在SMT生产过程中，有一种通用的防错方式，它可以减少错件的风险，可以降低出错的几率，可以有效的提高整个生产的品质，这种方式就是首件机制。...所谓的首件机制，就是在正式生产之前先打一片样板，这片板子会进行全方位的测试，在所有测试都通过之后，才开始正式生产，首件制作通常是在以下情况下进行的： 1、每个工作班的开始 2、更换操作者; 3、更换或调整设备...合理的首件机制可以确保在贴片机上等待安装的元器件是正确的，所使用的锡膏状态，回炉温度是没有问题的。可以有效的防止批量性不良出现。...通过首件检验，可以发现诸如工装夹具严重磨损或安装定位错误、测量仪器精度变差、看错图纸、投料或配方错误等系统性问题，从而采取纠正或改进措施，以防止批次性不合格品发生。...SMT line.jpg 1、首件测试系统，是一整套整合好的系统，可以将生产的产品BOM直接输入到该系统中，系统自带的测试单元会自动对首件样板进行测试，和输入的BOM数据核对，确认所生产的首件样板是否符合品质要求
工装穿戴检测系统是根据规模性工作服图片数据信息识别学习训练，完成图片视频实时分析，着装合规检测识别系统根据人工智能算法精确分析合理的着装、工作服装色调识别；即时向上级领导以及服务平台推送违反规定时长、地址...工作服装可穿戴检测系统自动分析和识别视频图像信息内容，不用人工控制；识别监管区工作人员工作服装，真真正正完成预警信息、正常的检测、规范化管理；降低乱报和泄露；视频录像，便捷后管理方法查看。...现阶段，优化算法已经快速更改人民的生活习惯性，工作服装识别优化算法还在静电场、施工工地、金融机构系统等安全性场地应用推广，现阶段北京、上海、深圳等一线城市已普及化，但天津、西安、大连、苏州等二线城市已经检测应用环节
人员拥挤检测系统通过YOLOv5网络模型算法技术，人员拥挤检测系统算法模型对校园/厂区车间/街道等场景的异常的人群聚集（出现拥挤情况）时，人员拥挤检测系统立刻抓拍存档并通知相关人员及时处理。...采用滑动窗口的目标检测算法思路非常简单，它将检测问题转化为了图像分类问题。...整体来看，Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，整个系统如图5所示：首先将输入图片resize到448x448，然后送入CNN网络，最后处理网络预测结果得到检测的目标。...YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。...在我看来，YOLOv5检测算法中还是存在很多可以学习的地方，虽然这些改进思路看来比较简单或者创新点不足，但是它们确定可以提升检测算法的性能。
皮带撕裂检测系统通过Python基于YOLOv7架构模型实时监控传动现场皮带的工作状态，皮带撕裂检测系统24h全天候对皮带进行多方向实时检查，尽快发现皮带安全隐患，避免扩大损失。...图片相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS...A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出...图片Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共...我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。图片
介绍 工业零件在制造完成的时候，往往需要去检测其完整性和功能性。如下图所示，从左上到右下，分别是擦花、漏底、碰凹、凸粉。...，擦花由于特征不够明显，基本上被判断成凸粉，这一点需要改善################# s_pre_out='检测出的缺陷种类为：'+s_pre s_true_out='真实缺陷种类为：'+s_true...输出结果： [[1.4585784e-340.0000000e+00 1.0000000e+00 0.0000000e+00]] [0.0,0.0, 1.0, 0.0] 检测出的缺陷种类为：碰凹 真实缺陷种类为...：擦花 [[0. 1.0. 0.]] [0.0,1.0, 0.0, 0.0] 检测出的缺陷种类为：漏底 真实缺陷种类为：漏底 源代码 源代码请见：https://download.csdn.net/.../qq_29462849/10662290 实验数据请见：https://download.csdn.net/download/qq_29462849/10662327 细节和技巧 1）对工业缺陷零件来说
介绍 纯python编写的轻量级中间件漏洞检测框架，实现针对中间件的自动化检测，端口探测->中间件识别->漏洞检测->获取webshell 漏洞检测脚本以插件形式存在，可以自定义添加修改漏洞插件，存放于...中间件识别在discern_config.ini文件中配置（支持文件内容和header识别） 目前内置了19个漏洞插件，目前还缺少weblogic自动部署和反序列化探测以及中间件的反序列化自动获取webshell...F-MiddlewareScan.py -h 192.168.0.100 -p 8180 菜刀连接一句话木马 http://192.168.0.100:8180/is/index.jspfuturesec 当然你也可以自己添加各种中间件弱口令
