摘 要: 本文介紹了在斜置式方形探針測(cè)試系統(tǒng)中,如何應(yīng)用圖像識(shí)別技術(shù)來判定探針在微區(qū)的位置,進(jìn)而控制步進(jìn)電機(jī),使探針自動(dòng)定位成方形結(jié)構(gòu),從而保證測(cè)試的準(zhǔn)確性,并對(duì)測(cè)試結(jié)構(gòu)對(duì)測(cè)試結(jié)果的影響,進(jìn)行了初步論述。
引言
四探針技術(shù)是半導(dǎo)體生產(chǎn)工藝中采用的最為廣泛的工藝監(jiān)控手段之一,隨著對(duì)基片微區(qū)性能要求的提高,需要四探針技術(shù)提供更加微細(xì)可靠的基片性能描述。也就是說要求測(cè)試區(qū)域越來越小,測(cè)試點(diǎn)越來越多。在這種情況下,普通直線四探針的測(cè)試分辨率(3mm范圍以上)已經(jīng)不能滿足測(cè)試需要,斜置式方形四探針可以提供0.5mm左右的測(cè)試分辨率,但對(duì)于如此小的測(cè)試區(qū)域,以及成百上千的測(cè)試點(diǎn),用人工判斷測(cè)試結(jié)構(gòu)的幾何精確性,記錄測(cè)試結(jié)果是不現(xiàn)實(shí)的,因此我們將圖像識(shí)別引用到了四探針測(cè)試技術(shù)中來解決以上問題。
圖1 方形探針測(cè)試結(jié)構(gòu)
圖 2 游移后的探針測(cè)試圖
圖3 基片圖像直方圖
圖4加載探針后的基片直方圖
圖5 粗調(diào)后的探針圖像
圖 6 探針定位圖
測(cè)試結(jié)構(gòu)對(duì)測(cè)試結(jié)果的影響
Rymaszewski[1]對(duì)直線四探針測(cè)量無窮大樣品提出下列公式:
exp(-2pV1/IRs)+exp(-2pV2/IRs)=1 (1)
由式(1)得:
RS= (2)
對(duì)于方形四探針,當(dāng)其呈嚴(yán)格正方形時(shí),如圖1所示。根據(jù)物理基礎(chǔ)和電學(xué)原理可知:
V34=f3-f4=ln (2)
V41=f4-f1=ln (2)
所以有
exp()+exp()=1
所以當(dāng)探針呈正方形結(jié)構(gòu)時(shí),我們可應(yīng)用公式(2)來計(jì)算被測(cè)樣品的方塊電阻。
但是當(dāng)正方形測(cè)試結(jié)構(gòu)發(fā)生形變,不能構(gòu)成嚴(yán)格正方形時(shí)(如圖2所示),此時(shí),由物理基礎(chǔ)和電學(xué)原理求得的結(jié)果為:
exp()+ exp()=
也就是說,式(1)和式(2)在非方形探針情況下不再成立。計(jì)算表明,設(shè)a=1,則x1、x2、x3、x4以及y1、y2、y3、y4分別等于±0.1和0時(shí),最大誤差超過10%,同時(shí)也表明當(dāng)只要將|r5-r6|控制在邊長(zhǎng)的0.35倍內(nèi),就可以保證測(cè)試結(jié)果的誤差在5%以內(nèi)。為了保證測(cè)試的精確性,我們將圖像識(shí)別技術(shù)引進(jìn)測(cè)試系統(tǒng)中。
圖 7 調(diào)整后的探針圖像
圖像識(shí)別在測(cè)試系統(tǒng)中的應(yīng)用
為了讓測(cè)試結(jié)果的誤差可以控制,需要實(shí)時(shí)采集測(cè)試過程中的探針位置圖像,通過對(duì)探針圖像的識(shí)別、計(jì)算,并在必要的情況下通過步進(jìn)電機(jī)控制探針的移動(dòng),來保證四探針的方形測(cè)試結(jié)構(gòu)的精確性。
通過直方圖選擇邊界閾值
灰度直方圖是數(shù)字圖像處理中最簡(jiǎn)單、最有用的工具之一[2],是灰度級(jí)的函數(shù),描述的是圖像中具有該灰度級(jí)的像素的個(gè)數(shù):其橫坐標(biāo)是灰度級(jí),縱坐標(biāo)是該灰度出現(xiàn)的頻率(像素的個(gè)數(shù))。如果一圖像由兩個(gè)不鏈接的區(qū)域組成,并且每個(gè)區(qū)域的直方圖已知,則整幅圖像的直方圖是這兩個(gè)區(qū)域直方圖的和,也就是說直方圖具有疊加性。由此出發(fā)我們分別采得的純基片圖像,以及加載探針(斜置探針的針尖)以后的圖像的直方圖,如圖3、圖4所示。
分析上述直方圖,我們發(fā)現(xiàn)加載探針后的直方圖在低灰度級(jí)上新增加了一個(gè)波峰。因?yàn)槲覀儾捎玫姆瓷涑上裣到y(tǒng),探針對(duì)光的反射效果比基片差,因而所成的圖像灰度級(jí)也就比基片的低,所以基片的圖像產(chǎn)生了直方圖上的右峰(圖3證實(shí)了這一點(diǎn)),而探針的圖像就產(chǎn)生了直方圖上的左峰(見圖4)。兩個(gè)峰值之間灰度級(jí)的像素?cái)?shù)目相對(duì)較少,從而產(chǎn)生了兩峰之間的谷,選擇谷做閾值將可以合理的將探針圖像從基片圖像中識(shí)別出來。如圖4所示我們可以將像素閾值取為117,判斷圖像中點(diǎn)的灰度值,大于它的就是基片,小于它的就是探針,這樣就可以識(shí)別出圖像中的探針區(qū)域。
中心探測(cè)確定探針位置
首先我們要對(duì)探針進(jìn)行粗調(diào),使其軸線沿整個(gè)圖形的中心線分布,如圖5所示。由于探針的針尖成橢圓形,且處于斜置狀態(tài),所以定位探針針尖時(shí),既不能認(rèn)定其是探針沿軸線的第一個(gè)邊界點(diǎn),也不能依照各種質(zhì)心算法,按質(zhì)心的定位來確定針尖的位置。經(jīng)多次實(shí)驗(yàn)驗(yàn)證,我們從整幅圖像的中心位置出發(fā),以一定的像素寬度(每個(gè)像素對(duì)應(yīng)實(shí)物距離為0.955mm)分別沿上下、左右四個(gè)方向進(jìn)行掃描,如果某掃描范圍內(nèi)的像素灰度值都小于我們選定的閾值,則認(rèn)為該掃描范圍的中心位置即為探針的針尖位置。如圖6所示,設(shè)探針定位圖像的長(zhǎng)、寬度分別為m、n,我們從()點(diǎn)出發(fā),以粗實(shí)線的寬度(7個(gè)像素)向四個(gè)方向掃描,以圖像中上方1號(hào)探針的識(shí)別為例,向上掃描,當(dāng)y>y1時(shí),如果該高度上虛線所示范圍內(nèi)的像素的灰度值,不能全部滿足小于我們?cè)O(shè)定的灰度閾值的要求,則我們將它視為基片,而不是探針,直到我們掃描到y(tǒng)=y(tǒng)1這一行,發(fā)現(xiàn)該行對(duì)應(yīng)的掃描寬度內(nèi)的點(diǎn)都在我們?cè)O(shè)定的閾值范圍內(nèi),于是就將(y1)這一點(diǎn)定位為1號(hào)探針現(xiàn)在的位置。其它探針的定位與此相似,不再贅述。
識(shí)別的結(jié)果如圖6所示中的短粗線所示,探針的位置就定位為(y1)、(y2)、(x1,)、()。實(shí)驗(yàn)證明這種識(shí)別方式對(duì)探針針尖的定位是比較合理和精確的。
驅(qū)動(dòng)步進(jìn)電機(jī)調(diào)整探針的測(cè)試結(jié)構(gòu)
完成上面所說的圖像識(shí)別定位之后,驅(qū)動(dòng)步進(jìn)電機(jī)使探針移動(dòng)并讓探針就圖像中心對(duì)稱分布,并保證對(duì)角線相等,即可保證正方形的測(cè)試結(jié)構(gòu)。
