Halcon 深度学习（三）：缺陷检测

qq_924771498

已于 2022-06-25 14:24:07 修改

阅读量1.2w

点赞数 22

分类专栏： Halcon中DeepLearning 文章标签：深度学习人工智能机器学习

于 2021-04-21 11:08:17 首次发布

本文链接：https://blog.csdn.net/qq_41373415/article/details/115938805

版权

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

在这里插入图片描述
每个类型中分为3种：contamination（污染）、crack（裂纹）、good(正常)

在这里插入图片描述
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）

在这里插入图片描述
每个类型中分为3种：contamination（污染）、crack（裂纹）、good(正常)

在这里插入图片描述
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'