电池机器人自主抓取与分拣的实现
摘要:这个项目把头部相机、YOLOv5、圆柱图像几何、机器人坐标转换、六轴机械臂和灵巧手连接起来,完成同规格直立测试件的识别、接近、抓取、分类投放和返回。升级的关键,是让当前图像决定抓取位置,而不是由槽号选择一组固定坐标。实际开发也暴露了几条容易混淆的边界:检测框不等于抓取点,RGB-D相机不意味着
基于YOLO目标检测的哨兵监控系统项目开发
导语:本文不谈情怀,只讲技术。 记录如何用 Python + React 在 Windows 环境下榨干 USB 摄像头性能,从零手搓一套低延迟、高帧率、带 AI 实时检测的无头后台监控系统。 1. 项目愿景:突破原生限制 市面上有很多开源监控方案,但在 Windows 环境下往往面临启动慢、帧率低
Labelme 图像标注 学习笔记
前置步骤 安装Anaconda软件工具 https://www.anaconda.com/download 使用打开 Win+R 打开 CMD创建虚拟环境 # 创建虚拟环境
# conda create -n [虚拟环境] python=[版本]
conda create -n labelme py
机器学习项目:基于 YOLO11的军用飞机识别
YOLO介绍 YOLO(You Only Look Once)是一种基于深度学习的实时目标检测算法,最早由 Joseph Redmon 等人提出,其主要特点是将目标检测任务转化为一个单一的回归问题,在一次前向传播中同时预测多个边界框和类别概率,因此得名 “只看一次”。这种设计使得YOLO能够实现快速