yolov5系列自诞生已经持续迭代了很多个版本了，目前官方开发者迭代的最新版本是v6.2，已经覆盖了分类、检测盒分割三大主流CV任务了，基于yolov5融合各种tricks是很多开发者或者是学生喜欢做的事情，基于yolov5也已经诞生了很多学术文章了，bifpn是一种比较有效的特征融合技术，最早在efficientnet中提出，之后很多网络也都有尝试进行融合，今天正好有时间就想着，基于yolov5
codeblocks配置完opencv后，无法调试，打断点，调试，然后，就没有然后了 一番查阅，发现是因为程序路径中有中文！！！！！！！哎更进一步测试，路径中也不能有空格，有空格的话程序都不运行了，黑框一闪就退了！！！程序内容是一行都不执行！！！！2022/2/7更新， 今日遇到OpenCV需要调试程序，发现点调试后闪一下黑框后就返回了，也没执行完就没了，查阅资料后发现在编译器调试里一项设置打勾
转载
2024-08-06 09:20:25
23阅读
Gabor是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉系统类似，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，因此十分适合纹理分析。 理论和C++版本的Gabor实现看：gabor参数说明： 波长（λ）：它的值以像素为单位指定，通常大于等于2.但不能大于输入图像尺寸的五分之一。通常用的是它的倒数频率f大于等于0.2。方向（θ）：这个参数指定了Gabor函数并行条纹的方
转载
2024-04-08 13:54:19
96阅读
1.图片演示2.视频演示3.项目背景在一幅图像中包括的内容有很多，除了目标物体之外，还有背景信息以及各类噪声信息。那么要想能够从多种内容的数字图像当中直接提取出我们所需要的目标物体，就需要加强目标的图像特征，削弱干扰物的图像特征。图像分割中的二值化分割就能实现如上的功能。 图像二值化分割就是将图像上的像素点的灰度值根据某种或某些算法设置为0或255，也就是将整个图像呈现出明显的黑白效果。将采集的图
转载
2024-06-03 19:42:44
364阅读
先看提取轮廓的代码：
1. Mat image = imread("D:/picture/images/binaryGroup.bmp",0);
2. if(!image.data)
3. return -1;
4. imshow("源图像",image);
5.
6. //获取轮廓
7. std::vector<std::vector<Poi
转载
2024-06-24 11:17:51
96阅读
基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测导图和笔记资源下载三级目录# （外 Q1 2021）基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测chap2 传统裂纹检测方法1）Traditional Image Process-Based Crack DetectionWavelet Transform小波转换将路面图像信号转换到频域，并设置适当的阈值用以划分裂纹的高频信号和非裂纹的
转载
2024-06-24 14:33:43
294阅读
几种常见焊接裂纹的解析 焊接裂纹 焊接件中最常见的一种严重缺陷。在焊接应力及其他致脆因素共同作用下，焊接接头中局部地区的金属原子结合力遭到破坏而形成的新界面所产生的缝隙。它具有尖锐的缺口和大的长宽比的特征
传统的强度设计思想把材料视为无缺陷的均匀连续体，而实际工程构件中存在多种缺陷，断裂力学是一门弥补传统强度设计思想严重不足的新的科学。本文就ANSYS在断裂方面的分析能力进行案例说明。19.0中新增加的裂纹生长的计算方法——SMART。关于SMART裂纹生长方法的主要特性在单元材料上仅支持各项同线弹性材料，在单元上必须使用SOLID187(二阶四面体单元)。在裂纹生长计算过程中，忽略大变形和有限转动
转载
2023-10-15 22:16:38
358阅读
在我之前的博文中已经写过几篇关于特定场景下的裂痕裂缝检测的模型实践文章，后面也有很项目应用都是基于此构建的，这里主要是对前面几篇博文的数据集进行介绍。接下来主要是针对性地对数据集进行介绍【基础数据集】整体数据单样本尺寸为416*416，可以直接用于模型训练，该型数据集全部来源于真实采集、网络爬取等，全部由人工标注。精细粒度的小框覆盖标注方式完成的数据标注，如下： 图像数据如下： 
转载
2024-01-05 16:25:18
184阅读
