我们还在研究人工智能（深度学习），以使检查工作更容易、更多样。
虽然很多公司都在提供使用深度学习的视觉检测，但一直存在 "不试不知道"、"试了要花钱 "等问题，导致采用者和提供者都有很大的风险。
在这种情况下，德国公司MVTec发布了 "MVTec深度学习工具"。这个工具是免费发放的，它提供了一个环境，用户可以利用深度学习充分评估视觉检测的检测能力。我们也在各种图像数据上对该工具进行了评估，认为其效果相当不错。
由MVTec深度学习工具生成的深度倾斜模型可以在HALCON应用中使用。我们的FIS-200DL也是一个HALCON应用程序，并有能力与MVTec深度学习工具一起工作。
什么是MVTec深度学习工具？
MVTec深度学习工具是由德国MVTec公司提供的免费深度学习评估工具，用于图像处理。
使用深度学习的图像处理被认为包括图像分类、异常检测、物体检测和语义分割。特别是，对于视觉检测应用来说，异常检测和语义分割被认为是有效的，前者仅通过学习好的图像就可以判断图像是好是坏，后者则通过学习缺陷并实现 "有缺陷则NG"，从图像中提取缺陷。语义分割被认为是有效的。
MVTec深度学习工具为异常检测提供了完整的功能，直至训练和性能评估，为语义分割提供了完整的功能，直至标记（注释）（但不是训练和性能评估）。大多数视觉检测被认为是在有许多好产品的环境中进行的。因此，异常检测的功能齐全是很重要的。
本节介绍了异常情况检测的操作程序。
MVTec深度学习工具操作说明
为培训做准备
训练中使用的图像应事先分为OK和NG图像；OK图像只要30张就可以工作。
在非政府组织中，缺陷按缺陷类型（如器物、碎片、颜色异常等）分类，并划分为文件夹。
*只有OK图像用于学习是没有问题的，但建议也准备NG图像用于性能评估。
创建一个新的项目
从 "项目 "标签创建一个新的项目。
深度学习方法选择异常检测。
导入和标示图像
从 "画廊 "标签上的 "添加图像 "文件夹中添加图像。
文件夹名称直接应用于标签。
第一次指定文件夹时，类的类型是 "好的"；第二次和以后的次数，类的类型是 "不正常的"。
设立司局
在分割标签上为训练、验证和测试分割图像。
学习是在训练图像上进行的，训练结果在验证图像上进行评估并反馈到训练中。通过重复这个过程，学习不断进步。测试图像是没有参与这个 "训练 "的图像，用于测试训练中获得的深度学习模型。
默认情况下，好的图像被分割成训练:验证:测试=70%:15%:15%，异常的图像被100%分配给验证图像。
创建和训练模型
在训练标签中创建一个模型并开始训练。
训练时间取决于导入的图像数量，应该需要1小时左右。如果数量较多，可能需要6个小时以上。
可以暂停训练，进入下一个 "决策 "步骤，甚至在训练的中途。通常只需几分钟的训练就足以进行检测。
判断
完成培训后，你可以在 "评判 "选项卡中查看结果。
在这个例子中，决定基本上是正确的，部分原因是图像的数量很少。
如何阅读MVTec深度学习工具的报告。
MVTec深度学习工具允许将训练和验证结果保存在一个html格式的报告中。
可以为每次培训保存报告。
MVTec深度学习工具的实验实例。
ovit使用MVTec深度学习工具的实验实例可在官方YouTube网页上找到。
▼ 点击这里查看 ▼的列表
