工业计算机视觉平台开源项目最佳实践

1. 项目介绍

工业计算机视觉平台是一个基于深度学习的开源项目，旨在为工业铸字识别提供完整的解决方案。该项目包含图像采集、智能检测、数据标注、模型训练四大模块，具有实时性、准确性、追溯性等特点，适用于工业现场的环境和需求。

2. 项目快速启动

以下是项目的快速启动步骤：

# 克隆项目
git clone https://github.com/jianzhichun/industrial-computer-vision-platform.git

# 进入项目目录
cd industrial-computer-vision-platform

# 安装依赖
pip install -r requirements.txt

# 运行启动脚本
# 对于 Windows 系统
double click start.bat

# 对于 Linux 系统
bash start.sh

# 在设置中修改语言，确保相机等硬件自动连接或手动添加

# 开始数据标注和模型训练流程

3. 应用案例和最佳实践

数据标注

• 使用红框标注图片以训练模型正确找到文本区域。
• 使用蓝框标注图片以训练模型正确识别文本内容。

模型训练

• 通过串联单步处理方式形成流水线处理，提高图像处理效率。
• 调用模型ID进行模型调用，实现实时监控和修改。

实时监控

• 在实时监控页面选择单步处理或流水线处理，对图像进行实时修改。

质量统计看板

• 利用质量统计看板实时查看检测结果，分析数据，优化模型。

4. 典型生态项目

前端

• 使用 Vue 3 + Vite + Quasar 构建前端界面，提供友好的用户交互。

可视化

• 集成 ECharts 工业大屏版，实现数据的可视化展示。

图像处理

• 采用 OpenCV 进行图像处理，提高图像质量。

深度学习

• 使用 TensorFlow/PyTorch/ONNX 等框架进行模型训练，提升识别准确性。

数据存储

• 利用 IndexedDB 进行数据存储，保证数据的安全性和可追溯性。

设备通信

• 通过 WebSocket + OPC UA 实现设备通信，确保系统的实时性和稳定性。