近日，加拿大滑铁卢大学的研究人员开发了一种计算机视觉和人工智能辅助的冬季道路状况监测系统，使用低成本、非专用的硬件（如机器视觉相机和温度传感器）实时收集处理和传送道路状况数据。与现有解决方案相比，该系统可安装在各种车辆上，对道路状况进行更客观的评估，并且路况监控的时空覆盖范围更广。

这不是一次简单的机器视觉项目课程，课程中把很多理论性极强的知识点进行了应用，让本身很晦涩的知识点变得简单易用，这才是课程的精华之处。因为在时下也有很多智能识别的项目，而本次的项目的不同之处就在于它将这些很多关联技术都应用在其中，适合从事深度学习和机器视觉的同学们，加深理解。

【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。

计算机视觉 项目：测量系统 此程序需要 python 2.7、pygame 1.9 和 opencv 2.4 MeasurementSystem/GUI.py 这是程序的图形用户界面 MeasurementSystem/MeasurementSystem.py 这包含处理图像和测量东西的所有功能 要运行它，请执行：python GUI.py

图像处理与计算机视觉技术综述ppt课件.ppt

传统的火灾检测系统由于传感器受环境影响较大导致效果较差。针对这一问题，文中基于图像处理技术，结合红外基础理论、双目立体视觉测距理论和开源计算机视觉库（OpenCV）设计并实现了一套火灾火源定位及检测系统。该系统能根据红外测温、轴向比判别、内外焰判别、形状不规则判别等算法，对火灾燃烧时出现的典型图像特征进行检测和报警，并能仿照双目视觉定位原理对火源进行定位与跟踪。该系统经过实验测试，检测和定位效果良好，能为类似的火灾检测系统的设计提供技术参考。

工业视觉基础知识，文档资料

计算机视觉技术与应用：识别人物是否带口罩的 Jupyter 格式笔记。 萌狼蓝天写于2022年9月3日。

华为机器视觉技术精粹 (2020)

基于机器视觉技术的智慧城市人流量统计系统设计与实现.pdf