> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/function-blocks/detections-shapes/detectors/detect-reference.md). # Detect Reference Dieser Funktionsblock wird verwendet, um automatisch Objekte in einem Eingangsbild basierend auf einem Referenzbild zu identifizieren. Er unterstützt verschiedene Optionen zur Feinabstimmung des Erkennungsprozesses. ## 📥 Eingänge `Image` Das Hauptbild, in dem das Referenzobjekt erkannt werden muss. `Reference` Das Referenzbild des Objekts, das übereinstimmen sollte. `Mask` Ein optionales Maskenbild, das Bereiche isolieren kann, die während des Erkennungsprozesses berücksichtigt werden sollen. ## 📤 Ausgänge `Image Any` Das Ausgabebild, das die erkannten Objekte mit hervorgehobenen übereinstimmenden Regionen zeigt. `Rectangle Coordinates` Die Koordinaten der Rechtecke, die die erkannten Referenzen umschließen und mehrere Erkennungen unterstützen. `Match Percentage` Der Übereinstimmungsprozentsatz für jedes erkannte Objekt. ## 🕹️ Steuerungen `Match Threshold %` Ein Schieberegler, der die Schwelle für die Akzeptanz von Übereinstimmungen festlegt. Durch Anpassung dieses Wertes können Fehlalarme minimiert werden. `Down-size` Ein Schieberegler, der die Größe des Referenzbilds reduziert, um die Verarbeitungsgeschwindigkeit zu verbessern und eine schnellere Erkennung zu ermöglichen. `Rotations` Ein Schieberegler zur Einstellung der Anzahl der Rotationsschnitte zur Erkennung von Objekten in verschiedenen Ausrichtungen. `Sweep Angle` Ein Bereichsschieberegler, der den Winkel für Rotationen während der Objekterkennung definiert. `Horizontal Flip Search` Ein Kontrollkästchen, das die Berücksichtigung von umgedrehten Versionen des Referenzbildes einbezieht, was unter bestimmten Bedingungen die Erkennung unterstützen kann. `Estimation Method` Ein Dropdown-Menü zur Auswahl der Methode zur Schätzung der Übereinstimmung von Objekten. `Color Mode` Ein Dropdown-Menü zur Auswahl, ob Bilder in Graustufen oder Farbe (BGR) verarbeitet werden sollen, wobei die Farbbearbeitung normalerweise die Genauigkeit erhöht. ## 🎨 Funktionen `Rotational Detection` Erkennt effektiv Objekte aus mehreren Rotationswinkeln und verbessert die Erkennungsfähigkeiten. `Mask Support` Die Option, eine Maske zu verwenden, hilft, die Erkennung auf wichtige Bereiche des Eingangsbildes zu konzentrieren, wodurch die Effizienz verbessert wird. `Visual Feedback` Das resultierende Bildoutput zeigt klar die übereinstimmenden Bereiche und bietet sofortiges Feedback zu den Erkennungsergebnissen. ## 📝 Nutzungshinweise 1. **Input Images verbinden**: Verknüpfen Sie das Eingangsbild mit dem Eingangsbereich `Image` und das Referenzbild mit dem Eingangsbereich `Reference`. Optional können Sie eine Maske an den Eingangsbereich `Mask` anschließen. 2. **Parameter einstellen**: Verwenden Sie die Schieberegler und Dropdowns, um die gewünschte Übereinstellungsschwellwerte, Größenreduzierung, Rotationen und Farbmodus festzulegen. 3. **Bewerten**: Führen Sie den Block aus, um die Objekterkennung durchzuführen. Die resultierende Ausgabe zeigt die Übereinstimmungen im Bild an. ## 📊 Bewertung Wenn er ausgeführt wird, analysiert dieser Funktionsblock effektiv das Eingangsbild basierend auf der bereitgestellten Referenz und gibt das übereinstimmende Bild, die Koordinaten und die Übereinstimmungsprozentsätze aus. ## 💡 Tipps und Tricks
Verbesserung der Erkennung Stellen Sie beim Verwenden der Erkennung sicher, dass das Referenzbild klar und gut beleuchtet ist. Die Anpassung des `Match Threshold %` kann auch dazu beitragen, die Genauigkeit der Erkennungen zu erhöhen.
Verwendung von Masken Wenn nur bestimmte Teile des Eingangsbilds von Interesse sind, verwenden Sie den Eingangsbereich `Mask`, um die Bereiche zu begrenzen, die vom Erkennungsprozess berücksichtigt werden, wodurch sowohl Geschwindigkeit als auch Genauigkeit verbessert werden.
Rotationseinstellungen Experimentieren Sie mit den Steuerelementen `Rotations` und `Sweep Angle`, um optimale Einstellungen zur Erkennung von Objekten zu finden, die in verschiedenen Ausrichtungen erscheinen können.
## 🛠️ Fehlersuche
Keine Übereinstimmungen gefunden Wenn Sie keine Übereinstimmungen erhalten, überprüfen Sie, ob das Referenzbild das Objekt im Eingangsbild genau darstellt, und passen Sie die `Match Threshold %` auf einen niedrigeren Wert an, um eine großzügigere Übereinstimmung zu ermöglichen.
Leistungsprobleme Wenn es zu Verzögerungen kommt, ziehen Sie in Betracht, die Einstellung `Down-size` zu reduzieren, was es dem Erkennungsprozess ermöglicht, auf einem kleineren Bild zu arbeiten und die Berechnung zu beschleunigen.
Nicht erkannte Bereiche Wenn bestimmte Regionen des Eingangsbilds keine Ergebnisse liefern, überprüfen Sie den Eingangsbereich `Mask` auf mögliche Blockaden oder verbessern Sie das Referenzbild im Vergleich zu den spezifischen Instanzen, die Sie erwarten zu erkennen.
--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.augelab.com/german/function-blocks/detections-shapes/detectors/detect-reference.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.