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(lái)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(shuō)要求測(cè)試區(qū)域越來(lái)越小,測(cè)試點(diǎn)越來(lái)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(lái)解決以上問(wèn)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(wú)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(lái)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(shuō),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(guò)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(guò)程中的探針位置圖像,通過(guò)對(duì)探針圖像的識(shí)別、計(jì)算,并在必要的情況下通過(guò)步進(jìn)電機(jī)控制探針的移動(dòng),來(lái)保證四探針的方形測(cè)試結(jié)構(gòu)的精確性。
通過(guò)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(shuō)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(jiàn)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(lái)。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(lái)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(shuō)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(chēng)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(lái)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?,可能要產(chǎn)生一些誤差,但誤差不會(huì)超過(guò)2mm,這對(duì)于幾百微米的測(cè)試寬度來(lái)說(shuō),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(yǔ)
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(shuō)要求測(cè)試區(qū)域越來(lái)越小,測(cè)試點(diǎn)越來(lái)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(lái)解決以上問(wèn)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(wú)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(lái)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(shuō),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(guò)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(guò)程中的探針位置圖像,通過(guò)對(duì)探針圖像的識(shí)別、計(jì)算,并在必要的情況下通過(guò)步進(jìn)電機(jī)控制探針的移動(dòng),來(lái)保證四探針的方形測(cè)試結(jié)構(gòu)的精確性。
通過(guò)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(shuō)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(jiàn)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(lái)。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(lái)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(shuō)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(chēng)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(lái)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?,可能要產(chǎn)生一些誤差,但誤差不會(huì)超過(guò)2mm,這對(duì)于幾百微米的測(cè)試寬度來(lái)說(shuō),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(yǔ)
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(37827)
相關(guān)推薦
干貨分享|如何利用LabVIEW實(shí)現(xiàn)汽車(chē)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 14:14:079235
