- 综合排序
- 最热优先
- 最新优先
- 来自专栏剑指工控
64位系统时间的AOI 架构（64Bit Interpreted AOI）
本文档目的: 有些客户需要在人机界面上显示SOE的时间戳，但是不利用报警事件里的控件来显示，有时候用的HMI还不是FTViewSE这该怎么办，本文章利用64位AOI架构来实现这个。 64Bit Interpreted AOI 利用Control Logix里的SOE模块（1756-IB16ISOE）把 UTC (Universal Time Coordinated) 的时间戳从一个 注意事项： 1: 64bit Interpreted AOI 新版本是使用RSLogix5000 V7版本创建的，所以只能在V7或者以后的版本使用。 一旦SOE时间戳被复制到这个标签上，64bit Interpreted AOI就会把它转化，结果会被送到标签 SOE1UTCValue 里并显示正确的值。
41420发布于 2021-11-09 - 来自专栏奶奶看了都会
地理特征POI、AOI、路径轨迹
地理特征分为点（POI）、线（路径）、面（AOI），我们用高德地图导航时，其实就用到了这3个特征，简单说一下 • 首先搜索目的地：三里屯，会搜到一个面数据，就是整个三里屯的边界范围，即AOI • 然后选取起点 如上面说的三里屯，可以看作一个POI POI在地图领域应用也挺多的，如：周边搜索，实时位置获取等 3 AOI AOI是Area of Interest的简称，可以叫兴趣面，是面数据。 AOI是POI更高一级的抽象，由多边形围栏边界和特征数据组成。 如高德地图搜索某个地点得到的面数据，就是一个AOI 4 路径 路径是GIS里面最复杂的特征了，属于线数据。
2.7K10编辑于 2023-04-28 - 来自专栏规划领域技术
更便捷的POI体量（AOI）数据获取脚本
-1st- 开发 01 缘起 之前已经开发了一个AOI数据获取脚本，“Html请求+ Fiddler抓包+Python解析”三件套，纯人工操作，非常麻烦，原文： POI的体量 - AOI数据获取脚本分享 02 行进 我之前通过抓包就发现了高德地图AOI数据的接口：https://ditu.amap.com/detail/get/detail? 尝试2：自动获取cookie+代理IP 因为cookie具备时效性，一个cookie一般只能获取100多个AOI数据，所以希望能通过某些机制实现自动切换可用的cookie，即使用上代理IP 爬取数据时， 后面又把上次AOI脚本里的数据解析、坐标转换、自动检查脚本更新等代码粘贴过来，调试了亿一会儿，于此开发过程结束 -2nd- 使用 01 使用 基础文件：包含POI数据的ID、名称的Excel文件 （ 并粘贴到脚本界面 ④ 获取数据 …… ⑤ 第N次获取cookie ⑥ 第N次获取数据 ⑦ 保存数据，转化坐标为WGS84，导出到表格 02 功能 支持随时终止和断点续传 支持自动检查脚本更新 提供AOI
2.6K64发布于 2021-09-15 - 来自专栏规划领域技术
POI的体量 - AOI数据获取脚本分享
本次编写了一套脚本，辅助人工来完成POI体量信息（AOI）的获取，虽仍然需要人工操作，但简化了不少。 （太长不看，拉到底下3rd-4rd即可） 最终效果： ? AOI（Area of Interest）数据是对POI数据的有益补充，百度、高德、天地图等电子地图花费了大量的力气将城市各功能做了边界界定（颜色区分），比如高德地图搜索某个医院时，会圈一个红色区域来表达医院范围 如果是传统方式，那路子就是——下载地图，然后手工描图——因为这是电子地图们公开显示的信息 ——但是，你们也知道，我非常，非常，非常不喜欢描图（现在知道一下也可以） 于是一直存了一份要写一个脚本来获取AOI 图 3 Fiddler工作原理 果然不负众望 总结一下数据获取思路： 确定要获取AOI数据的POI名称 在高德地图上搜索该名称 通过人工点击的方式请求AOI数据，并用Fiddler抓包 （↑很累的人工部分 使用提供的FormatAOIData程序处理导出文件 * （FormatAOIData程序需与导出文件夹在同一目录下（会自动定位到get文件夹下的detail文件，即储存各个AOI数据的文件） -4th
2.8K110发布于 2021-04-13 - 来自专栏用户6436465的专栏
CIS相机在工业AOI的应用和发展