现在越来越多的企业级应用需要运行在国产化环境中，本文介绍下我们产品使用的中间件在国产操作系统银河麒麟的安装（不一定是最优方式，但能用）。...MongoDB 因为上面的中间件已经安装了部分依赖，所以执行下面命令安装剩余依赖即可： sudo yum -y install libcurl-devel openssl libxml2-devel libxml2
渣土车识别检测系统通过yolo网络架构对现场渣土车进行实时分析检测，一旦渣土车识别检测系统发现渣土车立即抓拍预警，提醒后台人员及时处理。我们使用YOLO(你只看一次)算法进行对象检测。...YOLO是一个聪明的卷积神经网络(CNN)，用于实时进行目标检测。该算法将单个神经网络应用于完整的图像，然后将图像划分为多个区域，并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。
电机转子、机床主轴、风机叶轮、汽轮机转子、汽车零部件、汽车轮胎和空调风叶等旋转零部件在制造过程中都需要经过动平衡才能平稳正常地运转。...动平衡系统通过检测旋转主轴的振动、相位和转速，告知转子不平衡点，通过加重或是减重的方式来校正动平衡。...整机动平衡：是在工作转速下直接对装在整机上的转子平衡，不需要动平衡机，仅需要动平衡检测系统，较为经济并可解决多种不平衡问题。...不同的转子系统（刚性转子、挠性转子和微速差双转子）需要有不同的动平衡检测方式： 刚性转子是工作转速远低于临界转速的转子，因其支承和转子的刚度相当大，转子在不平衡离心力的作用下所产生的动挠度(弹性变形)很小...动平衡检测系统 动平衡检测主要是通过测量转子系统的基准信号和振动信号，对这些信号进行分析，获取振动信号的峰值和相对于基准的相位，从而获取转子系统不平衡量的大小和相位信息。
水面船舶识别检测系统通过python+opencv网络模型计算机视觉技术，水面船舶识别检测算法对河道水面区域进行7*24小时实时监测，当监测到采砂船非法采砂船只时，自动抓拍违规船只存档并告警及时制止。...图片 OpenCV可以在不同的系统平台上使用，包括Windows，Linux，OS，X，Android和iOS。基于CUDA和OpenCL的高速GPU操作接口也在积极开发中。
河道船舶识别检测系统通过ppython+YOLOv5网络模型算法技术，河道船舶识别检测系统对画面中的船只进行7*24小时实时监测，若发现存在进行违规采砂或者捕鱼立即自动抓拍触发告警。...采用滑动窗口的目标检测算法思路非常简单，它将检测问题转化为了图像分类问题。...其基本原理就是采用不同大小和比例（宽高比）的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域做图像分类，这样就可以实现对整张图片的检测了。...YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。...主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP
人员跌倒识别检测系统通过Python+YOLO7网络模型算法，人员跌倒识别检测系统对现场画面中有人员倒地摔倒行为实时分析预警，人员跌倒识别检测算法模型发现则立即抓拍存档告警同步提醒后台值班人员及时处理。...YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。...这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。研究者将提出的模块和优化方法称为可训练的「bag-of-freebies」。
皮带断裂识别检测系统通过通过opencv深度学习yolo计算机视觉识别技术对煤矿皮带运行状态进行全天候实时监测，当皮带断裂识别检测系统监测到煤矿皮带断裂撕裂时立即抓拍告警存档同步回传异常信息到后台监控平台提醒后台人员发现皮带隐患点及时检修...图片YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好。...Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。...图片Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共...我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。图片