深度學(xué)習(xí)視角下的貓狗圖像識(shí)別實(shí)現(xiàn)
來(lái)源: 易百納技術(shù)社區(qū), 作者: 稗子釀的酒 人工智能技術(shù)在圖像識(shí)別領(lǐng)域取得了顯著進(jìn)展,其中基于深度學(xué)習(xí)的圖像分類(lèi)方法在貓狗圖像識(shí)別中表現(xiàn)出色。本文將介紹使用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)貓狗圖像分類(lèi)的方法,具體
2023-08-15 10:38:301616
圖像識(shí)別技術(shù)在印刷線路板精密測(cè)試中的應(yīng)用
。基于圖像識(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(guò)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)別水果的智能稱(chēng)(我是一個(gè)新手求指點(diǎn)學(xué)習(xí)的道路)
想問(wèn)下我是一個(gè)大學(xué)的本科生現(xiàn)在還什么都不懂也沒(méi)有做個(gè)什么項(xiàng)目想要用大學(xué)的四年做這樣一個(gè)項(xiàng)目就是用一個(gè)稱(chēng)可以起到圖像識(shí)別的功能識(shí)別水果并且計(jì)算他的重量然后通過(guò)我已保存的相應(yīng)的水果單價(jià)求出它的價(jià)格這樣
2016-10-12 12:01:23
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(méi)看過(guò)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(guò)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(kāi)源圖像識(shí)別與應(yīng)用
項(xiàng)目名稱(chēng):基于本平臺(tái)開(kāi)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(kāi)發(fā)經(jīng)驗(yàn),曾參與國(guó)內(nèi)開(kāi)源軟件的開(kāi)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(guò)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 AI Camera】漁業(yè)衛(wèi)士-基于圖像識(shí)別的多自由度水下機(jī)器人
項(xiàng)目名稱(chēng):漁業(yè)衛(wèi)士-基于圖像識(shí)別的多自由度水下機(jī)器人試用計(jì)劃:1、申請(qǐng)理由希望早日接觸、應(yīng)用國(guó)產(chǎn)的鴻蒙系統(tǒng)。2、項(xiàng)目名稱(chēng)漁業(yè)衛(wèi)士-基于圖像識(shí)別的多自由度水下機(jī)器人3、計(jì)劃(1)約三個(gè)月時(shí)間,應(yīng)用該款
2020-09-25 10:11:50
【HarmonyOS HiSpark IPC DIY Camera試用 】圖像識(shí)別在車(chē)牌識(shí)別用的應(yīng)用
項(xiàng)目名稱(chēng):圖像識(shí)別在車(chē)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(chē)牌進(jìn)行識(shí)別,提高車(chē)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(chē)主車(chē)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
【NXP IMX6UL開(kāi)發(fā)板申請(qǐng)】基于IMX6UL的圖像識(shí)別
項(xiàng)目名稱(chēng):基于IMX6UL的圖像識(shí)別試用計(jì)劃:1.提前準(zhǔn)備好虛擬機(jī)與LINUX系統(tǒng)以及必備的硬件2.板子到手后,先熟悉板子的基本電路原理3.把板子與虛擬機(jī)連接聯(lián)通4.接入攝像頭,先實(shí)現(xiàn)圖像實(shí)時(shí)輸出
2017-01-16 11:23:47
【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(xiě)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
【TL6748 DSP申請(qǐng)】車(chē)牌圖像識(shí)別
申請(qǐng)理由:項(xiàng)目組要用到6000系列,自己設(shè)計(jì)怕可靠性不能保證。希望申請(qǐng)開(kāi)發(fā)板用于驗(yàn)證和學(xué)習(xí)。謝謝!項(xiàng)目描述:首先驗(yàn)證圖像識(shí)別的算法,然后參考開(kāi)發(fā)板進(jìn)行核心板電路設(shè)計(jì)。
2015-09-10 11:12:20
【uFun試用申請(qǐng)】基于cortex-m系列核和卷積神經(jīng)網(wǎng)絡(luò)算法的圖像識(shí)別
的車(chē)牌識(shí)別soc,參與疲勞駕駛監(jiān)測(cè)系統(tǒng)開(kāi)發(fā),有一項(xiàng)相關(guān)專(zhuān)利在審核中。對(duì)利用fpga加速圖像識(shí)別,在arm核上開(kāi)發(fā)軟件硬件有過(guò)深入的學(xué)習(xí)和探索。想借助發(fā)燒友論壇和uFun平臺(tái)完善該項(xiàng)目的開(kāi)源設(shè)計(jì)。項(xiàng)目計(jì)劃