圖像的可視寬度為800mm,對(duì)應(yīng)圖像的寬度為764(以像素為單位),假設(shè)測(cè)試距離要求為m,則測(cè)試結(jié)構(gòu)要求探針距圖像中心點(diǎn)的距離為m/2,它對(duì)應(yīng)的圖像上的寬度k=,將這個(gè)值與探針現(xiàn)在的定位位置距圖像中心的距離j(仍以圖像中上方1號(hào)探針為例,j=n/2-y1)相比較即可確定探針的移動(dòng)方向是前進(jìn)還是后退,從而確定相應(yīng)步進(jìn)電機(jī)是正轉(zhuǎn)還是反轉(zhuǎn),|k-j|值的大小可用來確定電機(jī)轉(zhuǎn)動(dòng)的步數(shù)。我們所使用的步進(jìn)電機(jī),每步的最小移動(dòng)量為2.5mm,對(duì)應(yīng)的圖像距離約為2.4(個(gè)像素),將|k-j|的值除以2.4即可得出探針的移動(dòng)步數(shù),雖然因?yàn)椴荒苷赡芤a(chǎn)生一些誤差,但誤差不會(huì)超過2mm,這對(duì)于幾百微米的測(cè)試寬度來說,是可以忽略不計(jì)的,對(duì)測(cè)試結(jié)果幾乎不會(huì)產(chǎn)生什么影響。圖7是對(duì)圖5所對(duì)應(yīng)的測(cè)試圖形進(jìn)行調(diào)整后所得的結(jié)果。
結(jié)語
圖像識(shí)別技術(shù)的應(yīng)用使得測(cè)量結(jié)構(gòu)的精確程度得到了可靠的保證,使得不需要人工干預(yù)的大數(shù)據(jù)測(cè)量成為可能。隨著微區(qū)測(cè)試技術(shù)的發(fā)展,圖像識(shí)別技術(shù)必將在其中得到更加廣泛的應(yīng)用。











引言
四探針技術(shù)是半導(dǎo)體生產(chǎn)工藝中采用的最為廣泛的工藝監(jiān)控手段之一,隨著對(duì)基片微區(qū)性能要求的提高,需要四探針技術(shù)提供更加微細(xì)可靠的基片性能描述。也就是說要求測(cè)試區(qū)域越來越小,測(cè)試點(diǎn)越來越多。在這種情況下,普通直線四探針的測(cè)試分辨率(3mm范圍以上)已經(jīng)不能滿足測(cè)試需要,斜置式方形四探針可以提供0.5mm左右的測(cè)試分辨率,但對(duì)于如此小的測(cè)試區(qū)域,以及成百上千的測(cè)試點(diǎn),用人工判斷測(cè)試結(jié)構(gòu)的幾何精確性,記錄測(cè)試結(jié)果是不現(xiàn)實(shí)的,因此我們將圖像識(shí)別引用到了四探針測(cè)試技術(shù)中來解決以上問題。
圖1 方形探針測(cè)試結(jié)構(gòu)
圖 2 游移后的探針測(cè)試圖
圖3 基片圖像直方圖
圖4加載探針后的基片直方圖
圖5 粗調(diào)后的探針圖像
圖 6 探針定位圖
測(cè)試結(jié)構(gòu)對(duì)測(cè)試結(jié)果的影響
Rymaszewski[1]對(duì)直線四探針測(cè)量無窮大樣品提出下列公式:
exp(-2pV1/IRs)+exp(-2pV2/IRs)=1 (1)
由式(1)得:
RS= (2)
對(duì)于方形四探針,當(dāng)其呈嚴(yán)格正方形時(shí),如圖1所示。根據(jù)物理基礎(chǔ)和電學(xué)原理可知:
V34=f3-f4=ln (2)
V41=f4-f1=ln (2)
所以有
exp()+exp()=1
所以當(dāng)探針呈正方形結(jié)構(gòu)時(shí),我們可應(yīng)用公式(2)來計(jì)算被測(cè)樣品的方塊電阻。
但是當(dāng)正方形測(cè)試結(jié)構(gòu)發(fā)生形變,不能構(gòu)成嚴(yán)格正方形時(shí)(如圖2所示),此時(shí),由物理基礎(chǔ)和電學(xué)原理求得的結(jié)果為:
exp()+ exp()=
也就是說,式(1)和式(2)在非方形探針情況下不再成立。計(jì)算表明,設(shè)a=1,則x1、x2、x3、x4以及y1、y2、y3、y4分別等于±0.1和0時(shí),最大誤差超過10%,同時(shí)也表明當(dāng)只要將|r5-r6|控制在邊長(zhǎng)的0.35倍內(nèi),就可以保證測(cè)試結(jié)果的誤差在5%以內(nèi)。為了保證測(cè)試的精確性,我們將圖像識(shí)別技術(shù)引進(jìn)測(cè)試系統(tǒng)中。
圖 7 調(diào)整后的探針圖像
圖像識(shí)別在測(cè)試系統(tǒng)中的應(yīng)用
為了讓測(cè)試結(jié)果的誤差可以控制,需要實(shí)時(shí)采集測(cè)試過程中的探針位置圖像,通過對(duì)探針圖像的識(shí)別、計(jì)算,并在必要的情況下通過步進(jìn)電機(jī)控制探針的移動(dòng),來保證四探針的方形測(cè)試結(jié)構(gòu)的精確性。
通過直方圖選擇邊界閾值
灰度直方圖是數(shù)字圖像處理中最簡(jiǎn)單、最有用的工具之一[2],是灰度級(jí)的函數(shù),描述的是圖像中具有該灰度級(jí)的像素的個(gè)數(shù):其橫坐標(biāo)是灰度級(jí),縱坐標(biāo)是該灰度出現(xiàn)的頻率(像素的個(gè)數(shù))。如果一圖像由兩個(gè)不鏈接的區(qū)域組成,并且每個(gè)區(qū)域的直方圖已知,則整幅圖像的直方圖是這兩個(gè)區(qū)域直方圖的和,也就是說直方圖具有疊加性。由此出發(fā)我們分別采得的純基片圖像,以及加載探針(斜置探針的針尖)以后的圖像的直方圖,如圖3、圖4所示。
分析上述直方圖,我們發(fā)現(xiàn)加載探針后的直方圖在低灰度級(jí)上新增加了一個(gè)波峰。因?yàn)槲覀儾捎玫姆瓷涑上裣到y(tǒng),探針對(duì)光的反射效果比基片差,因而所成的圖像灰度級(jí)也就比基片的低,所以基片的圖像產(chǎn)生了直方圖上的右峰(圖3證實(shí)了這一點(diǎn)),而探針的圖像就產(chǎn)生了直方圖上的左峰(見圖4)。兩個(gè)峰值之間灰度級(jí)的像素?cái)?shù)目相對(duì)較少,從而產(chǎn)生了兩峰之間的谷,選擇谷做閾值將可以合理的將探針圖像從基片圖像中識(shí)別出來。如圖4所示我們可以將像素閾值取為117,判斷圖像中點(diǎn)的灰度值,大于它的就是基片,小于它的就是探針,這樣就可以識(shí)別出圖像中的探針區(qū)域。
中心探測(cè)確定探針位置
首先我們要對(duì)探針進(jìn)行粗調(diào),使其軸線沿整個(gè)圖形的中心線分布,如圖5所示。由于探針的針尖成橢圓形,且處于斜置狀態(tài),所以定位探針針尖時(shí),既不能認(rèn)定其是探針沿軸線的第一個(gè)邊界點(diǎn),也不能依照各種質(zhì)心算法,按質(zhì)心的定位來確定針尖的位置。經(jīng)多次實(shí)驗(yàn)驗(yàn)證,我們從整幅圖像的中心位置出發(fā),以一定的像素寬度(每個(gè)像素對(duì)應(yīng)實(shí)物距離為0.955mm)分別沿上下、左右四個(gè)方向進(jìn)行掃描,如果某掃描范圍內(nèi)的像素灰度值都小于我們選定的閾值,則認(rèn)為該掃描范圍的中心位置即為探針的針尖位置。如圖6所示,設(shè)探針定位圖像的長(zhǎng)、寬度分別為m、n,我們從()點(diǎn)出發(fā),以粗實(shí)線的寬度(7個(gè)像素)向四個(gè)方向掃描,以圖像中上方1號(hào)探針的識(shí)別為例,向上掃描,當(dāng)y>y1時(shí),如果該高度上虛線所示范圍內(nèi)的像素的灰度值,不能全部滿足小于我們?cè)O(shè)定的灰度閾值的要求,則我們將它視為基片,而不是探針,直到我們掃描到y(tǒng)=y(tǒng)1這一行,發(fā)現(xiàn)該行對(duì)應(yīng)的掃描寬度內(nèi)的點(diǎn)都在我們?cè)O(shè)定的閾值范圍內(nèi),于是就將(y1)這一點(diǎn)定位為1號(hào)探針現(xiàn)在的位置。其它探針的定位與此相似,不再贅述。
