OpenCV
OpenCV obsahuje algoritmy na spracovanie obrazu a videa vrátane kalibrácie, transformácií a detekcie príznakov.
Príklad z pracovného postupu
Kamera sleduje diel na šikmom stole. Rovnaký počet pixelov môže zodpovedať inej vzdialenosti v blízkej a vzdialenej časti obrazu. Kontrolný prípravok preto umiestnime aj k okrajom pracovnej plochy.
Ako výsledok overiť
Meranie overíme na známom rozmere pri viacerých polohách a podmienkach osvetlenia.
Reprodukovateľnosť výpočtu
Verzia knižnice, predspracovanie a poradie vstupných atribútov sú súčasťou správania výsledného výpočtu. Na opätovné použitie preto uchovávame aj schému, jednotky a malú sadu overených vstupov s očakávanými výstupmi.
Pri prenose medzi prostrediami zohľadníme rozdiely numerických typov a toleranciu vhodnú pre konkrétnu úlohu. Ak malá zmena čísla preklopí rozhodnutie na druhej strane prahu, praktický dopad môže byť významný aj pri malej priemernej chybe.
Poloha kamery určuje aj kvalitu rozpoznania blízko okrajov
Pri kontrole plochej etikety sa môže stred obrazu čítať spoľahlivo a text pri okraji byť rozmazaný alebo perspektívne deformovaný. Pri posudzovaní umiestnenia kamery preto vymedzíme skutočnú pracovnú plochu a rozlíšenie najmenšieho dôležitého prvku. Na skúšku použijeme aj bežný pohyb predmetu.
Keď sa problém objaví len v časti obrazu, výsledok môže viesť k úprave optiky, osvetlenia alebo polohy výrobku. Ručné znižovanie hranice detekcie by mohlo zhoršiť spoľahlivé čítanie vo zvyšku pracovnej plochy.
Otázky z praxe
Ako ovplyvní výmenu objektívu už nastavené meranie?
Nový objektív môže zmeniť skreslenie aj vzťah medzi počtom pixelov a vzdialenosťou na stole. Kalibračný predmet preto odfotíme v niekoľkých polohách a zmeriame aj diel, ktorého rozmery poznáme nezávisle. Kalibračné parametre uchovávame spolu s identitou kamery, objektívu a nastaveným rozlíšením.
Prečo sa hranica rovnakého dielu posunie pri inom osvetlení?
Pri prahovaní rozhoduje jas alebo farba bodu. Odlesk môže rozdeliť jeden útvar na dva a tieň môže spojiť diel s okolím. Pri skúške si uložíme originálny záber aj medzivýsledok segmentácie, aby bolo možné odlíšiť chybu osvetlenia od nesprávneho výpočtu rozmeru.
Čo má kamera urobiť so záberom, na ktorom časť predmetu chýba?
Predmet pri okraji obrazu môže vyzerať ako menší, hoci sa do záberu iba nezmestil. Ak meranie vyžaduje celý obrys, riešenie označí neúplný obraz samostatným výsledkom. Pri preberaní otestujeme posunutý diel, dva dotýkajúce sa diely aj záber prázdnej plochy.
Súvisiace stránky
-
Apache Spark MLlib
MLlib poskytuje nad Sparkom strojové učenie a dátové pipeline.
Otvoriť -
Theano
Theano opisuje matematické výrazy symbolicky a kompiluje z nich výpočty aj derivácie.
Otvoriť -
Strojové učenie
Model strojového učenia môže triediť doklady alebo správy. Na označenej vzorke porovnáme chyby s ručným postupom a nastavíme, ktoré prípady preverí človek.
Otvoriť