产品详情:
硬件组成
实验平台逻辑结构如下图所示:
特点和优势
(1)支持两种开发环境。实验软件提供jupyter notebook和VS2015两种开发环境,其中jupyter notebook采用Python编程语言,VS2015采用C++编程语言,用户根据实际需要选择,可满足不同院校的教学要求。
(2)源代码开放。开放全部软件框架和算法级源代码,学生可在代码层面,通过调参、代码填充等方式进行应用和验证性质的课程基础实验,也可参考实验指导书,自行编写代码,进行相对复杂的项目实验。教师则可依托该平台,进行深度的二次开发。
系统主要功能模块
(1)边缘计算终端
边缘计算终端采用NVIDIA公司的Jetson Nano处理器,该处理器具备GPU运算功能,既可作为边缘计算终端(即小型电脑)使用,也可进行基于深度学习的数字图像处理相关的分析和运算。通过在处理器中部署视觉系统SDK、Python和OpenCV等相关软件和框架,以及与外接设备的通讯协议,学生即可完成从视觉系统硬件搭建、图像采集、图像处理,到实验流程设计与论证,再到视觉系统和外部设备的联动控制等一系列功能,无需另外配置电脑。
边缘计算终端主要技术参数如下:
处理器:64位四核CORTEX-A57,128核MAXWELL GPU;
内存:4GB LPDDR,板载存储:64GB;
接口:USB3.0×4,Micro USB×1, HDMI×1,RJ45×1,DC5.5×2.1电源接口;
集成Linux、Python等运行环境,支持数字图像处理、机器视觉、深度学习等算法、硬件、应用的开发和学习。
视觉系统结构:
视觉系统主要硬件如下:
1)工业相机
传感器型号:Sharp RJ33;
像元尺寸:3.75 µm×3.75 µm;
靶面尺寸:1/3”;
分辨率:1280×960;
帧率:30 fps;
曝光时间:34μs~1sec;
黑白/彩色:彩色;
接口:GiGE。
2)工业镜头
焦距:固定焦距;
光圈:手动光圈;
像素级别:600万像素,FA 镜头;
焦距大小:12mm ;
F数:F2.8~F16。
3)LED光源
光源类别:30度环形光源;
LED类型:贴片LED;
颜色:白色;
色温:6600K;
功率:14.4W。
实验项目
(1)基础实验:Python语言程序设计
python集成开发环境搭建、软件安装实验
python编程实验:计算任意输入整数的阶乘
python编程实验:汉诺塔问题
python编程实验:使用蒙特·卡罗方法计算圆周率近似值
python编程实验:使用Numpy进行t检验
python 编程实验:使用PIL读取、显示和处理图像
python GUI编程实验:matplotlib数据可视化
python GUI编程实验:动态时钟设计
(2)基础实验:数字图像处理
图像的代数运算
图像变换
图像分割
图像平滑
图像增强
彩色图像处理
形态学处理
边缘检测
直线、圆检测
三角形、矩形检测
(3)基础实验:机器视觉
视觉系统搭建与硬件操作
图像采集与显示
视觉定位
视觉系统的标定
颜色识别
形状识别
测量物体尺寸
物体有无检测
(4)课程设计:人脸识别系统
能够录入人脸数据;
能实现身份认证;
有专门的用户操作界面。
(5)课程设计:目标识别系统
能够识别平面彩色目标,如圆形、矩形、三角形,或者利用深度学习技术识别其他复杂结构目标图案;
有专门的用户操作界面。
(6)课程设计:物体缺陷检测系统
能够对物体进行预处理;
能够检测是否有缺陷并提取缺陷特征;
能够输出缺陷的大小,判断目标是否合格。
(7)课程设计:OCR字符识别系统
能对图像进行预处理,凸显出视野中的字符区域;
能分析字符形态,如间距、高度等;
能将字符逐个分割出来,并进行准确识别,而后显示。
(8)课程设计:车牌检测与识别系统
能从视频流中提取特定帧图像,并进行预处理,滤除干扰信息;
能从图像中定位到车牌位置;
对车牌信息进行识别,并输出到界面。
(9)课程设计:种子计数与分级系统
能对图像进行预处理,滤除干扰信息;
能对不同种子进行分割,统计有效种子的数量;
能逐个判别种子特征,根据分类依据进行种子分级。