深度学习无监督分割算法应用方法
本文讲述了深度学习无监督算法的适用场景、算法原理、算法优势以及使用方式。

一、应用背景

    当检测对象整体一致性较好时,传统方案通常先通过定位纠偏、图像预处理和图像差分等方法,来找出图像中的异常点,这个方法极易受到成像干扰(OK品出现灰度变化),需要对每个目标区域以及每种产品做有针对性的调参,调试成本极高;用有监督的深度学习算法来检出缺陷时,又苦于缺陷数据收集问题,尤其在标准设备的检测场景中,用户难以获取足够多的样本来迭代优化模型,此外人工标注还需制定统一的标注规范,并且迭代过程可能无法相应有快速部署的场景需求。可见,以上两种方式都有各自的短板。

    无监督算法适用于一致性较好的应用场景,什么是一致性?

    一致性指:目标载体不需要严格对齐、视野内各个特征相差不大(色差差异小/轮廓特征相相近、背景区域干扰较小。

    有简至难的举个例子:

    1.成像易受干扰(光源或相机采集图像时出现畸变)的印刷品表面字符或图案异常:

                             

             字体印刷不均匀                        图案缺失                 各类印刷质量异常

    2.规正物体表面的轻微或重度缺陷:

       
            某电器表面异常                          轻微色差               极小脏污

   3.各种板材上的元件缺失、安装倾斜、表面异物等,如pcb:

     

                    电容安装倾斜                                         电路短路

二、算法原理

    海康的VM算法开发平台拥有一种无监督分割的深度学习算法,可以有效解决以上痛点问题。无监督分割算法利用无缺陷的图像数据进行训练,对图像进行编码得到一组特征向量,并基于这组特征向量重建,在相似度计算后,重建图像质量会于缺陷位置存在较大差异,从而达到缺陷检测的目的。

    

三、算法优势

    三大深度学习问题:

  • 【小样本下模型鲁棒性】小样本下的模型性能不足以适应不同缺陷形态,需要足够的缺陷数据支撑,但标准工艺下此类数据难以收集;
  • 【标注数据收集的人力和时间成本】标签数据需要人工标注,制定统一的标注规范,人力成本大 ;
  • 【迭代速度】正向学习需要的训练时长随样本量增加,无法响应客户的快速部署需求。

    无监督分割算法优势:

  •     仅需要OK样本训练;
  •     样本需求量小,海康的AI训练平台支持最小6张图开始训练;
  •     训练速度可以做到1min以内;

四、训练及使用方法

登录海康的云端训练平台,创建无监督样本数据(离线版本用海康的VisionTrain就行,但性能对比下来感觉没对齐,期待他们更新下个版本):


导入几张OK图标注后,训练参数用默认就够用了:

推理方面跟图像分割一样,无监督分割模块会输出类似于概率图的结果,其中亮点部分为可能的缺陷位置,因此在无监督分割模块后面接个blob分析就行,建议blob分析的阈值调低些


最后是优化手段,训练参数上其实没有什么可以改的了,标注也只有OK图,因此得从图像上入手。即便无监督分割不要求目标完全严格的对齐,为了提高整体的检出精度(偏差过大可能会导致边缘被检出),降低误检率,最好能把相机提前开窗,去除多余背景,或者在方案层中通过匹配和位置修正的方法进行裁图,以聚焦检测物体。

小结:

    无监督分割算法发布已久,解决的问题也正是有监督类算法的难题,行业内适配该算法的需求早已层出不穷,无非为丝网印刷类的字符和图案异常和标准板材上的各类异常检,再把视线放远,纺织行业的布匹缺陷检测也同样适合,但提高检出性能还是需要依靠底层算法的努力,可以看到海康一直在投入这部分的研发,从刚推出无监督分割算法到现在,明显感受到技术的发展与成熟,相信越来越多的相关应用可以靠它来完成快速落地。

版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇

深度学习推理耗时波动现象的解决方法

下一篇

标定技术与标定模块

评论请先登录 登录
全部评论 1

无监督分割我将一张OK图片复制100遍去训练(在此之前多张图片检测一种缺陷更不行),然后去检测同一张图片(此图片通过画图制造了其他缺陷),他能检测,但是检测出来的效果缺陷面积太大了,图片有些差异,质量又不好了。然后用异常检测去训练,ok图灌输的多点图片,我产品直接断了一边也完全无法识别出来进行,怎么办

2023-11-25 10:57:23 浙江省
回复
  • 1
Lv.0
1
关注
35
粉丝
13
创作
47
获赞
相关阅读
  • VM算法圆查找工具与基于opencv开发的圆查找对比
    2024-01-31 浏览 0
  • VM和VisionPro使用感受
    2024-02-22 浏览 0
  • ClientView对接cms配置
    2024-01-26 浏览 0
  • 【0402059】RCS低代码组件安装部署操作手册
    2024-01-31 浏览 0
  • 海康机器人软件工具目录
    2024-01-25 浏览 0

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器