opencv中rect.corners()
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
OpenCv_python实现
import pyzbar.pyzbar as pyzbar decoded = pyzbar.decode(img) for decode in decoded: x, y, w, h = decode.rect
Python文档批量平移变换 OpenCV批量出图
Python文档批量平移变换 OpenCV批量出图 批量对合成文档扫描图做平移仿射变换,统计平移量与尺寸,输出变换图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · warpAffine 平移矩阵 [[1,0,tx],[0,1,ty]](tx=20 ty=15) · translate_batch_report.csv(file/tx/ty/width/height) · translate_gallery.png 前后对照最多 4 张 · translate_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python包络谱SVM磨床故障诊断 希尔伯特混淆矩阵
Python包络谱SVM磨床故障诊断 希尔伯特混淆矩阵 合成四类磨床振动信号,希尔伯特包络谱特征提取后 SVM 分类,输出混淆矩阵与包络谱对照图。 功能: · 合成磨床四工况振动 · Hilbert 包络谱六频带能量与幅值统计 · RBF-SVM 四分类(C=10) · feature_energy.png 包络谱特征对比 · confusion.png、wave_gallery.png 与 metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python文档批量锐化 OpenCV批量出图
Python文档批量锐化 OpenCV批量出图 批量对合成文档扫描图做拉普拉斯核锐化,统计拉普拉斯方差增益,输出锐化图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · cv2.filter2D 拉普拉斯锐化核 [[0,-1,0],[-1,5,-1],[0,-1,0]] · sharpen_batch_report.csv(file/mean/laplacian_var_gain) · sharpen_gallery.png 前后对照最多 4 张 · sharpen_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python CWT SVM电梯故障诊断 小波能量混淆矩阵
Python CWT SVM电梯故障诊断 小波能量混淆矩阵 合成四类电梯振动信号,Morlet 小波尺度能量特征提取后 SVM 分类,输出混淆矩阵与 CWT 对照图。 功能: · 合成电梯振动四工况(正常/导轨/钢丝绳/轴承) · Morlet CWT 八频带能量 + RBF-SVM 四分类(C=12) · cwt_gallery.png 小波系数墙 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python CWT SVM机床故障诊断 小波能量混淆矩阵
Python CWT SVM机床故障诊断 小波能量混淆矩阵 合成四类车床振动信号,Morlet 小波尺度能量特征提取后 SVM 分类,输出混淆矩阵与 CWT 对照图。 功能: · 合成机床振动四工况(正常/刀具磨损/主轴/夹具松动) · Morlet CWT 八频带能量 + RBF-SVM(C=12) · cwt_gallery.png 小波系数墙 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
内容概要:本文提出一种基于CNN-BiLSTM-Attention的风电场短期功率预测方法,通过高斯混合模型(GMM)对风电场进行聚类分析,以捕捉不同风场间的相似性与差异性,进而提升预测精度。模型结合卷积神经网络(CNN)提取局部空间特征,双向长短期记忆网络(BiLSTM)捕获时间序列的前后依赖关系,并引入注意力机制(Attention)自适应聚焦关键时间步的输入信息,显著增强了对非线性、非平稳风电功率序列的建模能力。该方法在Python和Matlab平台上实现了完整的数据预处理、模型构建、训练优化、预测输出与结果可视化流程,支持多变量输入场景下的短期功率预测任务,具有较强的工程实用性与科研参考价值。; 适合人群:具备一定机器学习和深度学习基础,熟悉Python或Matlab编程,从事新能源、电力系统预测、智能电网等相关领域的研究人员及工程技术人员。; 使用场景及目标:①应用于风电场集群的短期功率预测,提高电网调度的准确性与稳定性;②为高比例可再生能源接入的电力系统提供可靠的功率预测技术支持;③作为深度学习在时间序列预测中的典型案例,用于科研复现、算法比较与教学示范。; 阅读建议:建议读者结合提供的代码与实测数据集,按照文档结构逐步实现模型构建与训练过程,重点关注GMM聚类的有效性分析、CNN-BiLSTM-Attention网络结构设计原理及其在不同气象条件下的泛化性能表现,并通过消融实验与对比模型(如LSTM、GRU、SVR等)评估预测精度与鲁棒性。
