上位机图像处理和嵌入式模块部署(开篇)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

图像处理是现实生活当中很实用的一门技术。工业上一般采用的是机器视觉,以传统算法和光源控制为主,部分采用了深度学习技术。而生活当中,则主要以二维码识别、人脸识别、车牌识别和ocr识别为主,这中间深度学习与AI扮演了很重要的角色。过去,市场上的商业收费软件,主要还是以传统设备厂商提供的上位机软件为主,那这一部分是不是结合最新的npu技术,应该做出一些新的东西出来呢?

1、工业图像处理技术

如果是工业图像技术,这部分基本上还是传统的数字图像处理技术为主。有能力的厂家可以自己利用opencv写一些程序,如果自身缺少这方面的研发基础,一般都是采用国外的上位机软件或者是海康这样的大厂软件。虽然使用比较方便,但是技术上面受制于人也是一个客观事实。

2、国内纯上位机软件的不足

本来开发纯上位机软件,适配不同厂家的光源控制器、camera,这是很不错的选择。但是囿于客观的现实情况,不管多好的软件,在国内都很容易面临到被侵权的风险。所以,从理论上可行的方案,放在实际中未必那么ok。

3、QT方案的可行性

QT软件本身支持多平台,不管是windows,还是linux都有很好的适配,算得上是比较理想的platform。另外现在opencv发展也是越来越成熟,对于经典的算法,一般在opencv上面都可以找到对应的实现。所以说,如果希望自己开发一套使用的算法,QT+opencv是比较务实的一个选择。

4、自己需要解决的问题

图像处理,大部分同学都把精力放到了纯算法上面。但是如何配合算法,找到好的图像,这也是很重要的一个工作。比如光源的控制、比如光源的选择,再比如结果出来后,对plc或者嵌入式设备的控制等等,这部分都需要自己来解决。

5、新嵌入式技术的引入

目前来说,个人觉得比较理想的商业方式,还是QT+opencv做上层图像的仿真、验证和标定。这部分用python+opencv都是可以的。但是控制和光源一旦敲定之后,最好还是把相关标定数据port到嵌入式模块上面,由嵌入式模块以及上面的算法来继续负责剩下来的工作,这是比较务实且可行的一套做法。况且,现在嵌入式设备处理器的频率越来越高,甚至带有npu等加速硬件,这也为这样的商业方式提供了一种可能性。

6、新传感器和新场景的引入

所谓的新传感器,其实就是3d camera、2d lidar、 3d lidar等等。广义上来说,lidar也可以看成是一个图像,只不过这个图像比较稀疏而已,图像的分辨率没有那么高。但是他们的底层算法逻辑都是一样的。所以,大家学习或者开发的时候,不要把目光仅仅放在图像上面,而是应该把精力放在解决问题上面,比如我的图像处理技术或者是图像方案能够解决什么问题。并且说,在没有明显提高成本的同时,效果可以实现数量级的跨越,这是我们努力的方向和最终希望达到的目标。

当然技术的发展,也会让之前无法完成的一些功能,从不可能变成了可能,这方面的应用场景一定要留意和关注一下。

相关推荐
yusaisai大鱼1 小时前
TensorFlow如何调用GPU?
人工智能·tensorflow
珠海新立电子科技有限公司4 小时前
FPC柔性线路板与智能生活的融合
人工智能·生活·制造
IT古董4 小时前
【机器学习】机器学习中用到的高等数学知识-8. 图论 (Graph Theory)
人工智能·机器学习·图论
曼城周杰伦4 小时前
自然语言处理:第六十三章 阿里Qwen2 & 2.5系列
人工智能·阿里云·语言模型·自然语言处理·chatgpt·nlp·gpt-3
余炜yw5 小时前
【LSTM实战】跨越千年,赋诗成文:用LSTM重现唐诗的韵律与情感
人工智能·rnn·深度学习
莫叫石榴姐5 小时前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
如若1235 小时前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr6 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner6 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
Guofu_Liao6 小时前
大语言模型---梯度的简单介绍;梯度的定义;梯度计算的方法
人工智能·语言模型·矩阵·llama