X Workshop * - LabVIEW & Arduino & Python 整合開發工作室 -

這段影片展示了如何連接 LabVIEW 的 Python Node 與 Anaconda 的虛擬環境，以開發程式。內容包括： 1. 安裝 Anaconda3（Python 3.11） 2. 建立虛擬環境（Python 3.10 用於 LabVIEW 2023Q1） 3. 將 Python Node 連接至虛擬環境 This video shows how to connect LabVIEW Python Node and Anaconda's virtual environment to develop program. The content includes: 1. Install Anaconda3 (Python 3.11) 2. Build Virtual Environment (Python 3.10 for LabVIEW 2023Q1) 3. Connect Python Node with Virtual Environment

This video shows how to use the design pattern of Queued Message Handler for programming in LabVIEW, including: 1. Use QMH Template when create project 2. Use Refnum (point) to read/write data transfer 3. Use dynamic event to send data 這個視頻說明如何在LabVIEW使用佇列訊息處理器的設計模式來撰寫程式，包含： 1. 建立專案時使用QMH模板 2. 使用參考(指標)讀寫數據 3. 使用動態事件傳遞數據

本影片分享如何使用ChatGPT實現建立C++類別的FreeRTOS task在Arduino中。 內容包含:  1. 在Arduino中使用C++來建立FreeRTOS Task  2. 以LED閃爍為範例 本影片分享如何使用ChatGPT實現建立C++類別的FreeRTOS task在Arduino中。  This video shows how use ChatGPT to create C++ class based FreeRTOS task in Arduino.  1. Create FreeRTOS Task with C++ in Arduino   2. Take LED flashing for example  freertos forum website address: https://www.freertos.org/FreeRTOS_Support_Forum_Archive/July_2010/freertos_Is_it_possible_create_freertos_task_in_c_3778071.html

This video shows how to use ChatGPT to implement Observer Pattern code in Arduino. The content includes: 1. Install C++ STL for Arduino 2. Use ChatGPT to implement Observer Pattern C++code with Arduino 3. Verify the generated code in Arduino IDE 本視頻在說明如何使用ChatGPT在Arduino中實現觀察者模式的程式碼。 內容如下 1. 安裝Arduino的C++標準函式庫 2. 使用ChatGPT實現觀察者模式的Arduino C++程式碼 3. 使用Arduino IDE驗證程式碼是否可執行

本視頻分享如何使用ChatGPT生成觀察者模式C++程式碼的過程。 內容有: 1. 使用ChatGPT實現觀察者模式的C++程式碼 2. 使用VS Code驗證程式碼是否可執行 This video share the process of implementing the observer pattern with ChatGPT. The content includes: 1. Use ChatGPT to implement Observer Pattern C++ code 2. Verify the generated code in VS code IDE 當使用觀察者模式時，主題物件（Subject）和觀察者物件（Observer）之間存在著一對多的關係。主題物件負責維護一個或多個觀察者物件，並在自身狀態改變時通知所有的觀察者進行更新。 #include <iostream> #include <vector> #include <algorithm> // 主題 (Subject) 類別 class Subject { public:   virtual void setState(int state) = 0;   virtual int getState() const = 0;   virtual void attach(Observer* observer) = 0;   virtual void detach(Observer* observer) = 0;   virtual void notify() = 0; }; // 具體主題 (Concrete Subject) 類別 class ConcreteSubject : public Subject { public:   void setState(int state) override {     this->state = state;     notify(); // 當狀態改變時，通知所有觀察者   }   int getState() const override {     return state;   }   void attach(Observer* observer) override {     observers.

這應該是目前能下載的最新LabVIEW Modbus函式庫了。

由於在更新LabVIEW 2021後，Vision Development Module (VDM)也要更新到2021年版，在NI的網站無法下載到軟體，因此我使用NI Package Manager來安裝VDM軟體。 安裝的過程如下:

