业务和功能介绍
1、大背景是某个工业环境中的智能巡检，机器的实时状态需要巡检员各处跑，业主希望增加智能巡检功能，即时获取设备预警信息。
2/3、在车间内安装摄像头，选择合适的位置，部分需要旋转，铺设需要的网线，安装GPU计算盒子。摄像头加相当于部署在端侧的小服务器，收集视频，截图，统一发送给图像识别模块，图像识别模块负责各类压力表读表，各类液压计读表，空气开关识别，各种漏油识别，明火浓烟识别。表读数识别，包含把业主要求数值多少范围算安全，超出需要报警的功能。
2/3、在车间内安装摄像头，选择合适的位置，部分需要旋转，铺设需要的网线，安装GPU计算盒子。摄像头加相当于部署在端侧的小服务器，收集视频，截图，统一发送给图像识别模块，图像识别模块负责各类压力表读表，各类液压计读表，空气开关识别，各种漏油识别，明火浓烟识别。表读数识别，包含把业主要求数值多少范围算安全，超出需要报警的功能。
项目实现
1、项目组开发整体平台，控制收集各个摄像头的转动和拍照，以及对接巡检系统。
2.1、我只负责图像识别的部分，开发一个独立模块，接受base64图像，返回标记后的图像以及识别结果，图中的各个压力表/液压表读数，空开是否闭合，是否漏油，是否有明火/浓烟，是否漏油。
2.2、基于opencv和yolov8的架构中目标检测和图像分割，目标检测画框定位的要判断的目标，一个或多个，图像分割和opencv设计算法结合判断检测结果。
3.1、单一的opencv或者单一的深度学习模型不足以稳定的输出结果，我采取的是多种算法结合分步实现，组合了优点，避免了各自的缺点。
3.2、网路传输视频太慢，场景不支持5G，遂选择代有GPU的计算盒子，场景内部署算法模型，只定时传递图像和识别结果到服务器。
示例图片视频
相似推荐
数据在线采集
本项目为产业数据直报系统：
1、管理端（省/市/县区三级监管）和填报端（企业、非经营单位）提供端到端的数字化数据采集、审核、统计与导出能力。
2、系统按报告期（年/季/月）驱动 10 张业务表单的填报，涵盖企业基础档案、种植、生产加工、销售、文旅、税收贸易，以及景气调查问卷（含数字选项码与多选字段）。
3、审核采用三级联审机制，支持企业撤回修改、各角色取回、县区退回需第三方评估等精细化规则。
4、管理端提供按地区维度的仪表盘统计（应填/已填/待审/退回率、部分填报识别）、填报进度追踪（按企业/表单维度）和 Excel 导出（问卷选项码转中文、密码加密、填报端仅导出本单位），形成采集-审核-分析闭环。
动态网页数据抓取爬虫/工具-企业股票行情数据
立项背景与目标：
金融分析用户常需获取股市热门标的名单，但东方财富网数据为动态加载，手动复制效率极低。本项目目标是实现热门股吧榜单的自动化采集，输出结构化数据供后续分析使用。
软件功能：
输入目标接口地址，一键运行即可获取企业名称、股吧代码、行情代码三项核心信息，输出为UTF-8编码的纯文本表格。
核心功能模块：
· 请求模块：模拟浏览器访问API接口
· 解析模块：提取JSON中指定字段
· 存储模块：写入本地TXT文件
业务流程：
用户双击运行脚本→程序自动请求接口→解析返回数据→提取三个字段→生成结果文件到当前目录。
功能路径：
下载脚本→确认网络通畅→双击运行→打开同目录下生成的文本文件查看结果
贵州城市天气数据采集-黔城天气采集工具
立项背景与目标：
当前气象数据获取方式仍以人工查询为主，效率低且难以批量处理。本项目旨在通过自动化手段，实现对目标地区天气信息的快速采集与结构化存储，减少人工重复劳动，提升信息获取效率。
1. 数据采集模块：向目标网页发送请求，获取页面内容。
2. 数据解析模块：定位并提取温度、天气状况等关键字段。
3. 数据存储模块：将提取结果写入本地文件，便于后续查阅或导入其他系统。用户运行脚本 → 程序自动请求目标网页 → 解析天气数据 → 写入本地文件 → 完成采集。功能路径描述：
脚本启动 → HTTP 请求 → HTML 解析 → 字段提取 → 文件写入 → 结束运行
基于YOLOv5的嵌入式实时目标检测与识别系统-嵌入式AI识别系统
1、立项背景和目标：
随着物联网与边缘计算快速发展，嵌入式设备承担智能识别任务的需求日益增长。树莓派凭借低成本、易部署优势成为边缘识别常用载体，但受限于算力，复杂模型难以直接部署。本项目在Windows下基于YOLOv5训练轻量化目标检测模型，支持人脸及5类以上日常物品识别，部署至树莓派4结合摄像头实现实时视频流识别，验证从训练到嵌入式端落地的完整链路，为嵌入式AI识别提供可行方案。
2、软件功能、核心功能模块：
系统包含三大核心模块：①目标检测模块——基于YOLOv5实现人脸及日常物品实时检测与定位，输出边界框坐标和类别标签；②人脸识别子模块——实现指定人脸库的身份识别与匹配；③实时视频流处理模块——调用树莓派摄像头完成帧采集、预处理及模型推理，画面叠加标注结果。最终系统帧率5FPS以上，检测mAP≥80%，人脸识别准确率≥85%。
3、业务流程、功能路径描述：
用户启动树莓派执行主程序→系统初始化摄像头并采集实时视频流→每帧图像经尺寸归一化预处理→加载本地YOLOv5轻量化模型推理→输出目标类别、置信度、边界框→OpenCV叠加矩形框和标签至原始画面→HDMI输出至显示器。形成“采集→推理→渲染→输出”闭环流水线，用户无需额外操作即可持续获得识别反馈。
百万级数据容器性能对比器
数据生成：生成百万级的学生数据（学号、姓名、成绩），以CSV格式存储。
数据加载：把CSV里的数据，分别加载到三种不同的数据结构里（vector、map、unordered_map）。
精确查询测试：随机生成一个学号，测试三种容器查询一个特定学生成绩的耗时。
范围查询测试：给定一个成绩区间（如80-90分），测试三种容器统计这个区间内学生数量的耗时。
性能对比结论：用高精度计时，对比三种容器在不同查询场景下的效率差异，得出选型建议。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服