QT

系统基于多目相机完成溜井扫场与标定，结合目标检测算法识别石头、破碎机、栅栏、车辆、人员等目标信息；下位机根据识别结果完成自主路径规划、破碎、推石、扫石及人员/车辆避障，并通过CAN通信控制破碎机执行作业；上位机实时接收并展示破碎次数、人员进入次数、车辆进入次数、石头层高等关键数据，同时支持多路RTS

1.亚像素级特征测量：深度集成Halcon(HalconCpp)，实现基于形态学与高斯平滑的1DMetrology边缘测距，以及基于形状的模板匹配，实现亚像素级圆/靶标提取。2.视觉抓靶与刚体对齐(Rigid2DAlign)：内置视觉偏差计算引擎，支持多点靶标识别并求解最佳平移与旋转矩阵（XYθ）。

1、基于深度神经网络的reid技术​1.1)采用局部信息对齐技术进一步提高精度​1.2)Top1识别率达到89%，Top3达93%以上​，即匹配结果在前三名识别率93%1.3)自动区分幼体和成熟体，幼儿未发育完整，无明显特征，统一归为一类，一般通过其母进行跟踪2、QT开发的桌面软件通过XXX部海YY

1. 大数据爬虫与智能筛查模块该模块通过大数据爬虫技术，自动采集与筛查校园安全、交通等领域相关的多模态数据，提供高质量的训练数据和分析结果。利用深度学习算法对采集的数据进行智能筛查和分类，为后续的监测系统提供支持。2. 计算机视觉与模式匹配模块该模块主要通过计算机视觉和模式匹配技术，实时分析视频流中

1.项目整体可以分为软件部分和硬件部分，软件部分可以分为图像采集、模型推理、结果输出、远程控制，硬件部分主要是外设（摄像头、屏幕，电源、喇叭）、边缘端处理设备和信号输出器2.功能描述，通过在适当位置部署摄像头采集图像，可以对危险进行预警并辅助操作员控制，具体辅助方式可以根据使用方式修改。这里以设备部

1.分为端面缺陷检测以及内部缺陷检测两种；2.导入深度学习算法，对相似度比较近的缺陷进行分类；3.算法实现了对产品表面的各种各样的缺陷进行抓取、分类；4.为客户提供过漏检数据、缺陷分类数据，让客户可以根据数据对前端工艺进行优化修改，提升产能。

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。

双能X射线全身骨密度系统由上位机软件、STM32、FPGA组成，主要由上位软件进行扫描测控。技术包括操作系统原生Socket进行通讯、自主设计通讯协议设计与解析、骨密度算法实现/验证，线阵探测器图像重建、图像处理（降噪、增强、ROI分割）、深度学习训练以集成、软件架构设计、项目搭建、软件开发（QT）等。

与军工研究所合作开发针对雷达罩蜂窝孔径的测量仪器;实现对蜂窝格孔边长2-4mm，深度30mm范围内的单个蜂窝格孔内壁变形测量，并识别蜂窝格孔变形缺陷，形成六个蜂窝批量测量仪器;软件开发了上位测量操作及点云处理显示等核心算法；2D图像处理：1)图像操作及测量工具栏；2)选择测量中心处的二维图像（单个工件有多处测量中心）；3)显示二维图像：可以任意选中格孔区域；4)结果显示1：通过3中任选多个孔，测量结果输出到该列表框，并最终输出到报表；5)缩略图显示：便于总图缩放显示；3D点云处理：1)3D点云操作及测量工具栏；2)选择测量中心处的3D点云（单个工件有多处测量中心）；3)显示3D点云图像：可以任意选中格孔区域；4)结果显示1：通过3中任选多个孔，测量结果输出到该列表框，并最终输出到报表；5)内窥镜图像：显示格孔的合成图像；