当前位置: 首页 > article >正文

VisionPro实战:CogGraphicCollection在工业检测中的5个高效用法(附代码)

VisionPro实战CogGraphicCollection在工业检测中的5个高效用法附代码在工业自动化领域机器视觉系统正变得越来越智能和高效。作为康耐视VisionPro平台的核心组件之一CogGraphicCollection为工程师提供了强大的图形管理能力能够显著提升检测结果的可视化效果和操作效率。本文将深入探讨五种实际应用场景中的高级技巧帮助开发者充分发挥这一工具的潜力。1. 动态缺陷标记系统在表面缺陷检测中快速准确地标记异常区域至关重要。传统方法往往需要为每种缺陷类型单独创建图形对象而CogGraphicCollection可以实现动态标记系统。// 创建动态缺陷标记系统 CogGraphicCollection defectMarks new CogGraphicCollection(); foreach (var defect in detectedDefects) { CogRectangleAffine mark new CogRectangleAffine(); mark.SetCenterLengthsRotation(defect.CenterX, defect.CenterY, defect.Width, defect.Height, defect.Orientation); // 根据缺陷类型设置不同颜色 switch (defect.Type) { case DefectType.Scratch: mark.Color CogColorConstants.Red; break; case DefectType.Dent: mark.Color CogColorConstants.Yellow; break; case DefectType.Contamination: mark.Color CogColorConstants.Green; break; } defectMarks.Add(mark); }这种方法的优势在于统一管理所有标记图形集中在一个集合中灵活扩展可轻松添加新的缺陷类型标记高效更新批量清除和重建标记非常便捷提示在实际应用中建议为每种缺陷类型创建对应的图形样式模板避免重复设置属性。2. 多层级检测结果可视化复杂检测任务往往需要同时显示多个维度的信息。通过CogGraphicCollection的分层管理可以实现清晰的结果呈现。层级图形类型用途颜色方案基础层CogRectangle产品轮廓蓝色半透明检测层CogCircle关键点红色实线结果层CogGraphicLabel检测结果黑色加粗辅助层CogLine参考线灰色虚线实现代码示例// 初始化各层级图形集合 CogGraphicCollection baseLayer new CogGraphicCollection(); CogGraphicCollection inspectionLayer new CogGraphicCollection(); CogGraphicCollection resultLayer new CogGraphicCollection(); CogGraphicCollection auxiliaryLayer new CogGraphicCollection(); // 添加产品轮廓 CogRectangle productOutline new CogRectangle(); productOutline.SetXYWidthHeight(100, 100, 500, 300); productOutline.Color CogColorConstants.Blue; productOutline.LineWidthInScreenPixels 2; productOutline.LineStyle CogGraphicLineStyleConstants.Solid; baseLayer.Add(productOutline); // 添加关键点标记 foreach (var keyPoint in keyPoints) { CogCircle pointMark new CogCircle(); pointMark.CenterX keyPoint.X; pointMark.CenterY keyPoint.Y; pointMark.Radius 10; pointMark.Color CogColorConstants.Red; inspectionLayer.Add(pointMark); } // 合并显示所有层级 displayControl.Graphics.AddRange(baseLayer); displayControl.Graphics.AddRange(inspectionLayer); displayControl.Graphics.AddRange(resultLayer); displayControl.Graphics.AddRange(auxiliaryLayer);这种分层方法使操作人员能够快速识别不同类别的信息根据需要显示/隐藏特定层级保持界面整洁有序3. 交互式测量标注系统在精密测量应用中CogGraphicCollection可以实现动态交互功能大幅提升操作效率。// 交互式测量系统实现 public class InteractiveMeasurementSystem { private CogGraphicCollection measurementGraphics new CogGraphicCollection(); private ListCogLine tempLines new ListCogLine(); public void OnMouseClick(double x, double y) { if (tempLines.Count 1) { // 第一次点击创建起点 CogLine line new CogLine(); line.StartX x; line.StartY y; line.EndX x; // 初始时终点与起点相同 line.EndY y; line.Color CogColorConstants.Green; tempLines.Add(line); measurementGraphics.Add(line); } else { // 第二次点击完成线段 tempLines[0].EndX x; tempLines[0].EndY y; // 添加测量标签 double length CalculateDistance(tempLines[0]); CogGraphicLabel label new CogGraphicLabel(); label.Text ${length:F2} mm; label.X (tempLines[0].StartX tempLines[0].EndX) / 2; label.Y (tempLines[0].StartY tempLines[0].EndY) / 2; label.Color CogColorConstants.White; label.BackgroundColor CogColorConstants.DarkBlue; measurementGraphics.Add(label); tempLines.Clear(); } } private double CalculateDistance(CogLine line) { double dx line.EndX - line.StartX; double dy line.EndY - line.StartY; return Math.Sqrt(dx*dx dy*dy) * pixelToMmRatio; } }这种交互式系统具有以下特点直观操作点击两点即可完成测量实时反馈动态显示测量过程和结果持久保存所有测量结果保留在集合中4. 