【VisionFive 2 Lite 单板计算机】边缘AI视觉应用部署：缺陷检测
本文介绍了昉·星光 VisionFive2 Lite 单板计算机结合 OpenCV 实现缺陷检测的板端推理的项目设计。
项目介绍
VisionFive 2 Lite 结合 OpenCV 与缺陷检测模型实现缺陷检测。
- 准备工作：硬件连接、系统安装、软件更新、OpenCV 部署、Qt 平台完善等；
- 缺陷检测模型：包括流程图、代码、效果演示等；
准备工作
包括硬件连接、OpenCV 部署及测试等。
硬件连接
包括供电、联网、显示、鼠标键盘输入等。
系统安装
安装和烧录 VisionFive2 Lite 官方 Ubuntu 操作系统。
详见：VF2 Lite 系统安装 。
软件更新
更新软件包
wget https://github.com/starfive-tech/Debian/releases/download/v0.15.0-engineering-release-wayland/install_full.sh
sudo chmod +x install_full.sh
sudo ./install_full.sh
详见： StarFive-Tech | Debian .
OpenCV
包括 OpenCV 安装及版本检测流程。
-
安装 OpenCV
sudo apt update sudo apt install python3-opencv -
安装缺失的 libopencv 包
sudo apt install -y libopencv-dev
- 验证安装结果
python3 -c "import cv2,sys;print(cv2.__version__,sys.version)"
- 输出 OpenCV 版本号
至此，完成 OpenCV 的板端本地部署。
Qt 平台
完整 Qt 环境部署，以便 SSH 正常弹窗显示结果
sudo apt-get install -y libxcb-xinerama0 libxcb-xinput0 libxcb-cursor0
sudo apt-get install -y libxcb-icccm4 libxcb-image0 libxcb-keysyms1 libxcb-randr0
sudo apt-get install -y libxcb-render-util0 libxcb-shape0 libxcb-sync1 libxcb-xfixes0
sudo apt-get install -y libxcb-xkb1 libxkbcommon-x11-0
# 安装Qt相关的库
sudo apt-get install -y libqt5gui5 libqt5widgets5 libqt5core5a
工程代码
终端执行 touch dd_cpp.py 新建程序文件，并添加如下代码
#!/usr/bin/env python
'''
This sample demonstrates defect detection by image processing.
Usage:
defect_detection.py
'''
import cv2 as cv
import numpy as np
import argparse
def main():
img = cv.imread('/usr/share/opencv4/defect_detection/defect.png')
img2 = cv.resize(img, (600,400))
cv.imshow('0.Resize', img2)
gray_mat = cv.cvtColor(img2, cv.COLOR_BGR2GRAY)
# cv.imshow('1.Grey-scale Map', gray_mat)
_retval, bin_mat = cv.threshold(gray_mat, 128, 255, cv.THRESH_BINARY)
# cv.imshow('2.Binary Image', bin_mat)
inv_mat = 255 - bin_mat
# cv.imshow('3.Color Flip', inv_mat)
element = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
erode_mat = cv.erode(inv_mat, element)
# cv.imshow("04.Erode", erode_mat);
# Find the outline from erode_mat，and save the result to contours
contours, hierarchy = cv.findContours(erode_mat, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
#drawing = np.zeros((erode_mat.shape[0], erode_mat.shape[1], 3), dtype=np.uint8)
# Iterate over all contours and highline the defect contours.
for i, c in enumerate(contours):
aero = cv.contourArea(c)
if aero > 1000:
cv.drawContours(img2, contours, i, (0, 0, 255), -1, 8, hierarchy)
print('aero:', aero)
cv.imshow("05.Contours Image", img2);
cv.waitKey(0)
print('Done')
if __name__ == '__main__':
print(__doc__)
main()
cv.destroyAllWindows()
保存代码。
效果演示
-
终端执行
python dd_cpp.py指令运行程序； -
终端打印缺陷检测结果，包括缺陷位置信息等；
弹窗显示，对比检测结果
更多测试效果
实际应用需根据特定场景进行数据训练，或采用 YOLOv8 图像分割算法进一步提高缺陷检测的精度。
总结
本文介绍了昉·星光 VisionFive2 Lite 单板计算机结合 OpenCV 与缺陷检测模型实现缺陷检测板端推理的项目设计，包括 OpenCV 部署、Qt 平台部署、代码及效果演示等，为相关产品在边缘 AI 视觉、工业检测分析等领域的快速开发与应用设计提供了参考。