缺陷检测特征训练方法总结

摘要

缺陷检测有多种方式:blob剖析、特点模板匹配、差分信号、亮度立体式等。它们各有特点,像一群不同的战士,各自拥有强大的武器。让我们一起探索它们的精彩之处吧!

正文

halcon——缺陷检测常见方式汇总(特点训炼)

前言

机器视觉技术中缺陷检测分成一下几类:

  • blob剖析 特点

  • 模板匹配(精准定位) 差分信号:halcon——缺陷检测常见方式汇总(模板匹配(精准定位) 差分信号) – 只有自身强劲 – 博客园 (cnblogs.com)

  • 亮度立体式:halcon——缺陷检测常见方式汇总(亮度立体式) – 只有自身强劲 – 博客园 (cnblogs.com)

  • 特点训炼

  • 精确测量线性拟合:halcon——缺陷检测常见方式汇总(精确测量线性拟合) – 只有自身强劲 – 博客园 (cnblogs.com)

  • 时域 室内空间域融合:halcon——缺陷检测常见方式汇总(时域室内空间域融合) – 只有自身强劲 – 博客园 (cnblogs.com)

  • 深度神经网络

这篇博闻主要是对缺点图象的纹路特点训炼开展深入分析。


 特点训炼

在纹路中找缺陷。根据高斯函数混和实体模型(GMM)支持向量机的纹路查验实体模型,适用图像金字塔,能够剖析纹路的好几个頻率范畴。

规定:训练样本务必完美无瑕疵。

总体流程:

  • 建立实体模型create_texture_inspection_model或载入实体模型read_texture_inspection_model

  • 加上训练样本add_texture_inspection_model_image

  • 查询样版get_texture_inspection_model_image

  • 训炼实体模型train_texture_inspection_model

各层金字塔式都是会训炼一个GMM实体模型,并明确该层的’novelty_threshold’(区别有没有缺陷的阀值)。

主要参数获得:get_texture_inspection_model_param

主要参数设置:set_texture_inspection_model_param

主要参数剖析:’patch_normalization’:’weber’对色度鲁棒性,‘none’必须色度做为评定(默认设置)

                  ‘patch_rotational_robustness’:’true’对转动鲁棒性,’false’必须转动做为评定(默认设置)

                  ‘levels’:设定实际的金字塔式层参加训炼,纹路越不光滑,则较低的金字塔式等级越可省去。默认设置auto。

                  ‘sensitivity’:敏感度,危害’novelty_threshold’的数值。负数会造成 高些的阀值,进而越来越少的发觉缺点。默认设置0。

                   ‘novelty_threshold’,阀值,全自动测算获得,若結果不理想化,能够手动式调整。

  • 开展检验apply_texture_inspection_model

  • 实体模型储存与释放出来write_texture_inspection_model

    若实体模型不会再必须,则释放出来clear_texture_inspection_model

halcon经典案例(apply_texture_inspection_model.hdev)


 一,建立实体模型,加上训练样本(完好无缺的图象)


 

TrainingImageIndices := [1,2]
TextureModelFilename := 'texture_model_carpet'dev_open_window_fit_size (0, 0, Width, Height, -1, -1, WindowHandle1)
dev_display (Image)*建立实体模型 create_texture_inspection_model ('basic', TextureInspectionModel) for Index := 0 to |TrainingImageIndices| - 1 by 1read_image (Image, 'carpet/carpet_'   TrainingImageIndices[Index]$'02')
dev_display (Image)
Message := '插入图片 '   (Index   1)   ' of '   |TrainingImageIndices|   '训炼提前准备'dev_disp_text (Message, 'window', 12, 12, 'black', [], []) *载入训练样本(二张)
 add_texture_inspection_model_image (Image, TextureInspectionModel, Indices)
 endfor


 二,基本设定主要参数后,逐渐训炼


 

*主要参数设置'patch_normalization':'weber'对色度鲁棒性,‘none’必须色度做为评定(默认设置)set_texture_inspection_model_param (TextureInspectionModel, 'patch_normalization', 'weber')
Levels := [2,3,4]* 'levels':设定实际的金字塔式层参加训炼,纹路越不光滑,则较低的金字塔式等级越可省去。默认设置auto。set_texture_inspection_model_param (TextureInspectionModel, 'levels', Levels)* 逐渐训炼train_texture_inspection_model (TextureInspectionModel)*查询样版主要参数'novelty_threshold',阀值,全自动测算获得,若結果不理想化,能够手动式调整。get_texture_inspection_model_param (TextureInspectionModel, 'novelty_threshold', NoveltyThreshold)* 查询每个金字塔式级别的独创性评分图象和独创性地区,能够把'gen_result_handle'设定为'true',
 *以后get_texture_inspection_result_object载入'novelty_score_image'和'novelty_region'。set_texture_inspection_model_param (TextureInspectionModel, 'gen_result_handle', 'true')


