当前位置: 首页 > article >正文

汽车零件分装报警系统(1)

这个项目是对汽车零件机油滤芯分装的时候编码进行警报机器识别楚错误编码的时候会报警编码使用正则表达式设置一个正确编码范围摄像头连接警报器使用paddleOCR和opencv相关技术pyqt5设计用户图形界面。一、定期释放并重新打开USB摄像头资源def release_capture3(cap): # 定期释放usb摄像头资源 while True: # 每隔一段时间释放一次资源这里设置为 30min time.sleep(1800) cap.release() cap.open(opt.cap_numb3)这段代码中最后的logging.disablelogging.DEBUG是用来关闭所有DEBUG级别以上的日志输出。他会禁止所有级别大于等于DEBUG的日志消息输出相当于把日志系统的全局阈值设置为DEBUG级别以上使DEBUG级别的日志被屏蔽。说白了这个函数的作用就是每隔30分钟自动重启一次摄像头time.sleep1800防止摄像头长时间运行出现卡死掉帧无响应等问题定期重启可以释放内存资源重置摄像头状态避免程序崩溃。保证长期稳定运行。########串口号 parser argparse.ArgumentParser() parser.add_argument(--SERIAL_PORT1, typestr, defaultCOM5, help第一个报警器的串口号) parser.add_argument(--SERIAL_PORT2, typestr, defaultCOM4, help第二 三个报警器的串口号) parser.add_argument(--confid_level, typefloat, default0.88, help识别的置信度) parser.add_argument(--cap_numb3, typeint, default1, help第三个摄像头编号) parser.add_argument(--frame_delay, typeint, default67, help获取画面帧数的延时) opt parser.parse_args() ######## 指令声明 LIGHT_BUZZ1 0110001A000101CE18 # 闪光声音1 LIGHT_BUZZ2 0110001A0001040E1B # 闪光声音1 LIGHT 0110001A0001028E19 # 闪光 BUZZ1 0110001A0001034FD9 # 声音1 BUZZ2 0110001A000105CFDB # 声音2 BUZZ_CMD_CLOSE 0110001A0001000FD8 # 关闭声音和闪光 logging.disable(logging.DEBUG) # 关闭日志的输出定义的串口号硬件连接配置查看串口确定警报器连接的串口。定义控制警报器的命令后续用来发送指令。串口号其实就是告诉程序连接了那个设备指令告诉程序要让这个设备做些什么。这部分配合函数sendCmdToDevice使用二、控制警报器-找出列表中出现最多的元素-筛选出OCR结果中的型号def sendCmdToDevice(cmd, ser): # 控制警报器 cmdd bytes.fromhex(cmd) ser.write(cmdd) def most_common_element(lst): # 提取列表中出现次数最多的字符 # 使用Counter统计每个元素出现的次数 count Counter(lst) # 找到出现次数最多的元素 most_common_item count.most_common(1)[0][0] return most_common_item def process_string(input_string): # 在ocr的结果中筛选出对应型号 aa[] # 用空格切分字符串 parts input_string.split() # 正则表达式1: 包含数字和字母或者纯数字 pattern_alphanumeric re.compile(r^(?.*[a-zA-Z])(?.*\d)[a-zA-Z\d-]{2,10}$) # 正则表达式2: 至少三个以上数字的纯数字 pattern_at_least_two_digits re.compile(r^\d{4,7}$) # 遍历每个切分后的部分 for part in parts: # 检查是否包含数字和字母或者纯数字 if pattern_alphanumeric.match(part) or pattern_at_least_two_digits.match(part): aa.append(part) return aa第一个函数控制警报器在上述中我们定义了几个指令采用的就是16进制这里sendCmdToDevice函数两个参数一个是16进制命令一个是串口号的作用就是通过串口发送16进制命令来控制报警器。