对应示例程序： detect_mura_defects_blur.hdev目标：实例实现LCD上有很多污点干扰下，检测LCD的印痕检测。思路为：对LCD图像进行拆分，提取RGB三个分量。 对B分量进行处理，将其转换为频域内图像，并对其进行高斯卷积。 再将卷积处理后的图像转换回空间域图像。 随后将B分量图像和处理后的B分量图像用算子sub_image做差运算。 最后就可以调用lines_gauss提
转载
2024-01-02 12:44:36
150阅读
背景介绍 材料中不可避免的具有各种缺陷，引起工程中结构断裂的发生。针对裂纹扩展相关问题，研究学者基于线弹性断裂力学，通过理论或数值手段得到裂纹尖端的应力强度因子KI、KII 和 KIII 以及应变能释放率GI、GII 和 GIII，对裂纹的扩展状态进行判定。但是基于线弹性力学对裂纹问题模拟时，需要在试件中预制裂纹，并且在裂纹尖端存在奇异性，内聚力模型避免了线弹性力学相应的弊端，提供了一种解决裂纹
转载
2024-01-17 12:24:57
116阅读
先来看一段我们项目常见的Shader代码，这个是Vertex&Fragment shader，目前已经不常用了，不过还是适合我们理解一些基础知识和理解一些比较老的shader 代码。下次我们再讲unity主推的surface shader 1 Shader "Custom/test"
2 {
3 Properties
4 {
5 _MainTe
转载
2024-10-16 16:26:03
109阅读
原图： 处理后的图片：主要方法为： 对图像进行拆分，提取RGB三个分量。 对B分量进行处理，将其转换为频域内图像，并对其进行高斯卷积。 再将卷积处理后的图像转换回空间域图像。 随后将B分量图像和处理后的B分量图像用算子sub_image做差运算。 最后就可以调用lines_gauss提取印痕了。 为避免边框对lines_gauss的影响，对图像进行了一定的截取处理， 用erosion_rectan
转载
2024-04-06 09:33:42
641阅读
在当前工业制造和建筑工程领域，裂纹检测问题的合理解决对结构安全与使用寿命至关重要。Python作为一种强大的编程语言，其在图像处理与机器学习领域的应用获得了广泛关注。本文将系统性地探索“Python裂纹检测”的相关技术，从背景到特性、实战应用，再到选型与生态扩展，提供全面的视角。
## 背景定位
裂纹检测技术在许多领域都有应用，包括但不限于：航空航天、桥梁监测、土木工程等。这些领域都面临着需要
作者 | 小白混凝土建筑裂缝介绍表面裂缝检测是监测混凝土结构健康的一项重要任务。如果裂纹发展并继续扩展，它们会减少有效承载表面积，并且随着时间的推移会导致结构失效。裂纹检测的人工过程费时费力，且受检验人员主观判断的影响。在高层建筑和桥梁的情况下，手动检查也可能难以执行。在这篇文章中，我们使用深度学习来构建一个简单但非常准确的裂缝检测模型。此外，我们在现实世界的数据上测试了模型，发现该模型
# 机器学习裂纹扩展的实现指南
在现代工程及材料科学中，裂纹扩展的预测对于结构安全至关重要。通过机器学习技术，我们可以有效地分析和预测裂纹的发展。本文将详细介绍如何利用机器学习来实现裂纹扩展的预测，特别是针对初学者的讲解。
## 工作流程
下面是实现“机器学习裂纹扩展”的整体流程：
```mermaid
flowchart TD
A[收集数据] --> B[数据预处理]
B
笛卡尔坐标系1. 二维笛卡尔坐标系其实我们小学就开始接触的二维坐标系就是笛卡尔坐标系，只是我们当时并不知道这个名字而已。x轴和y轴互相垂直，也称为该坐标系的基矢量。在OpenGL和DirectX中使用了不同的二维笛卡尔坐标系2. 三维笛卡尔坐标系三维笛卡尔坐标系中，需要定义三个坐标轴和一个原点，如下图：这三个坐标轴也称为基矢量(basis vector)，通常三个坐标轴是互相垂直的，而且长度为1，
自定义数据处理部分：import torch.utils.data as data
import os, glob
import random, csv
import PIL.Image as Image
from torchvision import transforms
class CrackDataset(data.Dataset):
# 创建CrackDataset类的实例时，
图像增广与扩充—带有噪声的黑白裂缝图像扩充，用于裂缝检测训练 文章目录图像增广与扩充---带有噪声的黑白裂缝图像扩充，用于裂缝检测训练1. 初始数据获得2. 传统图像扩充、基于深度学习的图像扩充（GAN网络）3. 将生成的裂缝图像和黑色背景融合4. 添加噪声5. 最终得到裂缝图像以及对应的label（记录着裂缝的位置） 目前整理了githup仓库，欢迎star： Du-danger 1. 初始数
图像裂纹检测
原创
2021-07-16 17:09:23
982阅读