Python文档批量非局部均值去噪 OpenCV批量出图
Python文档批量非局部均值去噪 OpenCV批量出图 批量对合成文档扫描图做非局部均值去噪,统计去噪强度与均值方差变化,输出去噪图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · cv2.fastNlMeansDenoising 非局部均值去噪(h=10) · denoise_batch_report.csv(file/h/mean/std 前后) · denoise_gallery.png 前后对照最多 4 张 · denoise_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python STFT SVM电梯故障诊断 时频混淆矩阵
Python STFT SVM电梯故障诊断 时频混淆矩阵 合成四类电梯振动信号,STFT 时频频带特征提取后 SVM 分类,输出混淆矩阵与 STFT 对照图。 功能: · 合成电梯振动四工况(正常/导轨/钢丝绳/轴承) · STFT 十频带幅度特征 + RBF-SVM 四分类(C=12) · confusion.png 混淆矩阵 · wave_gallery.png 时域波形画廊 · stft_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python包络谱SVM起重机故障诊断 希尔伯特混淆矩阵
Python包络谱SVM起重机故障诊断 希尔伯特混淆矩阵 合成四类起重机振动信号,希尔伯特包络谱特征提取后 SVM 分类,输出混淆矩阵与包络谱对照图。 功能: · 合成起重机振动四工况(正常/钢丝绳/减速机/轴承) · Hilbert 包络谱六频带+峰 15/70/217Hz + RBF-SVM · envelope_spec.png 包络谱对照 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
【DQN、PyTorch】使用深度Q网络(DQN)和非正交多址接入(NOMA)的无人机上行链路干扰管理研究(Python代码实现)
内容概要:本文研究了基于深度Q网络(DQN)和非正交多址接入(NOMA)的无人机上行链路干扰管理方法,旨在解决密集部署场景下无人机通信中的同频干扰问题。通过构建基于PyTorch的DQN模型,实现无人机在复杂动态环境中的智能资源分配与通信策略选择,有效降低上行链路干扰,提升频谱效率与通信可靠性。文中详细阐述了系统模型设计、NOMA接入机制、DQN网络结构、状态-动作-奖励函数定义、训练流程及收敛性分析,并通过Python代码完成了仿真验证。实验结果表明,该方法相比传统启发式算法在系统容量、连接成功率和干扰抑制方面均有显著提升。; 适合人群:具备一定深度学习、无线通信理论基础,从事无人机通信、智能资源分配、6G网络研究的科研人员、高校研究生及相关领域工程师。; 使用场景及目标:①应用于高密度无人机集群的上行链路干扰协同管理;②为基于强化学习的动态无线资源分配提供可复现的技术方案与代码参考;③推动人工智能在空天地一体化网络中的智能决策应用研究。; 阅读建议:建议读者结合提供的Python代码进行仿真实验,深入理解DQN在动态通信环境中的建模过程与训练技巧,并可进一步拓展至多智能体DQN(MADQN)、优先经验回放等改进算法的研究。
Python熵特征SVM铣床故障诊断 谱熵混淆矩阵
Python熵特征SVM铣床故障诊断 谱熵混淆矩阵 合成四类铣床振动信号,幅值熵/谱熵与时域统计特征提取后 SVM 分类,输出混淆矩阵与谱熵对照图。 功能: · 合成铣床振动四工况(正常/刀具崩刃/主轴/进给异响) · 幅值熵、谱熵、差分熵 + 时域统计 + RBF-SVM · entropy_compare.png 工况谱熵对比 · confusion.png 混淆矩阵 + classification_report.txt · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python CWT SVM钻床故障诊断 小波时频混淆矩阵
Python CWT SVM钻床故障诊断 小波时频混淆矩阵 合成四类钻床振动信号,Morlet CWT 频带能量特征提取后 SVM 分类,输出混淆矩阵与小波系数图墙。 功能: · 合成钻床四工况振动(正常/钻头磨损/主轴/进给异响) · NumPy Morlet CWT 六中心频率带能量 · RBF-SVM 四分类(C=10) · feature_compare.png CWT 特征对比 + wave_gallery.png · confusion.png、classification_report.txt 与 metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python IMF SVM机床故障诊断 模态能量混淆矩阵
