基于计算机视觉的物体尺寸测量方法实现

设计了一种基于计算机视觉的物体尺寸测量方法。该方法是对静态图片中的物体进行尺寸测量,图片是来自于摄像头在一定条件下拍摄的,然后输入到计算机,对图片中的目标区域进行预处理,包括将所有图像特征点灰度化、去除图像噪声、通过图像特征点的提取、提取图片中固定的区域、对需要提取的其它区域进行填充、膨胀、开操作等处理。然后编写轮廓检测算法检测图片中物体的外轮廓,最后在边界框的图像上绘制出一个边界框的顶点和轮廓,通过边界框计算顶点和轮廓的四个顶点的坐标,可以计算一个物体的面积和体积。实验结果表明,该方法具有低成本、操作简便、测量适用性强的特点,并且测量的尺寸误差在3毫米以下。

应用YOLOv3-tiny模型的人民币面额识别方法

本文提出了一种基于YOLOv3-tiny的人民币面额识别方法。该方法首先使用LabelImg对不同种面额的人民币目标检测区域进行标记,并生成相应的数据信息库,为后续的训练和测试提供数据集。然后以YOLOv3-tiny的模型结构为基础进行相应的重构,生成新的基于PyTorch框架的RMB-tiny模型,并利用准备好的训练数据集在RMB-tiny模型上进行训练,得到最优的模型pt。最后利用测试集对模型进行测试,实时检测正确率达到99.985%以上。