Cześć. Rozpoznawanie obrazów można podzielić na te z użyciem uczenia maszynowego (choć nie wiem czy to nie takie hasło marketingowe tylko) i te gdzie po prostu robimy kod sprawdzający kolory pikseli jak się pokrywają i im więcej tym większe podobieństwo. Są jakieś te openCV tensorflow. Ale czy są takie programy które po prostu ja wyklikuje według jakich kryteriów ma analizować obraz jakie dane podawać np o jego skala kąt pozycja na ekranie ilość podobnych pikseli itd. Co prawda jak się takich aplikacji z rozpoznawaniem napisze pare to nawet taki program byłby zbędny. Ale fajnie by było jakby do tego czasu po prostu jakiś program generował mi algorytm w jakimkolwiek języku a ja sobie przepisze bo zczytać kolory piskeli to potrafie.
0
1
Ciężko zrozumieć o czym piszesz, ale, nie ma takich algorytmów do rozpoznawania obrazów - to się teraz robi już tylko sieciami neuronowymi.
0
Załóżmy, że mamy szukać rys które są czarne na czerwonym tle. Wystarczy Wziąć kolor tła i każdy odchył od pewnych granic będzie traktowany jako rysa i sprawdzić wszystkie piksele zsumować i zobaczyć czy mieści się w jakiejś normie. Czy weźmiesz do tego jakieś ssn? Albo sprawdzać czy wywiercone otwory mają wymagane średnice. Potem Zliczyć ich ilość. Robiąc algorytm o ssn niczego nie można być pewnym a tu można.
1
Tak, sieć neuronowa, po prostu jest lepsza, w tysiącach iteracji napisze lepszy algorytm; chyba, że nie masz danych, co mówi internet, OpenCV?
0
tylko nie widzę żadnej dokumentacji flutter opencv a na youtube to 2 kiepskie filmy
1
0
Albo sprawdzać czy wywiercone otwory mają wymagane średnice. Potem Zliczyć ich ilość. Robiąc algorytm o ssn niczego nie można być pewnym a tu można.
Wystarczy Wziąć kolor tła i każdy odchył od pewnych granic będzie traktowany jako rysa i sprawdzić wszystkie piksele zsumować
O chłopie to chyba nie za bardzo nawet technicznie kumasz o czym piszesz.
- To nie jest takie hop siup w przypadku jakiś "rys". Jedyne najprymitywniejsze może być template matching z opencv ale to do bardzo specyficznych elementów które są zrobione z dobrą precyzją.
- Policzenie średnicy otworu w teorii jest łatwe np.
https://stackoverflow.com/questions/60289195/open-cv-trivial-circle-detection-how-to-get-least-squares-instead-of-a-contou
pomijam to że pewnie to będzie jakiś element z X otworami gdzie wykrycie tych kołek(np. Hough Circle Transform) nie bedzie prostą sprawą. Szczególnie jak to ma być wysoka precyzja.
ale w czym jest clue? Na liniach produkcyjnych trzęsie, światło różnie pada. Z doświadczenia wiem że to ciężki kawałek chleba.
lepiej daj to jakieś firmie albo soft np. firmy cognex.
1
a co sądzisz o czymś takim
ale o czym? O sofcie do systemów wizyjnych? Jest działa, nie wszystko się da zrobić. Jeśli ktoś zgłosił się do ciebie komercyjnie z tym to zostaw to nie poradzisz sobie bo już widzę że nie tyle nawet nie ogarniasz tego softo a technicnzie a o co chodzi?
Np. budowa ciemni może byc konieczna. Ba kamery. Do jakiś wolno zmiennych prcesów ujdzie nawet wykła kamera za 200 zł z ali express ale t oraczej wyjątek. Przewaznie kamery za minimum parę tysięcy a przeważnie i tak wchodzi się w parę dziesiąt tysięcy.
taki cogenex z kamerą to może być z 70 tysięcy.
1
Załóżmy, że mamy szukać rys które są czarne na czerwonym tle. Wystarczy Wziąć kolor tła i każdy odchył od pewnych granic będzie traktowany jako rysa i sprawdzić wszystkie piksele zsumować i zobaczyć czy mieści się w jakiejś normie. Czy weźmiesz do tego jakieś ssn? Albo sprawdzać czy wywiercone otwory mają wymagane średnice. Potem Zliczyć ich ilość. Robiąc algorytm o ssn niczego nie można być pewnym a tu można.
Działem wiedzy którego szukasz jest przetwarzanie obrazów, image processing. Jeśli twój przypadek faktycznie jest prosty to nie potrzebujesz żadnej sieci neuronowej, tylko znaleźć bibliotekę do przetwarzania obrazów, nauczyć się co robią podstawowe algorytmy, zapoznać się z tą Pania i napisać własny algorytm metoda prób i błędów.
Załóżmy, że mamy szukać rys które są czarne na czerwonym tle. Wystarczy Wziąć kolor tła i każdy odchył od pewnych granic będzie traktowany jako rysa i sprawdzić wszystkie piksele zsumować i zobaczyć czy mieści się w jakiejś normie.
Każda szanująca się biblioteka, do tych zdań ma napisane gotowce do właśnie takich operacji.
Jeżli twój problem jest bardziej niż rysy czarne na miałym, raczej musisz mieć sieci neuronowe, ale wiedzia wyzęj tez CI się przyda. Np. upraszczając obrazy przed wysłaniem jej do sieci neuronowej lub do okreslania przypadków oczywistych, lub podbicia cech wartych analizy.
ed: możesz też oddelegować prace do użytkownika końcowego, dać mu bloczki w których poukłada parametry i będzie ich używać jak juz cos wyklika.
1
@_flamingAccount: to jest zupełnie inna klasa problemów o czym napisałem w skrócie wyżej. Na lini przemysłowej to jest bardzo ciężka sprawa bo to nie są idealne warunki laboratoryjne a wręcz w drugą stronę. Tu jest kwestia począwszy od samej kamery na co zaraz dam przykład przez możliwości softu po to co klient sam chce.
Kiedyś składałem taki prototyp dodatek do maszyny opencv + resnet 18 i vgg16. Klient chciał bardzo tanio bo to dodatek ułatwiający pracę maszyny z czterech modułów które zrobiłem korzystał ostatecznie z 1 jednego. Kamery były po taniości, więc np. na szybko zmiennej części był problem ze smużeniem, przy wykrywaniu nieosiowości elementu ograniczona dokładaność bo po prostu opencv i algorytmy cudów nie zrobią(miałem podświetlanie ale np. brakło mi ciemni a takie algorytmy jak Hough Circle Transform to fajnie i idealnie działają w przykładach opencv), na resnetach był czasami problem z przestrzałami a na innym modelu opartym o vg16 spoko.
Pisze to dlatego że wiem iż to jest trudna sprawa, sama biblioteka to pół sukcesu drugie to znajomość procesu i hajs. Jak masz mało hajsu masz masę dodatkowych problemów. Obawiam się że nasz kolega będzie miał problem znając jego background. I dlatego mu mówię żeby to zostawił jeśli to komercyjne, jak do zabawy to opencv(np. książka z heliona) i ssn(polecanych książek pełno).