 三,对缺点图象初检测,表明检测結果


 

 *设定对话框,用以表明每个金字塔式层图象WindowWidth := 320WindowHeight := 280dev_open_window (0, 0, WindowWidth, WindowHeight, 'black', WindowHandle1)
set_display_font (WindowHandle1, 16, 'mono', 'true', 'false')
dev_open_window (0, WindowWidth   8, WindowWidth, WindowHeight, 'black', WindowHandle2)
set_display_font (WindowHandle2, 16, 'mono', 'true', 'false')
dev_open_window (0, 2 * WindowWidth   16, WindowWidth, WindowHeight, 'black', WindowHandle3)
set_display_font (WindowHandle3, 16, 'mono', 'true', 'false')
dev_open_window (WindowHeight   50, WindowWidth / 2   8, 2 * WindowWidth, 2 * WindowHeight, 'black', WindowHandle4)
set_display_font (WindowHandle4, 16, 'mono', 'true', 'false')
 WindowHandles := [WindowHandle1,WindowHandle2,WindowHandle3]  ** 检验第一张训炼图象上的纹路缺点以调整主要参数。  for Index := 1 to 3 by 1ImageIndex := 5read_image (TestImage, 'carpet/carpet_'   ImageIndex$'02')*检测当今图象apply_texture_inspection_model (TestImage, NoveltyRegion, TextureInspectionModel, TextureInspectionResultID)* 查验调试信息。
    *查询每个金字塔式级别的独创性评分图象(NovScoreImage)和独创性地区(NovRegionL)
     * 独创性得分图象可用以独立调整独创性阀值。get_texture_inspection_result_object (NovScoreImage, TextureInspectionResultID, 'novelty_score_image')
    get_texture_inspection_result_object (NovRegion, TextureInspectionResultID, 'novelty_region')* 表明各层(金字塔式)的結果count_obj (NovScoreImage, Number)         for Level := 1 to Number by 1 CurrentWindow := WindowHandles[Level - 1]
                             dev_set_window (CurrentWindow)
                             dev_clear_window ()
        select_obj (NovScoreImage, NovScoreImageL, Level)
        select_obj (NovRegion, NovRegionL, Level)
        get_image_size (NovScoreImageL, Width, Height)
        dev_set_part (0, 0, Height - 1, Width - 1)
        dev_display (NovScoreImageL)
        Legend := 'Novelty region (level '   Levels[Level - 1]   ')'dev_set_color ('red')
        dev_set_line_width (2)* 
        dev_display (NovRegionL)
        dev_disp_text (['Novelty score image (level '   Levels[Level - 1]   ')','Novelty threshold: '   NoveltyThreshold[Level - 1]$'.1f'], 'window', 12, 12, 'black', [], [])
        dev_disp_text (Legend, 'window', WindowHeight - 30, 12, 'white', ['box_color','shadow'], ['black','false'])
         endfor *表明結果dev_set_window (WindowHandle4)
    dev_display (TestImage)
    dev_set_line_width (2)
    dev_set_color ('red')
    dev_display (NoveltyRegion)
    area_center (NoveltyRegion, Area, Row, Column)if (Index < 3)
        dev_disp_text ('Result', 'window', 12, 12, 'black', [], [])elsedev_disp_text ('Final result', 'window', 12, 12, 'black', [], [])
    endif


 四,依据检测結果开展调整主要参数


 

 * 奇特阀值的调整。 if (Index == 1)
        Message[0] := '图象中有很多小不正确.'Message[1] := '能够根据更改 novelty thresholds的值来调节敏感度(sensitivity—)'Message[2] := '比如降低敏感度主要参数的值'dev_disp_text (Message, 'window', 12, 12, 'black', [], []) * 设定阀值测算的敏感度。 负数造成 高些的阀值,因而检验到的缺点更少。    * 'sensitivity':敏感度,危害'novelty_threshold'的数值。负数会造成 高些的阀值,进而越来越少的发觉缺点。默认设置0。  set_texture_inspection_model_param (TextureInspectionModel, 'sensitivity', -10)
        get_texture_inspection_model_param (TextureInspectionModel, 'novelty_threshold', NoveltyThreshold)
     endif if (Index == 2)
        Message := '还可以根据立即控制独创性界限来独立调节单独等级的敏感性'dev_disp_text (Message, 'window', 12, 12, 'black', [], [])* 奇特阀值的调整。
         *
         * 从纹路中获得(全自动明确的)奇特阀值
         * 查验实体模型并将适度改动的值设定为新的独创性阀值。
         *
         *如果我们确立设定独创性界限,则忽视敏感度。
         * 大家在这儿将其再次设定为 0 以防止搞混set_texture_inspection_model_param (TextureInspectionModel, 'sensitivity', 0)* 
        Offset := [25,10,30]
        get_texture_inspection_model_param (TextureInspectionModel, 'novelty_threshold', NoveltyThreshold)
        set_texture_inspection_model_param (TextureInspectionModel, 'novelty_threshold', Offset   NoveltyThreshold)
        get_texture_inspection_model_param (TextureInspectionModel, 'novelty_threshold', NoveltyThreshold)
    endif
  endforfor Level := 1 to |WindowHandles| by 1dev_set_window (WindowHandles[Level - 1])
    dev_clear_window ()
endfor
dev_set_window (WindowHandle4)
dev_clear_window ()


