HyperWork 2024 -二次开发-Tcl语言-Boolean （6/12）

经常做二次开发的小伙伴，就会发现二次开发不是万能的，实际工作中应用场景很有限。有时候为了自动化实现某个功能，代码量可能比半自动的多好几倍，可能程序还不稳健。以查找螺栓这类标准件为例，通过常规二次开发识别的方式可能有以下几种：1、零件的名称2、零件的体积3、表面积4、面的数量等方式识别。但是，但是……………随着工业的蓬勃发展。对于复杂的装配体，使用的螺栓种类也是越来越多，传统的识别逻辑已经不足以识别后续新增的标准件。但是关了一扇门的同时，又打开了一扇窗，现今的AI技术发展为解决这一问题提供了新的解决方案。可以基于强大的tensorflow框架实现，它能够通过图像处理和深度学习算法，快速准确地识别出零件中的螺栓。实际上就是分类算法将图片传递给程序返回0或1即可。利用tensorflow进行图像分类和目标检测。它通过训练神经网络模型，让计算机学习螺栓的特征，在输入待检测零件的图像后，快速准确地判断其中是否存在螺栓，这种自动化的识别方式不仅提高了识别的准确性，还能识别类似的零件，具有一定扩展性。对于训练数据的生成，通过二次开发程序就很容易实现了，各种视角的图片，咔咔一顿截取，输送给AI学习，这就是有监督学习。此外，程序还有着极高的可扩展性和适应性。通过调整和优化神经网络模型的结构和参数，可以针对不同的部件进行定制化的识别任务，例如：1、将识别对象替换为铆钉。2、替换为某种特征结构等。3、模型检测。4、优化路径识别。5、网格流向调整。.....用于满足不同的需求。相信随着技术的不断进步，会有越来越多的程序运用到CAE中，进一步提升生产效率，推动行业的发展（进一步内卷）。我们已经从，流程化>规范化>自动化，一步一步进入到了“智能化”阶段。二次开发已然是上一阶段的产物了，但也是进入到智能化，必不可少的一环。虽然目前AI拿来直接预测大型装配的结果还是很弱，但是拿来预测单体零件，识别图像还是很容易的。如何搭建NVIDIA的炼丹炉_并配置pytorch上面是配置pytorch的说明，配置tensorflow就很容易了pip3installtensorflow程序就没有从图像训练开始运行了，而是直接调用的ResNet50预训练集，再调用matplotlib将图片识别结果显示。实际项目中直接获取返回值就可以判断零件类型了下面是调用预训练集识别模型的代码，需要参考的小伙伴可以付费查看哦。或者分享文章后，私信分享的截图，看到了就发送完整代码截图哦来源：TodayCAEer