識(shí)別的結(jié)果如圖6所示中的短粗線所示,探針的位置就定位為(y1)、(y2)、(x1,)、()。實(shí)驗(yàn)證明這種識(shí)別方式對(duì)探針針尖的定位是比較合理和精確的。
驅(qū)動(dòng)步進(jìn)電機(jī)調(diào)整探針的測(cè)試結(jié)構(gòu)
完成上面所說的圖像識(shí)別定位之后,驅(qū)動(dòng)步進(jìn)電機(jī)使探針移動(dòng)并讓探針就圖像中心對(duì)稱分布,并保證對(duì)角線相等,即可保證正方形的測(cè)試結(jié)構(gòu)。
圖像的可視寬度為800mm,對(duì)應(yīng)圖像的寬度為764(以像素為單位),假設(shè)測(cè)試距離要求為m,則測(cè)試結(jié)構(gòu)要求探針距圖像中心點(diǎn)的距離為m/2,它對(duì)應(yīng)的圖像上的寬度k=,將這個(gè)值與探針現(xiàn)在的定位位置距圖像中心的距離j(仍以圖像中上方1號(hào)探針為例,j=n/2-y1)相比較即可確定探針的移動(dòng)方向是前進(jìn)還是后退,從而確定相應(yīng)步進(jìn)電機(jī)是正轉(zhuǎn)還是反轉(zhuǎn),|k-j|值的大小可用來確定電機(jī)轉(zhuǎn)動(dòng)的步數(shù)。我們所使用的步進(jìn)電機(jī),每步的最小移動(dòng)量為2.5mm,對(duì)應(yīng)的圖像距離約為2.4(個(gè)像素),將|k-j|的值除以2.4即可得出探針的移動(dòng)步數(shù),雖然因?yàn)椴荒苷赡芤a(chǎn)生一些誤差,但誤差不會(huì)超過2mm,這對(duì)于幾百微米的測(cè)試寬度來說,是可以忽略不計(jì)的,對(duì)測(cè)試結(jié)果幾乎不會(huì)產(chǎn)生什么影響。圖7是對(duì)圖5所對(duì)應(yīng)的測(cè)試圖形進(jìn)行調(diào)整后所得的結(jié)果。
結(jié)語
圖像識(shí)別技術(shù)的應(yīng)用使得測(cè)量結(jié)構(gòu)的精確程度得到了可靠的保證,使得不需要人工干預(yù)的大數(shù)據(jù)測(cè)量成為可能。隨著微區(qū)測(cè)試技術(shù)的發(fā)展,圖像識(shí)別技術(shù)必將在其中得到更加廣泛的應(yīng)用。
- 圖像識(shí)別(39915)
相關(guān)推薦
熱點(diǎn)推薦
干貨分享|如何利用LabVIEW實(shí)現(xiàn)汽車儀表圖像識(shí)別
圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域,隨著圖像處理與分析技術(shù)的快速發(fā)展,圖像識(shí)別已在醫(yī)療、零售、交通等領(lǐng)域得到了
2019-07-05 14:14:07
11273
11273深度學(xué)習(xí)視角下的貓狗圖像識(shí)別實(shí)現(xiàn)
包括數(shù)據(jù)集的準(zhǔn)備、模型構(gòu)建和訓(xùn)練過程,并探討了該技術(shù)在實(shí)際應(yīng)用中的潛在價(jià)值。 隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,圖像識(shí)別已經(jīng)成為其中的一個(gè)重要應(yīng)用領(lǐng)域。貓狗圖像識(shí)別是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)經(jīng)典問題,它對(duì)于理解和區(qū)分不
2023-08-15 10:38:30
4704
4704
圖像識(shí)別技術(shù)在印刷線路板精密測(cè)試中的應(yīng)用
?;?b class="flag-6" style="color: red">圖像識(shí)別的精密檢測(cè)是現(xiàn)代測(cè)量技術(shù)的發(fā)展方向。該方法利用光學(xué)投影把測(cè)試目標(biāo)成像于CCD攝像機(jī)芯片,芯片通過感光把測(cè)試目標(biāo)轉(zhuǎn)化為數(shù)字視頻信號(hào),分析數(shù)字圖像得出目標(biāo)的幾何尺寸。由于測(cè)試均由計(jì)算機(jī)實(shí)現(xiàn),排除人為
2018-11-22 11:01:25
圖像識(shí)別究竟是如何做到識(shí)別出不同的物體的
上一回為大家介紹了人工智能的基本概念和算法,講到了梯度下降法、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)的基本概念,還沒看過的小伙伴可以點(diǎn)擊這里。人工智能有一個(gè)重要領(lǐng)域就是圖像識(shí)別。比如:有許多軟件可以通過拍照的方法識(shí)別
2021-08-31 08:35:35
【HarmonyOS HiSpark AI Camera】基于本平臺(tái)開源圖像識(shí)別與應(yīng)用
項(xiàng)目名稱:基于本平臺(tái)開源圖像識(shí)別與應(yīng)用試用計(jì)劃:申請(qǐng)理由本人有多年的學(xué)習(xí)和開發(fā)經(jīng)驗(yàn),曾參與國(guó)內(nèi)開源軟件的開發(fā),對(duì)計(jì)算機(jī)圖像標(biāo)定技術(shù),圖像識(shí)別,基于標(biāo)識(shí)的跟蹤注冊(cè)技術(shù)有過深入的學(xué)習(xí)和探索。想借助發(fā)燒友
2020-11-19 09:45:40
【HarmonyOS HiSpark IPC DIY Camera試用 】圖像識(shí)別在車牌識(shí)別用的應(yīng)用
項(xiàng)目名稱:圖像識(shí)別在車牌識(shí)別用的應(yīng)用試用計(jì)劃:申請(qǐng)到后對(duì)攝像頭所拍到的車牌進(jìn)行識(shí)別,提高車牌的識(shí)別成功率以及準(zhǔn)確率做判斷,在實(shí)際的項(xiàng)目中做到對(duì)車主車輛的甄別,結(jié)合實(shí)際應(yīng)用完成設(shè)備的預(yù)研
2020-11-23 11:46:13
【NUCLEO-F412ZG申請(qǐng)】圖像識(shí)別
申請(qǐng)理由:項(xiàng)目描述:到手后將主要研究個(gè)關(guān)于圖像識(shí)別方面的功能,攝像頭采集圖像數(shù)據(jù)然后對(duì)圖像進(jìn)行處理,最終的目的是識(shí)別出圖像中的文字符號(hào)內(nèi)容(主要是字母數(shù)字的識(shí)別),以便于測(cè)試STM32的運(yùn)算性能。
2016-11-07 16:34:55
【NanoPi M1申請(qǐng)】基于NanoPi的OpenCV圖像識(shí)別