将16进制字符串命令转为字节通过串口发送给硬件设备实现控制报警器的闪光、声音、关闭等操作。第二个函数找出列表中出现最多的元素统计列表中各元素出现的频率返回出现次数最多的那个。这个函数的一个参数是字符串列表。其实就是我们所有出现在镜头的汽车零件编码是一个字符串列表在这个列表中选出出现次数最多的字符串作为输出。其实这个函数就是对同一个零件进行多次拍照识别防止只识别一次而出错。第三个函数筛选出OCR结果中的型号也就是我们要检测的编码比如是PXxxxxL这种格式其中xxxx表示不同数字。所以这里就使用正则表达式。OCR会识别所有文字正则化表达式就会提取我们需要的那串文字。最后把这些提取到的编码添加到一个列表中。上述几个函数其实就构成了大致流程摄像头识别获取图像OCR进行文字提取加入正则表达式筛选我们需要的信息然后取众数就是我们的目标编码等编码不一致就会触发警报。三、替换易错字符-隐藏警告并停止报警-统计文本出现的次数-计算字符面积def set_bing(set_a): # 替换一些易错字符 resu set() for j in set_a: jj j.replace(0, O).replace(o, O).replace(s, 5).replace(S, 5).replace(I, 1).replace(L, 1).replace(v,V).replace(B,8).replace(p,P) resu.add(jj) return resu def hide_label_and_send_cmd(label,serNone): # 隐藏警告符号并停止报警 label.setVisible(False) # 隐藏警告符号 sendCmdToDevice(BUZZ_CMD_CLOSE, ser) def In_which(text, hun): a 0 for i in hun: if text in i: a 1 return a def are(i): # 计算字符面积 zs i[0][0] ys i[0][1] yx i[0][2] zx i[0][3] # 计算宽度为左上角到右上角的距离 width_A np.sqrt(((zs[0] - ys[0]) ** 2) ((zs[1] - ys[1]) ** 2)) # 计算宽度为左下角到右下角的距离 width_B np.sqrt(((zx[0] - yx[0]) ** 2) ((zx[1] - yx[1]) ** 2)) # 计算高度为左上角到左下角的距离 height_A np.sqrt(((zs[0] - zx[0]) ** 2) ((zs[1] - zx[1]) ** 2)) # 计算高度为右上角到右下角的距离 height_B np.sqrt(((ys[0] - yx[0]) ** 2) ((ys[1] - yx[1]) ** 2)) # 取平均值作为宽度和高度 width (width_A width_B) / 2 height (height_A height_B) / 2 # 计算面积 area width * height return area函数一这里是把OCR识别中容易混淆的字符进行标准化替换。比如说有时候字母O和数字0会混淆字母s和数字5字母i或者l会和1混淆等等……把这些易混淆的作为替换规则参数就是字符集合输出就是我们替换过的字符集合。这个函数就是为了提高识别准确率统一不同识别结果的格式。函数二关闭ui界面上的警告图标同时发送命令停止报警。输出的参数有两个一是ui标签对象而是串口对象。作用就是当识别到合法车辆或者回复正常状态的时候停止报警。函数三统计某个文本在列表中出现的次数输出参数有两个第一是我们需要查的文本第二个是我们查找的列表。其实就是在参数2中查找参数1的次数。输出就是参数有1出现的次数。这个就是用来判断某个零件编码是否在我们的名单列表中并统计出现的次数。函数四计算OCR识别框的面积输入就是OCR识别的四个角坐标点输出是识别框的面积利用坐标点求面积过滤掉面积过大或者过小的误识别结果比如噪声背景文字等四、总结以上函数其实就构成了大致流程摄像头采集-OCR识别-数据处理-匹配判断-控制报警器摄像头收集图像OCR识别文字计算每块的字符面积面积过小可能是污渍或者噪点面积太大可能是其他文字只保留正常零件编码大小面积区域其实就是进行筛选文字区域。在我们筛选出来的面积上进行识别编码利用正则表达式筛选出有效编码。然后就是数据清洗我们识别到的编码可能会因为一些字符的混淆而不统一接下来我们就把这些收集到的编码进行统一化比如s和5统一为s或者统一为5等诸如此类。此外我们还要对同一个零件进行多次识别避免一次识别出错在多次识别中选出出现次数最多众数的作为该零件的编号输出。根据我们的识别结果发送不同指令。

