根系智能分析: 1、对图像进行二值化操作。 2、针对二值化图像进行骨架提取。 3、对骨架图像进行端点、分叉点、交叉点检测。 4、对骨架进行分段存储。 5、利用Dijkstra分析出根系拓扑结构 6、一些删除根毛,合并分叉点等交互接口封装。 亮点:根系分析相比竞争对手
1、图像灰度化、滤波等数字图像预处理。 2、利用多种二值化手段进行图像分割。 3、对连通域进行滤波,获取目标区域。 4、针对目标连通域进行骨架提取。 5、对二值化图像取反,获取最大三个连通域。 6、通过背景最大三个连通域获取到交点大致的位置坐标。 7、用交点对骨架图像
1、相机标定不需要输入标定棋盘格大小。 2、标定中角点不需要必须满足矩形。 3、可以同时满足透视矫正、畸变矫正、透视+畸变矫正。
1、算法选择darknet框架下yolov4作为检测模型,mobilenet-deeplabv3。 2、利用labelImg、labelme分别制作检测和语义分割数据集。 3、模型训练与测试。 4、代码集成算法框架。 5、工控机部署。
Yolov5 + zxing实现复杂条件下识别,针对zxing库进行了重新实现,定位、识别鲁棒性相比zxing明显提高。
1、进行模糊处理,灰度图减去模糊图像过滤背景,对图像进行二值化。 2、对二值化图像进行连通域分析,按照面积、中心点坐标等过滤连通域。 3、获取过滤后的连通域的最小外接矩形,得到矩形倾斜角度,对图像进行旋转矫正得到图像rotateMat。 4、如果直方图比较离散,可以通过参数