opencv3.調(diào)試攝像頭,采集圖像4.編寫圖像處理軟件擴(kuò)展:公司的產(chǎn)品需要在工廠搭建一套生產(chǎn)測(cè)試系統(tǒng),打算由這塊板子入手,添加BLE模塊,與產(chǎn)品的BLE通信,獲取測(cè)試數(shù)據(jù),圖像識(shí)別產(chǎn)品編號(hào),然后將測(cè)試記錄上傳服務(wù)器
2016-08-02 18:42:14
【瑞芯微RK1808計(jì)算棒試用申請(qǐng)】圖像識(shí)別以及芯片評(píng)測(cè)
`項(xiàng)目名稱:圖像識(shí)別以及芯片評(píng)測(cè)試用計(jì)劃:項(xiàng)目名稱:圖像識(shí)別以及芯片評(píng)測(cè)申請(qǐng)理由:1,拿到人工計(jì)算棒會(huì)進(jìn)行評(píng)估,完成linux項(xiàng)目的移植,本人有l(wèi)inux底層驅(qū)動(dòng)移植經(jīng)驗(yàn),以及rt-thread
2019-09-18 19:21:57
【飛凌嵌入式OK3568-C開發(fā)板試用體驗(yàn)】飛凌OK3568開發(fā)板圖像識(shí)別技術(shù)
圖像識(shí)別技術(shù)是當(dāng)今熱門、亟需的技術(shù),能夠掌握這門技術(shù)前途無量。公司這次申請(qǐng)開發(fā)板有一個(gè)重要開發(fā)點(diǎn)就是進(jìn)行圖像識(shí)別,然后根據(jù)識(shí)別的結(jié)果,程序驅(qū)動(dòng)開發(fā)板的GPIO進(jìn)行相應(yīng)的動(dòng)作。那飛凌OK3568開發(fā)板
2022-06-26 18:13:42
使用ART-PI獲取OV7670的圖像來做圖像處理和圖像識(shí)別
drv_ov7670驅(qū)動(dòng)四.實(shí)現(xiàn)功能展示通過攝像頭采集圖像進(jìn)行圖像識(shí)別,然后將結(jié)果顯示在LCD屏幕上。五.硬件框架本次的硬件核心由ART-PI、OV7670、LCD三部分組成:ART-PI
2022-08-31 16:16:36
基于DSP的快速紙幣圖像識(shí)別技術(shù)研究
本課題通過對(duì)現(xiàn)有圖像識(shí)別技術(shù)進(jìn)行研究和分析,針對(duì)當(dāng)前DSP(數(shù)字信號(hào)處理)技術(shù)的新發(fā)展,提出了基于DSP的快速圖像識(shí)別概念??焖?b class="flag-6" style="color: red">圖像識(shí)別技術(shù)以嵌入式系統(tǒng)為算法的實(shí)現(xiàn)平臺(tái),它結(jié)合了當(dāng)前最新的數(shù)信號(hào)處理
2014-11-05 14:43:48
基于vuforia的圖像識(shí)別Jar的使用
Jar包整合入安卓程序中。首先,新建一個(gè)安卓應(yīng)用程序。將提供的Jar包和so庫復(fù)制粘貼到程序的libs文件夾中(若無此文件夾則新建)。然后,在需要調(diào)用圖像識(shí)別Activity的時(shí)候,只需要新建一個(gè)
2018-09-20 11:58:15
如何使用OpenMV圖像識(shí)別設(shè)備引導(dǎo)飛機(jī)飛行?
如何添加外設(shè)驅(qū)動(dòng)程序?如何使用OpenMV圖像識(shí)別設(shè)備引導(dǎo)飛機(jī)飛行?
2021-11-11 07:42:34
如何構(gòu)建基于圖像識(shí)別的印制線路板精密測(cè)試系統(tǒng)?
如何構(gòu)建基于圖像識(shí)別的印制線路板精密測(cè)試系統(tǒng)?圖像識(shí)別技術(shù)在印刷線路板精密測(cè)試中的應(yīng)用
2021-04-27 06:25:52
學(xué)習(xí)圖像識(shí)別技術(shù)需要用到什么知識(shí)?
最近剛剛開始學(xué)習(xí)圖像識(shí)別,搞不懂從哪里開始學(xué)。 在網(wǎng)上有了解到OpenBR,pytorch,yolov這些名詞,但不太懂,有沒有大佬解釋一下,有沒有好的建議推薦 學(xué)習(xí) !
2022-08-23 17:16:32
貼片機(jī)中的現(xiàn)代視覺與圖像識(shí)別技術(shù)
元件和IC封裝中QFP引腳細(xì)間距化,以及BGA,CSP,COB,F(xiàn)lipChip和MCM的應(yīng)用都對(duì)貼裝精度的要求進(jìn)一步提高,對(duì)視覺與圖像識(shí)別技術(shù)要求也越來越高。貼片機(jī)中現(xiàn)代視覺與圖像識(shí)別技術(shù)主要有
2018-09-03 10:25:54
圖像識(shí)別模組(包括PCB圖、圖像識(shí)別模組源代碼)
圖像識(shí)別模組電路原理圖、圖像識(shí)別模組PCB圖、圖像識(shí)別模組源代碼、圖像識(shí)別模組用戶使用手冊(cè)
2009-01-02 19:14:59
123
123MATLAB圖像識(shí)別物體計(jì)數(shù)
MATLAB圖像識(shí)別物體計(jì)數(shù):MATLAB 圖像識(shí)別物體計(jì)數(shù),將圖像中的物體識(shí)別出來,并進(jìn)行計(jì)數(shù),SIMULINK編程方法。文件列表testpart.jpg 測(cè)試圖片readimg.m 讀入圖像程序imagecount.mdl 圖
2010-02-08 14:40:29
248
248視頻監(jiān)控智能圖像識(shí)別 燧機(jī)科技
視頻監(jiān)控智能圖像識(shí)別技術(shù)實(shí)際上是一種,它為建筑工程施工品質(zhì)和安全工作給予了優(yōu)秀的方式方法。施工人員的安全隱患因?yàn)榍啡备叨戎匾暬蛞驗(yàn)槿鄙佥^好的監(jiān)管方式 ,導(dǎo)致安全事故的次數(shù)較高。視頻監(jiān)控智能圖像識(shí)別
2024-07-15 22:17:47
儀表圖像識(shí)別算法 燧機(jī)科技
儀表圖像識(shí)別算法基于AI的機(jī)器視覺分析識(shí)別技術(shù),通過訓(xùn)練深度學(xué)習(xí)模型,使得攝像頭能夠像人一樣“看”懂儀表盤上的數(shù)據(jù)。這些現(xiàn)場(chǎng)監(jiān)控?cái)z像頭能夠?qū)崟r(shí)捕捉儀表盤的圖像,利用AI算法自動(dòng)分析并識(shí)別出儀表的示數(shù)
2024-09-19 00:22:56
印刷線路板精密測(cè)試中的圖像識(shí)別技術(shù)
印刷線路板精密測(cè)試中的圖像識(shí)別技 0 引言
隨著信息產(chǎn)業(yè)和電子技術(shù)的發(fā)展,PCB(PrintedCircuit Board)線路
2009-11-18 09:21:26
1207
1207圖像識(shí)別技術(shù)在銀行ATM監(jiān)控的應(yīng)用
文中介紹了圖像識(shí)別技術(shù)在ATM監(jiān)控系統(tǒng)中的應(yīng)用,以及在ATM監(jiān)控中所起到的各項(xiàng)功能。并對(duì)由于設(shè)備能力、現(xiàn)場(chǎng)環(huán)境等客觀因素所造成的圖像識(shí)別技術(shù),在相關(guān)應(yīng)用上的不足和需要克服
2011-09-05 09:51:06
3369
3369
基于DSP的快速紙幣圖像識(shí)別技術(shù)研究