相关文章:

汽车零件分装报警系统(1)

这个项目是对汽车零件(机油滤芯)分装的时候编码进行警报,机器识别楚错误编码的时候会报警,编码使用正则表达式设置一个正确编码范围,摄像头连接警报器,使用paddleOCR和opencv相关技术,pyqt5设计…...

如何用3个智能体协作,让你的工作效率提升10倍?

如何用3个智能体协作,让你的工作效率提升10倍? 【免费下载链接】eigent Eigent: The Worlds First Multi-agent Workforce to Unlock Your Exceptional Productivity. 项目地址: https://gitcode.com/GitHub_Trending/ei/eigent 你是否曾经有过这…...

IP6163光伏降压DC-DC芯片:MPPT硬件算法如何提升太阳能转换效率

1. IP6163光伏降压芯片:太阳能转换的智能引擎 第一次接触太阳能充电系统时,我遇到一个头疼的问题:明明阳光充足,充电效率却忽高忽低。后来发现是传统方案无法实时追踪太阳能板的最大功率点,导致能量白白浪费。这正是IP…...

面试官:MySQL 唯一索引和主键索引的区别?(修订版)

在线 Java 面试刷题(持续更新):https://www.quanxiaoha.com/java-interview面试考察点索引类型理解:面试官不仅仅是想知道 "有什么区别",更是想考察你是否理解主键索引(聚簇索引)和唯…...

3步实现多平台同步直播:obs-multi-rtmp高效推流指南

3步实现多平台同步直播:obs-multi-rtmp高效推流指南 【免费下载链接】obs-multi-rtmp OBS複数サイト同時配信プラグイン 项目地址: https://gitcode.com/gh_mirrors/ob/obs-multi-rtmp obs-multi-rtmp是一款专为OBS Studio设计的多平台推流插件,能…...

AI专著撰写高效之道:优质工具推荐,专著写作快又好

学术专著的主要价值在于其系统性和逻辑的完整性,但这却是写作过程中最难以攻克的难题。与专注于单一议题的期刊文章不同,AI 写专著需要构建一个包含绪论、理论基础、核心研究、应用拓展和结论的整体框架。各个章节之间要相互关联,层层递进&am…...

OnmyojiAutoScript副本效率提升指南:从异常排查到性能优化

OnmyojiAutoScript副本效率提升指南:从异常排查到性能优化 【免费下载链接】OnmyojiAutoScript Onmyoji Auto Script | 阴阳师脚本 项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript 阴阳师自动脚本(OnmyojiAutoScript)作为一款为玩家提供自动…...

突破设备壁垒:用swyh-rs构建零成本家庭音频网络的新方案

突破设备壁垒:用swyh-rs构建零成本家庭音频网络的新方案 【免费下载链接】swyh-rs Stream What You Hear written in rust, inspired by SWYH. 项目地址: https://gitcode.com/gh_mirrors/sw/swyh-rs 在智能家居普及的今天,音频设备却常常陷入&qu…...

5大核心优势揭秘:TradingAgents-CN如何用AI重构金融智能决策?

5大核心优势揭秘:TradingAgents-CN如何用AI重构金融智能决策? 【免费下载链接】TradingAgents-CN 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版 项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN 当个人投资…...

SSA-KELM多输出回归算法的MATLAB实现与应用:基于麻雀搜索算法优化核极限学习机的代码...

SSA-KELM多输入多输出回归 基于麻雀搜索算法(SSA)优化核极限学习机(KELM)的数据多输出回归预测,Matlab代码,可直接运行,适合小白新手(多输入多输出回归预测) 程序已经调试好,仅需根据需要修改outdim值(输出个数)替换数据集即可运行…...

