Feature Detector
هذا function block يجد كائنًا في صورة حية أو ثابتة عن طريق مطابقة الميزات من صورة تدريب مقدمة. يقارن النقاط المميزة بين صورة التدريب وInput Image From Camera، يحاول تقدير موضع ودوران الكائن، ويوفر نتيجة بصرية ورقمية.
📥 المدخلات
Train Imageصورة المرجع التي تحتوي الكائن المراد اكتشافه. قدّم قصًا واضحًا ومضاءً جيدًا للكائن.Input Image From Cameraالصورة التي سيبحث فيها البلوك عن الكائن (إطار كاميرا حي أو صورة محملة).
هذه مقابس إدخال (input sockets).
📤 المخرجات
Detected Imageالصورة الداخلة مع تعليقات مرئية للتطبيق عند العثور على الكائن (مثل المحيط ونقطة المركز).Detect Statusقيمة منطقية (true/false) تشير ما إذا تم اكتشاف الكائن أم لا.Centerإحداثيات (x, y) لمركز الكائن المكتشف.
هذه مقابس إخراج (output sockets).
🕹️ عناصر التحكم
Homography Typeاختر الطريقة المستخدمة لتقدير التحويل الهندسي بين الصورتين.Compute Typeحدد تفضيل الحساب الداخلي (جودة مقابل أداء).Number of featuresعدد النقاط/الميزات التي سيتم كشفها فيTrain Image.Distance Thresholdالتسامح المستخدم عند مطابقة الميزات (يؤثر على قبول المطابقات).K nearestعدد أقرب المطابقات التي تؤخذ بعين الاعتبار عند مقارنة الوصفات (descriptors).Pyramid Decrease Ratioيتحكم بخطوات التصغير متعدد المقاييس.Pyramid Levelsعدد مستويات الهرم المستخدمة في المعالجة متعددة المقاييس.Point Compare Typeمعلمة داخلية تؤثر على كيفية مقارنة النقاط.
هذه عناصر واجهة يمكنك ضبطها لتعديل سلوك الاكتشاف.
⚙️ آلية التشغيل
يستخرج البلوك الميزات من
Train Imageباستخدام إعدادات الميزة/الحساب المختارة.ثم يبحث في
Input Image From Cameraعن ميزات متطابقة ويحاول تقدير موضع الكائن واتجاهه.إذا تم إيجاد تحويل صالح، يقوم البلوك بوضع تعليقات على
Detected Image(محاط ومركز)، يضبطDetect Statusإلىtrueويخرج إحداثياتCenter.إذا لم يتم العثور على تطابق صالح، تكون
Detect Status=falseويُعادCenterكإحداثيات افتراضية.
البلوك يقوم بالتقييم المستمر عند الاتصال بمصادر حية، لذا فإن تعديل عناصر التحكم يغيّر السلوك تقريبًا في الوقت الحقيقي.
✨ الميزات الرئيسية
اكتشاف قائم على الميزات قوي يتعامل مع التدوير وتغير المقياس.
ضبط متعدد المعلمات للموازنة بين الجودة والأداء.
ملاحظات بصرية عبر
Detected Imageلتأكيد النتائج.مخرجات تشمل حالة منطقية وموقعًا دقيقًا للمركز لاستخدامها في منطق لاحق.
📝 إرشادات الاستخدام
قدّم مثالًا مقصوصًا وواضحًا للكائن في
Train Image. يفضّل صورًا ذات نسيج أو زوايا مميزة.وصل إطار الكاميرا أو صورة إلى
Input Image From Camera.ابدأ بقيم متوسطة: ضع
Number of featuresبعدد مئات قليلة وDistance Thresholdبقيمة وسطى.شغّل النظام وراقب
Detected Image. عدّلHomography Type،Number of features،Distance Threshold، وK nearestلتحسين الموثوقية.استخدم
Detect Status(القيمة المنطقية) لتشغيل إجراءات (تسجيل، حفظ، عدّ) أو مرّرCenterإلى بلوكات أخرى.
💡 نصائح وحيل
إذا اختلفت مقاييس الكائن والكاميرا، استخدم
Image Resizeقبل هذا البلوك لكي تكون صورة التدريب والصورة الداخلة أقرب في المقياس.اقتطع منطقة البحث باستخدام
Image ROI Selectلتسريع الاكتشاف وتجنب المطابقات الخاطئة من الخلفيات المزدحمة.حسّن المتانة في ظروف الضوضاء باستخدام
Blurلإزالة الضوضاء عالية التردد، أو استخدمContrast Optimizationلتحسين التباين قبل الاكتشاف.استخدم
Show Imageلمعاينة نتائج الاكتشاف تفاعليًا أثناء ضبط عناصر التحكم.للرسم والتقارير، اجمع مع
Draw Detectionsلتراكب الاكتشافات بشكل منظم على الصور الناتجة.إذا كان المطابقة بالشكل (template-based) أكثر ملائمة لكائنك، فجرّب بلوك
Find Objectكبديل أو تكميلي.لتخزين أمثلة أو نتائج للمراجعة لاحقًا، اجمع مع
Image Logger.
(التلميحات أعلاه تشير إلى function blocks المتاحة التي يمكنك دمجها في تدفق العمل.)
🛠️ استكشاف الأخطاء وإصلاحها
لا يوجد اكتشاف: زد
Number of features، اسهلDistance Threshold، أو قدّم صورة تدريب أوضح. جرّب قيم مختلفة لـHomography Type.إيجابيات كاذبة: قلّل
Number of featuresأو شدّدDistance Threshold. اقتطع الصورة باستخدامImage ROI Selectلإزالة الخلفيات المربكة.أداء بطيء: خفّض
Number of features، قلّل مستويات الهرم، أو نفّذ بحثًا في منطقة أصغر. قم بعملية قبْلية باستخدامImage Resizeلتقليل أبعاد الإدخال.نتائج ضعيفة في حالة التباين المنخفض: طبق
Contrast Optimizationأولًا أو التقط صورة تدريب عالية الجودة.
إذا بقيت النتائج متقلبة، قم بالتعديل التدريجي لعناصر التحكم واستخدم Show Image لتأكيد التغييرات بصريًا.
آخر تحديث