1、熟悉opencv开源视觉库
2、对机器学习有一定研究。
3、熟悉神经网络理论,基于开源框架可以完成分类和目标检测等开发工作。
4、熟练掌握c/c++编程,有四年以上c++开发及使用经验。
5、熟悉常用的数据结构。
6、能够熟练运用vs进行开发和调试。
7、熟悉数字图像进行基本平滑,去燥,增强,分割、特征提取、边缘检测等基本操作,熟悉常用的Sobel、Hough、sift、surf等图像处理算法工作原理。
根系智能分析:
1、对图像进行二值化操作。
2、针对二值化图像进行骨架提取。
3、对骨架图像进行端点、分叉点、交叉点检测。
4、对骨架进行分段存储。
5、利用Dijkstra分析出根系拓扑结构
6、一些删除根毛,合并分叉点等交互接口封装。
茎叶夹角及茎粗项目:
1、图像灰度化、滤波等数字图像预处理。
2、利用多种二值化手段进行图像分割。
3、对连通域进行滤波,获取目标区域。
4、针对目标连通域进行骨架提取。
5、对二值化图像取反,获取最大三个连通域。
6、通过背景最大三个连通域获取到交点大致的位置坐标。
7、用交点对骨架图像进行分割。
8、对分割后最大的两个骨架连通域进行直线拟合
9、通过两条直线斜率算法夹角。
darknet-yolov3进行目标检测
1、配置darknet环境,win10+vs2015+yolov3
2、用摄像头采集图像数据集。
3、用labelImg工具进行目标标定。
4、修改voc_label.py对标定xml中坐标进行转换生成对应txt文件。
5、修改voc.data、voc.names、yolov3-voc.cfg等配置文件。
6、训练模型参数。
根系智能分析: 1、对图像进行二值化操作。 2、针对二值化图像进行骨架提取。 3、对骨架图像进行端点、分叉点、交叉点检测。 4、对骨架进行分段存储。 5、利用Dijkstra分析出根系拓扑结构 6、一些删除根毛,合并分叉点等交互接口封装。 亮点:根系分析相比竞争对手
1、图像灰度化、滤波等数字图像预处理。 2、利用多种二值化手段进行图像分割。 3、对连通域进行滤波,获取目标区域。 4、针对目标连通域进行骨架提取。 5、对二值化图像取反,获取最大三个连通域。 6、通过背景最大三个连通域获取到交点大致的位置坐标。 7、用交点对骨架图像
1、对大米扫描仪图像进行滤波,剔除杂质。 2、大津法进行二值化操作,对二值化图像进行距离变换。 3、对距离图像二值化,找到局部最大值点的位置作为种子点 4、进行分水岭分割。 5、针对大米区域进行大津法阈值计算,用这个阈值进行垩白分割 6、对分割后的图像进行相应参数计算。
1、配置darknet环境,win10+vs2015+yolov3 2、用摄像头采集图像数据集。 3、用labelImg工具进行目标标定。 4、修改voc_label.py对标定xml中坐标进行转换生成对应txt文件。 5、修改voc.data、voc.names、yol