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
CareyWYR5 分钟前
每周AI论文速递(251020-251024)
人工智能
晚霞apple10 分钟前
Graph + Agents 融合架构:2025年七大创新路径
论文阅读·人工智能·深度学习·神经网络·机器学习
纪伊路上盛名在17 分钟前
如何批量获取蛋白质序列的所有结构域(domain)数据-2
数据库·人工智能·机器学习·统计·计算生物学·蛋白质
这张生成的图像能检测吗21 分钟前
(论文速读)InteractVLM: 基于2D基础模型的3D交互推理
人工智能·计算机视觉·交互·生成模型·图像生成·视觉语言模型·3d重建
浣熊-论文指导38 分钟前
人工智能与生物医药融合六大创新思路
论文阅读·人工智能·深度学习·计算机网络·机器学习
文火冰糖的硅基工坊44 分钟前
[人工智能-大模型-48]:模型层技术 - 大模型与大语言模型不是一回事
人工智能·语言模型·自然语言处理
居7然1 小时前
DeepSeek OCR:重新定义AI文档处理的“降本增效”新范式
人工智能·算法·语言模型·自然语言处理·大模型·ocr
xingxing_F1 小时前
Topaz Video AI for Mac AI视频无损放大 视频画质增强
人工智能·macos·音视频
普蓝机器人1 小时前
面向智慧农业的自主移动果蔬采摘机器人:融合视觉识别与自动驾驶的智能化农作系统研究
人工智能·学习·机器人·移动机器人·三维仿真导航
卷福同学1 小时前
AI浏览器comet拉新,一单20美元(附详细教程)
人工智能·后端