[Claire Chen] sowie [Mark Zhao], Auszubildende in [Bruce Land] ‘s ECE5760-Klasse in Cornell produziert einen Job, der auf den produzierenden Sektor ausgerichtet ist: Qualitätsprüfung erzeugte Produkte automatisch von Visuell scannen viel von ihnen sowie die Verarbeitung der Pixel eins auf einmal. Normalerweise ist die Zeit, in der das Widget aus der Linie kommt, wenn Sie tatsächliche Personen inspizieren müssen. Dieser Job nutzt die morphologische Bildverarbeitung, um zu mögen, sowie die Erosion, um nach Mängeln zu suchen.

[Claire] sowie [Mark] erzeugte eine simulierte Produktionslinie mit einem servotorientierten Riemen, das eine Reihe von Spree-Süßigkeiten in die Vielfalt einer Kamera bringt, die sie scannt. Der SOC mit einem Cyclone V FPGA sowie Arm Cortex-9 verarbeitet dann die Rohbilder, um die Farbe des Objekts festzulegen, während sie mit ein paar Algorithmen laufen, um Defekte zu suchen. Die FPGA verfolgt genau, wie viele Spees zusätzlich zu ihrer Farbe vorbeigegangen sind, wobei eine Erfolgsquote von 99% mit einer Rate von 5-10 Bildern pro Sekunde erhalten wird. Die FPGA betrachtet ebenfalls jedem Farbknopf als eine Sammlung von Pixeln, wodurch die Konnektivität aufstellbar ist, um mehrere Speres zu differenzieren, um sich gegenseitig zu zeichnen.

Achten Sie auch darauf, [Claire] sowie [Mark]’s Bike-Sonar-Projekt aus einem früheren Semester zu inspizieren.