智能报警区域管理在安全检测场景中CogGraphicCollection可以高效管理多个报警区域及其状态。// 报警区域管理器 public class AlarmZoneManager { private CogGraphicCollection zones new CogGraphicCollection(); private DictionaryCogRectangle, bool zoneStatus new DictionaryCogRectangle, bool(); public void AddZone(CogRectangle zone) { zones.Add(zone); zoneStatus.Add(zone, false); } public void UpdateZoneStatus(CogRectangle zone, bool isTriggered) { if (zoneStatus.ContainsKey(zone)) { zoneStatus[zone] isTriggered; zone.Color isTriggered ? CogColorConstants.Red : CogColorConstants.Green; zone.LineWidthInScreenPixels isTriggered ? 3 : 1; } } public void VisualizeAllZones(ICogGraphicInteractive display) { display.Graphics.Clear(); display.Graphics.AddRange(zones); // 添加图例 CogGraphicLabel legend new CogGraphicLabel(); legend.Text 绿色:正常 红色:报警; legend.X 10; legend.Y 10; legend.Color CogColorConstants.White; display.Graphics.Add(legend); } }报警区域管理的关键优势状态可视化颜色变化直观显示报警状态集中控制统一管理所有区域灵活配置可动态添加/删除区域5. 复合图形模板应用对于常见检测模式可以创建可复用的图形模板组合大幅提升开发效率。// 创建标准检测模板 public CogGraphicCollection CreateInspectionTemplate(TemplateType type) { CogGraphicCollection template new CogGraphicCollection(); switch (type) { case TemplateType.CircleInspection: // 中心十字线 CogLine crossH new CogLine(); crossH.StartX 0; crossH.EndX 100; crossH.StartY 50; crossH.EndY 50; crossH.Color CogColorConstants.Cyan; CogLine crossV new CogLine(); crossV.StartX 50; crossV.EndX 50; crossV.StartY 0; crossV.EndY 100; crossV.Color CogColorConstants.Cyan; // 参考圆 CogCircle refCircle new CogCircle(); refCircle.CenterX 50; refCircle.CenterY 50; refCircle.Radius 40; refCircle.Color CogColorConstants.Magenta; refCircle.LineStyle CogGraphicLineStyleConstants.Dash; template.Add(crossH); template.Add(crossV); template.Add(refCircle); break; case TemplateType.RectangleInspection: // 对角线 CogLine diagonal1 new CogLine(); diagonal1.StartX 0; diagonal1.EndX 100; diagonal1.StartY 0; diagonal1.EndY 100; diagonal1.Color CogColorConstants.Yellow; CogLine diagonal2 new CogLine(); diagonal2.StartX 0; diagonal2.EndX 100; diagonal2.StartY 100; diagonal2.EndY 0; diagonal2.Color CogColorConstants.Yellow; // 中心点 CogCircle center new CogCircle(); center.CenterX 50; center.CenterY 50; center.Radius 5; center.Color CogColorConstants.White; template.Add(diagonal1); template.Add(diagonal2); template.Add(center); break; } return template; }模板化开发带来的好处标准化确保检测界面一致性高效率减少重复图形创建代码易维护修改模板即可更新所有相关检测在长期使用VisionPro进行工业检测项目开发的过程中我发现合理组织CogGraphicCollection的结构对项目可维护性至关重要。建议为不同类型的图形建立独立的集合并通过清晰的命名区分其用途。例如将临时图形与永久性参考图形分开管理可以避免意外清除重要参考标记的情况。

