人工智能實訓設備當前位置:首頁 > 產品展示 > 智能機器人實訓設備 > 人工智能實訓設備 >

產品分類

更多相關產品

LGRB-LX04型機器視覺應用實驗箱

一、產品方案設計

實驗箱主要面向以數字圖像處理和機器視覺為核心的課程實踐，同時配置了2D視覺系統和深度視覺系統，采用Python語言進行圖像和視覺應用的開發。其中，2D視覺系統可滿足工程應用中常見的檢測、識別、定位、測量等功能的開發，深度視覺系統可開展人臉識別、口罩識別、目標跟蹤、距離測量等實踐。學生可以自主設計視覺方案，對實際項目進行測試和研究。

二、軟件平臺和特點

1.開放性實驗環境

實驗代碼可在Jupyter Notebook環境下進行，功能如下：

（1）教師與學生可以在瀏覽器上直接進行交互式編程實驗；

（2）支持Markdown編輯，cell用于編碼、書寫文本，完成標題、數學公式等格式編輯，便于解釋代碼，適用于教學等場景；代碼分隔到不同的cell里逐個調試，交互式監控測試變量值和類型；

（3）所提供的實驗環境可通過在終端執行命令進行實驗驗證；

（4）所提供的實驗環境支持多個學生調用不同模型進行樣本的識別，滿足不同實驗項目的要求；

（5）所提供的實驗環境可對多種深度學習框架進行支持，包括但不限于：TensorFlow、PyTorch等；

（6）教師可通過自由設置，將代碼模塊留空，交予學生進行編程訓練。

2.開放全部源代碼

開放全部軟件框架和算法級源代碼，支持二次開發，提供完善的實驗指導書和技術文檔，并提供產品相關軟硬件的架構與設計方法文檔。

3.圖形化交互軟件（僅Windows版）

2D機器視覺軟件采用海康威視Vision Master視覺軟件，圖形化交互界面，功能圖標直觀易懂，采用拖拽式操作，可快速搭建視覺方案，模塊運行狀態獨立標識，實時顯示。

4.機器視覺和目標識別算法

采用開源OpenCV視覺庫進行算法開發，可應用于物體識別、缺陷檢測、證件識別、車牌識別、字符識別等多種場景，滿足學生在深化視覺技術學習的過程中，對真實應用的開發需求。

5.深度視覺及應用

深度相機可實現物體的距離測量、輪廓檢測等功能，與二自由度云臺結合，可進行人臉識別、距離檢測、目標跟蹤等綜合實驗。

三、主要硬件參數

1.邊緣計算終端

邊緣計算終端采用英特爾系列處理器，該處理器作為實驗箱的核心模塊，預裝Linux或Windows操作系統，部署所有智能產品模塊所需的全部軟件框架和SDK，并提供通用的通訊接口。

2.2D視覺系統

2D視覺系統采用一顆500萬像素攝像頭，可對視野中的靜態目標進行圖像采集，進行相關的圖像處理工作，完成多種豐富的視覺檢測和識別功能。

3.深度視覺系統

深度視覺采用一顆100萬像素深度體感攝像頭，兼容USB3.0接口協議，可進行深度信息感知、人臉識別與測距等。

4.視覺應用開發套件

實驗箱配套提供視覺應用開發套件及相應的實驗教具，主要包括形狀顏色識別套件、尺寸測量套件、缺陷檢測套件、運動目標識別套件、條碼和二維碼識別套件、證件字符識別套件，滿足各類視覺課程的教學要求。

5.高清顯示屏

實驗箱采用17英寸高清屏。

四、實驗項目

1 Python程序設計

（1）數字類型、轉換、運算

（2）Python運算符、內置函數、序列基本用法

（3）程序選擇結構實驗

（4）程序循環結構實驗

（5）列表實驗

（6）集合實驗

（7）函數實驗

（8）字符串實驗

（9）正則表達式實驗

（10）數據可視化

（11）Python的數據處理

（12）Python文件操作

（13）Python多進程

（14）Python多線程

（15）Python進程與線程的區別

（16）Python面向對象的理解

（17）Python類的使用與類的實例化

（18）Python實例化對象的使用

（19）Python類的繼承使用

（20）基于Python的串口通訊

（21）基于Python的SocketTcp通訊

（22）基于Python的SocketUdp通訊

（23）基于Python的Modbus通訊

（24）PyQt5的環境搭建

（25）PyQt5的使用

（26）Qt Designer與PyUIC的使用

2 深度學習

（1）線性回歸建模與應用——房價預測實驗

（2）神經網絡的模型構建與應用——服裝分類實驗

（3）神經網絡正則化——服裝分類優化實驗

（4）神經網絡參數優化——非線性函數極小值尋找實驗

（5）基于神經網絡的模型構建與測試實驗

（6）基于殘差網絡的優化模型設計

（7）神經網絡優化器——手寫數字識別

（8）文本分類——京東購物分類

（9）基于LeNet手寫數字體識別系統設計

（10）基于RNN歌曲自動編曲設計

（11）基于深度學習的圖像數據標注

（12）基于YOLOV5的目標檢測模型訓練

（13）基于YOLOV5的缺陷檢測案例

3 數字圖像處理

（1）圖像之間代數運算

（2）圖像操作之打碼與解碼

（3）圖像的幾何仿射變換

（4）圖像空域濾波

（5）圖像的頻域濾波

（6）基于形態學的米粒檢測

（7）基于Canny算法的圖像摳圖

（8）基于分水嶺的圖像輪廓分割

（9）基于Hu矩形狀匹配

4 機器視覺

（1）視覺系統認知

（2）像素尺寸測量

（3）物體定位和角度測量

（4）邊緣長度測量與面積檢測

（5）物體顏色和形狀識別

（6）條碼和二維碼識別

（7）OCR字符分割、訓練

（8）OCR字符識別

（9）基于形態學處理的產品表面缺陷檢測

（10）相機棋盤格標定

（11）基于opencv的車牌識別

（12）基于模板匹配的電子產品識別

（13）基于視覺的車牌識別

（14）基于視覺的條形碼識別

（15）基于視覺的二維碼識別

（16）基于視覺的物體形狀顏色識別

（17）基于視覺的水果識別

（18）基于圖像的NanoDet目標檢測模型實踐

（19）基于視覺的工件缺陷檢測

（20）基于視覺的證件識別

5 深度視覺

（1）人臉檢測與測距

（2）人臉檢測與云臺跟隨

（3）人臉檢測和識別

（4）口罩檢測

（5）動態行人檢測

上一篇：LGRB-LX03型人工智能綜合實驗箱（英偉達版）
下一篇：沒有了

亚洲91精品在线观看_精品一区二区三区中文字幕在线_日韩午夜免费视频_在线观看欧美www

LGRB-LX04型機器視覺應用實驗箱