visionpro联合c#二次开发二

article/2025/9/21 15:21:45

本文已参与「新人创作礼」活动,一起开启掘金创作之路。

本次康耐视联合C#文档是最后一篇visionpro与C#联合的文章,后续我们将开始c#与halcon的编写或者vidi的文章。

首先我们定义所需要的变量

       //定义作业CogToolBlock job;//定义作业VPP的路径string path = Directory.GetCurrentDirectory()  + "\\"  +  "test.vpp";// 定义lable的显示接受string patCount = "";string patZuoBiao = "0.00,0.00";

image.png
定义了作业的类型和位置后,我们需要对作业进行加载;

加载作业

image.png
我们在控件上选取该控件,然后打开他的属性。在事件中选择Click事件;
双击进入事件的代码编写

image.png
给定义的job赋予值;

  job = CogSerializer.LoadObjectFromFile(path) as CogToolBlock;MessageBox.Show("作业加载成工");

确定该作业的位置
点击文件所在位置,查看VPP是否在该位置
image.png
然后试运行

image.png
确定VPP加载正常

程序运行

加载玩程序后,我们需要对程序进行运行。看是不是运行正常。
在运行程序初选择按钮,点击属性、事件。双击进入

image.png

显示设置和结果接收

当我门的程序运行结束后,我们需要将结果显示到我们的控件上,这就需要我们将结果付给显示的控件;
在显示图像时,我们需要清空我们的图像

             //显示图层清空cogRecordDisplay1.StaticGraphics.Clear();cogRecordDisplay1.InteractiveGraphics.Clear();

在清空后我们需要对vpp中的图像进行接收

//显示job上的第2张照片cogRecordDisplay1.Record = job.CreateLastRunRecord().SubRecords[1]; //(ICogImage)job1.Outputs[2].Value;//job.CreateLastRunRecord().SubRecords[0];//照片适应控件大小cogRecordDisplay1.Fit(true);

如下图:
image.png

数据的接收

当图像我们显示到结果之后,我们需要对结果进行传送到我们的界面上。

image.png
增加一个按钮,用来显示数据;

            label1.Text = job.Outputs["patCount"].Value.ToString();label2.Text = job.Outputs["patZuoBiao"].Value.ToString();

image.png
最后显示结果为准确结果。

本章结束


http://chatgpt.dhexx.cn/article/s7kYtDVb.shtml

相关文章

Visionpro联合c#二次开发

本文已参与「新人创作礼」活动,一起开启掘金创作之路。 本文已参与「新人创作礼」活动,一起开启掘金创作之路。 本次文章将会在最近半个月一直出关于康耐视的软件的应用的介绍,前期先是vp, 后续如果大家有兴趣,也会…

Segmentation-Based Deep-Learning Approach for Surface-Defect Detection-论文阅读笔记

Segmentation-Based Deep-Learning Approach for Surface-Defect Detection 基于分割的表面缺陷深度学习检测方法 //2022.7.20下午12:49开始阅读笔记 论文速览 文中提出了一个基于分割的两阶段的表面缺陷检测方法。第一阶段包括在缺陷的像素级标签上训练的分割网络&…

论文阅读:Segmentation-Based Deep-Learning Approach for Surface-Defect Detection

PDF\CODE 基于深度学习分割的表面缺陷检测 Domen Tabernik(domen.tabernik@fri.uni-lj.si); Samo Šela; Jure Skvar; Danijel Skoaj(danijel.skocaj@fri.uni-lj.si) part of Springer Nature 2019 摘要:基于机器学习的表面缺陷自动检测已经成为一个有趣且有发展…

Segmentation-based deep-learning approach for surface-defectdetection(基于分割的表面缺陷深度学习检测方法)

论文地址:https://arxiv.org/abs/1903.08536v3 摘要 基于机器学习的表面异常自动检测已经成为一个有趣且有前途的研究领域,对视觉检测的应用领域有着非常直接的影响。深度学习方法已经成为完成这项任务最合适的方法。它们允许检查系统学习通过简单地显示…

康耐视Designer,VisionPro和ViDi匹配版本兼容-关于外观缺陷检测中肯的建议与评价

海康visionmaster-颜色区分任意选 ​康耐视VisionPro传统检测对缺陷类检测很差,差到不能用。单靠康耐视VisionPro深度学习VIDI,据视觉人粉丝很多大厂反馈,现场项目落地的可能性降低不低于20%。 缺陷检测建议:多软件融合使用&#…

veni vidi vici密钥我的生日ACIGS解密_25人在同一天生日!男女比例又是多少?阳光新生大数据来了!...

