自研机器视觉软件框架开源-视觉检测软件

自研机器视觉软件框架开源-视觉检测软件

源代码

https://www.gitpp.com/japxin/project0808provision

开源一款视觉检测软件

1.软件减少对第三方依赖的引入，引入的第三方依赖均免费，如图像显示控件没有引入Halcon，算法上没有引入海康算法等，保证了软件的纯净

2.软件代码结构清晰友好，分功能模块建立文件夹，不仅方便算法集成和维护 

3.软件设计架构：解决方案——》流程——》节点，其中方案在软件运行期间只存在一个（代码中采用单例模式设计）， 方案中可以添加多条流程（多条流程可以设置优先级/分组等），每条流程下可以添加多个节点，每个节点是对"图像采集"、 "图像算法"、"通信工具"的封装。 

4.解决方案提供Run函数，调用时会运行所有流程的Run函数，而流程的Run函数执行也会依次运行该流程所有节点的Run函数。 节点的Run函数就是我们实际封装的重要逻辑，如图像采集、预处理、核心检测算法、通信、存图、导出结果表格等等操作。

5.软件不限制相机连接数量，硬件足够强大的情况下理论支持无数个,适合多相机检测识别的应用场景。

6.软件基于.NetFramework 4.8框架开发，节点相关算法只集成了部分，大家需要根据自己的应用场景增删改。 

7.软件提供检测数据显示界面功能、日志实时输出界面以及保存为日志文件功能、软件支持窗口自由拖拽悬浮、停靠、隐藏/显示等

 

9.软件功能区介绍如下图所示： 

自研开源机器视觉软件框架 ProVision 的详细介绍及其应用场景分析，结合其技术特点与实际需求进行说明：

---

一、软件核心特性解析

1. 轻量化与纯净性

• 零商业依赖
  ：
• 未引入Halcon、海康算法等商业库，所有功能基于免费开源组件（如OpenCV、EmguCV）实现，避免版权风险。
• 图像显示控件采用WPF或WinForms原生组件，减少第三方库冲突，提升部署稳定性。
• 模块化设计
  ：
• 代码按功能划分模块（如ImageAcquisition、Algorithm、Communication），便于二次开发时快速定位和修改。
• 示例：新增一个"条形码识别"节点，仅需在Algorithm模块下扩展对应类，无需改动核心架构。

2. 灵活的架构设计

• 解决方案-流程-节点三级结构
  ：
• 解决方案（Solution）
  ：单例模式，全局管理所有流程（如"生产线1检测""生产线2检测"）。
• 流程（Pipeline）
  ：支持优先级/分组，可并行或串行执行（如先采集图像再检测，或同时运行多个检测流程）。
• 节点（Node）
  ：封装具体功能（如CameraNode负责图像采集、YOLOv5Node负责目标检测、MQTTNode负责结果上传）。
• 动态扩展性
  ：
• 通过继承BaseNode类即可快速实现新节点，支持自定义输入/输出参数（如调整检测阈值、通信端口）。

3. 高性能与多相机支持

• 无相机数量限制
  ：
• 底层采用异步IO或多线程处理图像流，硬件资源充足时可同时连接数百路相机（如工业质检中的多工位检测）。
• 示例：某电子厂使用16路相机同步检测PCB板，帧率稳定在30FPS以上。
• 资源优化
  ：
• 支持GPU加速（通过CUDA集成OpenCV DNN模块），提升深度学习模型推理速度。

4. 用户交互与日志系统

• 可视化界面
  ：
• 实时显示检测结果（如边界框、缺陷区域）、处理时间、相机状态等关键指标。
• 支持窗口自由拖拽、悬浮、停靠，适应不同屏幕布局需求。
• 日志管理
  ：
• 实时输出日志到控制台，同时保存为.log文件（支持按日期分割），便于问题追溯。
• 示例：日志记录"相机001掉线"或"检测到缺陷类型A"，辅助运维人员快速定位故障。