相关文章:

VisionPro实战:CogGraphicCollection在工业检测中的5个高效用法(附代码)

VisionPro实战:CogGraphicCollection在工业检测中的5个高效用法(附代码) 在工业自动化领域,机器视觉系统正变得越来越智能和高效。作为康耐视VisionPro平台的核心组件之一,CogGraphicCollection为工程师提供了强大的图…...

StructBERT-Large本地化部署实战:无需联网、不传数据、隐私安全的语义匹配解决方案

StructBERT-Large本地化部署实战:无需联网、不传数据、隐私安全的语义匹配解决方案 你是不是经常需要判断两句话是不是一个意思?比如,检查用户提交的答案是否和标准答案一致,或者判断两篇新闻稿是不是在说同一件事。过去&#xf…...

HunyuanVideo-Foley私有部署全攻略:RTX4090D专用优化,轻松搭建AI视频生成环境

HunyuanVideo-Foley私有部署全攻略:RTX4090D专用优化,轻松搭建AI视频生成环境 在AI视频生成领域,最令人沮丧的莫过于看着别人的演示视频效果惊艳,而自己却卡在环境配置和模型部署的泥潭中。从CUDA版本冲突到显存不足崩溃&#xf…...

华三路由器远程管理全攻略:Telnet/SSH/FTP三种方式配置避坑指南

华三路由器远程管理全攻略:Telnet/SSH/FTP三种方式配置避坑指南 当你面对一台全新的华三路由器时,远程管理配置往往是第一个需要解决的问题。作为运维人员,我们既需要考虑操作便捷性,又必须兼顾安全性。本文将带你深入探索Telnet、…...

数字化、智能化、移动化,人力资源系统革新的三大法宝!

人力资源系统革新,打造企业人才发展新引擎在当今竞争激烈的商业环境中,企业的人才发展成为了决定其成败的关键因素之一。然而,传统的人力资源管理系统往往存在着诸多问题,如流程繁琐、数据不精准、缺乏智能化等,这些问…...

南北阁4.1-3B WebUI代码实例:TextIteratorStreamer多线程流式实现解析

南北阁4.1-3B WebUI代码实例:TextIteratorStreamer多线程流式实现解析 今天咱们来聊聊一个特别有意思的项目——一个为南北阁4.1-3B模型量身定做的Web交互界面。如果你用过Streamlit,可能会觉得它的界面有点“官方”,布局也比较固定。但这个…...

终极指南:如何让Nautilus、Dolphin等Linux文件管理器拥有macOS Finder般流畅的快捷键体验

终极指南:如何让Nautilus、Dolphin等Linux文件管理器拥有macOS Finder般流畅的快捷键体验 【免费下载链接】kinto Mac-style shortcut keys for Linux & Windows. 项目地址: https://gitcode.com/gh_mirrors/kin/kinto 你是否厌倦了在Linux文件管理器中不…...

如何通过Superalgos教育模块快速掌握算法交易:新手入门完整指南

如何通过Superalgos教育模块快速掌握算法交易:新手入门完整指南 【免费下载链接】Superalgos Superalgos/Superalgos: 是一个开源的分布式社交网络分析和数据挖掘平台。适合对大数据分析、机器学习、区块链以及分布式系统有兴趣的开发者。 项目地址: https://gitc…...

GTSAM编译避坑:为什么你的Eigen版本总是不匹配?详细排查与修复教程

GTSAM编译中的Eigen版本冲突:从根源到解决方案的深度指南 引言 在机器人学和计算机视觉领域,GTSAM(Georgia Tech Smoothing and Mapping Library)作为因子图优化的标杆工具,其重要性不言而喻。然而,许多开发…...

如何高效使用NumPy结构化数组:处理复杂数据格式的终极指南

如何高效使用NumPy结构化数组:处理复杂数据格式的终极指南 【免费下载链接】numpy numpy/numpy: NumPy 是一个用于 Python 的数值计算库,提供了多种数学函数和工具,可以用于数值计算和科学计算,支持多种数学函数和工具&#xff0c…...