Step3-VL-10B-Base赋能产业分析:解读“一线产区和二线产区”视觉差异

Step3-VL-10B-Base赋能产业分析:解读“一线产区和二线产区”视觉差异 你有没有想过,那些摆在货架上、标着不同产区的商品,比如茶叶、葡萄酒,它们看起来到底有什么不一样?是包装更精美,还是颜色更深邃&…...

5大场景全面解析SWE-bench:语言模型软件工程能力实战指南

5大场景全面解析SWE-bench:语言模型软件工程能力实战指南 【免费下载链接】SWE-bench SWE-Bench: Can Language Models Resolve Real-world Github Issues? 项目地址: https://gitcode.com/GitHub_Trending/sw/SWE-bench 核心价值:为什么SWE-ben…...

电子电路耦合技术详解与应用指南

1. 电子电路中的耦合技术解析1.1 耦合的基本概念在电子电路设计中,耦合是指将前级电路(信号源)的能量传递至后级电路(负载)的技术过程。这一基础概念在各类电子系统中具有普遍应用价值,特别是在多级放大电路…...

ESP设备精准控制终极指南:esptool的量子级实时响应技术

ESP设备精准控制终极指南:esptool的量子级实时响应技术 【免费下载链接】esptool Espressif SoC serial bootloader utility 项目地址: https://gitcode.com/gh_mirrors/es/esptool esptool是一款由Espressif Systems开发的专业串行引导程序工具,…...

Windows Server 2008 R2提权实战:用MS15-051漏洞从WebShell到System权限的完整操作记录

Windows Server 2008 R2权限提升实战:从低权限到系统控制的技术剖析 在渗透测试的实战场景中,获取初始立足点往往只是开始。当安全研究人员或红队成员通过Web漏洞获得了一个低权限的WebShell后,如何突破权限限制,获取系统最高控制…...

DeepSeek-OCR-2零售行业应用:商品标签识别系统实现

DeepSeek-OCR-2零售行业应用:商品标签识别系统实现 1. 零售行业的标签识别痛点在哪里 超市货架上密密麻麻的商品,每一件都贴着标签——价格、条形码、生产日期、保质期、规格参数……这些信息看似简单,却构成了零售运营最基础也最繁琐的一环…...

扔掉特征变换和激活函数!LightGCN极简图卷积推荐模型实战(PyTorch/TensorFlow)

LightGCN:极简图卷积在推荐系统中的革命性实践 在推荐系统领域,图卷积网络(GCN)已经成为协同过滤的新宠。然而,当我们深入分析传统GCN架构时,会发现许多为图分类任务设计的复杂组件在推荐场景下反而成为性能瓶颈。LightGCN的出现&…...

HeyGem数字人视频生成系统效果实测:口型精准同步,画面自然

HeyGem数字人视频生成系统效果实测:口型精准同步,画面自然 最近我在测试各种AI视频生成工具时,发现了一个很有意思的系统——HeyGem数字人视频生成系统。这个系统最大的特点就是能把一段音频和一个带人脸的视频结合起来,生成一个…...

Laravel SEO优化终极指南:SEOTools与Sitemap、RSS等工具的完美配合

Laravel SEO优化终极指南:SEOTools与Sitemap、RSS等工具的完美配合 【免费下载链接】seotools SEO Tools for Laravel 项目地址: https://gitcode.com/gh_mirrors/se/seotools 想要让你的Laravel应用在搜索引擎中脱颖而出吗?SEO优化是每个Web开发…...

5个自动驾驶开发者必备的行人轨迹预测数据集(含ETH/UCY实测对比)

5个自动驾驶开发者必备的行人轨迹预测数据集(含ETH/UCY实测对比) 行人轨迹预测是自动驾驶系统中的关键技术之一。准确预测行人未来几秒内的移动路径,能显著提升自动驾驶车辆的安全性和舒适性。对于算法工程师而言,选择合适的数据集…...