本課題通過對(duì)現(xiàn)有圖像識(shí)別技術(shù)進(jìn)行研究和分析,針對(duì)當(dāng)前DSP(數(shù)字信號(hào)處理)技術(shù)的新發(fā)展,提出了基于DSP的快速圖像識(shí)別概念。快速圖像識(shí)別技術(shù)以嵌入式系統(tǒng)為算法的實(shí)現(xiàn)平臺(tái),它
2011-09-14 15:07:55
160
160SPCA563B實(shí)現(xiàn)圖像識(shí)別系統(tǒng)
詳細(xì)介紹基于SPCA563B芯片的 圖像識(shí)別 系統(tǒng)的設(shè)計(jì)思想和硬件電路,給出具體應(yīng)用實(shí)倒。對(duì)CMOS采集的圖像數(shù)據(jù)進(jìn)行預(yù)處理,然后對(duì)其進(jìn)行分割和提取特征.并利用一定的算法進(jìn)行圖像識(shí)別
2011-09-27 14:09:22
4492
4492
Fourier-Mellin矩在圖像識(shí)別中的應(yīng)用
為了驗(yàn)證Fourier-Mellin矩圖像識(shí)別中的識(shí)別能力,本文研究了其在兩種坐標(biāo)下的計(jì)算和重建效果、抗噪性試驗(yàn)。在笛卡爾坐標(biāo)下,圖像重建直接計(jì)算,不必轉(zhuǎn)換為極坐標(biāo),避免極坐標(biāo)在了
2012-01-10 11:16:08
7
7基于圖像融合技術(shù)的運(yùn)動(dòng)目標(biāo)圖像識(shí)別研究
基于圖像融合技術(shù)的運(yùn)動(dòng)目標(biāo)圖像識(shí)別研究_王佳欣
2017-01-07 20:32:20
5
5基于數(shù)字圖像識(shí)別技術(shù)獲取指針讀數(shù)
變電站中變壓器上的油位表盤是監(jiān)測(cè)變壓器運(yùn)行狀態(tài)的關(guān)鍵設(shè)備,利用數(shù)字圖像識(shí)別技術(shù)是準(zhǔn)確獲取油位表盤指針讀數(shù)的有效途徑之一。針對(duì)基于圖像處理的油位表盤讀數(shù)系統(tǒng)中存在的精度不夠、可靠性低和實(shí)時(shí)性不好
2017-12-13 15:20:09
3
3對(duì)于圖像識(shí)別的引入、原理、過程、應(yīng)用前景的深度剖析
圖像識(shí)別技術(shù)是信息時(shí)代的一門重要的技術(shù),其產(chǎn)生目的是為了讓計(jì)算機(jī)代替人類去處理大量的物理信息。隨著計(jì)算機(jī)技術(shù)的發(fā)展,人類對(duì)圖像識(shí)別技術(shù)的認(rèn)識(shí)越來越深刻。圖像識(shí)別技術(shù)的過程分為信息的獲取、預(yù)處理、特征
2017-12-21 15:01:16
7325
7325簡(jiǎn)單介紹圖像識(shí)別技術(shù)在各類行業(yè)的應(yīng)用
其實(shí)對(duì)于圖像識(shí)別技術(shù),大家已經(jīng)不陌生,人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等都屬于這個(gè)范疇,但是圖像識(shí)別遠(yuǎn)不只如此,它涵蓋了生物識(shí)別、物體與場(chǎng)景識(shí)別、視頻識(shí)別三大類。發(fā)展至今,盡管與理想還相距甚遠(yuǎn),但日漸成熟的圖像識(shí)別技術(shù)已開始探索在各類行業(yè)的應(yīng)用。
2018-01-23 11:26:47
36158
36158淺談圖像識(shí)別技術(shù)
說起圖像識(shí)別,人類的這一能力非常突出。圖形刺激作用于感覺器官,人們辨認(rèn)出它是經(jīng)驗(yàn)過的某一圖形,甚至能感知到與圖像距離或者形狀的改變,這一過程叫做圖像再認(rèn)。
2018-05-25 11:06:08
15620
15620一文讀懂圖像識(shí)別,真的前景不可限量?
圖像識(shí)別技術(shù)人工智能 圖像識(shí)別技術(shù)是人工智能的一個(gè)重要領(lǐng)域。它是指對(duì)圖像進(jìn)行對(duì)象識(shí)別,以識(shí)別各種不同模式的目標(biāo)和對(duì)像的技術(shù)。 圖像識(shí)別發(fā)展的三階段 圖像識(shí)別的發(fā)展經(jīng)歷了三個(gè)階段:文字識(shí)別、數(shù)字圖像
2018-08-21 17:25:02
952
952如何實(shí)現(xiàn)圖像識(shí)別?為什么要入局圖像識(shí)別?
圖像識(shí)別技術(shù)能讓機(jī)器像人一樣看到世界,甚至看到人類都看不到醫(yī)療保健:圖像識(shí)別最突出的能力之一是協(xié)助創(chuàng)建增強(qiáng)現(xiàn)實(shí)(AR)——一種“將計(jì)算機(jī)生成的圖像疊加在用戶對(duì)現(xiàn)實(shí)世界的視角之上”的技術(shù)。如果給人
2018-08-29 10:46:56
8770
8770淺析圖像識(shí)別背后的發(fā)展歷程
圖像識(shí)別,是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解,以識(shí)別各種不同模式的目標(biāo)和對(duì)像的技術(shù)。
2018-09-30 09:47:01
25005
25005深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域的四大方向
圖像識(shí)別技術(shù)的高價(jià)值應(yīng)用就發(fā)生在你我身邊,例如視頻監(jiān)控、自動(dòng)駕駛和智能醫(yī)療等,而這些圖像識(shí)別最新進(jìn)展的背后推動(dòng)力是深度學(xué)習(xí)。深度學(xué)習(xí)的成功主要得益于三個(gè)方面:大規(guī)模數(shù)據(jù)集的產(chǎn)生、強(qiáng)有力的模型的發(fā)展
2018-12-01 08:54:29
32244
32244
深度學(xué)習(xí)進(jìn)軍太空領(lǐng)域——衛(wèi)星實(shí)時(shí)圖像識(shí)別
實(shí)時(shí)圖像識(shí)別的軌道測(cè)試。通過使用兩個(gè)緊湊型可見光攝像機(jī)對(duì)地表進(jìn)行拍攝,通過處理估計(jì)出三軸位姿。具體來講,將拍攝到的圖像送入專門開發(fā)的高速、輕量級(jí)圖像識(shí)別網(wǎng)絡(luò)進(jìn)行處理,目前可以在4秒內(nèi)處理800萬像素
2019-01-23 10:23:23
5837
5837亞馬遜圖像識(shí)別技術(shù)無法可靠地辨別女性和深膚色人群
近日麻省理工學(xué)院(MIT)研究人員發(fā)表一項(xiàng)新研究中得出的結(jié)論,該研究發(fā)現(xiàn),在特定情況下,Rekognition(亞馬遜圖像識(shí)別技術(shù))無法可靠地辨別女性和深膚色人群。Rekognition錯(cuò)誤地將19
2019-01-29 16:19:04
1905
1905LabVIEW圖像識(shí)別系統(tǒng)汽車領(lǐng)域的應(yīng)用
詳解如何利用LabVIEW實(shí)現(xiàn)汽車儀表圖像識(shí)別
2019-07-31 10:23:47
7873
7873AI中的圖像識(shí)別技術(shù)的原理是怎么樣的?過程是怎么樣的?