bytes 62348 (60.8 KiB) TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0 2.uname 用于查看系统内核与系统版本等信息...linuxprobe Desktop]# cat /etc/redhat-release Red Hat Enterprise Linux Server release 7.0 (Maipo) 3.uptime 查看系统负载信息...linuxprobe Desktop]# uptime 15:28:36 up 28 min, 2 users, load average: 0.00, 0.06, 0.11 4.free 显示当前系统中内存使用量信息...linuxprobe :0 2018-06-07 15:02 (:0) linuxprobe pts/0 2018-06-07 15:02 (:0) 6.last 用于查看所有系统登录记录...格式：last[参数] 7.history 用于显示历史执行过的命令 格式：history [-c] 8.sosreport 用于收集系统配置及架构信息并输出诊断文档 格式：sosreport
工装穿戴识别检测系统通过python+yolov5网络模型计算机视觉技术，工装穿戴识别检测系统对现场画面区域7*24全天候监测，当工装穿戴识别检测系统监测到现场人员未按要求穿着时，立即抓拍存档告警。...Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。...YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好。
皮带跑偏检测系统通过Python基于YOLOv7网络架构训练模型对煤矿皮带运行状态进行全天候实时监测，一旦皮带跑偏检测系统YOLOv7网络架构训练模型监测到现场皮带跑偏、撕裂、堆煤、异物等异常情况时，皮带跑偏检测系统马上开展警报...图片YOLO是一个聪明的卷积神经网络(CNN)，用于实时进行目标检测。该算法将单个神经网络应用于完整的图像，然后将图像划分为多个区域，并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。...图片YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器。并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。
车辆逆行识别检测系统通过opencv+yolo网络深度学习技术，车辆逆行识别检测系统对现场画面中车辆逆向行驶行为进行检测抓拍预警。...若车辆逆行识别检测系统检测到道路上有车辆逆向行驶时，车辆逆行识别检测系统则抓拍预警。...图片我们使用YOLO(你只看一次)算法进行对象检测。YOLO是一个聪明的卷积神经网络(CNN)，用于实时进行目标检测。...图片Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。...YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好。图片
煤矿皮带撕裂检测系统可以全天候监管皮带的运送的工作情况，当煤矿皮带撕裂检测系统监管皮带撕裂时，马上停止皮带的运送，精准定位到皮带的裂开部位，工作员能够及时到现场维护保养。...煤矿皮带撕裂检测系统是一套专门用于监控和防止皮带撕裂的安全检测系统。煤矿皮带撕裂检测系统目的是为了及时检测皮带表层的撕裂状况，防止因为不及时处理而进一步损坏皮带。...煤矿生产运输过程中，皮带撕裂难题自身是不可避免的，但煤矿皮带撕裂检测系统最大程度地降低皮带撕裂的损失，有效提升皮带机生产运输过程的效率。...煤矿皮带撕裂检测系统24小时对皮带开展全方位及时安全检查，可快速全自动识别分析安全隐患，提升保护效率；将警报截屏和视频保存到数据库系统，后期可根据时间段对告警记录和告警截图、视频进行查询。
工装识别工装检测系统通过yolov7+python网络模型算法智能分析技术，工装识别工装检测系统对现场人员是否穿戴的进行实时分析，发现现场画面人员未按要求着装，系统会自动抓拍发出警报并讲违规图片视频保存下来...YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。...这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。研究者将提出的模块和优化方法称为可训练的「bag-of-freebies」。
反光衣穿戴检测系统借助现场已经安装好的监控摄像头对现场作业人员反光衣、安全帽穿戴、高空作业安全带佩戴情况等实时监测，反光衣穿戴检测系统检测到违规行为如：不穿反光衣不戴安全帽不戴安全带或者抽烟玩手机等，系统立即抓拍发给后台系统...反光衣穿戴检测系统可远程监控和检测现场人员是不是按照规定进行作业，真正做到安全生产信息化管理，规范管理。...反光衣穿戴检测系统可以从360度全天候不间断全自动检测作业区域，实时分析检测作业人员是否存在违规情况。违规视频和截屏可以从后台客户端查看。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
