FlexInspector检查方法(1)。

我们要再次介绍FlexInspector检查方法。
基本上，该方法是 "登记良好产品的图像，检测与良好产品不同的区域"。异物、尺寸差异和划痕都被检测为 "与好产品不同"，因此，只有 "与好产品相同 "才能被判定为合格。
然而，这里的问题是 "好产品的变异"。
由于它们与单一的好图像相比不太可能完全相同，因此假定了这一点的 "差异 "算法将不能很好地工作。为了应对这个问题，可以考虑从多张图片中取平均值并将其作为主图，或与多张好图片进行比较等方法。然而，前者有一个问题，就是如何定义变化的范围。后者由于要进行多次比较，所以很费时间。问题是，"变异 "是否可以最多通过几张好的图像来吸收。
FlexInspector对多张良好的图像进行统计处理，以获得每个像素的平均亮度和标准偏差σ，从中确定每个像素的亮度上限和下限。然后，系统在检查过程中检查图像是否落在这些上限和下限之内。从技术上讲，这与其说是 "匹配"，不如说是 "二值化的最终形式"，因为每个像素都有自己的优化二值化水平。
这就像HALCON的VariationModel！他们是这么说的，但是......经过六年的摸索，这并不总是像以前那样的答案......