主要内容

自动目视检查

使用异常检测和分类技术自动执行质量保证任务

自动视觉检查(AVI)是一组用于确定图像是否代表正常(“良好”)状态或异常(“有缺陷”)状态的技术。AVI协助和改进生产环境中常见的质量保证过程。现代视觉检测使用机器学习和深度学习技术来产生有用的结果。

您选择自动化视觉检查任务的具体技术取决于几个因素。这些因素包括正常和异常样本可用的训练数据量、要识别的异常类别的数量，以及理解和监测预测所需的定位信息类型。

要执行自动视觉检查，请下载计算机视觉工具箱™自动目视检查库从附加组件资源管理器。有关下载附加组件的详细信息，请参见获取和管理附加组件。一些功能也需要深度学习工具箱™。

功能

全部展开

groundTruth 地面真值标签数据
imageDatastore 用于图像数据的数据存储
sceneLabelTrainingData 根据地面真实情况创建场景分类的训练数据
splitAnomalyData 将数据分成训练集、验证集和测试集，用于异常检测
trainFCDDAnomalyDetector 训练全卷积数据描述(FCDD)异常检测网络
trainFastFlowAnomalyDetector 列车FastFlow异常检测网络
trainPatchCoreAnomalyDetector 列车PatchCore异常检测网络
anomalyThreshold 异常分数和相应标签集合的最优异常阈值
fcddAnomalyDetector 利用全卷积数据描述(FCDD)网络进行异常检测
fastFlowAnomalyDetector 使用FastFlow网络检测异常
patchCoreAnomalyDetector 使用PatchCore网络检测异常
分类 将图像分类为正常或异常
预测 预测非标准化异常分数
anomalyMap 预测每像素异常得分图
anomalyMapOverlay 使用逐像素异常分数在图像上叠加热图
viewAnomalyDetectionResults 查看异常检测结果
evaluateAnomalyDetection 根据真实情况评估异常检测结果
anomalyDetectionMetrics 异常检测指标

主题