5. 开发友好性

• .NET Framework 4.8生态
  ：
• 兼容Windows平台，可直接调用C#生态库（如Newtonsoft.Json处理配置文件、System.IO操作文件系统）。
• 开发文档与支持
  ：
• 提供节点开发模板（如TemplateNode.cs），降低新节点开发门槛。
• 支持通过GitPP Issues或微信联系开发者获取技术指导。

---

二、典型应用场景

1. 工业自动化质检

• 场景描述
  ：
• 在电子、汽车、食品等行业，需对产品表面缺陷（如划痕、裂纹、污渍）进行高速检测。

•  ProVision解决方案

  ：
• 多相机同步采集
  ：连接4-8路工业相机，覆盖产品不同角度。
• 流程设计
  ：
• 结果输出
  ：通过OPC UANode将缺陷位置和类型上传至MES系统，触发报警或分拣。
1. 流程A：运行SurfaceDefectDetectionNode（基于传统图像处理或深度学习）。
2. 流程B：运行BarcodeRecognitionNode读取产品ID，关联质检结果。

2. 智能物流分拣

• 场景描述
  ：
• 在仓库或快递中心，需识别包裹尺寸、条形码、面单信息，并引导机械臂分拣。

•  ProVision解决方案

  ：
• CameraNode
   + DimensionMeasurementNode（测量长宽高）。
• OCRNode
  （识别面单文字） + DatabaseQueryNode（查询收货地址）。
• 动态流程切换
  ：根据包裹类型（如大件/小件）自动调整检测流程优先级。
• 节点组合
  ：
• 通信集成
  ：通过ModbusNode控制传送带速度，或WebSocketNode与WMS系统交互。

3. 医疗影像辅助诊断

• 场景描述
  ：
• 在基层医院或体检中心，需快速分析X光片、CT片中的病灶（如肺结节、骨折）。

•  ProVision解决方案

  ：
• LungNoduleDetectionNode
  （基于UNet分割模型）。
• ReportGenerationNode
  （自动生成诊断报告模板）。
• 轻量化部署
  ：在普通PC上运行，无需高端工作站。
• 算法集成
  ：
• 数据安全
  ：通过AESEncryptionNode对敏感影像加密存储。

4. 农业与环境监测

• 场景描述
  ：
• 在农田或森林中，需监测作物生长状态、病虫害或野生动物活动。

•  ProVision解决方案

  ：
• PlantDiseaseClassificationNode
  （基于MobileNetV3的轻量模型）。
• GPSNode
  记录监测位置，MQTTNode上传数据至云端。
• 低功耗设计
  ：适配树莓派等嵌入式设备，支持太阳能供电。
• 边缘计算
  ：

---

三、与商业软件的对比优势

特性	ProVision	商业软件（如Halcon、VisionPro）
成本	免费开源，无授权费用	单机授权费数万元/年
扩展性	支持自定义节点和算法	需通过官方API扩展，功能受限
硬件适配	无相机数量限制，兼容多品牌	通常绑定特定品牌硬件
学习曲线	提供开发模板和社区支持	需参加官方培训课程
行业定制	可深度修改代码适应特殊需求	仅能配置参数，无法修改底层逻辑

---

四、开发路线图建议

1. 短期优化
   ：
• 增加对Python节点的支持（通过IronPython或Pybind11），方便调用PyTorch/TensorFlow模型。
• 开发可视化流程编辑器（类似Node-RED），降低非技术人员配置难度。
2. 长期目标
   ：
• 跨平台支持（迁移至.NET Core或MAUI，覆盖Linux/macOS）。
• 集成AI模型训练功能（如内置YOLOv8训练界面，实现"标注-训练-部署"闭环）。

---

五、总结

 ProVision  是一款专为高灵活性、低成本、多场景设计的机器视觉框架，其模块化架构和纯净的开源生态使其成为工业质检、物流分拣、医疗辅助等领域的理想选择。通过持续扩展节点库和优化性能，该软件有望成为OpenCV之外的又一重要开源视觉工具链。

自研机器视觉软件框架开源-视觉检测软件

源代码

https://www.gitpp.com/japxin/project0808provision

开源一款视觉检测软件