# LevelSystem
**Repository Path**: guowushi/level-system
## Basic Information
- **Project Name**: LevelSystem
- **Description**: 水平仪识别系统
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-07-28
- **Last Updated**: 2023-11-09
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# LevelSystem
<<<<<<< HEAD
#### 水平仪识别系统功能介绍
* 功能：拍照后，能识别水平仪的刻度
* 保存的图片文件名为：前缀+时间戳 例如 A20230809231205.jpg
* 保存所有的中间结果，便于分析。例如 原始照片（A20230809231205.jpg）处理后生成的文件依次为 ：**A20230809231205-1.jpg 、A20230809231205-2.jpg...**
* 所有操作都记录到日志中，包含 哪张图片，处理哪一步，结果如何
=======
## 水平仪识别系统
#### 介绍
水平仪读数识别系统是一种基于现代技术的自动化测量解决方案，旨在实现对气泡水平仪读数的自动采集、处理和展示。该系统利用摄像头和机器学习相关技术，实现了对气泡水平仪读数的监测、数据处理和可视化展示，从而提高测量的准确性和效率。
>>>>>>> a779b68b8e72e8f85df99fd2a7bb124418c9ac74
#### 软件架构
```
git clone https://gitee.com/guowushi/level-system
```
代码说明
目录 | 子目录 | 说明
-|-|-
images | take_images | 目录用于存放所有拍摄的图片 |
images | log_images | 记录处理的所有中间图片 |
AI | pytorch_fasterrcnn | 存放所有AI方向代码，存放pytorch faset-r-cnn神经网络训练模型的代码 |
AI | pythonWeb | 后端模块，调用百度API接口 |
CV | | 存放所有OpenCV方向代码 |
logs | | 用于存放日志，file.log,process_image.log |
code | $1 | 用于存放日志 |
code | $1 | 用于存放日志 |
code | $1 | 用于存放日志 |
frontend | | 前端代码 |
main.py | | |
<<<<<<< HEAD
=======
* images 目录用于存放所有的图片
* take_images 用于存放所有拍摄图片
* logs_images 用于存放所有图片处理照片
* AI 目录用于存放AI方向代码及文档
* PythonWeb 目录存放在线布署代码及相关文档
* pytorch_fasterrcnn 目录用于存放pytorch faset-r-cnn神经网络训练模型的代码
* CV 目录用于存放CV方向代码，以及摄像头处理代码，及相关文档
* frontend 目录存放前端代码及文档
* logs 目录用于存放日志
>>>>>>> a779b68b8e72e8f85df99fd2a7bb124418c9ac74
#### 安装教程
<<<<<<< HEAD
```
git clone https://gitee.com/guowushi/level-system
```
1. paddle本地部署
2. xxxx
3. xxxx
#### 功能
=======
1. AI方向安装教程（使用说明）：详细参考`AI\pythonWeb\Readme.md`文件
2. CV方向安装教程：详细参考`CV\Readme.md`文件
3. 前端安装教程：详细参考`frontend\Readme.md`文件
4. 摄像头使用教程：详细参考`code\Readme.md`文件
#### 功能
1. `AI` 模块功能：
- 上传图片，将图片转为base64编码
- 将图片上传至飞浆水平仪模型 在线API接口 进行识别（刻度线、气泡、刻度点）
- API返回结果 计算刻度线中线点和气泡中心点的距离
2. `CV` 模块功能：
- 连接摄像头，拍摄照片
- 传入代码进行处理
- 得到气泡结果
>>>>>>> a779b68b8e72e8f85df99fd2a7bb124418c9ac74
#### 使用说明
- 图片保存说明
* 保存的图片文件名为：前缀+时间戳 例如 A20230809231205.jpg
* 保存所有的中间结果，便于分析。例如 原始照片（A20230809231205.jpg）处理后生成的文件依次为 ：**A20230809231205-1.jpg 、A20230809231205-2.jpg...**
- `CV预处理`注意事项
- 图片不应过暗或过亮，否则无法正确识别出刻度线，导致后续识别无法正常进行
理想图（正常识别刻度线）：
过曝图（无法识别刻度线、气泡）：
过暗图（无法识别刻度线）：
- CV预处理图片后缀含义：
- `_r`：经过裁剪、仿射变换、缩放的处理图（_r即resize缩放）
- `_r_d`：将 ***_r*** 处理后的图片，去除刻度线（_d即delete删除）
- `AI待图像`注意事项
- 由于只训练了两种照片的模型，所以只能识别以下图片
图片1：
图片2：
#### 参与贡献
<<<<<<< HEAD
1. guowushi@qq.com
2.
=======
1. **Fork 本仓库：** 在 GitHub 上 fork 本仓库到您的账户。
2. **克隆仓库：** 将您 fork 后的仓库克隆到本地。
3. **创建分支：** 从 `main` 分支创建一个新的分支，用于您的贡献工作。
4. **进行修改：** 在本地进行文档内容的修改和编辑。
5. **提交更改：** 将您的修改提交到您的 fork 后的仓库。
6. **发起 Pull Request：** 创建一个 Pull Request，将您的修改提交到本仓库的 `main` 分支。
7. **讨论和审核：** 参与讨论并进行必要的修改，直至您的贡献得到审核通过。
>>>>>>> a779b68b8e72e8f85df99fd2a7bb124418c9ac74