2019-04-09 14:12:24
【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(chēng):圖像識(shí)別以及芯片評(píng)測(cè)試用計(jì)劃:項(xiàng)目名稱(chēng):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(kāi)發(fā)板試用體驗(yàn)】飛凌OK3568開(kāi)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(mén)、亟需的技術(shù),能夠掌握這門(mén)技術(shù)前途無(wú)量。公司這次申請(qǐng)開(kāi)發(fā)板有一個(gè)重要開(kāi)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(kāi)發(fā)板的GPIO進(jìn)行相應(yīng)的動(dòng)作。那飛凌OK3568開(kāi)發(fā)板
2022-06-26 18:13:42
使用ART-PI獲取OV7670的圖像來(lái)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(guò)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
幾類(lèi)汽車(chē)識(shí)別系統(tǒng)的經(jīng)典設(shè)計(jì)方案
車(chē)牌識(shí)別技術(shù)是計(jì)算機(jī)視頻圖像識(shí)別技術(shù)在車(chē)輛牌照識(shí)別中的一種應(yīng)用。車(chē)牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車(chē)牌照從復(fù)雜背景中提取并識(shí)別出來(lái),通過(guò)車(chē)牌提取、圖像預(yù)處理、特征提取、車(chē)牌字符識(shí)別等技術(shù),識(shí)別車(chē)輛牌號(hào)
2019-06-28 08:29:44
分享一款不錯(cuò)的基于TMS320DM642的嵌入式圖像識(shí)別方案
本文提出了基于TMS320DM642(下簡(jiǎn)稱(chēng)DM642 )的嵌入式圖像識(shí)別方案,解決了存在的問(wèn)題。
2021-05-18 06:49:26
基于DSP的快速紙幣圖像識(shí)別技術(shù)研究
本課題通過(guò)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LabVIEW圖像識(shí)別的物體外觀實(shí)時(shí)分類(lèi)研究
基于LabVIEW圖像識(shí)別的物體外觀實(shí)時(shí)分類(lèi)研究
2010-04-26 13:07:42
基于STM32F7高性能單片機(jī)的圖像識(shí)別開(kāi)發(fā)——OPENMV
`Openmv——開(kāi)源;攝像頭;micropython;stm32f7;圖像識(shí)別,人臉識(shí)別等等等等!附上兩個(gè)視頻,大家可以具體看一看openmv視頻圖像識(shí)別跟蹤沒(méi)錯(cuò),openmv就是這樣的一個(gè)存在
2019-12-04 22:15:09
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(kù)復(fù)制粘貼到程序的libs文件夾中(若無(wú)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(kāi)始學(xué)習(xí)圖像識(shí)別,搞不懂從哪里開(kāi)始學(xué)。 在網(wǎng)上有了解到OpenBR,pytorch,yolov這些名詞,但不太懂,有沒(méi)有大佬解釋一下,有沒(méi)有好的建議推薦 學(xué)習(xí) !
2022-08-23 17:16:32
研發(fā)干貨丨基于OK3399-C平臺(tái)android系統(tǒng)下實(shí)現(xiàn)圖像識(shí)別
/details/82773677)此方法與單獨(dú)使用tensorflow的區(qū)別是使用了opencv中的圖像分割,將所有分割物體進(jìn)行識(shí)別四)其他:另外有些開(kāi)源的圖像識(shí)別方法,Tesseract(支持
2021-02-07 08:46:10
貼片機(jī)中的現(xiàn)代視覺(jué)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(jué)與圖像識(shí)別技術(shù)要求也越來(lái)越高。貼片機(jī)中現(xiàn)代視覺(jué)與圖像識(shí)別技術(shù)主要有
2018-09-03 10:25:54
需要圖像識(shí)別處理,工業(yè)視覺(jué)檢測(cè)的可咨詢聯(lián)系
有需要圖像識(shí)別處理,工業(yè)視覺(jué)檢測(cè),缺陷檢測(cè),故障檢測(cè)的可以咨詢聯(lián)系微信hope598586
2021-03-02 17:46:07
高端技術(shù)集成!征服所有玩四軸的人!!
精彩!征服所有玩四軸的人?。⌒盘?hào)處理、空間定位計(jì)算、反饋系統(tǒng)、空間識(shí)別、聲音識(shí)別、圖像識(shí)別、硬件設(shè)計(jì)、飛行技術(shù)、高效率軟件,還有什么?所有高端技術(shù)的集大成者?!太牛了!