作为机器视觉技术中非常重要的一个分支，自动光学检测（AOI，Automatic Optical Inspection）在工业化领域得到广泛应用，已成为现代制造业的必备环节，其克服了人工检查个体差异大、稳定性差 线阵扫描AOI技术的发展与现代化制造水平密切相关，伴随着光电成像技术发展不断在各个领域得到深入应用。1969年美国贝尔实验室的Willard S. Boyle和George E. 随着线阵传感器的产品化，基于该技术的工业AOI技术迅速发展，在1975年便实现了商用化的设备。随后，在欧美与日本等发达国家，基于线阵平台的AOI技术蓬勃发展，在各个行业得到了广泛应用。 术有科技争取为国内CIS的线阵AOI技术的发展与工程化应用推动起到积极有力的作用。 4.png 5.png
1.7K50发布于 2019-10-11 - 来自专栏聊点学术
【重要补充】荧光共定位定量分析之AOI圈选
AOI即一张图像上你感兴趣或关注的区域。言外之意，就是在图像在定量分析时，非AOI区域没有必要纳入甚至有时必须排除在外，今天要说的就是后面这种情况。 有时我们不去强调AOI，是因为我们的测量指标不会受到影响。例如测量下图中的红色圆形总面积时，不用理会图形B的存在，直接用吸管工具选红色测量即可，无需做AOI处理。 ? 我今天要说的荧光共定位就是这样，如果没有对AOI进行圈选，那么IPP共定位定量分析结果会有天壤之别。 ▼ 2. 圈选AOI的重要性 请看下图，还记得这个例子吧。 什么时候必须圈选AOI？ （1）最典型的就是图像上存在很多元素，但是你感兴趣的地方只存在于小范围内，而不是整张图都存在。此时必须圈选AOI。 ? (黄色代表共定位区域，蓝色代表细胞核） 圈选AOI的方法如下。矩形代表矩形AOI，圆形代表圆形AOI，腰子型代表手动勾勒AOI（最常用）。
1.6K10发布于 2020-09-28 - 来自专栏3D视觉从入门到精通
缺陷检测 | PCB AOI质量检测之自动定位核选取算法
PCB产品AOI检测，需要将模版与实际图像对齐，因此需要定位功能。定位功能就需要选取定位核，定位核的提取方法分为手动和自动。
1.4K30发布于 2020-12-11 - 来自专栏深度学习和计算机视觉
AOI光学自动检测技术 | 基本原理与设备构成
在人工智能技术与大数据发展进步的今天，AOI检测不仅仅是一部检测设备，对大量不良结果进行分类和统计，可以发现不良发生的原因，在工艺改善和生产良率提升中也正逐步发挥着更重要的作用，因此，可以预期未来AOI 二，AOI检测基本原理与设备构成： AOI检测原理是采用摄像技术将被检测物体的反射光强以定量化的灰阶值输出，通过与标准图像的灰阶值进行比较，分析判定缺陷并进行分类的过程。 与人工检查做一个形象的比喻，AOI采用的普通LED或特殊光源相当于人工检查时的自然光，AOI采用的光学传感器和光学透镜相当于人眼，AOI的图像处理与分析系统就相当于人脑，即“看”与“判”两个环节。 为了支持和实现AOI检测的上述四个功能，AOI设备的硬件系统也就包括工作平台，成像系统，图像处理系统和电气系统四个部分，是一个集成了机械，自动化，光学和软件等多学科的自动化设备。 模板匹配就是先设定已知模板，已知模板是AOI检测中没有缺陷的实物影像或最小重复单元影像，通常情况下PCBAOI检测中以实物影像为已知模板，FPD AOI检测中则是最小重复单元。
3.8K10编辑于 2022-04-06 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——哥白尼大气监测 (CAMS) 全球气溶胶AOI近实时观测数据集
哥白尼大气监测服务提供了在全球和区域范围内持续监测地球大气成分的能力。主要的全球近实时生产系统是一个数据同化和预测套件，每天为气溶胶和化学化合物提供两次为期 5 天的预测，这些都是化学方案的一部分。
52310编辑于 2024-02-02 - 来自专栏总线协议转换网关
汽车电子 AOI 数据集成：罗克韦尔 PLC - 上位机 MODBUSDeviceNet 案例
在汽车零部件制造行业，生产线由众多自动化设备组成，不同设备采用的工业总线协议差异显著。某汽车零部件工厂的生产线中，核心的物料搬运设备和部分检测设备由采用 DeviceNet 协议的罗克韦尔 ControlLogix PLC 控制，而工厂的生产管理系统及部分监控设备则基于 MODBUS TCP 协议构建。为实现生产数据的实时采集与设备的协同控制，需要打通 DeviceNet 与 MODBUS TCP 协议之间的壁垒。塔讯 TX 131-RE-DNS/OMB 协议总线网关，能够实现 DeviceNet 从站转 MODBUS TCP，满足工厂对异构系统集成的需求。
26610编辑于 2025-10-16 - 来自专栏3D视觉从入门到精通
3D测量| 主动模式投影提高AOI三维测量精度
PCB故障检测 自动光学检测（AOI）提高了印制电路板（PCB）生产中故障检测的准确性和速度。以前，PCB故障检测通常使用高速2D区域检测，因为这种方法易于实施。
1K40编辑于 2023-04-29 - 来自专栏壹种念头
Unity手游实战：从0开始SLG——世界地图篇（十一）AOI
