前言
一、准备
- 1、准备缺陷检测所需图片
- - 1.1、images文件夹：3种类型图片
  - 1.2、divisionImages文件夹：3种类型图片（用于分割背景）
二、编写代码
- 1、设置输入输出路径
- 2、设置参数
- 3、处理图片、拆分
- 4、预处理数据集
- 5、测试
三、下载地址

前言

最近学习深度学习时的一些总结和看法，参照深度学习的自带案例（segment_pill_deep_learning_1_preprocess.hdev）

一、准备

1、准备缺陷检测所需图片

1.1、images文件夹：3种类型图片

每个类型中分为3种：contamination（污染）、crack（裂纹）、good(正常)

contamination（污染）

crack（裂纹）

good(正常)

1.2、divisionImages文件夹：3种类型图片（用于分割背景）

每个类型中分为3种：contamination（污染）、crack（裂纹）、good(正常)

contamination（污染）、crack（裂纹）、good(正常)

二、编写代码

1、设置输入输出路径

*** 设置输入输出路径 ***
*总路径
AllDir := 'E:/视觉/halcon_深度学习/DeepLearning/缺陷检测/'
*图片路径
ImageDir := AllDir + 'images'
*分割图片路径
DivisionImagesDir := AllDir + 'divisionImages'
*存放数据总路径
DataDir := AllDir + 'data'
*预处理后的路径
DataDirectoryBaseName := DataDir + '/dldataset'
*存储预处理参数
PreprocessParamFileBaseName := DataDir + '/dl_preprocess_param'

2、设置参数

*** 设置参数 ***
*类别名称
ClassNames := ['good','contamination','crack']
*类别ID
ClassIDs := [0,1,2]
*拆分数据集
TrainingPercent := 70
ValidationPercent := 15
*图片尺寸参数
ImageWidth := 400
ImageHeight := 400
ImageNumChannels := 3
*图片灰度范围
ImageRangeMin := -127
ImageRangeMax := 128
*图像预处理的进一步参数
ContrastNormalization := 'false'
DomainHandling := 'full_domain'
IgnoreClassIDs := []
SetBackgroundID := []
ClassIDsBackground := []
*随机种子
SeedRand := 42

3、处理图片、拆分

*** 处理图片并进行拆分 ***
*设置随机种子
set_system ('seed_rand', SeedRand)
*通过参数将文件夹中数据分割为数据集 参数：图像路径、分割图像路径、类别名称、类别ID、图像路径列表、分割图像路径列表、字典、生成的数据集
read_dl_dataset_segmentation (ImageDir, DivisionImagesDir, ClassNames, ClassIDs, [], [], [], DLDataset)
*拆分数据集
split_dl_dataset (DLDataset, TrainingPercent, ValidationPercent, [])

4、预处理数据集

*** 预处理数据集 ***
file_exists (DataDir, FileExists)
if (not FileExists)make_dir (DataDir)
endif
*创建预处理参数
create_dl_preprocess_param ('segmentation', ImageWidth, ImageHeight, ImageNumChannels, ImageRangeMin, ImageRangeMax, ContrastNormalization, DomainHandling, IgnoreClassIDs, SetBackgroundID, ClassIDsBackground, [], DLPreprocessParam)
*预处理后的数据集路径
PreprocessParamFile := PreprocessParamFileBaseName +'.hdict'
*将参数写入
write_dict (DLPreprocessParam, PreprocessParamFile, [], [])
*创建字典
create_dict (GenParam)
set_dict_tuple (GenParam, 'overwrite_files', true)
*预处理
preprocess_dl_dataset (DLDataset, DataDirectoryBaseName, DLPreprocessParam, GenParam, DLDatasetFilename)

5、测试

***　测试　***
*随机选取10张图像
get_dict_tuple (DLDataset, 'samples', DatasetSamples)
find_dl_samples (DatasetSamples, 'split', 'train', 'match', SampleIndices)
tuple_shuffle (SampleIndices, ShuffledIndices)
read_dl_samples (DLDataset, ShuffledIndices[0:9], DLSampleBatchDisplay)
*
create_dict (WindowHandleDict)
for Index := 0 to |DLSampleBatchDisplay| - 1 by 1*可视化不同的图像、注释和推理结果dev_display_dl_data (DLSampleBatchDisplay[Index], [], DLDataset, ['image','segmentation_image_ground_truth'], [], WindowHandleDict)get_dict_tuple (WindowHandleDict, 'segmentation_image_ground_truth', WindowHandleImage)dev_set_window (WindowHandleImage[1])Text := 'Press Run (F5) to continue'dev_disp_text (Text, 'window', 400, 40, 'black', [], [])stop ()
endfor
*关闭窗体
dev_display_dl_data_close_windows (WindowHandleDict)

三、下载地址

很多人找我要源码，Github又不太好上传大文件，我就把我的网站新增了下载功能，如果下载接口出现问题请大家评论区回复一下，谢谢。

地址：https://zhoujinyong.com/index.aspx/Files/缺陷检测.rar

Halcon 深度学习（三）：缺陷检测相关推荐

使用深度学习进行缺陷检测，GAN用于表面缺陷检测
使用深度学习进行缺陷检测链接: 千顺智能. 数据库– GRIMA database http://dmery.ing.puc.cl/index.php/material/gdxray/ steel ...
总结|深度学习实现缺陷检测
作者:Tom Hardy Date:2020-01-06 来源:总结|深度学习实现缺陷检测
基于AI深度学习的缺陷检测系统
1. 基于AI深度学习的工业缺陷检测现状在工业生产中,由于生产和运输环境中的不可控因素,很容易产生划痕.压伤.擦挂等缺陷.而其中的缺陷大部分都极其微小,甚至是肉眼难以识别,这些缺陷所造成的坏品率极大 ...
深度学习实现缺陷检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达前言缺陷检测是工业上非常重要的一个应用,由于缺陷多种多样,传统的 ...
基于深度学习的表面缺陷检测方法综述-论文阅读笔记
//2022.3.2日阅读笔记原文链接:基于深度学习的表面缺陷检测方法综述 (aas.net.cn) 个人对本篇综述内容的大致概括论文首先介绍了表面缺陷检测中不同场景下的成像方案,主要根据表面颜色 ...
论文《基于深度学习的表面缺陷检测方法综述》学习笔记
<基于深度学习的表面缺陷检测方法综述>学习笔记前段时间完成了<基于图像的零部件缺陷识别系统设计>毕业课程设计,过程中收获了很多,老师也分享了很多论文,在此记录一下学习的收获. ...
AI-无损检测方向速读：基于深度学习的表面缺陷检测方法综述
1 表面缺陷检测的概念表面缺陷检测是机器视觉领域中非常重要的一项研究内容, 也称为 AOI (Automated optical inspection) 或 ASI (Automated surfa ...
深度学习三(PyTorch物体检测实战)
深度学习三(PyTorch物体检测实战) 文章目录深度学习三(PyTorch物体检测实战) 1.网络骨架:Backbone 1.1.神经网络基本组成 1.1.1.卷积层 1.1.2.激活函数层 1. ...
HALCON 21.11：深度学习笔记---对象检测, 实例分割(11)
HALCON 21.11:深度学习笔记---对象检测, 实例分割(11) HALCON 21.11.0.0中,实现了深度学习方法. 本章介绍了如何使用基于深度学习的对象检测. 通过对象检测,我们希望在 ...

Halcon 深度学习（三）：缺陷检测

目录

前言