太陽能硅片檢測案例程序運(yùn)行演示課程框架課程引入模型獲取和導(dǎo)入施加載荷與約束模型簡化與拆分實(shí)踐訓(xùn)練交流討論實(shí)踐訓(xùn)練評價(jià)反饋課程總結(jié)，布置作業(yè)激學(xué)導(dǎo)思講授新知教學(xué)鞏固教學(xué)提升教學(xué)延伸課程總結(jié)及5S整理5分鐘15分鐘15分鐘30分鐘15分鐘10分鐘目錄情景引入代碼分析代碼演示一二三6S管理四能力目標(biāo)（1）能夠?qū)μ柲芄杵谢A(chǔ)的認(rèn)識；（2）能夠?qū)ν瓿蓪μ柲芄杵叽绲臏y量。知識目標(biāo)（1）了解太陽能硅片尺寸測量的原理。素質(zhì)目標(biāo)（1）具有嚴(yán)謹(jǐn)求實(shí)精神；（2）具有自主學(xué)習(xí)的能力；（3）具備5S職業(yè)素養(yǎng)。課程目標(biāo)情景導(dǎo)入

隨著工業(yè)時(shí)代的到來，人們使用的能源越來越多，但是越來越多的國家認(rèn)識到一個(gè)能夠持續(xù)發(fā)展的社會(huì)應(yīng)該是一個(gè)既能滿足社會(huì)需要，而又不危及后代人前途的社會(huì)。因此，盡可能多地用潔凈能源代替高含碳量的礦物能源，是能源建設(shè)應(yīng)該遵循的原則。隨著能源形式的變化，常規(guī)能源的貯量日益下降，其價(jià)格必然上漲，而控制環(huán)境污染也必須增大投資。某公司抓住這個(gè)機(jī)遇，開始對太陽能硅片進(jìn)行研發(fā)，因此在生產(chǎn)的時(shí)候需要檢測產(chǎn)品出硅片的尺寸是否符合標(biāo)批準(zhǔn)。

模擬企業(yè)端一情景引入二代碼分析高斯濾波在Opencv中高斯濾波的函數(shù)為：Cv2.GaussianBlur（src，ksize，sigmaX[，dst[，sigmaY[，borderType]]]）式中：src——輸入圖像；圖像可以具有任意數(shù)量的通道，這些通道可以獨(dú)立處理，但深度應(yīng)為CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。dst——輸出圖像的大小和類型與src相同。ksize——高斯內(nèi)核大小。ksize.width和ksize.height可以不同，但它們都必須為正數(shù)和奇數(shù)，也可以為零，然后根據(jù)sigma計(jì)算得出。sigmaX——X方向上的高斯核標(biāo)準(zhǔn)偏差。sigmaY——Y方向上的高斯核標(biāo)準(zhǔn)差。二代碼分析形態(tài)學(xué)處理在Opencv中對圖像進(jìn)行形態(tài)學(xué)處理的函數(shù)為：cv2.morphologyEx(src,op,kernel)式中：src——傳入的圖片op——進(jìn)行變化的方式。Op=cv2.MORPH_OPEN進(jìn)行開運(yùn)算，指的是先進(jìn)行腐蝕操作，再進(jìn)行膨脹操作。op=cv2.MORPH_CLOSE進(jìn)行閉運(yùn)算，指的是先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作。Kernel——表示方框的大小二代碼分析輪廓提取在Opencv中對圖像進(jìn)行輪廓提取的函數(shù)為：image,contours,hierarchy=cv2.findContours(image,mode,method)式中的返回值為：image:與函數(shù)參數(shù)中的原始圖像image一致。contours:返回的輪廓。hierarchy：圖像的拓?fù)湫畔ⅲㄝ喞獙哟危Ｊ街械膮?shù)為：image:原始圖像。mode:輪廓檢索模式。method:輪廓的近似方法。二代碼分析透視變換在Opencv中對圖像進(jìn)行透視變換的函數(shù)為：cv2.getPerspectiveTransform(src,dst)式中：src——源圖像中待測矩形的四點(diǎn)坐標(biāo)sdt——目標(biāo)圖像中矩形的四點(diǎn)坐標(biāo)二代碼分析透視變換返回由源圖像中矩形到目標(biāo)圖像矩形變換的矩陣,得到矩陣得有用才行,所以引出下面這個(gè)函數(shù)cv2.warpPerspective(src,M,dsize[,dst[,flags[,borderMode[,borderValue]]]])式中：src——輸入圖像M——變換矩陣dsize——目標(biāo)圖像shapeflags——插值方式，interpolation方法INTER_LINEAR或INTER_NEARESTborderMode——邊界補(bǔ)償方式，BORDER_CONSTANTorBORDER_REPLICATEborderValue——邊界補(bǔ)償大小，常值，默認(rèn)為0?