伴隨著圖像處理技術(shù)的飛速發(fā)展,推動(dòng)了圖像識(shí)別技術(shù)的產(chǎn)生和發(fā)展,并逐漸成為人工智能領(lǐng)域中重要的組成部分,并廣泛地運(yùn)用于面部識(shí)別、指紋識(shí)別、醫(yī)療診斷等等領(lǐng)域中,發(fā)揮重要作用。
2020-01-16 08:54:00
11976
11976圖像識(shí)別技術(shù)是什么,它的使用領(lǐng)域有哪些
圖像識(shí)別是立體視覺、運(yùn)動(dòng)分析、數(shù)據(jù)融合等實(shí)用技術(shù)的基礎(chǔ),在導(dǎo)航、地圖與地形配準(zhǔn)、自然資源分析、天氣預(yù)報(bào)、環(huán)境監(jiān)測(cè)、生理病變研究等許多領(lǐng)域重要的應(yīng)用價(jià)值。
2020-03-15 23:29:33
30371
30371圖像識(shí)別賦能智慧安防 視頻監(jiān)控布設(shè)越來越密集
何謂圖像識(shí)別?簡(jiǎn)單來說,圖像識(shí)別是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解,以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù),屬于應(yīng)用深度學(xué)習(xí)算法的一種實(shí)踐應(yīng)用。在生活中,“以圖搜圖”就是利用了圖像識(shí)別技術(shù)。
2020-03-17 13:36:51
1353
1353人臉識(shí)別和圖像識(shí)別技術(shù)是如何為安防賦能的
圖像識(shí)別是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解,以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù),屬于應(yīng)用深度學(xué)習(xí)算法的一種實(shí)踐應(yīng)用。
2020-03-18 11:14:31
1520
1520擁有納秒級(jí)的圖像識(shí)別芯片已研制成功
近日來自維也納大學(xué)的一組研究人員開發(fā)了一種圖像識(shí)別芯片,可以在數(shù)十納秒內(nèi)完成圖像識(shí)別。終于解決了即時(shí)圖像識(shí)別的大難題!
2020-03-21 15:58:10
3996
3996圖像識(shí)別技術(shù) 推動(dòng)智能科技時(shí)代發(fā)展
隨著圖像識(shí)別技術(shù)的不斷發(fā)展和應(yīng)用,圖像識(shí)別概念,我相信大家都有所了解,知道它是什么,簡(jiǎn)單來件,就是對(duì)圖像進(jìn)行識(shí)別,目前,圖像識(shí)別技術(shù)被應(yīng)用社會(huì)中的各個(gè)行業(yè)領(lǐng)域,如:生物、醫(yī)療、機(jī)器人等等,數(shù)字科技的發(fā)展浪潮正在席卷社會(huì),未來智能科技時(shí)代也許將真正到來。
2020-06-18 10:22:58
4232
4232AI圖像識(shí)別技術(shù)的原理解析
伴隨著圖像處理技術(shù)的飛速發(fā)展,推動(dòng)了圖像識(shí)別技術(shù)的產(chǎn)生和發(fā)展,并逐漸成為人工智能領(lǐng)域中重要的組成部分,并廣泛地運(yùn)用于面部識(shí)別、指紋識(shí)別、醫(yī)療診斷等等領(lǐng)域中,發(fā)揮重要作用。
2020-07-17 09:54:30
36065
36065機(jī)器視覺技術(shù)使用圖像識(shí)別算法來識(shí)別圖像中的物體
機(jī)器視覺技術(shù)使用圖像識(shí)別算法來識(shí)別圖像中的物體,并在不影響諸如工業(yè)自動(dòng)化、機(jī)器人技術(shù)、無人機(jī)和3D建模等廣泛應(yīng)用的情況下,為物體提供更詳細(xì)準(zhǔn)確的圖像而不會(huì)造成變形。
2020-12-28 14:16:36
8051
8051對(duì)弈機(jī)器人與圖像識(shí)別
對(duì)弈機(jī)器人是河南省人工智能展覽館的明星展品之一,參與者可以體驗(yàn)到“人機(jī)對(duì)戰(zhàn)”的挑戰(zhàn)與樂趣,在往期活動(dòng)中深受大小學(xué)生的歡迎。與對(duì)弈機(jī)器人的對(duì)戰(zhàn)簡(jiǎn)單來說可以分為:圖像識(shí)別信息獲取分析計(jì)算控制落子四個(gè)階段,其中圖像識(shí)別可謂是重中之重,識(shí)別結(jié)果準(zhǔn)確與否直接決定了對(duì)弈機(jī)器人能否正常運(yùn)轉(zhuǎn)。
2021-01-13 11:28:10
2701
2701使用FPGA平臺(tái)實(shí)現(xiàn)遺傳算法的圖像識(shí)別的研究設(shè)計(jì)說明
利用模板匹配方法,采用基于遺傳算法的圖像識(shí)別技術(shù),完成了對(duì)圖像目標(biāo)識(shí)別的算法驗(yàn)證。在此基礎(chǔ)上進(jìn)行了基于該算法的圖像識(shí)別系統(tǒng)的FPGA實(shí)現(xiàn),并在相關(guān)驗(yàn)證平臺(tái)進(jìn)行了硬件仿真與時(shí)序分析。實(shí)驗(yàn)結(jié)果表明。所設(shè)計(jì)的圖像識(shí)別電路具有較高的識(shí)別精度和較快的識(shí)別速度。
2021-01-26 15:02:00
13
13圖像識(shí)別技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用
隨著計(jì)算機(jī)技術(shù)的進(jìn)步,以圖像識(shí)別為代表的人工智能技術(shù)得以迅速發(fā)展并被廣泛用于航空、醫(yī)學(xué)等多個(gè)領(lǐng)域。今天,圖像識(shí)別技術(shù)也已成為發(fā)展現(xiàn)代農(nóng)業(yè)不可缺少的組成部分,成為實(shí)現(xiàn)農(nóng)業(yè)信息化與自動(dòng)化的重要技術(shù)力量。
2021-03-19 15:02:33
6004
6004如何在APT-Pi上實(shí)現(xiàn)圖像識(shí)別功能
不用自己訓(xùn)練模型,也能進(jìn)行 AI 圖像識(shí)別;借助百度云平臺(tái),我們可以在 APT-Pi 上實(shí)現(xiàn)圖像識(shí)別功能。 創(chuàng)建圖像識(shí)別應(yīng)用 1、打開鏈接 百度智能云, 申請(qǐng)賬號(hào);2、打開控制臺(tái) 3、打開圖像識(shí)別
2021-10-09 15:46:07
22177
22177
圖像識(shí)別數(shù)據(jù)集的重要性及其分類
隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展,圖像識(shí)別已經(jīng)成為人工智能領(lǐng)域中的一個(gè)熱門話題。而作為圖像識(shí)別技術(shù)中的關(guān)鍵環(huán)節(jié),數(shù)據(jù)集的質(zhì)量和規(guī)模對(duì)于模型的訓(xùn)練和性能的提升至關(guān)重要。因此,本文將從數(shù)據(jù)集的重要性、分類
2023-05-05 18:19:52
3743
3743UWB高精度與圖像識(shí)別技術(shù)應(yīng)用探索
UWB定位雖然定位范圍較小,但是由于使用了高頻脈沖信號(hào),所以精度很高,可以精確到厘米級(jí)。 圖像識(shí)別技術(shù) 圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域,是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解,以識(shí)別各種不同模式的目標(biāo)和對(duì)像的技術(shù)。 圖像識(shí)
2023-06-12 09:18:15
1064
1064
關(guān)于圖像識(shí)別的三大要點(diǎn)
圖像識(shí)別是識(shí)別圖像或視頻中的目標(biāo)或特征的過程。這項(xiàng)技術(shù)已應(yīng)用于多個(gè)領(lǐng)域,如缺陷檢測(cè)、醫(yī)學(xué)成像和安全監(jiān)控。
2023-07-13 10:00:51
2211
2211
基于cnn車牌識(shí)別算法案例 深度學(xué)習(xí)的圖像識(shí)別研究