PyTorch Vision模型微调终极指南:从零到精通的迁移学习实战

PyTorch Vision模型微调终极指南:从零到精通的迁移学习实战 【免费下载链接】vision pytorch/vision: 一个基于 PyTorch 的计算机视觉库,提供了各种计算机视觉算法和工具,适合用于实现计算机视觉应用程序。 项目地址: https://gitcode.com/…...

Drizzle ORM性能优化终极指南:查询优化与缓存策略详解

Drizzle ORM性能优化终极指南:查询优化与缓存策略详解 【免费下载链接】drizzle-orm drizzle-team/drizzle-orm: 是一个基于 C 的 ORM(对象关系映射)库,支持 MySQL 和 SQLite 数据库。适合对 C、数据库开发以及想要使用轻量级 ORM…...

如何为SortableJS实现高效自动化测试:拖拽功能的完整测试指南

如何为SortableJS实现高效自动化测试:拖拽功能的完整测试指南 【免费下载链接】Sortable Reorderable drag-and-drop lists for modern browsers and touch devices. No jQuery or framework required. 项目地址: https://gitcode.com/gh_mirrors/so/Sortable …...

从CCD到CMOS:HDR成像技术20年发展史与未来趋势

从CCD到CMOS:HDR成像技术20年演进与实战解析 在摄影器材展上,一位资深摄影师正用指尖轻抚不同年代的相机传感器——从2003年尼康D2H的CCD模块到2023年索尼A7RV的背照式CMOS,这个动作恰好勾勒出HDR技术演进的二十年轨迹。动态范围(…...

李慕婉-仙逆-造相Z-Turbo在C语言项目中的集成方案

李慕婉-仙逆-造相Z-Turbo在C语言项目中的集成方案 将AI图像生成能力无缝集成到C语言项目中,为传统应用注入智能创作活力 1. 为什么要在C项目中集成图像生成能力 在当今的软件开发领域,C语言仍然是系统级编程、嵌入式设备和性能敏感应用的首选语言。虽然…...

Z-Image-GGUF模型解析:C语言视角下的文件读写与GGUF格式处理

Z-Image-GGUF模型解析:C语言视角下的文件读写与GGUF格式处理 你是不是也好奇,那些动辄几十GB的大模型文件,计算机到底是怎么“看懂”并加载它们的?今天我们不聊高层的API调用,而是拿起C语言这把“手术刀”&#xff0c…...

vue3-count-to避坑指南:数字增长动画的7个常见问题与解决方案

Vue3-Count-To深度避坑实战:数字动画7大疑难解析 数字动态增长效果在数据可视化、金融仪表盘和运营数据展示中扮演着关键角色。vue3-count-to作为Vue3生态中专精于此的轻量级库,虽然API简洁,但在真实业务场景中往往会遇到各种边界情况。本文将…...

Apache Arrow Rust社区与生态:参与开源项目的最佳路径

Apache Arrow Rust社区与生态:参与开源项目的最佳路径 【免费下载链接】arrow-rs Apache Arrow Rust: 一个Rust语言实现的Apache Arrow数据交换格式,可用于高效地在不同计算引擎之间传输和操作大规模数据。它支持多种数据类型和编码方式,并提…...

【搭建单双目散斑结构光Demo】

介绍 最近搭了一个用于研究的单目散斑结构光的硬件Demo。发射端使用VCSEL模组投影散斑,接收端使用工业相机采集图像。工业相机曝光时输出同步信号给驱动板,驱动板控制VCSEL发光投射出散斑图案,同步时间精度可以达到十微秒。也可以配两个工业…...

零基础入门:5分钟学会用Ollama运行Granite-4.0-H-350M文本生成

零基础入门:5分钟学会用Ollama运行Granite-4.0-H-350M文本生成 1. 为什么选择Granite-4.0-H-350M Granite-4.0-H-350M是一个轻量级但功能强大的文本生成模型,特别适合初学者和资源有限的用户。它只有3.5亿参数,却能在普通电脑上流畅运行&am…...

