Halcon 深度学习缺陷检测

文章目录

深度学习标注

>

获取图片路径

c 复制代码
C:\Users\Administrator\AppData\Roaming\MVTec\HALCON-23.11-Progress\examples\images

必须要有Good或者是OK文件夹做标注,剩下两个为逻辑异常和结构异常
点击检查选择good可以获取所有good图像的照片

点击创建应用和拆分

训练

点击训练
> 点击创建训练点击保存更改

设置完成后点击开始训练

点击评估

通过阈值可以调整判定的区间
滑动热图可以看出误判结果

导出训练文件

推理


已经用 DLT做好标注,训练,和评估,只需修改推理代码

推理代码示例

c 复制代码
* 获取文件图像路径包含合格和不合格图像
list_files ('C:/Users/Administrator/AppData/Roaming/MVTec/HALCON-23.11-Progress/examples/images/juice_bottle/logical_anomaly', ['files','follow_links'], ImageFiles)
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)

* 读取模型
read_dl_model (TrainedModel, DLModelHandle)
* 设置硬件
 query_available_dl_devices (['runtime', 'runtime', 'id'], ['gpu', 'cpu', 0], DLDeviceHandles)
 set_dl_model_param (DLModelHandle, 'device', DLDeviceHandles[0])

* 创建预处理参数
create_dl_preprocess_param_from_model (DLModelHandle, 'none', 'full_domain', [], [], [], DLPreprocessParam)
* 获取模型参数
get_dl_model_param(DLModelHandle,'meta_data',MetaData)
* 异常值分类阈值
ClassificationThreshold := number(MetaData.anomaly_classification_threshold)
SegmentationThreshold := number(MetaData.anomaly_segmentation_threshold)
* 
* Create a dictionary with dataset parameters used for display.
DLDatasetInfo := dict{class_names: ['ok', 'nok'], class_ids: [0, 1]}
* 
* Apply the model to test images.
WindowDict := dict{}
for IndexInference := 0 to |ImageFiles| - 1 by 1
    * 
    read_image (Image, ImageFiles[IndexInference])
    gen_dl_samples_from_images (Image, DLSample)
    * 获取预处理参数
    preprocess_dl_samples (DLSample, DLPreprocessParam)
    * 分类检测
    apply_dl_model (DLModelHandle, DLSample, [], DLResult)
    * 
    *阈值处理
    threshold_dl_anomaly_results (SegmentationThreshold, ClassificationThreshold, DLResult)
    * 显示结果
    dev_display_dl_data (DLSample, DLResult, DLDatasetInfo, ['anomaly_result', 'anomaly_image'], [], WindowDict)
    dev_disp_text ('Press F5 (continue)', 'window', 'bottom', 'center', 'black', [], [])
    stop ()
endfor
dev_close_window_dict (WindowDict)
return ()
相关推荐
AI小书房20 小时前
【人工智能通识专栏】第三十讲:Deepseek辅助文献阅读
人工智能
司马阅-SmartRead20 小时前
司马阅荣膺“2025超级Alshow-AI之星”
人工智能·aigc
会一点设计20 小时前
怎么使用AI在线识别字体?更好用的AI字体识别工具推荐
人工智能·ui·ux
金井PRATHAMA21 小时前
产生式规则在自然语言处理深层语义分析中的演变、影响与未来启示
人工智能·自然语言处理·知识图谱
曾经的三心草21 小时前
Python14-SVM⽀持向量机
人工智能·机器学习·支持向量机
用户51914958484521 小时前
Chrome在Android上Speedometer性能翻倍的技术揭秘
人工智能·aigc
BigData共享21 小时前
Paimon系列:主键表之合并引擎merge-engine
数据库·人工智能
说私域21 小时前
微商本地化发展模式的借鉴与探讨——以开源AI智能名片链动2+1模式S2B2C商城小程序为例
人工智能·小程序·开源
算家云21 小时前
化学专业大型语言模型——SparkChemistry-X1-13B本地部署教程:洞察分子特性,精准预测化学行为
人工智能·语言模型·自然语言处理·算家云·镜像社区·化学专业大模型·sparkchemistry
javastart21 小时前
Oumi:开源的AI模型一站式开发平台,涵盖训练、评估和部署模型
人工智能·开源·aigc