 五,到此,实体模型提前准备结束,将所有图象开展缺陷检测并表明


 

*检验全部检测图象上的纹路缺点。NumImages := 7for Index := 1 to NumImages by 1read_image (TestImage, 'carpet/carpet_'   Index$'02')* 
    *检验当今图象apply_texture_inspection_model (TestImage, NoveltyRegion, TextureInspectionModel, TextureInspectionResultID)*获得独创性图象和地区get_texture_inspection_result_object (NovScoreImage, TextureInspectionResultID, 'novelty_score_image')
    get_texture_inspection_result_object (NovRegion, TextureInspectionResultID, 'novelty_region')* 表明单独金字塔式叠加层数的結果count_obj (NovScoreImage, Number)for Level := 1 to Number by 1CurrentWindow := WindowHandles[Level - 1]
        dev_set_window (CurrentWindow)
        dev_clear_window ()
        select_obj (NovScoreImage, NovScoreImageL, Level)
        select_obj (NovRegion, NovRegionL, Level)
        get_image_size (NovScoreImageL, Width, Height)
        dev_set_part (0, 0, Height - 1, Width - 1)
        dev_display (NovScoreImageL)
         Legend := 'Novelty region (level '   Levels[Level - 1]   ')'dev_set_color ('red')
        dev_set_line_width (2)* 
        dev_display (NovRegionL)
        dev_disp_text (['Novelty score image (level '   Levels[Level - 1]   ')','Novelty threshold: '   NoveltyThreshold[Level - 1]$'.1f'], 'window', 12, 12, 'black', [], [])
        dev_disp_text (Legend, 'window', WindowHeight - 50, 12, ['red','white'], ['box_color','shadow'], ['black','false'])
        endfor* 表明結果 dev_set_window (WindowHandle4)
    dev_display (TestImage)
    dev_set_line_width (2)
    dev_set_color ('red')
    dev_display (NoveltyRegion)
    area_center (NoveltyRegion, Area, Row, Column)if (Area > 100)
        dev_disp_text ('Not OK', 'window', 12, 12, 'white', 'box_color', 'red')elsedev_disp_text ('OK', 'window', 12, 12, 'white', 'box_color', 'forest green')
    endif if (Index < NumImages)
        dev_disp_text ('Press Run (F5) to continue', 'window', 'bottom', 'right', 'black', [], [])
        stop ()
    endif
endfor

 

【专业术语表述】

  • Patch:邻近清晰度的结合。

  • Novelty Score:在检测全过程中,将检测图象的纹路特点与纹路查验实体模型开展较为,并测算他们的’novelty score’。 该值越大,单独纹路特点越不宜纹路查验实体模型的概率越大。

  • Novelty Threshold:Novelty Score高过该阀值,则纹路有缺陷。

  • “ novelty_region”是根据组成不一样金字塔式级别的独创性地区而转化成的,即不一样等级金字塔式构成的相交地区。假如仅有单面金字塔式,那麼该层的独创性地区立即便是novelty_region。

    若要查询每个金字塔式级别的独创性评分图象和独创性地区,能够把’gen_result_handle’设定为’true’,以后get_texture_inspection_result_object载入’novelty_score_image’和’novelty_region’。

关注不迷路

扫码下方二维码,关注宇凡盒子公众号,免费获取最新技术内幕!

温馨提示:如果您访问和下载本站资源,表示您已同意只将下载文件用于研究、学习而非其他用途。
文章版权声明 1、本网站名称:宇凡盒子
2、本站文章未经许可,禁止转载!
3、如果文章内容介绍中无特别注明,本网站压缩包解压需要密码统一是:yufanbox.com
4、本站仅供资源信息交流学习,不保证资源的可用及完整性,不提供安装使用及技术服务。点此了解
5、如果您发现本站分享的资源侵犯了您的权益,请及时通知我们,我们会在接到通知后及时处理!提交入口
0

评论0

请先

站点公告

🚀 【宇凡盒子】全网资源库转储中心

👉 注册即送VIP权限👈

👻 全站资源免费下载✅,欢迎注册!

记得 【收藏】+【关注】 谢谢!~~~

立即注册
没有账号?注册  忘记密码?

社交账号快速登录