🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page
  • Measuring Tile Width
  • Calculating all tile widths

Was this helpful?

  1. Beispielprojekte

Fliesenbreitenmessung

PreviousObjektezählungNextMenschenkennung

Last updated 7 months ago

Was this helpful?

Measuring Tile Width

Messungen können je nach Kontext des Projekts herausfordernd sein. Die sofort einsatzbereiten Funktionsblöcke von AugeLab Studio ermöglichen einfache und schnelle Messungen zu einem solchen herausfordernden Thema.

Dieses Beispiel zeigt dir, wie man die Breite (effektiv die Entfernung) einer Holzfliese misst.

Zuerst verwenden Sie den Funktionsblock und laden Sie wood.jpg aus dem Ordner mit Beispielbildern, der von AugeLab Studio bereitgestellt wird.

Der Funktionsblock Histogram on Line erkennt automatisch scharfe Kanten, speichert deren Positionen als Punkte anhand der angegebenen Schwellenwerte und Positionswerte. Indem wir die folgende Logik erstellen:

Sagen wir dem Block Histogram on Line, dass er Kanten an der 100. horizontalen Pixelposition berechnen soll und nach Kanten sucht, die Werte über 100 überschreiten (was zwischen 0-255 liegen kann).

Die horizontale Position der Erkennungslinie (zweiter Anschluss) ist am wichtigsten, da andere Faktoren leicht zu falschen Erkennungen führen können. Lassen Sie uns 350 angeben und sehen, was in einem solchen Szenario passiert:

Die Auswahl einer horizontalen Linie mit mehr Störungen hat zu falschen Erkennungen geführt. Daher wird immer empfohlen, eine Linie zu wählen, die möglichst wenig von Rauschen und der Umgebung betroffen ist.

Da wir erfolgreich die Kantenpositionen jeder Fliese berechnet haben, können wir die Breite der ersten Fliese mit mehreren Blöcken berechnen.

Vielleicht ist dir aufgefallen, dass die y-Distanz null ist, da alle Punkte auf der gleichen horizontalen Linie liegen.

Das war's! Du hast erfolgreich die Breite der ersten Fliese berechnet.

Calculating all tile widths

Nun lass uns die anderen Breiten mit Listen- und Batchoperationen berechnen.

Indem wir denselben Funktionsblock List Operations verwenden, verwenden wir die pop-Option aus dem Dropdown-Menü. Die Pop-Option entfernt das Element an einem bestimmten Index aus einer Liste. Lass uns erneut die folgende Logik erstellen:

Der Block List Operations kopiert zuerst die bereitgestellte Liste und berechnet dann das gewünschte Ergebnis. Wir haben eine Liste der Spitzenpositionen ohne das erste Element erstellt und dann eine weitere Liste, indem wir nur das letzte entfernt haben.

Das ist alles! Du hast die Breite aller Fliesen berechnet!

Unser Ziel ist es, die Breite jeder Fliese zu messen und sie auszudrucken. Als Nächstes müssen wir dieses Bild vorverarbeiten, um Rauschen zu reduzieren, das durch die Kamera oder die Umgebung eingeführt werden kann. In solchen Fällen ist der Funktionsblock eine sehr gute Wahl mit der Option Median Blur. Legen Sie die folgende Logik an:

Wir halten die Kernel Size auf 3, um die Vorverarbeitung auf ein Minimum zu reduzieren, da jede Art von Vorverarbeitung das Endergebnis während der Messungen beeinflussen kann. Als Nächstes verwenden wir den Funktionsblock .

Zuerst verwenden wir die Ausgabe Peak Mean Locations des Blocks Histogram on Line. Diese Ausgabe besteht aus einer von Positionen:

Jede Position enthält horizontale und vertikale Positionen (x, y) der Spitzenpositionen. Wir können die Entfernung zwischen jedem Punkt berechnen, entweder mit dem Block oder mit dem Funktionsblock .

Verwenden Sie den Block und wählen Sie get aus dem Dropdown-Menü. Befolgen Sie die folgende Logik:

Die obige Logik wählt das erste Element aus, indem sie null (0) angibt, und das zweite Element, indem sie eins (1) angibt. Mit werden die x-y und die euklidischen Entfernungen berechnet und angezeigt.

Wenn wir diese mit und dem verwenden, können wir die positionsbedingte Differenz zwischen den einzelnen Spitzenpunkten berechnen:

Es ist wichtig, den zu verwenden, wenn Sie mit Batchverarbeitung umgehen. Wenn ein Funktionsblock eine Charge erhält, wird er im Batchmodus ausgeführt. Verwenden Sie die Option Batch2List aus dem Menü, um zum normalen Betriebsmodus zurückzukehren.

🧩
Blur
Histogram on Line
Demux
Measure Position Distance
List Operations
Measure Position Distance
Batch Processing
Data Type Converter
Data Type Converter
Load Image
Liste