質問編集履歴
4
図のサイズ変更
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -89,5 +89,5 @@
|
|
|
89
89
|
```
|
|
90
90
|
|
|
91
91
|
結果：
|
|
92
|
-
|
|
93
93
|
|
3
試した事を追加
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -27,7 +27,7 @@
|
|
|
27
27
|
共に方法を勉強する段階なので、
|
|
28
28
|
方向性をはっきりさせた上で学習に着手したいと考えております。
|
|
29
29
|
|
|
30
|
-
追記：調査したこと
|
|
30
|
+
### 追記：調査したこと
|
|
31
31
|
|
|
32
32
|
[①Pythonでコーヒー豆カウント](https://qiita.com/G-san/items/e840203791c02d0e51ed)
|
|
33
33
|
→2値化、ぼかし処理、検証方法はここでわかりましたが、
|
|
@@ -36,4 +36,58 @@
|
|
|
36
36
|
[②tensorflow 自動着色 + OpenCV 輪郭抽出で花の数をカウント](https://www.ecobioinfo.com/?p=1331)
|
|
37
37
|
→深層学習が有効そうであれば、ここを参考にして進めようと思っております。
|
|
38
38
|
|
|
39
|
+
### 追記：試したこと
|
|
40
|
+
下記のフェーズ１で評価中です。
|
|
39
41
|
|
|
42
|
+
フェーズ１：重なっていない画像でカウント
|
|
43
|
+
フェーズ２：重なった画像でカウント
|
|
44
|
+
フェーズ３：機械学習を用いる
|
|
45
|
+
フェーズ４：実画像で検証
|
|
46
|
+
フェーズ５：カメラの動画で検証
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
<フェーズ１＞
|
|
50
|
+
細かい部分はまだ理解できていませんが、
|
|
51
|
+
2値化して輪郭を探してカウント。の部分まではできそうな感じです。
|
|
52
|
+
|
|
53
|
+
参考URL：①Pythonでコーヒー豆カウントを参考に作成
|
|
54
|
+
|
|
55
|
+
```python
|
|
56
|
+
import numpy as np
|
|
57
|
+
import cv2
|
|
58
|
+
import matplotlib.pyplot as plt
|
|
59
|
+
|
|
60
|
+
def display(img,cmap=None):
|
|
61
|
+
fig = plt.figure(figsize=(10,8))
|
|
62
|
+
ax = fig.add_subplot(111)
|
|
63
|
+
ax.imshow(img,cmap=cmap)
|
|
64
|
+
|
|
65
|
+
test_img = cv2.imread("phase1_test.jpeg")
|
|
66
|
+
|
|
67
|
+
# 中央値フィルターを使ったぼかしの適用
|
|
68
|
+
test_blur = cv2.medianBlur(test_img ,5)
|
|
69
|
+
#display(test_blur)
|
|
70
|
+
|
|
71
|
+
# グレースケールに変換
|
|
72
|
+
gray_test = cv2.cvtColor(test_blur,cv2.COLOR_BGR2GRAY)
|
|
73
|
+
display(gray_test,cmap='gray')
|
|
74
|
+
|
|
75
|
+
# 2値化処理
|
|
76
|
+
# 画像の特徴的な部分、関心のある部分を抽出するように変換する処理
|
|
77
|
+
ret, test_thresh = cv2.threshold(gray_test,248,255,cv2.THRESH_BINARY_INV)
|
|
78
|
+
display(test_thresh,cmap='gray')
|
|
79
|
+
|
|
80
|
+
#カウント
|
|
81
|
+
contours, hierarchy = cv2.findContours(test_thresh.copy(), cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
|
|
82
|
+
|
|
83
|
+
for i in range(len(contours)):
|
|
84
|
+
if hierarchy[0][i][3] == -1:
|
|
85
|
+
cv2.drawContours(test_img, contours, i, (255, 0, 0), 5)
|
|
86
|
+
|
|
87
|
+
display(test_img)
|
|
88
|
+
print(len(contours))
|
|
89
|
+
```
|
|
90
|
+
|
|
91
|
+
結果：
|
|
92
|
+
|
|
93
|
+
|
2
イメージ画像変更
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -17,7 +17,7 @@
|
|
|
17
17
|
＜部品のイメージ＞
|
|
18
18
|
下図は部品検査時の例で、8本のボルトを検査している画像になります。
|
|
19
19
|
|
|
20
|
-
|
|
21
21
|
※部品同士は、基本的に重なった状態で検査します。
|
|
22
22
|
|
|
23
23
|
１）opencvなどで画像処理を用いる
|
1
追記：調査したこと
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -26,3 +26,14 @@
|
|
|
26
26
|
|
|
27
27
|
共に方法を勉強する段階なので、
|
|
28
28
|
方向性をはっきりさせた上で学習に着手したいと考えております。
|
|
29
|
+
|
|
30
|
+
追記：調査したことを以下に記載しておきます。
|
|
31
|
+
|
|
32
|
+
[①Pythonでコーヒー豆カウント](https://qiita.com/G-san/items/e840203791c02d0e51ed)
|
|
33
|
+
→2値化、ぼかし処理、検証方法はここでわかりましたが、
|
|
34
|
+
重なった時のカウント方法はここでは不明。
|
|
35
|
+
|
|
36
|
+
[②tensorflow 自動着色 + OpenCV 輪郭抽出で花の数をカウント](https://www.ecobioinfo.com/?p=1331)
|
|
37
|
+
→深層学習が有効そうであれば、ここを参考にして進めようと思っております。
|
|
38
|
+
|
|
39
|
+
|