2020年 阳光学院共迎来了3884名 活力四射、意气风发的 本科生小萌新 阳光招办带你 一起解密 新生大数据~ 准备好了吗? GO! 2020级普本新生2489人, 专升本新生1395人, 他们分别来自五湖四海,快来找找老乡吧~ 世界那么大,还是遇见你~ 相聚是一种妙不可言的缘分~ 2020级阳光…

vidi深度学习图像处理软件2.1

有需要这个软件的,请加我的QQ7299789 VIDI 提供了第一款基于工业图像分析的深度学习软件。VIDI Suite基于最先进的机器学习算法,是一款优化可靠的可现场测试的软件解决方案。它可以完成检测与分类的编程中不可能完成的挑战。这为不少具有挑…

Insight ViDi系列相机 FTP存图

一、测试说明 标题发现问题:使用In-Sight Vision Suite这个软件设置FTP存图,不能像In-Sight Explorer一样,设置各本地路径就可以直接存图。 相机软件:In-Sight Vision Suite(22.3.0) 电脑本地IP&#xff1…

康耐视深度学习ViDi界面介绍-选项菜单

海康机器视觉Visionmaster-距离与角度测量 选项菜单 Workspace ----------- 程序操作的菜单项 Tool ------------------- 工具操作的菜单项 Database ------------ 数据库操作的菜单项 View ------------------ 特征标注操作的菜单项 Plugins --------------- 插件信息显示菜单…

深度学习康耐视ViDi如何添加工具

在建立好一个Workspace后,会出现一个 图标 点击该图标的加号,即可显示可用的工具。 点击需要添加的工具,即可完成工具的添加

VIDI软件在粗糙金属表面缺陷检测中的应用

2017年1月12日在中国汽车协会举办的信息发布会上,中汽协秘书长助理代表协会对2017年中国汽车市场作出预测:“2017年我国的汽车产销量预计为2940万辆,增速预计保持在5%左右。”在当天发布的产销数据中,2016年汽车销量达2803万辆。 …

深度学习康耐视VIDI-蓝色定位工具1

机器视觉-康耐视visionpro-外观缺陷检测-缺失不少哈 每一个学员都会经历失败,专业于机器视觉visionman团队切中要害,尽快解决学员这些问题。 -专业于机器视觉visionman团队教学宣言 蓝色定位工具用于识别和定位图像中的特定特征或特征组。该工具的输出可用于为其他ViDi 工具…

康耐视ViDi如何实现工具之间的关联

(Q有答疑)康耐视智能相机Insight-边缘检测 要创建一系列工具,请在添加工具后,按工具图标上的加号图标。这样,您即可创建一系列工具,而每个工具都通过有相应工具颜色的关联选项卡显示。您可以通过单击相应 的工具从一个工具关联到下…

深度学习康耐视ViDi 工具概述

(Q有答疑)康耐视智能相机Insight-CD光盘表面检测 Cognex ViDi 工具是一系列机器视觉工具,通过深度学习解 决各种难以解决的挑战。虽然这些工具共享一个引擎,但它们 在图像中寻找的内容不同。更具体地说,在分析单个点、单个 区域或完整图像时,每个工具都有不同的侧重点。 C…

词向量与语言模型

本篇博客是对于 https://www.cnblogs.com/nickchen121/p/15105048.html#%E7%AC%AC%E4%B8%80%E7%AF%87-transformergptbert%E9%A2%84%E8%AE%AD%E7%BB%83%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%89%8D%E4%B8%96%E4%BB%8A%E7%94%9F%E7%90%86%E8%AE%BA的归纳 先来了解一…

利用word2vec训练词向量

利用word2vec训练词向量 这里的代码是在pycharm上运行的,文件列表如下: 一、数据预处理 我选用的数据集是新闻数据集一共有五千条新闻数据,一共有四个维度 数据集:https://pan.baidu.com/s/1ewzlU_tBnuwZQxVOKO8ZiA 提取码: …

词向量(WordVector)

词向量(WordVector) 时间: 2015-06-12 22:01:12 阅读: 2120 评论: 0 收藏: 0 [点我收藏] 标签: Reference:http://licstar.net/archives/328 (比较综合的词向量研究现状分…

词向量表示方法及其语义相关性

关键字: 文档 句子 词语 单词 上下文单词 上下文窗口 向量 相似性 类比性 欧几距离 余弦距离 余弦相似度 相似度阀值 归于此类 创建新的类别 词向量 --- word2vec、glove 相似度 --- 欧几距离、余弦距离 聚类 --- kmeans 、词向量 是指将词转化成为稠密向量&…

词向量表示和句向量、文章向量计算方法

本文介绍一种计算句向量和文章向量的方法及参考代码,自然语言处理的第一步即是要进行文本的向量化,包括获得词向量,句向量或者文章向量,以便输入各种机器学习模型或者深度学习模型。 词向量 可以笼统的认为词向量是文本向量的基…

词袋模型和词向量模型

在自然语言处理和文本分析的问题中,词袋(Bag of Words, BOW)和词向量(Word Embedding)是两种最常用的模型。更准确地说,词向量只能表征单个词,如果要表示文本,需要做一些额外的处理。…