帮老板找一款ＤＳＰ，要求能在上面进行图象处理的集硬件软件一起的开发平台．

xiao234666 2007-09-19 02:26:31

大致要求为：
　　硬件方面平台要有配备的摄象头；
　　软件方面要有较好的开发平台（如ccs）并要有完整的关于图象处理的开发包可供调用．让开发人员即使不懂硬件也能在此平台上进行图象处理软件的开发；
　　如有相关产品请把详细的产品说明发于email:xiao234666@163.com
并留下你们的联系方式！
　　　　　谢谢！！

...全文

138 9 打赏收藏转发到动态举报

写回复

9 条回复

切换为时间正序

请发表友善的回复…

发表回复

liuyann 2008-02-08

打赏
举报

回复

新年快乐！万事如意！

itcoco 2008-01-13

打赏
举报

回复

mark

mating85 2007-12-06

打赏
举报

回复

我有专门做图像处理的产品
TI的DM642
硬件很成熟
也有配套软件，也可以在上面做开发
有意联系
mating@crearo.com

heda110 2007-12-01

打赏
举报

回复

你可以来汉远嵌入开发网看看,应该有你需要的www.embedlab.com.cn

cokeclassic 2007-12-01

打赏
举报

回复

ti的 6000系列

E_pro_wpj 2007-11-12

打赏
举报

回复

呵呵，路过～

walk_stop_walk 2007-10-31

打赏
举报

回复

顶

在数据处理与可视化领域，Viewer（查看器）作为特定类型数据集合的浏览入口，其核心价值在于高效呈现与交互。从VNC Viewer远程桌面连接到Log Viewer大日志文件分析，再到DICOM医学影像查看器，Viewer通过优化渲染、缓存和交互逻辑，解决了海量数据浏览的效率瓶颈。其技术原理通常围绕高性能解码、多级缓存和懒加载机制展开，旨在实现瞬时响应与流畅操作。在图像处理工作流中，针对图片集合（Image Set）的浏览与管理需求尤为突出，涉及摄影师选片、AI模型输出可视化、科研序列图像分析等场景。Ima

内容概要：本文针对功率阶跃工况下光储虚拟同步发电机（VSG）并网系统存在的电能质量问题，提出一种自适应治理策略。通过Simulink搭建完整的光储VSG并网系统仿真模型，重点研究在功率突变条件下系统出现的频率波动、电压畸变及谐波增加等动态问题。所提策略结合VSG的惯量与阻尼特性，设计了参数自适应调节机制，实现对系统动态响应过程的有效调控，显著提升了并网电流波形质量与频率稳定性，增强了系统在强扰动工况下的鲁棒性与电能质量治理能力。; 适合人群：具备电力电子、自动控制理论及新能源并网技术基础的科研人员、电气工程及相关专业的硕士/博士研究生，以及从事微电网、储能系统、VSG控制研发的工程技术人员。; 使用场景及目标：①用于分析光储系统在功率阶跃等动态工况下的并网特性与电能质量演变规律；②为VSG关键控制参数（如惯量、阻尼）的自适应整定提供设计思路与仿真验证平台；③支撑高水平学术论文复现、科研课题攻关及实际工程项目的前期控制策略验证。; 阅读建议：建议结合Simulink仿真模型深入理解控制策略的实现逻辑，重点关注VSG惯量阻尼协同调节的自适应机制设计，可通过设置不同功率阶跃幅度、光照强度变化及负载投切等多场景进行仿真测试，全面评估策略的动态性能与适用边界。

标题：围绕注册发现治理搭建Java服务治理闭环内容概要：从服务拆分、状态流转、容量评估与灰度发布出发，介绍围绕注册发现治理搭建Java服务治理闭环的工程化落地方式。 24直播网：www.cnkpwl.com 直播下载：www.buddyjp.cn 24直播网：www.cqycjcgs.cn 24直播网：www.holleygo.com 直播下载：www.gzsxlj.com

用于记录工作内容，查看日常工作排期表

内容概要：本文系统研究了基于ARIMA-CNN-LSTM的混合时间序列预测模型，并提供了完整的Python代码实现。该模型融合传统统计方法ARIMA与深度学习模型CNN和LSTM的优势，充分发挥ARIMA在捕捉线性趋势与季节性特征方面的能力，以及CNN和LSTM在提取局部特征和建模长期依赖关系方面的强大性能，从而有效提升对复杂非线性时间序列的预测精度。研究涵盖了数据预处理、模型构建、参数调优、训练与预测全流程，并通过实际案例验证模型在风电、光伏、负荷、电价等能源领域预测任务中的优越表现。文档还整合了电力系统、路径规划、信号处理等多个科研方向的仿真资源与代码示例，凸显其在学术研究与工程实践中的广泛应用价值。; 适合人群：具备一定Python编程基础和机器学习理论知识，从事科研或工程技术工作的研究人员，特别适用于关注时间序列分析、深度学习建模的硕士生、博士生及行业从业者。; 使用场景及目标：①深入理解并掌握ARIMA与深度学习模型（如CNN、LSTM）融合的建模范式与技术细节；②应用于能源领域中风电出力、光伏发电、电力负荷及电价等关键变量的高精度预测；③为科研课题、学术论文复现、工程项目优化等提供可靠、可复用的代码框架与技术支持。; 阅读建议：建议结合所提供的Python代码进行动手实践，重点剖析数据预处理流程、混合模型架构设计及超参数调优策略，同时可参考文档中其他相关研究案例以拓宽技术视野和应用场景认知。

1,076

社区成员

6,258

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章