2016-01-26 16:52:00
第1集 | 你們要的EasyDL定制圖像識(shí)別,非常簡(jiǎn)單 #圖像識(shí)別
機(jī)器視覺(jué)圖像識(shí)別
無(wú)魂勝有魂發(fā)布于 2021-11-08 10:54:14
第6集 | 人工智能其實(shí)也有很多種,圖像識(shí)別也有很多款#圖像識(shí)別
機(jī)器視覺(jué)圖像識(shí)別
無(wú)魂勝有魂發(fā)布于 2021-11-08 10:57:13
再難的光場(chǎng)環(huán)境,也難不倒AI圖像識(shí)別#圖像識(shí)別
機(jī)器視覺(jué)圖像識(shí)別
無(wú)魂勝有魂發(fā)布于 2021-11-08 18:14:24
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 19:14:59120
MATLAB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(lái),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 14:40:29247
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 09:21:26867
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 09:51:062740
基于DSP的快速紙幣圖像識(shí)別技術(shù)研究
本課題通過(guò)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
2011-09-14 15:07:55158
SPCA563B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 14:09:223694
圖像識(shí)別技術(shù)在銀行ATM監(jiān)控的應(yīng)用
對(duì)現(xiàn)有ATM監(jiān)控系統(tǒng)出現(xiàn)的主要問(wèn)題、存在的缺點(diǎn)和目前我國(guó)ATM安保管理問(wèn)題的嚴(yán)重性做了詳細(xì)說(shuō)明。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。
2011-10-17 16:36:2441
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 11:16:087
基于FPGA的智能車(chē)路徑圖像識(shí)別的預(yù)處理設(shè)計(jì)
基于FPGA的智能車(chē)路徑圖像識(shí)別的預(yù)處理設(shè)計(jì)
2016-09-22 12:41:1523
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 20:32:205
人工智能在智能家居領(lǐng)域的應(yīng)用系列之:圖像識(shí)別
圖像識(shí)別是人工智能里一個(gè)重要的領(lǐng)域,應(yīng)用在智能家居里主要是用于智能安防。我們通過(guò)攝像頭獲取到圖像,然后通過(guò)圖像識(shí)別技術(shù)識(shí)別出圖像的內(nèi)容,從而做出不同的響應(yīng)。
2017-01-12 15:18:425766
對(duì)于圖像識(shí)別的引入、原理、過(guò)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(mén)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(lèi)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(lèi)對(duì)圖像識(shí)別技術(shù)的認(rèn)識(shí)越來(lái)越深刻。圖像識(shí)別技術(shù)的過(guò)程分為信息的獲取、預(yù)處理、特征
2017-12-21 15:01:166110
簡(jiǎn)單介紹圖像識(shí)別技術(shù)在各類(lèi)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(lèi)。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(kāi)始探索在各類(lèi)行業(yè)的應(yīng)用。
2018-01-23 11:26:4734006
眼擎科技給機(jī)器一雙人眼,讓AI圖像識(shí)別適應(yīng)復(fù)雜光線
5月10日,2018 DEMO China創(chuàng)新中國(guó)峰會(huì)總決賽現(xiàn)場(chǎng),眼擎科技朱繼志發(fā)表了將會(huì),他說(shuō)眼擎科技eyemore給機(jī)器一雙人眼,看得比人眼更清楚,讓AI圖像識(shí)別適應(yīng)復(fù)雜光線,解決目前AI圖像識(shí)別困境。
2018-05-15 11:01:202070
淺談圖像識(shí)別技術(shù)
說(shuō)起圖像識(shí)別,人類(lèi)的這一能力非常突出。圖形刺激作用于感覺(jué)器官,人們辨認(rèn)出它是經(jīng)驗(yàn)過(guò)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(guò)程叫做圖像再認(rèn)。
2018-05-25 11:06:0814721
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 17:25:02614
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(lèi)都看不到醫(yī)療保?。?b class="flag-6" style="color: red">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 10:46:567695
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 09:47:0123409
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 08:54:2930970
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(guò)使用兩個(gè)緊湊型可見(jiàn)光攝像機(jī)對(duì)地表進(jìn)行拍攝,通過(guò)處理估計(jì)出三軸位姿。具體來(lái)講,將拍攝到的圖像送入專(zhuān)門(mén)開(kāi)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(wàn)像素
2019-01-23 10:23:234838
亞馬遜圖像識(shí)別技術(shù)無(wú)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(wú)法可靠地辨別女性和深膚色人群。Rekognition錯(cuò)誤地將19
2019-01-29 16:19:041419
LabVIEW圖像識(shí)別系統(tǒng)汽車(chē)領(lǐng)域的應(yīng)用
詳解如何利用LabVIEW實(shí)現(xiàn)汽車(chē)儀表圖像識(shí)別
2019-07-31 10:23:476823
AI中的圖像識(shí)別技術(shù)的原理是怎么樣的?過(guò)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 08:54:009724
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(jué)、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 23:29:3327513
圖像識(shí)別賦能智慧安防 視頻監(jiān)控布設(shè)越來(lái)越密集