不止于复现:用Fluent UDF模拟化学反应放热的3个高级技巧与收敛性优化

不止于复现:用Fluent UDF模拟化学反应放热的3个高级技巧与收敛性优化 在储氢反应器仿真领域,许多工程师能够完成基础的能量源项UDF加载,却常常陷入残差震荡、计算结果失真的困境。本文将从三个实战维度,分享如何让化学反应放热模拟…...

墨语灵犀开源模型生态:对接LangChain/RAG构建专属翻译知识库

墨语灵犀开源模型生态:对接LangChain/RAG构建专属翻译知识库 1. 引言:当古典美学遇见现代AI架构 在人工智能技术快速发展的今天,翻译工具已经从简单的词汇转换演变为理解文化语境和语义深度的智能系统。「墨语灵犀」作为基于腾讯混元大模型…...

Neeshck-Z-lmage_LYX_v2实际作品:基于LoRA微调的专属IP形象批量生成

Neeshck-Z-lmage_LYX_v2实际作品:基于LoRA微调的专属IP形象批量生成 1. 引言:从零到一,打造你的专属数字形象 想象一下,你需要为你的品牌、游戏或者社交媒体账号设计一套统一的视觉形象。传统的做法是找设计师,沟通需…...

LoRA训练助手实际作品集:50+真实图片描述→高质量英文Tag转化示例

LoRA训练助手实际作品集:50真实图片描述→高质量英文Tag转化示例 1. 工具简介与核心价值 LoRA训练助手是一个专门为AI绘画爱好者设计的智能标签生成工具。无论你是想要训练自己的Stable Diffusion模型,还是需要为FLUX模型准备训练数据,这个…...

Avalonia预览器罢工了?别慌,手把手教你排查和修复‘无法加载axaml预览’的坑

Avalonia预览器崩溃自救指南:从错误日志到配置优化的全链路解决方案 当你正沉浸在Avalonia跨平台UI开发的流畅体验中,突然发现预览窗口变成一片空白,右下角弹出"无法加载axaml预览"的红色警告——这种突如其来的开发中断&#xff0…...

Ice:macOS菜单栏管理终极指南,彻底告别杂乱无章

Ice:macOS菜单栏管理终极指南,彻底告别杂乱无章 【免费下载链接】Ice Powerful menu bar manager for macOS 项目地址: https://gitcode.com/GitHub_Trending/ice/Ice 想要彻底掌控macOS菜单栏,告别杂乱无章的图标堆积吗?I…...

B站视频下载终极指南:DownKyi高效工具完整使用教程

B站视频下载终极指南:DownKyi高效工具完整使用教程 【免费下载链接】downkyi 哔哩下载姬downkyi,哔哩哔哩网站视频下载工具,支持批量下载,支持8K、HDR、杜比视界,提供工具箱(音视频提取、去水印等&#xff…...

Cogito-v1-preview-llama-3B效果展示:STEM题目分步推导+代码生成真实截图

Cogito-v1-preview-llama-3B效果展示:STEM题目分步推导代码生成真实截图 1. 模型能力概览 Cogito v1 预览版是Deep Cogito推出的混合推理模型系列,在大多数标准基准测试中均超越了同等规模下最优的开源模型。这个3B参数的模型在编码、STEM题目解答、指…...

Llama-3.2V-11B-cot代码实例:Streamlit中图片上传与缓存机制

Llama-3.2V-11B-cot代码实例:Streamlit中图片上传与缓存机制 1. 项目概述 Llama-3.2V-11B-cot是基于Meta Llama-3.2V-11B-cot多模态大模型开发的高性能视觉推理工具,专为双卡4090环境优化。该工具通过Streamlit构建了直观易用的交互界面,特…...

M2LOrder模型管理实战:Python脚本自动扫描/opt目录并生成模型索引表

M2LOrder模型管理实战:Python脚本自动扫描/opt目录并生成模型索引表 1. 项目背景与需求 在实际的AI模型部署和维护过程中,我们经常会遇到模型文件分散存储、版本混乱、信息不透明的问题。M2LOrder情感识别系统就是一个典型的例子,它包含了9…...