Nanobot知识图谱:Neo4j数据库集成指南

Nanobot知识图谱:Neo4j数据库集成指南 1. 引言 想象一下,你的AI助手不仅能回答简单问题,还能理解复杂的关系网络——比如公司内部的汇报关系、产品之间的关联性,甚至是学术文献中的引用关系。这就是知识图谱的魅力所在。 在实际…...

5个Kubernetes网络策略常见误区:从Network Policy Recipes中学习正确配置

5个Kubernetes网络策略常见误区:从Network Policy Recipes中学习正确配置 【免费下载链接】kubernetes-network-policy-recipes Example recipes for Kubernetes Network Policies that you can just copy paste 项目地址: https://gitcode.com/gh_mirrors/ku/kub…...

Halcon实战:用shape_trans算子5分钟搞定不规则区域的最小外接矩形提取

Halcon实战:5分钟精准提取不规则区域最小外接矩形的工业级方案 在工业视觉检测领域,我们常常需要从复杂的背景中快速定位目标物体的精确边界。无论是印刷电路板上的字符识别、机械零件的尺寸测量,还是包装盒的位置校准,准确的目标…...

5个维度打造你的专属音乐中心:开源音乐播放器MusicFree全解析

5个维度打造你的专属音乐中心:开源音乐播放器MusicFree全解析 【免费下载链接】MusicFree 插件化、定制化、无广告的免费音乐播放器 项目地址: https://gitcode.com/GitHub_Trending/mu/MusicFree 你是否厌倦了主流音乐平台的广告轰炸和版权限制?…...

PL_microEPD嵌入式电子纸驱动库详解

1. PL_microEPD 库概述 PL_microEPD 是一个面向 Plastic Logic 公司全系列柔性电子纸显示模组(Electrophoretic Display, EPD)的通用硬件抽象库,专为嵌入式微控制器平台设计。该库核心适配基于 UC8156 显示驱动 IC 的 1.1 英寸、1.4 英寸、2.…...

从电机测试到上位机:一个硬件工程师用LabWindows/CVI搞定周立功USBCAN的踩坑实录

从电机测试到上位机:LabWindows/CVI与USBCAN实战指南 作为一名长期与电机打交道的硬件工程师,我习惯了在示波器和逻辑分析仪的波形中寻找问题,却始终对那个神秘的"上位机"世界充满敬畏。直到某次项目 deadline 前两周,当…...

3步实现专业级降噪:NoiseTorch-ng Linux音频优化深度解析

3步实现专业级降噪:NoiseTorch-ng Linux音频优化深度解析 【免费下载链接】NoiseTorch Real-time microphone noise suppression on Linux. 项目地址: https://gitcode.com/gh_mirrors/no/NoiseTorch 在远程办公和在线会议成为常态的今天,你是否经…...

解锁《英雄联盟》专业录像编辑:开源工具League Director实战指南

解锁《英雄联盟》专业录像编辑:开源工具League Director实战指南 【免费下载链接】leaguedirector League Director is a tool for staging and recording videos from League of Legends replays 项目地址: https://gitcode.com/gh_mirrors/le/leaguedirector …...

SEO_10个提升网站排名的实用SEO技巧分享(490 )

SEO: 10个提升网站排名的实用SEO技巧分享 在数字化时代,网站排名直接关系到网站的流量和用户转化率。如果你希望在百度上提升网站排名,那么你需要掌握一些实用的SEO技巧。本文将为你分享10个提升网站排名的实用SEO技巧,希望能帮助你在竞争激烈…...

定制Windows容器:本地ISO镜像的高效配置策略

定制Windows容器:本地ISO镜像的高效配置策略 【免费下载链接】windows Windows inside a Docker container. 项目地址: https://gitcode.com/GitHub_Trending/wi/windows 在企业内网环境中部署Docker容器时,网络带宽限制和安全策略常常阻碍容器通…...