This video shows how to use yfinance and PyQt to calculate  KD value of the stock . The content includes:  Input Taiwan stock ticker Calculate K and D valuse with yfinance  本視頻說明如何使用yfinance與PyQt計算股票的KD值。 內容包含:  輸入台灣股票代號 使用yfinance計算KD值 程式碼:  def calculate_kd(self):         stock_code = self.stock_code_lineEdit.text()         if not stock_code:             return         # 從Yahoo Finance獲取股票歷史價格資料         stock = yf.Ticker(stock_code + ".TW")         history = stock.history(period="max")         # 計算KD值         low_min = history["Low"].rolling(window=9).min()         high_max = history["High"].rolling(window=9).max()         rsv = (history["Close"] - low_min) / (high_max - low_min)         k = rsv.ewm(com=2).mean() * 100         d = k.ewm(com=2).mean()        # 顯示結果         kd_result = "最新K值：{:.2f}，最新D值：{:.2f}".format(k[-1], d[-1])         self.result_label.setText(kd_result)   

  這是ChatGPT建議用Python學習AOI的內容，有時間再來寫一些範例試試看。 以下是使用Python進行AOI影像處理需要學習的課程內容： Python基礎語法：需要熟悉Python基本語法和控制結構，包括變量、數組、函數、流程控制和錯誤處理等。 NumPy和Pandas：NumPy和Pandas是Python中非常常用的數據處理庫，尤其是在處理數組和表格數據方面。需要熟悉其基本用法和操作方式。 Matplotlib和Seaborn：Matplotlib和Seaborn是Python中常用的繪圖庫，可以用於數據可視化，例如畫出影像、直方圖、散點圖等。 OpenCV：OpenCV是一個開源的計算機視覺庫，提供了許多影像處理和分析的工具。需要熟悉OpenCV的基本操作方式，例如讀取、顯示、繪製、變換和過濾影像等。 影像分割：影像分割是AOI影像處理中的一個重要步驟，其目的是從影像中分離出感興趣的區域。可以學習使用OpenCV的分水嶺、閾值分割、區域生長等方法。 特徵提取：特徵提取是AOI影像處理中另一個重要步驟，其目的是提取影像中的關鍵信息，例如邊緣、角點、紋理等。可以學習使用OpenCV的SIFT、SURF、ORB等算法。 深度學習：深度學習是近年來非常熱門的人工智能技術，可以應用於AOI影像處理中。需要學習深度學習的基本原理和常用的深度學習框架，例如TensorFlow、PyTorch等。可以學習使用深度學習進行影像分類、目標檢測、物體追蹤等任務。 以上課程內容已經可以讓您掌握基本的影像處理技能，並開始應用於實際場景中。進一步學習影像增強、去噪、校正等進階技術，可以提高影像處理的準確性和效率，使您能夠更好地應對實際應用中的挑戰。此外，隨著深度學習等技術的發展，影像處理領域的發展也在不斷推進，建議您保持學習和更新知識。 Here are the course contents for learning AOI image processing with Python: Python Basics: Familiarity with Python basic syntax and control structures is required, including variables, arrays, functions, flow control, and e

以下是ChatGPT的建議，我覺得都是LabVIEW Vision有提供的功能，後續有時間我將錄製一些影片來介紹。 如果您要學習使用LabVIEW進行影像的自動光學檢查（AOI），以下是您需要學習的一些主要課程內容： 影像處理基礎：學習影像處理的基本概念，如色彩空間、影像增強、濾波、二值化等等。 影像採集：了解如何使用LabVIEW擷取影像並且將其儲存至電腦。 [第4期]使用LabVIEW視覺模組擷取Webcam影像與存檔/Use LabVIEW Vsion Module to grab and save the image of the camera( https://labview-tech.blogspot.com/2021/04/labviewwebcamuse-labview-vsion-module.html ) 影像分析：學習如何使用LabVIEW進行影像分析，例如邊緣檢測、形態學處理、二值化、膨脹和侵蝕等。 物體偵測：學習如何使用LabVIEW檢測物體，以及檢測其位置、大小、形狀和顏色等。 模板匹配：學習如何使用模板匹配算法，將影像中的特定物體與預定義的模板進行比對。 AOI應用：學習如何將影像處理和物體偵測技術應用於AOI系統中，以檢測製造中的缺陷或錯誤。 實作專案：進行實作專案，以實際應用以上學習的技術，並進行AOI的應用，如自動化檢測印刷電路板。 綜上所述，這些是學習LabVIEW影像進行AOI需要掌握的基本課程內容。 If you want to learn how to use LabVIEW for automatic optical inspection (AOI) of images, here are some of the main course contents that you need to learn: Image processing basics: Learn the basic concepts of image processing, such as color space, image enhancement, filtering, thresholding, and more. Image acquisition: Understand how to use LabVIEW to capture images