上海西皇电气设备有限公司

 联系人：李工

 咨询热线：15901795805 

            邮箱：158311669@qq.com
            传真：021-57358110

       咨询QQ：158311669 

      公司大量现货！！！上海西皇自动化科技有限公司本着“以人为本、科技先导、顾客满意、持续改进”的工作方针，致力于工业自动化控制领域的产品开发、工程配套和系统集成，拥有丰富的自动化产品的应用和实践经验以及雄厚的技术力量，尤其以 PLC复杂控制系统、传动技术应用、伺服控制系统、数控备品备件、人机界面及网络/软件应用为公司的技术特长，几年来，上海西皇公司在与德国 SIEMENS公司自动化与驱动部门的长期紧密合作过程中，建立了良好的相互协作关系，在可编程控制器、交直流传动装置方面的业务逐年成倍增长，为广大用户提供了SIEMENS的** 技术及自动控制的**解决方案，

KP1200 Comfort 12 寸，6AV2124-1MC01-0AX0,1600 万色 LED 背光，16:9 宽屏显示，键控，12 MB 用户内存

精智面板

KTP400 Comfort 4.3 寸，1600 万色 LED 背光，16:9 宽屏显示，键控 + 触摸，4 MB 用户内存6AV2124-2DC01-0AX0

KP400 Comfort 4.3 寸，1600 万色 LED 背光，16:9 宽屏显示，键控6AV2124-1DC01-0AX0

TP700 Comfort 7 寸，1600 万色 LED 背光，16:9 宽屏显示，触摸屏，12 MB 用户内存6AV2124-0GC01-0AX0

KP700 Comfort 7 寸，1600 万色 LED 背光，16:9 宽屏显示，键控，12 MB 用户内存6AV2124-1GC01-0AX0

TP900 Comfort 9 寸，1600 万色 LED 背光，16:9 宽屏显示，触摸屏，12 MB 用户内存 6AV2124-0JC01-0AX0

KP900 Comfort 9 寸，1600 万色 LED 背光，16:9 宽屏显示，键控，12 MB 用户内存6AV2124-1JC01-0AX0

TP1200 Comfort 12 寸，1600 万色 LED 背光，16:9 宽屏显示，触摸屏，12 MB 用户内存6AV2124-0MC01-0AX0

KP1200 Comfort 12 寸，1600 万色 LED 背光，16:9 宽屏显示，键控，12 MB 用户内存6AV2124-1MC01-0AX0

触摸屏常见维修故障：

无显示维修，亮度看不清楚维修，黑屏维修，花屏维修，白屏维修，液晶屏显示竖条维修，液晶屏显示横条维修，液晶屏显示多画面维修，以及液晶屏显示疑难杂症均可维修，触摸屏通讯不上维修，触摸屏开机走一半不动维修，开机不能进入程序维修，指示灯不亮维修，触摸屏死机维修，西门子触摸屏灯管不亮维修，触摸屏玻璃烂维修更换触摸屏触摸偏移维修，触摸屏不能触摸维修，触摸屏一半可以触摸另一半不能触摸维修，触摸屏不能校准维修，触摸屏无背光维修.

我们还提供，各类触摸屏高压板销售更换，触摸屏灯管销售更换，触摸板销售更换，西门子触摸屏主板销售，西门子触摸屏液晶屏更换，西门子触摸屏液晶屏显示，西门子按键屏维修，西门子操作面板维修，西门子触摸屏按键坏维修，西门子操作面板按键坏维修，按键不灵维修，西门子按键膜更换销售，西门子触摸屏通电无反应维修，触摸屏显示故障维修，西门子触摸屏程序备份，西门子触摸屏解密，另公司专业维修工程师可对客户提供上门检测维修服务

 上海西门子变频器维修中心

设计和功能

SIMATIC HMIComfort Panel系列包括4个按键面板、3个触摸面板和1个按键触摸面板。 所有设备只能配置新的HMI软件WinCC V11。

KP400 COMFORT是一个4英寸按键面板，显示屏分辨率为480x 272像素。 它的安装与OP 77B兼容

KTP400 COMFORT的安装与TP 177B 4兼容，提供触摸屏(480 x 272 px)和4个另外的功能键

TP700 Comfort有一个800x 480像素触摸屏，其安装与TP 177， MP 177和TP 277兼容，但是提供的显示尺寸多40%

KP700 Comfort(800 x 480 px)的安装与OP 277兼容

KP900和TP900 Comfort具有与7英寸设备的相同显示屏分辨率，由于显示屏大，当从较远距离观看时， 更加方便。

12英寸设备KP1200和TP1200 Comfort具有分辨率为1280x 800像素的PC典型显示屏。

设备的Runtime Software包括档案和脚本、互联网浏览器，在交付时还包括PDF阅读器， Excel和Word文件。

Comfort Panel的触摸面板系列可在横向或竖向安装和运行，当配置它们时您只需选择正确的方向。

　 提出了一种在单摄像头条件下基于嵌入式系统的手势识别方法。通过拟合手势图的外接多边形，找出其所对应的手势缺陷图，并建立手势与手势缺陷图的一一映射，利用手势缺陷图的特征来匹配和识别不同的手势。算法还将手势的跟踪与识别有机地统一起来，通过预测下一帧中手势出现的粗略位置大大降低识别步骤的计算量。该算法在实际应用的嵌入式平台下，能**、准确地实现手势的识别，能够满足实时人机交互的要求。