今天，给世界地图篇收个尾，最后这部分内容再介绍一下AOI。 1 AOI简介 AOI的全称叫Area Of Interest，感兴趣的区域。这个技术可以看做是服务器广播的一种。 所以，AOI需要根据实际的游戏场景做到一个合理的平衡。 2 AOI实现 基于上述的AOI理念，发展到现在会有一些相对成熟的方案。简单来说有三种，1广播 2九宫格/灯塔 3二维链表。 3 世界地图上的AOI 介绍完AOI的原理和实现之后，我们要说说它在SLG类型上的应用了。世界地图是一个超大的沙盘，理论上它可以看做是MMO游戏的开放性大场景。 所以，客户端在服务器大的AOI区域内又嵌套了一层小的AOI，用来管理显示区域的内容。 也就是说，客户端和服务器同步实际的AOI区域数据，客户端基于当前的数据和当前客户端的AOI范围进行数据裁剪，以最大限度的减少无用的创建和剔除。这会大幅度提高世界地图的渲染效率。
5.3K21发布于 2020-07-10 - 来自专栏二猫の家
GEE实现图像随机森林分类
然后对每个样本进行颜色选择和属性定义 //选择需要裁剪的矢量数据 var aoi = ee.FeatureCollection("users/yangyao19960805/NewFolder"); 加载矢量边框，以便于在边界内选取样本点 var empty = ee.Image().toByte(); var outline = empty.paint({ featureCollection:aoi = dem.select('elevation').clip(aoi).rename('DEM'); var construct_img = imgcol_median.addBands(aoi_dem ).clip(aoi); //分类样本 var train_points = cropland.merge(grassland).merge(city).merge(forest).merge(water ) Map.addLayer(aoi); Map.addLayer(img_classfication.clip(aoi), {min: 1, max: 4, palette: ['orange', '
2K60编辑于 2023-01-30 - 来自专栏葫芦
linux 控制脚本-处理信号~作业控制
捕捉动物的）夹子 vi.设陷阱；装捕捉机；设圈套 trap command signals ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ [root@aoi nohup命令运行了另一个命令来阻断所有发给该进程的SIGHUP [root@aoi ~]# nohup sh i & [1] 1596 [root@aoi ~]# nohup: ignoring input [root@aoi ~]# cat ss #! ~]# jobs [1]+ Stopped sh ss [root@aoi ~]# sh ss > sss & [2] 1611 [root@aoi ~]# jobs nice -n 10 sh ss [root@aoi ~]# nice -n 10 sh ss >ww & [4] 1656 [root@aoi ~]# ps al F UID PID PPID
1.4K20发布于 2019-04-17 - 来自专栏葫芦
linux shell创建临时文件
[root@aoi ~]# cat d #! The contents are:" cat $tempfile rm -f $tempfile 2> /dev/null [root@aoi ~]# sh d This script write The contents are: This is the first line This is the second line This is the last line [root@aoi ~]# mktemp -t wz.XXXXXX /tmp/wz.cs6mCq [root@aoi ~]# cat s #! [root@aoi dir.BEEbII5]# who | tee wz root pts/1 2013-11-20 03:18 (192.168.1.100) [root@aoi dir.BEEbII5
3.4K50发布于 2019-05-10 - 来自专栏数据猿
【金猿案例展】海尔集团——追光AI-AOI赋能PCBA缺陷检测
