实时仿真之数据传输
如何搭建物理传感器与虚拟模型之间的关联,能够将传感器采集的数据实时传递给仿真模型,进而实现动态更新显得极为关键。经过几年的探索,我们与合作伙伴实现了实时仿真领域的物联网平台,后续搭建在腾讯云CVM服务器。
如何搭建物理传感器与虚拟模型之间的关联,能够将传感器采集的数据实时传递给仿真模型,进而实现动态更新显得极为关键。经过几年的探索,我们与合作伙伴实现了实时仿真领域的物联网平台,后续搭建在腾讯云CVM服务器。
实时仿真的核心目标为:见一页而知千秋;通过传感器获取关键点的物理量,最终实现全场三维感知。我们过去在传感器采集端花费了较多的精力,与陈工一起不断打磨、迭代优化,最终形成了多款产品,具有较好的精度和优异的性价比。
编写代码提取ABAQUS结果文件不同step和frames中的节点坐标,单元mises应力,后续构建代理模型实现实时仿真。为了能够将传感器数据与有限元仿真相结合,呈现更好的数字孪生效果,我们采用并行计算、内存预加载和GPU加速等方法,将渲染速度大幅提升。
自己搭建的网站《联远智维》直接部署到云服务器上,由于带宽与价格息息相关,图片过大的时候会出现网站加载缓慢的问题。近来,在尽可能保证清晰度的前提下,编写python代码对图像进行压缩,最终实现了网站的优化。
对于工业系统来说,有时候需要从图像获取尺寸参数,有两种方法:1.通过区域位置关系获取关键点的坐标,利用几何关系等;2.利用图像的特征,亮度梯度,色彩梯度的变化阈值;整体适用性还不错,可以通过旋转矩形框,实现带角度的目标识别。
使用AI大模型进行焊缝缺陷检测,替代人力实现质检;使用AI大模型进行图像的识别,优缺点分别为:1.具有很好的泛化能力,很多场景都能够使用;2.速度慢:整体感觉速度太慢,比较吃硬件。
不知不觉又到了年尾,在回家团聚之前回顾过去一年的得失,希望来年生活平顺,事业能够取得进步~2024年是企业成立的第二个整年,做的事情更加聚焦一些,围绕人工智能和非标装备两块做了比较多的工作。希望在2025年,遇到困难后能够持续向。
展示外企合作案例,采用AI获取瞳距,眼镜的尺寸参数,将智能化引入眼镜行业,提高测量效率和准确度。通过AI识别图像关键特征点,后续基于空间位置关系,获取特征点的空间位置关系,促进配镜行业的智能化发展。
JPG 一个关键特征为:包含EXIF(Exchangeable Image File Format)数据,其详细内容包括拍摄日期、时间、相机设置和地理位置信息(经度和纬度)。制作AI图像训练数据集时,相机位置这个信息非常敏感~
本推文展示一个2023年的支线工作,如何采用AI进行图像修,去除图片中杂背景;主要应用场景:1.特征去除:快速去除图像中各种水印、物品、人物、字体、等对象;2.老照片修复;3.图像补全,特此展示一波~,希望对大家有所帮助~