该课题为基于形态学的缺陷检测，素材采用的是光伏板缺陷。通过灰度，二值化，边缘检测，形态学，开闭运算，去除小面积干扰等方法，判断出缺陷所在，定位，并且框出，且计算出各个块面积。配有一个人机交互界面，把缺陷个数，面积等分别显示到GUI界面上。

正样本集为包含“识别物体”的灰度图，一般大于等于2000张，尺寸不能太大，尺寸太大会导致训练时间过长。负样本集为不含“识别物体”的任何图片，一般大于等于5000张，尺寸比正样本集稍大。一般为正样品集的3倍。在当前文件夹下新建五个文件夹，pos和neg放处理后的图片，ini_pos和ini_neg放原来的图像，xml放以后自定义生成的分类器将下载的正负样本集分别放入ini_pos和ini_neg文件夹。我百度图片上下载了船的图片到ini_pos,鱼的图片到ini_neg。

小键盘灯经常自己灭，不知道原因。检测小键盘灯的状态，灭了就打开，bat+VBS

1、yolov5常用二维码检测检测，包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，有pyqt界面，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，标签格式为voc和yolo两种格式，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5常用二维码检测检测，包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，标签格式为voc和yolo两种格式，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

%% 近场 CBF 测角均方根误差 检测概率

拉伸强度、拉断伸长率、撕裂强度等检测检测报告（模板）.docx

1、imshow展示图像大小随意调整 2、常规图形检测实例 3、检测图形轮廓demo 4、检测多个轮廓取轮廓拟合，取最小能包围住物体的轮廓 5、边缘检测，梯度算法

1、YOLOV5训练好的飞鸟检测模型+pyqt界面，包括YOLOv5s-bird.pt和YOLOv5m-bird.pt两个训练好的模型，并包含近1000张标注好的鸟类数据集，标签格式为xml和txt两种，类别名为bird， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、另外一万多张飞鸟数据集 https://download.csdn.net/download/zhiqingAI/85110825 4、采用pytrch框架，代码是python的

1、YOLOV5训练好的飞鸟检测检测模型，包括YOLOv5s-bird.pt和YOLOv5m-bird.pt两个训练好的模型，并包含近1000张标注好的鸟类数据集，标签格式为xml和txt两种，类别名为bird， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、另外一万多张飞鸟数据集 https://download.csdn.net/download/zhiqingAI/85110825 4、采用pytrch框架，代码是python的