适用于深度学习，机器学习的目标检测。风能是现代社会最重要的可再生能源之一,风能的主要利用形式是风力发电,风机叶片是捕获风能并将其转化为电能的主要部件,由于大多数的风电机组工作环境复杂恶劣,且长期承受交变负荷作用,使得在役风机叶片容易出现故障,从而降低风机发电效率、造成安全生产隐患,因此对风机叶片表面故障进行检测和识别显得尤为重要。2003年中国风电进入开始快速发展阶段，2018年中国风电容量赶超美国，成为全球第一，然而，我国早期投建的风机已逐步进入中老年。风机叶片在运行过程中，受台风，雷电，冰雪，盐雾等恶劣天气影响，加上长期使用工程中受到的交变载荷的作用，容易出现裂纹，砂眼，分层，脱粘等损伤，所以需要长期的巡检，探测外表缺陷，损害，并进行长期的运营保养。为解决风机运维成本高，检测效率低，缺陷识别难等

C# OPENCV

OpenCV 3编程入门_毛星云编著_电子工业出版 包含pdf版电子书和程序源代码，更多情况可以参考浅墨_毛星云的csdn博客

为了提高视觉测量系统的自动化水平和测量精度，提出了一种结合模板匹配和梯度峰值的对角标志自动提取方法。使用旋转不变模板匹配方法得到原始图像与标准模板的相关系数矩阵，通过两次阈值筛选获取标志点候选位置。根据两条直线相交于标志中心处以及中心处灰度梯度存在多个峰值的特性，剔除非合作标志点，得到对角标志点初始坐标。通过生成对角标志理想相关模板，利用相关系数拟合极值法进行亚像素定位。实验结果表明，该方法可以正确提取复杂环境下对角标志或棋盘格图像中的角点，而且需要人工调节的参数少、稳健性强、定位精度高且通用性好，可应用于工程实践中环境光源变化较大的测量场合。

【目的】采用机器视觉技术，针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域；采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像；基于二值图像，分析获取单粒葡萄的几何特征；最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945；基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径，并能对质量和果径进行分级。

本专利介绍的方法主要是针对贴装过程中由吸嘴旋转所带来的同心度偏差，并对其进行补偿修正。

各种卷积计算性能对比(Conv,DwConv,GhostConv,PConv,DSConv,DCNV),包括推理时间，GFlops,FPS

《数字图像处理与机器视觉》整套源代码 珍贵

基于MATLAB的机器视觉测量零件厚度软件设计.zip

这个例子展示了如何测量图像的锐度 四个特征量。 这些是模糊(自相关)， 图像的局部邻域差异(差)，梯度 和图像中的频率范围(频带通)。 这些数量是为一系列图像计算的，这些图像描述 一个物体在不同的焦点。 镜头一度在右边 聚焦，这也是由四个量的峰值所强调的功能 (在四个函数的中间)。