy energii otoczenia | Całka skali szarości nie jest automatycznie konwertowana na waty ani dżule |
| ALG-A107 | Diagnostyka jakości i użyteczności plamki laserowej | Informacje dotyczące plamy, ekspozycji i limitów jakości | Wielkości diagnostyczne i kontrole graniczne, takie jak nasycenie, obcięcie i stosunek osi | Progi jakości wymagają testowania sprzętu i nie są automatycznymi kryteriami akceptacji. |
| ALG-A108 | Dopasowanie jeden do jednego wielolaserowych bitów referencyjnych | Punkty detekcji, punkty odniesienia i górna granica odległości w tym samym układzie współrzędnych | Dopasowania jeden do jednego i brakujące elementy | Nie szacuje parametrów zewnętrznych i nie potwierdza tożsamości celu. |
| ALG-A109 | Dwuwymiarowa kalibracja wielomianu współrzędnych fizycznych pikseli | Piksele w tej samej płaszczyźnie co współrzędne odniesienia i kolejność mapowania | Dwuwymiarowe współczynniki mapowania i wyniki dopasowania | Dwuwymiarowe mapowanie empiryczne nie zastępuje trójwymiarowej kalibracji |
| ALG-A110 | Mapowanie kalibracji punktu laserowego i propagacja kowariancji | Punkty pikseli, efektywna kalibracja 2D i kowariancja pikseli | Odwzorowanie współrzędnych i propagacja zadanych kowariancji | Płytki kalibracyjne, dryft temperaturowy i odchylenia modelu nie są uwzględniane automatycznie |
| ALG-A111 | Konwersja pikseli punktu laserowego na kąt widzenia kamery | Piksele, cechy aparatu i zniekształcenia | Linia wzroku i kąt jednostki układu współrzędnych kamery | W przypadku braku informacji o odległości punkty 3D nie mogą zostać odzyskane indywidualnie |
| ALG-A112 | Dwuwymiarowa powtarzalność plamki laserowej i elipsa pokrycia | Powtórz te same warunki dla współrzędnych 2D i poziomów pokrycia | Średnia, kowariancja, radialna wartość skuteczna i elipsa pokrywająca | Założenie dwuwymiarowego pokrycia normalnego nie dowodzi fizycznej dokładności ani długoterminowej stabilności |
Od wyceny do dostawy
- Potrzebujesz potwierdzenia: Wyjaśnij zadania, dane, wyniki, wskaźniki, platformy, interfejsy, liczbę urządzeń i planowany czas.
- Przykładowa weryfikacja: Stałe próbki i kalibry oceny stanowią podstawę algorytmu, obowiązujące warunki i zakres wdrożenia.
- Rozwój i wspólne debugowanie: Kompletna kombinacja algorytmów, dostęp do danych, konfiguracja parametrów, status nieprawidłowy, interfejs wyników i dziennik.
- Niezależna akceptacja: Zweryfikuj efekt, czasochłonność, stabilność i mechanizm odzyskiwania w oparciu o uzgodnione dane lub stanowiska sprzętowe.
- Autoryzacja i konserwacja: Określ bieżącą licencję zgodnie z urządzeniem, scenariuszem i wersją i stale zajmuj się pierwotnymi problemami związanymi ze scenariuszem i kontrolowanymi aktualizacjami.
Zawartość dostawy może obejmować biblioteki lub programy algorytmów, przykłady wywołań, opisy interfejsów i parametrów, pliki konfiguracyjne lub kalibracyjne, raporty z testów, uwagi do wersji i plany odzyskiwania. Kod źródłowy, modele specyficzne dla projektu, komponenty innych firm, adaptacje sprzętu i nowych platform są potwierdzane osobno w ofercie.
Często zadawane pytania
Jak mogę sprawdzić, czy istniejący algorytm będzie działał z moim urządzeniem?
Najpierw podaj oryginalne próbki, cele misji, wyniki referencyjne i stan sprzętu. Po zakończeniu kontroli danych i weryfikacji próbek można wyjaśnić możliwość ponownego użycia, rozwój wymagający uzupełnienia, oczekiwane rezultaty i metody akceptacji.
Czy obsługiwane są platformy Windows, Linux i platformy wbudowane?
Adaptację można ocenić na podstawie systemu docelowego, procesora i interfejsu wywołującego. Projekt potwierdzi także zależności, zasoby, formę dostawy, metodę instalacji i warunki testu wydajności.
Dlaczego dokładność i szybkość przetwarzania muszą być potwierdzane indywidualnie dla każdego projektu?
Wskaźniki będą się różnić w zależności od trudności próbki, rozdzielczości obrazu, kombinacji algorytmów, sprzętu i kalibru statystycznego. Na podstawie próbek klientów i testów platformy docelowej można stworzyć akceptowalne wskaźniki projektu.
Czy możliwe jest licencjonowanie na podstawie liczby urządzeń?
Licencje mogą być uzgadniane w oparciu o podmioty klientów, sprzęt lub stacje robocze, scenariusze algorytmów, wersje dostaw i terminy. Zasady wymiany maszyny, pracy w trybie offline, odzyskiwania i nowego sprzętu określa umowa.
Czy możemy kontynuować optymalizację w przyszłości?
Może odtwarzać, ulepszać i weryfikować regresję nowych próbek, problemów z błędną oceną i zmian w warunkach pracy w oryginalnej scenie. Nowe produkty, sprzęt lub funkcje są oceniane na podstawie zakresu zmian.
Konsultacje projektu
xuzhiyang0928@gmail.com
Prześlij próbki i warunki wyposażenia, aby wyjaśnić zakres rozwoju i dostawy
Moduł algorytmu wizyjnego i usługi rozwojowe SDK
Proszę opisać obiekt zadania, oryginalne zdjęcie lub film, wskaźniki docelowe, platformę urządzenia, interfejs i przykładową sytuację.
Telefon: 13910119357xuzhiyang0928@gmail.com