　　手势交互是人机交互领域近年来的研究热点，特别是利用摄像头来实现对手势信息的非接触性捕获，并由计算机进行分析理解，然后完成交互任务，由于其自然和符合人自身行为习惯的交互方式而备受青睐。手势的形态在交互过程中的变化以及周围环境的干扰都会影响到手势的识别和理解，因此手势识别是计算机视觉和人机交互领域中的重要问题，如何将这种交互方式更好地在嵌入式系统中应用更是一个富有挑战性的工作。

　　基于视觉的手势识别过程通常分为四个步骤，即分割、表示、识别和应用。手势识别算法的关键和难点是分割和识别两个步骤，现有算法在这两个步骤通常都有计算量大、时间复杂度高的特点，而嵌入式设备又受到资源和计算能力的限制，要能够做到基于嵌入式系统的实时手势交互，就有必要对传统的手势识别算法进行改进。

　　本文在单摄像头条件下，在手势跟踪的相关工作基础上，提出了一种基于手势结构特征的手势识别方法，使之满足嵌入式系统中的人机交互对实时性、准确性及连续性的要求。本文使用了计算量小且性能高的Camshift 算法作为跟踪算法，并将其跟踪结果作为手势识别的参考因子，这样可以大大减少手势识别的工作量； 手势的识别则采用了手势跟踪结果与手势形态结构特征相结合的处理方法。将手势跟踪的结果作为参考因子，可以除去图像中与手势无关的背景图像，利用手势形态结构特征使得手势识别工作不是对手势边缘的每个点进行处理，转而对手势的外接多边形进行处理。这两种方法相结合不仅使识别工作的计算量大大降低，对手势识别的**度也有所提高，而且不需要对各种手势进行训练就可以完成识别工作，使得识别更加方便和简洁。

　　1 相关工作

　　关于手势识别的算法，国内外的研究人员已经提出了很多不同的解决方案。目前比较常用的有基于统计的HMM 模型、基于遗传算法以及基于人工神经网络的手势识别等。基于统计的HMM 方法，其优点是利用先验知识建立视觉特征之间的因果关系来处理视频处理中固有的不确定性问题，不但能够在每个时刻上对多个随机变量所对应的不同特征之间的依存关系进行概率建模，而且考虑了各个时刻间的转移概率，能够很好地反映特征之间的时序关系。但是它需要维护一个具有一定规模的样本库，而且在使用HMM 进行手势识别时计算量大。当然，样本库的规模越大其分布越接近实际情况，手势识别的准确率就越高，而且还需要使用数据平滑的技术来扩大小概率的值。遗传算法对图像进行离散化处理，对图像离散点进行控制，把图像识别问题转换为一系列离散点的组合优化问题； 但它不能够及时利用网络的反馈信息，搜索速度比较慢，所需训练样本大、训练时间长。人工神经网络通过把大量的简单处理单元（ 神经元） 广泛地连接起来构成一种复杂的信息处理网络，它在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索功能，需要的样本少、效率高； 但是需要人的参与训练，识别的正确率受主观因素的影响。

　　总体来说，在人机交互系统中，手势的跟踪与识别应该满足以下几个要求：

　　a） 实时性好，避免对高维度特征矢量的计算，数据量大的数组处理以及复杂的搜索过程。

　　b） 足够的鲁棒性。不受识别对象旋转、平移和比例改变以及摄像头视角改变的影响。

　　c） 手势跟踪的连续性和自动初始化，能够在跟踪失败后自动恢复跟踪，尽量减少人的干预。

　　本文提出手势识别和跟踪方法不再追随传统的将识别的四个步骤孤立起来，而是将手势跟踪的结果与手势的识别这两个独立的步骤联系起来，将跟踪得到的手势预测的区域设为下一帧图像识别的感兴趣区域（ region of interesting,ROI） ; 基于Camshift 算法，根据前一帧手势在图像中的位置和颜色信息，对手势在下一帧图片所处的位置进行预测，主要是基于颜色的统计信息。它运算量小，不仅能很好地满足嵌入式系统的需求，而且跟踪和预测的效果也非常好。通过对ROI 区域进行手势的分割和识别，可以排除背景图像对手势的部分干扰，识别过程的计算量也减小很多。由于每种手势的边线都有不同特征，这些不同的特征能很好地反映在手势的外接多边形上，因此，可以对不同手势和外接多边形建立一个一一映射的关系； 通过建立不同手势的外接多边形特征库，对分割出来的手势作多边形拟合，只要将提取出来的多边形与特征库中的外接多边形进行匹配就能判断出手势的类型。

　　本文提出的手势识别方法主要包括三个部分：

　　a） 手势分割。将手部区域从场景中分割出来，并对手部的区域和轮廓进行提取。这里的手部区域主要根据c） 跟踪的结果提供。

　　b） 手势图像的外接多边形拟合以及匹配部分。对a） 提取出来的手势轮廓作多边形拟合，分析多边形的形状特点，并在特征库中查找与拟合的多边形特征相符合的对象，再映射到具体的手势。