WIN_YOLO.rar下载

PIPI_333 2020-11-30 04:34:10

windows下使用C++调用dll，用yolo进行图片检测、视频检测、摄像头实时视频流检测，并能实现检测结果保存
相关下载链接：//download.csdn.net/download/qq_40946453/13203708?utm_source=bbsseo

...全文

59 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍如何使用Nginx进行基本的HTTP认证配置，包括安装必要的软件、创建用户名密码文件、配置Nginx服务器块实现整站及特定目录的认证，并通过curl命令测试验证配置的有效性。

在工业机器视觉领域，表面缺陷检测是保障产品质量的关键环节，常见缺陷包括划痕、脏污、缺料等。其核心原理通常基于图像预处理、动态阈值分割、连通域分析与特征筛选，以提取和量化缺陷区域。Halcon作为工业级商业视觉库，算子丰富、精度高、调试高效；OpenCV则开源灵活、生态广泛，二者混合工程可优势互补，兼顾检测性能与系统集成。该技术广泛应用于产线自动质检、配电网绝缘子缺陷检测等场景。实际落地时，不仅需要掌握算法流程，还需解决环境配置、DLL依赖、批量处理与深度学习加速等工程问题。本文将围绕一个典型的Halcon+

机器视觉在工业质检中的应用日益普及，缺陷检测作为核心环节，常依赖图像分割与特征提取。动态阈值分割是一种有效应对光照不均的方法，通过背景估计与像素差分提取异常区域。Halcon和OpenCV作为两类主流视觉工具，分别以算子成熟度和开源生态见长。在表面缺陷检测场景中，二者可实现相似的算法链路，但部署方式、License成本与参数调优策略差异明显。本文基于实际项目资源，详细拆解了Halcon与OpenCV缺陷检测项目的结构、算法实现、常见报错（如0x000007f）及工程落地经验，为工业视觉开发者提供可复用的实践

ASTM E831-25.rar

原创本地工程工具合集，每个资源均包含独立源码、README、MIT License、原创与授权声明、3项自动化测试、可复现合成示例、离线 JSON、HTML、SVG 报告及 1080×720 真实运行截图。Node.js 18+ 可直接运行，适合开发者进行工程预检、数据校验和证据留档；不包含第三方项目源码、模型权重、官方素材或账号数据。

下载资源悬赏专区

13,653

社区成员

12,569,151

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

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