何謂圖像識(shí)別?簡(jiǎn)單來(lái)說(shuō),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 13:36:51866
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 11:14:31917
擁有納秒級(jí)的圖像識(shí)別芯片已研制成功
近日來(lái)自維也納大學(xué)的一組研究人員開(kāi)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 15:58:103170
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(lái)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(lái)智能科技時(shí)代也許將真正到來(lái)。
2020-06-18 10:22:583234
AI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 09:54:3030812
AI時(shí)代文檔識(shí)別技術(shù)之表格圖像識(shí)別詳解
本文主要介紹基于深度神經(jīng)網(wǎng)絡(luò)的表格圖像識(shí)別解決方案。作者系騰訊QQ研發(fā)中心——CV應(yīng)用研究組的yonke。來(lái)源:騰訊技術(shù)工程微信號(hào)
2020-12-10 19:30:38935
機(jī)器視覺(jué)技術(shù)使用圖像識(shí)別算法來(lái)識(shí)別圖像中的物體
機(jī)器視覺(jué)技術(shù)使用圖像識(shí)別算法來(lái)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(wú)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 14:16:365673
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(lè)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(lái)說(shuō)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 11:28:102044
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 15:02:334789
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(kāi)鏈接 百度智能云, 申請(qǐng)賬號(hào);2、打開(kāi)控制臺(tái) 3、打開(kāi)圖像識(shí)別
2021-10-09 15:46:075953
linkboy5.0正式發(fā)布,新增語(yǔ)音識(shí)別、圖像識(shí)別
linkboy 5.0正式版發(fā)布,界面風(fēng)格更新,增加語(yǔ)音識(shí)別,新增機(jī)器視覺(jué)實(shí)驗(yàn)室,圖像識(shí)別可支持開(kāi)發(fā)板運(yùn)行和電腦端模擬仿真
2022-07-29 09:47:461955
圖像識(shí)別數(shù)據(jù)集的重要性及其分類(lèi)
隨著計(jì)算機(jī)視覺(jué)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(mén)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(lèi)
2023-05-05 18:19:521523
UWB高精度與圖像識(shí)別技術(shù)應(yīng)用探索
。用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 09:18:15332
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(guò)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 10:00:511022
基于cnn車(chē)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(guò)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(lèi)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(wèn)題,直接決定著識(shí)別性能的好壞
2023-07-18 11:23:503
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(guò)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(lèi)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(wèn)題,直接決定著識(shí)別
2023-07-19 10:27:042
Imagga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 15:10:40360
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(jué)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(xiě)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(jué)技術(shù)。
2023-08-20 09:56:05715
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 17:11:45486
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(guò)構(gòu)建一個(gè)包含多種圖像數(shù)據(jù)的模擬矩陣,來(lái)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(lái)做以下幾方面的處理: 圖像
2023-09-04 14:17:20297
淺析無(wú)人機(jī)圖像識(shí)別視覺(jué)精準(zhǔn)降落技術(shù)
基于圖像識(shí)別技術(shù),使用無(wú)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(wú)人機(jī)的相對(duì)位置。下面主要介紹的是無(wú)人機(jī)上的圖像識(shí)別視覺(jué)精準(zhǔn)降落技術(shù)。
2023-10-09 15:42:45526
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(kù)和算法來(lái)實(shí)現(xiàn)
2024-01-12 16:06:19166
基于TensorFlow和Keras的圖像識(shí)別
TensorFlow和Keras最常見(jiàn)的用途之一是圖像識(shí)別/分類(lèi)。通過(guò)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(kāi)始之前
2024-01-13 08:27:42328
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(guò)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(jué)、模式識(shí)別、人工智能等相關(guān)技術(shù),通過(guò)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(lèi)、檢測(cè)、跟蹤等任務(wù)
2024-02-02 11:01:42473
評(píng)論
查看更多