[Claire Chen], así como [Mark Zhao], los alumnos en la clase ECE5760 de [Bruce Land] en la CORNELL, produjeron un trabajo dirigido al sector productor: productos producidos de calidad de calidad automáticamente por Escanear visualmente muchos de ellos, así como procesar los píxeles uno a la vez. Normalmente, el momento en que el widget sale de la línea es cuando tiene que traer a las personas reales a inspeccionar. Este trabajo utiliza el procesamiento morfológico de la imagen a la dilatación, así como la erosión para buscar fallas.

[Claire], así como [Marcos], producían una línea productora simulada con un cinturón servo-impulsado que lleva una serie de caramelos de spree a la variedad de una cámara, que los escanea. El SOC con un ciclón V FPGA, así como el brazo Cortex-9, luego procesa las imágenes en bruto para establecer el color del objeto, mientras la ejecuta con un par de algoritmos para buscar defectos. El FPGA rastrea exactamente la cantidad de especinas que han pasado además de su color, preservando una tasa de éxito del 99% con una tasa de 5 a 10 cuadros por segundo. El FPGA también analiza cada mancha de color como una colección de píxeles, estableciendo conectividad para ayudar a diferenciar varias especias que se tocan entre sí.

Asegúrese de inspeccionar [Claire], así como el proyecto Sonar Bike de [Marcos] desde un semestre anterior.