Python IMF SVM机床故障诊断 模态能量混淆矩阵 合成四类车床振动信号,IMF 模态能量与时域统计特征提取后 SVM 分类,输出混淆矩阵与 IMF 能量对照图。 功能: · 合成车床振动四工况(正常/刀具磨损/主轴/夹具松动) · 两次 sift 的 3 IMF 能量、残差能量与时域统计 · RBF-SVM 四分类(C=12) · imf_energy.png 能量对比 + wave_gallery.png · confusion.png、classification_report.txt 与 metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
c++光流法,采用c++类的形式进行改写,将检测到运动的物体采用矩形框标注出来。
:Rect2f rect = cv::minAreaRect(corners);```最后,使用`rectangle`函数在图像上绘制矩形:```cppcv::rectangle(image, rect.tl
图像处理经典算法
cv::Point2f> corners;cv::goodFeaturesToTrack(image, corners, 100, 0.01, 10);```#### 五、图像的旋转与缩放**定义与原理
无人机【扩展卡尔曼滤波器从IMU和GPS数据计算无人机的姿态】使用不变扩展卡尔曼滤波器对微型无人机状态估计进行传感器融合(Matlab代码实现)
内容概要:本文提出了一种基于不变扩展卡尔曼滤波器(Invariant Extended Kalman Filter, IEKF)的微型无人机状态估计算法,旨在通过融合惯性测量单元(IMU)和全球定位系统(GPS)的数据,精确估计无人机的姿态、位置与速度。该方法充分利用IEKF在李群流形上的几何不变性,有效保持系统状态的内在结构,从而提升非线性系统下的滤波精度与数值稳定性。相较于传统EKF,IEKF在处理姿态估计问题时避免了欧拉角奇异性或四元数归一化等问题,展现出更强的鲁棒性。文中详细介绍了传感器数据预处理、连续系统建模、离散化滤波算法设计及协方差调参策略,并提供了完整的Matlab代码实现流程,涵盖初始化、预测、更新与结果可视化等环节,通过仿真验证了其在复杂机动飞行和外部干扰下的优越性能。; 适合人群:具备控制理论、非线性滤波与状态估计基础知识,熟悉Matlab编程环境,从事无人机导航、自主飞行系统开发或传感器融合算法研究的研究生、科研人员及工程技术开发者。; 使用场景及目标:①解决无人机在动态飞行中因IMU积分漂移和GPS信号延迟导致的状态估计累积误差问题;②提升无人机在城市峡谷、林区等GNSS信号受限环境下的导航精度与系统鲁棒性;③为相关领域的滤波算法设计与仿真验证提供可复现、可扩展的技术范本。; 阅读建议:读者应结合提供的Matlab代码逐模块分析算法实现细节,重点关注IEKF的状态演化模型在SO(3)流形上的构建方式、观测方程的几何一致性处理以及噪声协方差的整定方法,建议通过引入不同飞行轨迹、噪声强度和故障场景进行仿真实验,深入理解其相对于标准EKF的优势与适用边界。
2轴气势支架螺栓拧紧机.rar
2轴气势支架螺栓拧紧机.rar
【单相单级并网逆变器】模拟了一个具有最大功率点追踪(MPPT)功能的单相单级脉宽调制(PWM)光伏逆变器,并且支持并网运行(Simulink仿真实现)
【单相单级并网逆变器】模拟了一个具有最大功率点追踪(MPPT)功能的单相单级脉宽调制(PWM)光伏逆变器,并且支持并网运行(Simulink仿真实现)内容概要:本文模拟并实现了具有最大功率点追踪(MPPT)功能的单相单级脉宽调制(PWM)光伏并网逆变器,采用Simulink进行仿真。该系统能够在光伏发电中实时追踪最大功率点,提高能量转换效率,并实现与电网的稳定连接和电能回馈。研究涵盖了逆变器的主电路设计、PWM调制策略、MPPT控制算法以及并网同步控制等关键技术,通过仿真验证了系统在不同光照和负载条件下的动态响应与稳态性能,确保输出电流与电网电压同频同相,满足并网电能质量要求。; 适合人群:电力电子、新能源发电、自动化及相关专业的科研人员、研究生及工程技术人员。; 使用场景及目标:①用于光伏发电系统中逆变环节的教学与科研仿真;②为实际光伏并网逆变器的设计与控制策略优化提供理论依据和技术参考;③支持MPPT算法与并网控制策略的对比研究与性能测试。; 阅读建议:建议结合Simulink模型文件同步操作,重点关注MPPT算法实现模块与并网锁相环(PLL)控制部分,可通过修改光照强度、温度等参数观察系统动态响应,加深对光伏逆变系统工作原理的理解。
XC20.rar
当 CAD 缺失对应字体时,图纸文字会显示异常,出现乱码、问号。将下载好的字体文件复制到 AutoCAD 的 Fonts 文件夹中,即可恢复正常显示。
最新推荐



