主要内容

自动视觉检测

自动化质量保证任务使用异常检测和分类技术

自动视觉检测(AVI)是一组技术用于确定图像代表一个正常(“好”)状态或异常状态(“缺陷”)。AVI助攻,提高质量保证过程通常在生产中使用的设置。现代视觉检查使用机器学习和深度学习技术来生产有用的结果。

你选择的具体技术自动化视觉检测任务取决于几个因素。这些因素包括大量的训练数据可以正常和异常样本,识别异常类的数目,所需的类型定位信息的理解和监测预测。

执行自动化的目视检查,请下载计算机视觉工具箱™图书馆自动化的目视检查从附加的探险家。下载插件的更多信息,请参阅获取和管理插件。一些功能还需要深入学习工具箱™。

功能

全部展开

groundTruth 地面实况标签数据
imageDatastore 数据存储的图像数据
sceneLabelTrainingData 从地面实况创建场景分类训练数据
splitAnomalyData 将数据分为训练、验证和测试集进行异常检测
trainFCDDAnomalyDetector 火车完全卷积数据描述(FCDD)异常检测网络
trainFastFlowAnomalyDetector 火车FastFlow异常检测网络
trainPatchCoreAnomalyDetector 火车PatchCore异常检测网络
anomalyThreshold 最优阈值异常的异常分数和相应的标签
fcddAnomalyDetector 检测异常充分利用卷积数据描述(FCDD)网络异常检测
fastFlowAnomalyDetector 使用FastFlow网络检测异常
patchCoreAnomalyDetector 使用PatchCore网络检测异常
分类 把图像划分为正常或异常
预测 预测非规范的异常分数
anomalyMap 预测单像素异常分数地图
anomalyMapOverlay 覆盖的热图使用逐像素图像异常分数
viewAnomalyDetectionResults 查看异常检测结果
evaluateAnomalyDetection 评估异常检测结果与地面真理
anomalyDetectionMetrics 异常检测指标

主题