异常检测

深度学习用于缺陷检测

基于深度学习的异常检测实现了产品表面的自动化检测，并精确定位缺陷。与传统方法不同，异常检测无需手动标注训练数据。模型通过学习缺陷原始图像的模式，能够在新图像中检测到偏差区域，而无需依赖预定义的缺陷模式。

这项技术对于表面检测特别有优势，因为它可以独立且可靠地定位缺陷。无论是变形的部件、缺失的零件，还是有缺陷的表面，异常检测都能快速且可靠地检测到。

快速且高效

优点

无需标注 – 该方法只需要良好的图像进行训练。
快速训练 – 训练只需要少量图像。
高效的模型适应 – 训练和原型制作仅需几秒钟或几分钟。
训练阶段所需的计算能力最小。
该技术能够快速检测缺陷和偏差，使得在生产过程中能够迅速识别错误，无需大量的模型训练。

独特技术

全局上下文异常检测是 MVTec 的独特技术，它考虑了整个图像的逻辑内容。这使得能够检测到全新的异常类型，如缺失的组件、变形的部件或位置错误的物体。

这种方法特别适用于印刷电路板（PCB）或半导体生产中的压花检测。

在半导体生产或印刷电路板（PCB）检测过程中，异常检测能够识别微小的缺陷，如缺失的组件或变形的部件，无需完整的缺陷数据库。

在印刷图像的质量控制中（例如包装行业），异常检测能够识别标签和包装上的不规则印刷图案或缺失的元素。

我们的知识与服务

实用洞察与专业知识

阅读我们的白皮书！

下载阅读我们的白皮书，获取工业机器视觉的实用洞察与专业知识，了解关键技术、行业趋势，以及可支持技术和战略决策的实际应用。

量身打造

评估您的应用需求

您想了解我们是否能为您的行业提供合适的解决方案吗？请将您的软件应用设计发送给我们，我们的专家将为您进行评估。

HALCON & MERLIC

HALCON 提供了一个强大的开发环境，可以快速创建并在生产线上实施用于异常检测的深度学习模型。

了解更多关于 HALCON 的信息

MERLIC 提供易于使用的工具，使得即使是非程序员也能利用深度学习模型进行缺陷检测。

了解更多关于 MERLIC 的信息

它是如何运作的

适用于您研究的数据集

异常检测数据集

MVTec 提供了一系列用于异常检测的数据集，包括 MVTec AD 用于工业检测基准测试。MVTec AD 2 扩展了现有的基准，增加了 8 个新场景和超过 8,000 张高分辨率图像。MVTec 3D AD 数据集专注于无监督的 3D 异常检测和定位。