In diesem Tutorial lernen Sie, wie ein auf Deep Learning basierendes Anomalieerkennungs-Modell mit MVTec HALCON trainiert wird.
Zunächst werfen wir einen Blick auf die Anwendungsbereiche und Vorteile von Anomalieerkennung. Dann gehen wir den Workflow Schritt für Schritt durch. Wir beginnen mit der Standard-Vorverarbeitung, die durch eine anwendungsspezifische Vorverarbeitung ergänzt wird. Dann werden die Trainingsparameter erklärt und eine Evaluierung durchgeführt. Schlussendlich sprechen wir über die Schwellwerte, die festlegen, wann eine Region oder ein Bild eine Anomalie zeigt, und visualisieren das Inferenz-Resultat.