圖像識(shí)別是人工智能領(lǐng)域的一個(gè)重要方向。經(jīng)過多年的研究,圖像識(shí)別技術(shù)取得了一定的研究進(jìn)展。圖像識(shí)別主要包含特征提取和分類識(shí)別,而其中的特征提取是圖像識(shí)別技術(shù)發(fā)展的瓶頸問題,直接決定著識(shí)別性能的好壞
2023-07-18 11:23:50
3
3圖像識(shí)別技術(shù)原理 深度學(xué)習(xí)的圖像識(shí)別應(yīng)用研究
圖像識(shí)別是人工智能領(lǐng)域的一個(gè)重要方向。經(jīng)過多年的研究,圖像識(shí)別技術(shù)取得了一定的研究進(jìn)展。圖像識(shí)別主要包含特征提取和分類識(shí)別,而其中的特征 提取是圖像識(shí)別技術(shù)發(fā)展的瓶頸問題,直接決定著識(shí)別
2023-07-19 10:27:04
4
4Imagga利用DGX Station實(shí)現(xiàn)快速圖像識(shí)別
Imagga利用DGX Station實(shí)現(xiàn)快速圖像識(shí)別
2023-08-01 15:10:40
1229
1229卷積神經(jīng)網(wǎng)絡(luò)用于圖像識(shí)別的原理
在機(jī)器視覺領(lǐng)域,圖像識(shí)別是指軟件識(shí)別人物、場(chǎng)景、物體、動(dòng)作和圖像寫入的能力。為了實(shí)現(xiàn)圖像識(shí)別,計(jì)算機(jī)可以結(jié)合人工智能軟件和攝像機(jī)使用機(jī)器視覺技術(shù)。
2023-08-20 09:56:05
2168
2168
圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)模型
圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)模型 隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和深度學(xué)習(xí)的迅速普及,圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)模型已經(jīng)成為當(dāng)今最受歡迎和廣泛使用的模型之一。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural
2023-08-21 17:11:45
1433
1433模擬矩陣在圖像識(shí)別中的應(yīng)用
訊維模擬矩陣在圖像識(shí)別中的應(yīng)用主要是通過構(gòu)建一個(gè)包含多種圖像數(shù)據(jù)的模擬矩陣,來訓(xùn)練和測(cè)試深度學(xué)習(xí)模型,從而提高圖像識(shí)別的準(zhǔn)確性和效率。 在圖像識(shí)別中,訊維模擬矩陣可以用來做以下幾方面的處理: 圖像
2023-09-04 14:17:20
1093
1093
淺析無人機(jī)圖像識(shí)別視覺精準(zhǔn)降落技術(shù)
基于圖像識(shí)別技術(shù),使用無人機(jī)機(jī)載圖像識(shí)別設(shè)備識(shí)別地面目標(biāo)降落點(diǎn),獲得目標(biāo)降落點(diǎn)與無人機(jī)的相對(duì)位置。下面主要介紹的是無人機(jī)上的圖像識(shí)別視覺精準(zhǔn)降落技術(shù)。
2023-10-09 15:42:45
3096
3096編程語言那么多,最適合圖像識(shí)別的是哪種呢?
這段時(shí)間垃圾分類相關(guān)小程序、APP的上線,讓圖像識(shí)別又一次進(jìn)入人們的視線,我國(guó)圖像識(shí)別技術(shù)在全世界都排在前列。
2024-01-09 09:14:04
1541
1541如何使用Python進(jìn)行圖像識(shí)別的自動(dòng)學(xué)習(xí)自動(dòng)訓(xùn)練?
如何使用Python進(jìn)行圖像識(shí)別的自動(dòng)學(xué)習(xí)自動(dòng)訓(xùn)練? 使用Python進(jìn)行圖像識(shí)別的自動(dòng)學(xué)習(xí)和自動(dòng)訓(xùn)練需要掌握一些重要的概念和技術(shù)。在本文中,我們將介紹如何使用Python中的一些常用庫和算法來實(shí)現(xiàn)
2024-01-12 16:06:19
1261
1261基于TensorFlow和Keras的圖像識(shí)別
TensorFlow和Keras最常見的用途之一是圖像識(shí)別/分類。通過本文,您將了解如何使用Keras達(dá)到這一目的。定義如果您不了解圖像識(shí)別的基本概念,將很難完全理解本文的內(nèi)容。因此在正文開始之前
2024-01-13 08:27:42
1639
1639
圖像識(shí)別技術(shù)原理 圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域
圖像識(shí)別技術(shù)是一種通過計(jì)算機(jī)對(duì)圖像進(jìn)行分析和理解的技術(shù)。它借助計(jì)算機(jī)視覺、模式識(shí)別、人工智能等相關(guān)技術(shù),通過對(duì)圖像進(jìn)行特征提取和匹配,找出圖像中的目標(biāo)物體或模式,并進(jìn)行分類、檢測(cè)、跟蹤等任務(wù)
2024-02-02 11:01:42
4836
4836神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類能力,為圖像識(shí)別帶來了革命性的進(jìn)步。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用案例,包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)在面部識(shí)別、自動(dòng)駕駛、醫(yī)療診斷等領(lǐng)域的應(yīng)用,以及BP神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識(shí)別中的實(shí)踐。
2024-07-01 14:19:54
1625
1625卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
卷積操作 卷積神經(jīng)網(wǎng)絡(luò)的核心是卷積操作。卷積操作是一種數(shù)學(xué)運(yùn)算,用于提取圖像中的局部特征。在圖像識(shí)別中,卷積操作通過滑動(dòng)窗口(或稱為濾波器、卷積核)在輸入圖像上進(jìn)行掃描,計(jì)算窗口內(nèi)像素值與濾波器的加權(quán)和,生成新的特征圖(Feature Map)。 1.2 激活函數(shù) 卷積層的輸出通常會(huì)通過
2024-07-02 14:28:15
2804
2804圖像檢測(cè)和圖像識(shí)別的區(qū)別是什么
詳細(xì)的比較和分析。 定義和概念 圖像檢測(cè)(Image Detection)是指利用計(jì)算機(jī)視覺技術(shù)對(duì)圖像中的特定目標(biāo)進(jìn)行定位和識(shí)別的過程。它通常包括目標(biāo)的檢測(cè)、分類和定位三個(gè)步驟。圖像檢測(cè)的目標(biāo)可以是人、車、動(dòng)物等任何具有特定特征
2024-07-03 14:41:31
2683
2683如何利用CNN實(shí)現(xiàn)圖像識(shí)別
卷積神經(jīng)網(wǎng)絡(luò)(CNN)是深度學(xué)習(xí)領(lǐng)域中一種特別適用于圖像識(shí)別任務(wù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它通過模擬人類視覺系統(tǒng)的處理方式,利用卷積、池化等操作,自動(dòng)提取圖像中的特征,進(jìn)而實(shí)現(xiàn)高效的圖像識(shí)別。本文將從CNN的基本原理、構(gòu)建過程、訓(xùn)練策略以及應(yīng)用場(chǎng)景等方面,詳細(xì)闡述如何利用CNN實(shí)現(xiàn)圖像識(shí)別。
2024-07-03 16:16:16
3448
3448opencv圖像識(shí)別有什么算法
圖像識(shí)別算法: 邊緣檢測(cè) :邊緣檢測(cè)是圖像識(shí)別中的基本步驟之一,用于識(shí)別圖像中的邊緣。常見的邊緣檢測(cè)算法有Canny邊緣檢測(cè)器、Sobel邊緣檢測(cè)器和Laplacian邊緣檢測(cè)器。 特征點(diǎn)檢測(cè) :特征點(diǎn)檢測(cè)是識(shí)別圖像中的關(guān)鍵點(diǎn),這些關(guān)鍵點(diǎn)在圖像中具有獨(dú)特的屬性,如角點(diǎn)、邊緣點(diǎn)等。常見的特征點(diǎn)檢測(cè)算
