openCV

一、核心功能模块1.多模态图像采集模块支持根据产品材质定制成像方案，可灵活选用可见光、红外、激光、超声波等多类成像传感器，适配金属、玻璃、透明薄膜、高反光工件等不同检测对象。内置工业相机、定制化光源的智能控制单元，可自动调节光源亮度、触发模式，针对复杂工业环境做抗反光、抗干扰优化，最高支持5微米级的

主要包括：1.PLC通讯，TCP/UDP/OPCUA/S7通讯，HTTP通讯2.相机/雷达设备采集，多线程高效采集，支持数据解压缩3.基于opencv图像预处理，增强，去噪等4.基于Yolo模型图像分类，识别5.数据曲线显示、3D点云显示6.sqlite3、Mysql数据库存储7.日志存储和分析8.

系统提供基于浏览器的无人机实时监控和任务控制能力，主要包括无人机位置、姿态、电量、飞行状态及传感器状态实时显示；航点上传、巡检任务启动、探索任务控制、临时飞行点、返航和紧急降落；无人机前后左右、升降和偏航等手动控制；云台角度、相机曝光和变焦控制；视频画面显示；系统状态监控及运行日志。前后端通过Web

标定模块：相机内参标定，相机和机械臂手眼标定。感知模块：通过深度相机（如IntelRealSense）采集物体RGB-D数据，结合深度学习模型实现目标物体检测识别。路径规划模块：基于喷涂工艺参数（如喷枪距离、角度、流量），利用强化学习或几何算法生成自适应喷涂轨迹，支持实时避障与轨迹优化。运动控制模块

面向无人机追踪的视觉系统在安防等领域具有重要应用价值。但高空视角下目标微小且密集，对检测算法的定位精度要求较高。同时，嵌入式平台受限于算力与带宽瓶颈，难以满足复杂深度学习模型的实时推理需求。在传统部署中，全量INT8量化易导致微小目标定位精度下降，而全量FP16推理则面临系统帧率过低的问题。针对上述

项目价值：1.适用于毫米波雷达、激光雷达、定位传感器、环境监测和工业检测等需要实时数据显示与长期数据记录的项目。2.通过UDP接收雷达实时数据，对目标点云及目标类别进行解析和显示，同时保存完整原始/业务数据。软件采用可停靠窗口布局，适合调试、测试、展示和数据回放类场景。

具备rpa的功能，同时融入了ai，还有知识库，使得场景更广。rpa适用于金融，电商，会记，运营等多个场景，属于自动化领域，可以进行图像识别，文档操作，网页和桌面应用操作，低代码开发，低成本开发。

1.数据处理模块：支持Excel试验数据导入、异常值清洗、数据集划分，搭配RSM响应面法生成虚拟样本实现小样本数据增强；2.建模预测模块：搭建BP-ANN神经网络模型，可自定义隐藏层神经元数量，完成材料抗压强度等指标回归预测，输出R²精度评价指标；3.多目标优化模块：基于响应面模型开展配合比参数优化

本项目是一个基于RaspberryPi5的自主视觉导航机器人，核心功能包括：红色物体实时检测与追踪：通过HSV色彩空间与动态阈值算法，实现对红色物体的实时识别与坐标提取。自适应色彩处理：采用动态V值调节与形态学滤波（开运算、闭运算），提升不同光照条件下的识别稳定性。全局搜索与局部追踪（ROI）：通过

使用寄存器优化，内存和缓存优化，SIMD/AVX512指令集优化等各种优化技术，将通用矩阵乘法（GEMM）的性能，提升几十倍！使用寄存器优化，内存和缓存优化，SIMD/AVX512指令集优化等各种优化技术，将通用矩阵乘法（GEMM）的性能，提升几十倍！使用寄存器优化，内存和缓存优化，SIMD/AVX

负责整套上位机软件开发，基于QTC++搭建客户端程序，设计复杂分层UI交互界面。采用TCP/UDP协议与下位机设备通信，通过多线程实现异步数据接收，解决大数据并发丢包问题；基于QCustomPlot开发实时波形图表，完成数万测点数据动态展示，集成历史数据存储、回放查询、超限数据分析功能；利用Open

功能模块：本系统主要包括以下模块——三维场景展示与交互模块、视频流接入与管理模块、异常行为检测模块、告警信息定位与可视化模块、二维视频与三维模型融合投影模块、历史告警查询与统计模块。主要功能描述：三维场景展示：基于Cesium引擎加载工地倾斜摄影模型或手工建模数据，支持旋转、缩放、测量、图层切换等基

功能模块：系统由Windows屏幕推流、Linux视频源读取、目标球检测、目标锁定、准星偏移计算、鼠标控制策略、UDP通信、Windows鼠标桥接、自动点击保护、可视化调试和配置管理等模块组成。主要功能描述：Windows端实时采集主屏幕并生成HTTPMJPEG视频流，Ubuntu/Linux端使用

系统功能：1、由用户工艺工程师按工艺模板建立工艺执行清单。2、产品进入全自动化输送链前对产品产品编码，绑定对应工艺。3、系统根据产品编码，匹配对应工艺，发送机械人指令，执行生产。4、视觉识别检测产品完成表面品质情况。5、后台大数据系统记录监测产品生产全过程。

1.云图获取模块（downloader.py）：支持Mock模式和真实卫星API双模式切换。Mock模式用OpenCV生成红蓝半图+白云带的合成图像用于开发调试；真实模式通过requests从ZoomEarth/FY-4A等公开接口下载云图，内置指数退避重试（2^n秒）和HTTP4xx/5xx分类处

人脸采集与注册：管理人员通过摄像头采集人员人脸图像，上传至云端人脸库完成注册登记，支持批量导入与权限分组设置活体检测与识别：设备端实时采集人脸图像并进行活体检测，防止照片/视频冒用，与百度智能云人脸库比对完成身份核验门禁联动控制：识别通过后联动门禁系统开闸通行，识别失败触发异常报警，实时记录核验结果

目标实时检测：机载摄像头实时采集画面，YOLO模型对视野内的入侵无人机进行实时检测与识别，输出目标类别与置信度视觉追踪锁定：OpenCV追踪算法持续锁定检测到的目标，输出目标在图像中的实时像素坐标，确保目标始终处于追踪状态云台视觉伺服：树莓派将目标像素坐标通过串口下发至飞控，飞控驱动单轴云台动态调节

-场景适配性强：深耕工业自动化行业，熟知工业设备运行逻辑、运动控制原理及工业软件使用痛点，开发的软件贴合工业现场实操需求，区别于普通民用软件，稳定性、专业性、适配性更高。-软硬件一体化服务：打破纯软件开发局限，兼顾软件开发与现场硬件联调能力，可同步解决软件代码问题与硬件适配、通讯联动问题，一站式解决

项目完成了一套约1.64米人形双足机器人机械概念装配设计，包含胸腔、胯部、左右腿、左右臂、前臂、小腿、电机安装位、轴承支撑、齿轮传动、十字关节和面板骨架等模块。Fusion360模型中装配实例约335个，采用模块化结构组织，便于后续调整关节比例、传动布局和安装空间。项目同时规划了UE4引擎中的机器人

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下