[Translate to Chinese:]

异常值检测

基于深度学习的异常值检测极大地促进了自动化表面检查,例如缺陷的检测和分割。 该技术能够在后续图像上准确无误地独立定位偏差(即任何类型的缺陷)。 您只需要少量的高质量图像即可进行训练,因为无需任何先前的知识或任何先前的标注工作就可以检测到外观变化的缺陷。 训练新网络通常可以在几秒钟内完成,从而使用户可以执行许多迭代来微调其应用程序,而不会牺牲很多宝贵的时间。 此外,推断也非常快。

全局上下文异常值检测

带有细微异常的电子板,例如缺少或错位的组件、缺少标签或缺少 USB 连接器

优势:

  • 在全局上下文中检测异常
  • 强大的算法
  • 无需标记
  • 只需要 "好" 的图像进行训练

异常值检测

优势:

  • 无需标记
  • 只需要良好的图像
  • 所需图像数量较少
  • 快速训练和原型设计

学习如何使用异常值检测的实用教程

HALCON MERLIC (概念工具) 中均包含此技术。

了解更多其他方法:

图像分类 | 物体检测 | 语义分割 | 边缘提取 | 实例分割