2024-07-16 10:40:18
2381
2381圖像識(shí)別屬于人工智能嗎
屬于。圖像識(shí)別是人工智能(Artificial Intelligence, AI)領(lǐng)域的一個(gè)重要分支。 一、圖像識(shí)別概述 1.1 定義 圖像識(shí)別是指利用計(jì)算機(jī)技術(shù)對(duì)圖像中的內(nèi)容進(jìn)行分析、理解和識(shí)別
2024-07-16 10:44:42
2974
2974圖像識(shí)別技術(shù)的原理是什么
圖像識(shí)別技術(shù)是一種利用計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)技術(shù)對(duì)圖像進(jìn)行分析和理解的技術(shù)。它可以幫助計(jì)算機(jī)識(shí)別和理解圖像中的對(duì)象、場(chǎng)景和活動(dòng)。 圖像預(yù)處理 圖像預(yù)處理是圖像識(shí)別的第一步,它包括圖像的去噪、灰度化、二
2024-07-16 10:46:29
3500
3500圖像識(shí)別技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用
的應(yīng)用已經(jīng)成為推動(dòng)醫(yī)療技術(shù)發(fā)展的重要力量。 二、醫(yī)學(xué)影像診斷 醫(yī)學(xué)影像診斷是圖像識(shí)別技術(shù)在醫(yī)療領(lǐng)域應(yīng)用最為廣泛和成熟的領(lǐng)域之一。醫(yī)學(xué)影像診斷主要包括X射線、CT、MRI、超聲等影像技術(shù)。圖像識(shí)別技術(shù)在醫(yī)學(xué)影像診斷中的應(yīng)用主要包
2024-07-16 10:48:35
2610
2610圖像識(shí)別技術(shù)包括自然語言處理嗎
計(jì)算機(jī)視覺技術(shù)對(duì)圖像進(jìn)行處理、分析和理解,從而實(shí)現(xiàn)對(duì)圖像中的目標(biāo)、場(chǎng)景、行為等信息的識(shí)別和理解。圖像識(shí)別技術(shù)包括圖像預(yù)處理、特征提取、分類器設(shè)計(jì)、模型訓(xùn)練等多個(gè)環(huán)節(jié)。 1.2 自然語言處理的定義 自然語言處理(Natural Language Proces
2024-07-16 10:54:43
2291
2291圖像識(shí)別算法的核心技術(shù)是什么
圖像識(shí)別算法是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向,其目標(biāo)是使計(jì)算機(jī)能夠像人類一樣理解和識(shí)別圖像中的內(nèi)容。圖像識(shí)別算法的核心技術(shù)包括以下幾個(gè)方面: 特征提取 特征提取是圖像識(shí)別算法的基礎(chǔ),它從原始圖像
2024-07-16 11:02:30
1786
1786圖像識(shí)別算法的測(cè)試方法有哪些
圖像識(shí)別算法的測(cè)試方法是一個(gè)廣泛而深入的話題,涉及到多個(gè)方面。 數(shù)據(jù)集的選擇 : 標(biāo)準(zhǔn)數(shù)據(jù)集 :使用廣泛認(rèn)可的數(shù)據(jù)集,如MNIST、CIFAR-10、ImageNet等,這些數(shù)據(jù)集有明確的類別劃分
2024-07-16 11:06:22
1701
1701圖像識(shí)別算法的優(yōu)缺點(diǎn)有哪些
圖像識(shí)別算法是一種利用計(jì)算機(jī)視覺技術(shù)對(duì)圖像進(jìn)行分析和理解的方法,它在許多領(lǐng)域都有廣泛的應(yīng)用,如自動(dòng)駕駛、醫(yī)療診斷、安全監(jiān)控等。然而,圖像識(shí)別算法也存在一些優(yōu)缺點(diǎn)。 一、圖像識(shí)別算法的優(yōu)點(diǎn) 高效性
2024-07-16 11:09:40
3970
3970圖像識(shí)別算法的提升有哪些
引言 圖像識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的核心任務(wù)之一,旨在使計(jì)算機(jī)能夠自動(dòng)地識(shí)別和理解圖像中的內(nèi)容。隨著計(jì)算機(jī)硬件的發(fā)展和深度學(xué)習(xí)技術(shù)的突破,圖像識(shí)別算法的性能得到了顯著提升。本文將介紹圖像識(shí)別算法的提升
2024-07-16 11:12:29
1531
1531圖像識(shí)別算法都有哪些方法
圖像識(shí)別算法是計(jì)算機(jī)視覺領(lǐng)域的核心任務(wù)之一,它涉及到從圖像中提取特征并進(jìn)行分類、識(shí)別和分析的過程。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,圖像識(shí)別算法已經(jīng)取得了顯著的進(jìn)展。本文將介紹圖像識(shí)別算法的主要方法,包括
2024-07-16 11:14:55
8920
8920圖像檢測(cè)和圖像識(shí)別的原理、方法及應(yīng)用場(chǎng)景
圖像檢測(cè)和圖像識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的兩個(gè)重要概念,它們?cè)谠S多應(yīng)用場(chǎng)景中發(fā)揮著關(guān)鍵作用。 1. 定義 1.1 圖像檢測(cè) 圖像檢測(cè)(Object Detection)是指在圖像或視頻中識(shí)別和定位感興趣
2024-07-16 11:19:08
8099
8099圖像識(shí)別算法有哪幾種
圖像識(shí)別算法是計(jì)算機(jī)視覺領(lǐng)域的核心技術(shù)之一,它通過分析和處理圖像數(shù)據(jù),實(shí)現(xiàn)對(duì)圖像中的目標(biāo)、場(chǎng)景和物體的識(shí)別和分類。 圖像識(shí)別算法的發(fā)展歷程 圖像識(shí)別算法的發(fā)展可以追溯到20世紀(jì)50年代,當(dāng)時(shí)
2024-07-16 11:22:11
3179
3179目標(biāo)檢測(cè)與圖像識(shí)別的區(qū)別在哪
檢測(cè)(Object Detection)是指在圖像或視頻中識(shí)別并定位感興趣的目標(biāo),通常包括目標(biāo)的類別和位置。目標(biāo)檢測(cè)的目的是找出圖像中所有感興趣的目標(biāo),并為每個(gè)目標(biāo)分配一個(gè)邊界框(bounding box)和類別標(biāo)簽。 圖像識(shí)別(Image Recognition)是
2024-07-17 09:51:54
2343
2343AI大模型在圖像識(shí)別中的優(yōu)勢(shì)
大模型借助高性能的計(jì)算硬件和優(yōu)化的算法,能夠在短時(shí)間內(nèi)完成對(duì)大量圖像數(shù)據(jù)的處理和分析,顯著提高了圖像識(shí)別的效率。 識(shí)別準(zhǔn)確性 :通過深度學(xué)習(xí)和計(jì)算機(jī)視覺技術(shù),AI大模型能夠自動(dòng)提取圖像中的關(guān)鍵特征,并進(jìn)行精確的分類和識(shí)別。與傳
2024-10-23 15:01:02
3429
3429AI圖像識(shí)別攝像機(jī)
隨著科技的迅猛發(fā)展,人工智能(AI)在各個(gè)領(lǐng)域的應(yīng)用越來越廣泛,其中圖像識(shí)別技術(shù)尤為引人注目。AI圖像識(shí)別攝像機(jī)作為這一技術(shù)的重要應(yīng)用之一,正在逐步改變我們的生活和工作方式。什么是AI圖像識(shí)別攝像機(jī)
2024-11-08 10:38:08
1496
1496
高溫電阻測(cè)試儀的四探針法中,探針的間距對(duì)測(cè)量結(jié)果是否有影響
在高溫電阻測(cè)試儀的四探針法中,探針的間距對(duì)測(cè)量結(jié)果確實(shí)存在影響,但這一影響可以通過特定的測(cè)試方法和儀器設(shè)計(jì)來最小化或消除。 探針間距對(duì)測(cè)量結(jié)果的影響 在經(jīng)典直排四探針法中,要求使用等間距的探針進(jìn)行
2025-01-21 09:16:11
1240
1240
電子發(fā)燒友App





評(píng)論