；蛘遚v2.perspectiveTransform(src,m[,dst])→dst式中：src——輸入的2通道或者3通道的圖片m：變換矩陣返回的是相同size的圖片三代碼演示defImg_Outline(input_dir):original_img=cv2.imread(input_dir)gray_img=cv2.cvtColor(original_img,cv2.COLOR_BGR2GRAY)#高斯模糊去噪（設(shè)定卷積核大小影響效果）blurred=cv2.GaussianBlur(gray_img,(9,9),0)_,RedThresh=cv2.threshold(blurred,165,255,cv2.THRESH_BINARY)#設(shè)定閾值165（閾值影響開閉運(yùn)算效果）kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))#定義矩形結(jié)構(gòu)元素closed=cv2.morphologyEx(RedThresh,cv2.MORPH_CLOSE,kernel)#閉運(yùn)算（鏈接塊）opened=cv2.morphologyEx(closed,cv2.MORPH_OPEN,kernel)#開運(yùn)算（去噪點(diǎn)）returnoriginal_img,gray_img,RedThresh,closed,opened灰度圖閉運(yùn)算開運(yùn)算三代碼演示#圖像矯正defPerspective_transform(box,original_img):#獲取畫框?qū)捀?x=orignal_W,y=orignal_H)orignal_W=math.ceil(np.sqrt((box[3][1]-box[2][1])**2+(box[3][0]-box[2][0])**2))orignal_H=math.ceil(np.sqrt((box[3][1]-box[0][1])**2+(box[3][0]-box[0][0])**2))#原圖中的四個(gè)頂點(diǎn),與變換矩陣pts1=np.float32([box[0],box[1],box[2],box[3]])pts2=np.float32([[int(orignal_W+1),int(orignal_H+1)],[0,int(orignal_H+1)],[0,0],[int(orignal_W+1),0]])#生成透視變換矩陣；進(jìn)行透視變換M=cv2.getPerspectiveTransform(pts1,pts2)result_img=cv2.warpPerspective(original_img,M,(int(orignal_W+3),int(orignal_H+1)))returnresult_img透視變換進(jìn)行校正三代碼演示#計(jì)算中點(diǎn)之間的歐幾里得距離dA=dist.euclidean((tltrX,tltrY),(blbrX,blbrY))dB=dist.euclidean((tlblX,tlblY),(trbrX,trbrY))#如果每個(gè)度量的像素尚未初始化，則#將其計(jì)算為像素與提供的度量的比率#（在這種情況下，英寸）ifpixelsPerMetricisNone:pixelsPerMetric=dB/width#計(jì)算對象的大小dimA=dA/pixelsPerMetricdimB=dB/pixelsPerMetric#在圖像上繪制對象大小cv2.putText(orig,"{:.1f}in".format(dimA),(int(tltrX-15),int(tltrY-10)),cv2.FONT_HERSHEY_SIMPLEX,0.65,(0,0,255),2)cv2.putText(orig,"{:.1f}in".format(dimB),(int(trbrX+10),int(trbrY