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。
HALCON 和 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