python实战教程之OCR文字识别方法汇总
基于python实现OCR的五种方法
1.pytesseract
1.1简介
1.2安装部署
1.3应用举例
2.PaddleOCR
2.1简介
2.2安装部署
2.3应用举例
3.easyocr
3.1简介
3.2安装部署
3.3应用举例
4.muggle_ocr
4.1简介
4.2安装部署
4.3应用举例
5.dddd_ocr
5.1简介
5.2安装部署
5.3应用举例
EasyOCR 识别模型训练
########################################################
Windows10+Python+Yolov8+ONNX图片缺陷识别，并在原图中标记缺陷，有onnx模型则无需配置，无需训练。
** Python+Yolov8+ONNX实时缺陷目标检测原文
labelimg使用指南
windows使用YOLOv8训练自己的模型（0基础保姆级教学）
【YOLO】YOLOv8训练自定义数据集（4种方式）
######################################################################
python-opencv五种自动白平衡算法，附源码直接可用（均值、完美反射、灰度世界、动态阈值、基于图像分析的偏色检测及颜色校正）
7系统中，您也可以通过控制面板来打开摄像头。打开开始菜单，点击控制面板，选择硬件和声音，然后点击设备和打印机。找到您的摄像头设备，右键点击选择启用。
Opencv+Python实现缺陷检测
https://blog.51cto.com/u_14224/7412621
###################################################################################
用YOLOv8一站式解决图像分类、检测、分割
opencv-python扁钢表面缺陷分类
深度学习实现缺陷检测算法汇总
使用YOLOv8进行工业视觉缺陷检测，基于Aidlux完成本地终端部署
表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
aidlux项目主页
使用YOLOv8进行工业视觉缺陷检测，基于Aidlux完成本地终
aidlux项目文档
基于Aidlux+Yolo5-Lite，全流程实现桌面级监测系统
Aidlux s855边缘计算盒子
下面简要介绍下Aidlux：Aidlux是一套基于安卓平台边缘计算系统，类似于在安卓平台中嵌入ubuntu系统，可以在安卓手机中下载，也可以在Aidlux发布的边缘计算盒子中运行，我是在Aidlux s855边缘计算盒子中使用，用安卓手机也可以运行demo，只不过边缘计算盒子考虑工业性，散热、接口更丰富。
###########################################################################
使用Python3实现树莓派+摄像头循环监控录像
实现效果
使用opencv调用USB外置摄像头进行循环录像，视频分段录制后进行保存（代码中是每5分钟存一下），当tf卡的可用空间不足50%的时候删除已保存视频最早的文件，然后继续新的录制
依赖轮子
opencv-python 图像处理必备
logzero 日志记录神器
完整代码
#!/usr/bin/env python3
import glob
import os
from datetime import datetime
import cv2
import logzero
from logzero import logger
# 配置logzero保存日志到文件，单文件最大5MB，最多保存3份
logzero.logfile('/home/pi/video/log.log', maxBytes=5e6, backupCount=3)
# 限制至少保留可用磁盘空间百分比
SPACE_LIMIT = 50
# 录制视频的分段时长(单位秒)
PER_LENGTH = 5 * 60
# 视频保存位置
LOCATION = '/home/pi/video/'
def disk_per():
"""
计算当前/目录可用空间比率
:return: 返回整数百分比结果
"""
info = os.statvfs('/')
free_size = info.f_bsize * info.f_bavail
total_size = info.f_blocks * info.f_bsize
percent = round(free_size / total_size * 100)
return percent
def get_files_list(exp):
"""
获取指定位置下的指定后缀文件列表
:param exp: 搜索路径表达式.格式: /home/pi/*.avi
:return:
"""
files = list(filter(os.path.isfile, glob.glob(exp)))
# 按照文件创建时间倒序排列
files.sort(key=lambda x: os.path.getctime(x), reverse=True)
return files
def record():
"""
录制视频
:return:
"""
WIDTH = 640
HEIGHT = 480
FPS = 24.0
cap = cv2.VideoCapture(0)
# 设置摄像头设备分辨率
cap.set(cv2.CAP_PROP_FRAME_WIDTH, WIDTH)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, HEIGHT)
# 设置摄像头设备帧率,如不指定,默认600
cap.set(cv2.CAP_PROP_FPS, 24.0)
# 建议使用XVID编码,图像质量和文件大小比较都兼顾的方案
fourcc = cv2.VideoWriter_fourcc(*'XVID')
start_time = datetime.now()
filename = LOCATION + start_time.strftime('%Y-%m-%d_%H-%M-%S') + '.avi'
out = cv2.VideoWriter(filename, fourcc, FPS, (WIDTH, HEIGHT))
flag = True
while flag:
# 检测磁盘空间是否充足
if disk_per() > SPACE_LIMIT:
# 开始当前录制视频时段
if (datetime.now() - start_time).seconds >= PER_LENGTH:
# 到达视频分段时长后停止录制
logger.info(f'分段录制结束，文件保存为{
filename}')
out.release()
# 重新开始新的视频录制
start_time = datetime.now()
filename = LOCATION + start_time.strftime('%Y-%m-%d_%H-%M-%S') + '.avi'
out = cv2.VideoWriter(filename, fourcc, FPS, (WIDTH, HEIGHT))
else:
ret, frame = cap.read()
if ret:
out.write(frame)
else:
# 磁盘使用空间达到配额后删除最早的视频文件
logger.warn(f'磁盘可用空间不足{
SPACE_LIMIT}%,将删除最早保存的视频文件')
files = get_files_list(LOCATION + '*.avi')
os.remove(files[0])
logger.info(f'{
files[0]}已删除')
cap.release()
if __name__ == '__main__':
logger.info('开始录制视频')
record()
$ chmod +x cam.py
$ nohup ./cam.py &