openCV

项目聚焦于解决三个具体问题：首先，实现标注任务的自动化分配和流程追踪，提升管理效率；其次，建立多级审核机制，确保标注质量满足客户要求；最后，提供数据看板和异常追溯能力，支持精细化运营。标注效率提升5倍，显著降低人力成本；标注准确率达到98%以上，客户满意度提升；项目进度可视化，交付延期风险降低50%

项目包含3大核心功能模块，覆盖“媒体输入-缺陷检测-数据管理”全流程：多媒体输入模块：支持实时摄像头采集、单张图片导入、本地视频解析三种输入方式，适配产线实时检测、离线样本分析等不同场景。智能缺陷检测模块：自动对输入帧做灰度化、自定义二值化处理（基于95%亮度分位数动态调整阈值）；提取图像中间500

包含课程管理、用户管理、教学资源管理、学习数据统计等功能模块。机构可通过系统管理课程和教学资源，用户可在线学习课程，系统支持学习数据的统计分析，为机构教学提供数据支持。

1.数据库模块。保存产品信息，异物缺陷信息。2.通信模块。负责上位机与下位机的交互通信。3.人机交互模块。负责人机交互。4.算法模块。负责3D点云下的异物检测预与测量，2d场景下的异物分类。

本项目通过对近千张工人安全帽佩戴与未佩戴的有标注数据集，使用paddleDetection神经网络模型对其进行训练，最终的获得了一个可以针对视频流中未带安全帽人物发出识别报警的视觉神经网络。 同时又通过对近千张工人睡岗与未睡岗的有标注数据集，使用pp-Human神经网络模型对其进行训练，最终的获得了一个可以针对视频流中睡岗人物发出识别报警的视觉神经网络。 开源地址是训练过程与部署文档

红枣检测系统主要是用于检测红枣表面是否有脱皮、凹黑等颜色不均匀现象，并将这类产品作为不良品剔除。由于红枣呈球状，因此该系统主要是用于检测工位上固定旋转的红枣是否为不良品。 本方案主要在Linux下用Qt开发并部署到jetson nano中，算法主要使用百度EasyDL进行训练，通过控制运动控制卡及相机来控制多个轨道中的红枣，实现红枣的分类。

本系统主要为LED点胶机设备提供控制系统，实现LED支架定位及全自动点胶。 该系统通过深圳众为兴8948运动控制卡和深圳升立德9014运动控制卡分别控制4个伺服电机和4个步进电机 以及若干电磁阀、光电信号等实现LED支架的自动上料、视觉定位、自动点胶和自动下料等功能

1、实现海康、大华、ffmpeg视频解码。 2、基于qt进行解码显示。 3、完成yuv的gpu渲染。 支持海康客户端拉流模式，和海康推流模式。支持大华拉流模式和大华拉流模式。后续增加对天地伟业，宇视，苏州科达等主流厂商支持。