使用AOI可对生产过程中的缺陷进行有效发现，提升工艺品质，为工厂降本增效。 随着科技的发展，工厂对工艺的要求越来越高，更先进的制程不断出现，AOI已经由“选配”转变为“标配”。 与传统AOI对比，基于深度学习的AOI将之前1-2小时的调试时间缩短为30分钟以内。同时，检出率可以达到99.95%，误判率低于0.3%。 与同类解决方案对比，追光系列AOI搭载着数之联深度学习神经网络模型，该模型是数之联集合了在泛半导体行业多个成功落地经验及海量缺陷数据，训练出的可兼容焊点形态变化、高泛化模型，能切实解决传统AOI在编程/ 针对传统AOI操作复杂，调试时间长，数之联追光AI-AOI采用AI算法解决了设备换型时重新注册编程时间长的问题，仅需10分钟即可完成新品制作。 此外，通过导入追光AI-AOI，工程师能进一步利用AOI机台数据发挥效用，在此基础上可扩展不良根因分析、过程品质分析等后续应用，打造闭环数据体系，助力工厂可持续化提升工艺品质。
1.7K20编辑于 2023-03-03 - 来自专栏聊点学术
Image Pro Plus分析面积、面积比。
. ---- 01 — 重要概念 1、什么是AOI？ AOI全称“area of interest”，即你感兴趣的区域。IPP是一款软件，它无法知道我们到底要测量图中的什么元素。 此时，必须在IPP上手动圈出AOI，然后才能进行分析AOI中的元素。 如下图（图为心梗后心脏横断面，Masson染色）。很明显，图中存在大量的空白区域，分布于心脏之外和心腔。 03 — 部分元素为AOI 有了上面的基础，这一部分小编就只重点说如何选择AOI，后面的测量步骤不再赘述，操作完全一样。 点击箭头指示的Irregualr AOI（我们要感兴趣的区域大多不规则），弹出下面的长条框，这种模式是手动勾勒AOI。 ? （2）第一次，勾勒心脏外轮廓。 先点击箭头所指的multiple AOI，点击Add，点击NEW AOI按钮，新建一个AOI工具。 ? （4）第二次，勾勒心腔轮廓。操作方法同上，得到下图的效果。 ?
34.1K45发布于 2020-07-20 - 来自专栏深度学习那些事儿
如何从亚马逊下载aws-SpaceNet卫星遥感图片数据集
Area of Interest 2 (AOI 2) – Location: Vegas. 30cm imagery collected from DigitalGlobe’s WorldView-3 AOI Area of Raster (Sq. Km) Building Labels (Polygons) Road Labels (LineString) AOI_1_Rio 2,544 382,534 N/A AOI_2_Vegas 216 151,367 3685 km AOI_3_Paris 1,030 23,816 425 km AOI_4_Shanghai 1,000 92,015 3537 km AOI_5_Khartoum 765 35,503 1030 km 具体数据 我们以AOI_4_Shanghai数据集为例，打开压缩包可以看到： 分为5个文件夹和一个汇总文件夹，其中标记信息在geojson文件夹中。
5.4K50发布于 2018-06-08 - 来自专栏剑指工控
利用RSlogix5000监控西门子交换机
前提条件 1.RSLogix 5000 v20及更高版本 2.CLX控制器 3.XB200_Series AOI 导入XB200_Series AOI 导入AOI之前需要在RSLogix 5000中配置 AOI导入后就可以在程序中使用了。 AOI使用 创建一个AOI的调用，同时两个tag变量需要被创建一个是XB200——Series，一个是XB200，而XB200的数据类型就是udt_XB200。 其中标签类型如下： 通过对 XB200_Series AOI 的主动调用，现在可以通过 AOI 中使用的 udt_XB200 标签监控开关。为了理解数据，请查看以下两个表格。
68140发布于 2021-11-04 - 来自专栏聊点学术
首创！IPP精准测量肌纤维直径的方法讲解
（肌纤维标记法） （2）既然图片四周的肌纤维被分隔为半圆，那么我们就采用AOI工具，手动勾勒出所有完整的肌纤维，剔除图片边缘不完整的肌纤维。 然后测量出AOI范围内的肌纤维总面积，为167883平方像素。通过人工计数，图中AOI被圈进去99个完整的肌纤维。然后进行下一步换算。 ? 167883/99=1695.8 ② 单个肌纤维平均半径=(1695.8/3.1415)再开方=41.2 ③ 单个肌纤维平均半径=41.2*2=82.4 （5）如果你标记的是间质，那么还需要再测量出这个AOI ① AOI内肌纤维总面积=AOI面积 - AOI内间质总面积 ② 单个肌纤维平均面积=AOI内肌纤维总面积 / AOI内完整肌纤维数量 ③ 单个肌纤维平均半径=(单个肌纤维平均面积/3.1415)，再开方
3.1K40发布于 2020-07-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号