正电子寿命测量法用于半导体材料中空位型缺陷的测量。这是一种带有测量装置和电源的全寿命正电子寿命测量系统。在寿命（时间）测量系统中，时间是用3GS/s采集卡来测量的，进来信号是由两BaF2的闪烁体产生的高速脉冲信号。在符合多普勒展宽的情况下，用两个锗半导体探测器符合的波高值制成二维直方图。此外，这些设备可以用来测AMOC，这个寿命和动量相关。Feature●功能： Lifetime、CDB和AMOC
翻译
2017-10-22 16:19:13
2633阅读
点赞
FPGA和ASIC的概念，他们的区别。（未知）
答案：FPGA是可编程ASIC。
ASIC:专用集成电路，它是面向专门用途的电路，专门为一个用户设计和制造的。根据一个用户的特定要求，能以低研制成本，短、交货周期供货的全定制，半定制集成电路。与门阵列等其它ASIC(Application Specific IC)相比，它们又具有设计开发周期短、设计制造成本低、
标注产品后通过训练平台完成模型训练经过少量样品训练得到测试结果，表明深度学习对传统视觉算法比较棘手的缺陷检测
原创
2021-11-25 17:41:14
192阅读
OverviewThis example demonstra
原创
2021-11-26 11:53:43
650阅读
标注产品后通过训练平台完成模型训练 经过少量样品训练得到测试结果，表明深度学习对传统视觉算法比较棘手的缺陷检测方面，能简单粗暴的解决问题，后续就是增加缺陷样品的收集，标注，以及模型的训练。
原创
2021-11-29 09:27:44
362阅读
通过labview深度学习标注工具对样本进行标注，两类NG进行标注，标注完成后扩展样本数量级，以少量样本获得
原创
2021-11-25 17:38:01
466阅读
labview深度学习应用于缺陷检测标注产品后通过训练平台完成模型训练经过少量样品训练得到测试结果，表明深度学习对传统视觉算法比较棘手的缺陷检测方面，能简单粗暴的解决问题，后续就是增加缺陷样品的收集，标注，以及模型的训练。
原创
2021-11-26 13:35:43
613阅读
近年来，受全球经济增速放缓影响，制造业面临着从开拓增量市场到升级存量市场的加速转变，而利用智能化、数字化技术进行改造正是目前众多企业转型方向。质检一直是制造生产流程中举足轻重的一个环节，产品上一处微小缺陷有可能影响制造商整体生产良率，若不小心流入市场，更有可能产生无法想象的安全风险。“二八法则”，解决最难的问题目前现有工业视觉检测技术只能解决80%的问题，剩下20%的难题，还亟待攻克。为应对挑战，
一、软件测试定义1.简单来说，软件测试就是从现有软件中，尽可能多的发现bug的过程。●说明：（1）软件不完美，或多或少存在bug，所以测试人员的职责不是“消灭”bug,而是尽可能多的发现bug（2）软件测试强调的是查找bug的过程，只要完成了排查bug的过程，无论是否发现bug，都是在测试（3）软件测试的最终目的是能够保证软件有一个好的质量（QA-质量保证）二、软件开发的阶段划分（1）需求分析阶段
官方链接：Vision-based SIS for steel该数据集是东北大学的宋克臣等几位老师收集的，一共包含了三类数据，官网有时打不开，三种缺陷数据集我都我保存到了百度网盘里百度网盘链接：链接：https://pan.baidu.com/s/1bAKoSG7VHE98JdHJPGJvcw 提取码：ibje（1）NEU surface defect database数据集收集了夹杂、划痕、压入
文章目录简介程序解析处理结果预览算法讲解 简介detect_indent_fft.hdev是halcon的示例程序，是傅里叶变换进行缺陷检测的一个例子，主要是傅里叶变换在复杂背景下的缺陷检测。这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行缺陷检测，大致分为三步：1、用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；2、将原图和构造的滤波器进行快速傅里叶变换；3、利
作者介绍1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面2.2 主界面2.3 检测过程的界面3 总结4.后续可优化的部分 作者介绍张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。 研究方向：机器视觉与人工智能。1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面封面界面用于软件打开时跳出的界
先挖个坑，把之前做过的缺陷检测记录一下，以后有时间再来填坑U-NetU-Net网络发表于2015年，最开始是用于医学细胞图像分割，但是针对其他的分割问题，U-Net似乎也表现出了不错的性能[2]。该网络结构如下图所示，其整体的流程实际上是一个编码和解码（encoder-decoder）的过程。 U-Net网络是一个经典的全卷积网络，输入为572×572大小的图片，论文中将网络左侧称为contrac
施努卡（SCHNOKA）成立于2010年，先后在上海，苏州及武汉建立了分公司。国家高新技术企业，致力于打造面向智能产线与智慧工厂最强控制大脑的高科技公司。公司围绕感知&识别核心技术构建智能装备，基于机器人视觉算法与单机器人工作站、多机器人群体共融、行业定制化应用。打造产品体系，面向智能生产线、智慧物流等场景实现软件定义智能。SCHNOKA （施努卡）在3D机器视觉算法、机器人柔性控制、手眼
LabVIEW创建自由标签 关联注释按照下列步骤，创建一个自由标签：用标签工具单击任意空白区域。如自动选择工具已启用，双击任意空白区域。也可分别从控件或函数选板上选择标签并放置在前面板或程序框图上。此时将出现一个小的方框，其左端有一个文本游标，供键入文本。输入您想要在标签中显示的文本。在程序框图标签上添加#以创建书签。向前面板或程序框图标签添加URL（协议://域名），可在因特网或网络创
代码看起来可以工作，但不是以你“想当然“”的方式。如果一段代码直接出错，抛出了异常，我不认为这是陷阱。比如，Python程序员应该都遇到过的“UnboundLocalError", 示例： >>> a=1
>>> def func():
... a+=1
... print a
...
>>> fu
今天来一个缺陷检测的实例，如下是原图，第二个和第三个黑色部件有缺陷 思路: ①提取OK部件轮廓做model ②遍历部件轮廓，做差分，形态学处理 ③结果判断绘制 上代码(含注释）：import cv2
import numpy as
转载
2023-10-13 11:03:01
134阅读
缺陷检测是每家生产企业都必不可少的一个环节，随着人们对产品的美观度、舒适度、使用性能等方面要求的不断提高，缺陷视觉检测的精准度、速度更是影响着成品的质量，并成为越来越多企业采用的有效手段。那么什么是视觉检测系统？它又是如何工作的呢？什么是视觉检测？机器视觉技术是一种无接触、无损伤的自动检测技术，是实现设备自动化、智能化和精密控制的有效手段，具有安全可靠、光谱响应范围宽、可在恶劣环境下长时间工作和生
前言缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。1、A fast and robust convolutional neur
一、利用直方图的方式进行批量的图片缺陷检测（方法简单）二、步骤（完整代码见最后）2.1灰度转换（将原图和要检测对比的图分开灰度化）
灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i
转载
2023-08-03 19:48:47
525阅读
