Halcon 纹理缺陷检测 apply_texture_inspection_model

在纹理中找瑕疵。基于高斯混合模型（GMM）分类器的纹理检查模型，适用于图像金字塔，可以分析纹理的多个频率范围。

【要求】训练样本，必须完美无瑕疵。

【步骤】

1、创建模型

create_texture_inspection_model 或 read_texture_inspection_model

2、加载训练样本

add_texture_inspection_model_image

查看样本get_texture_inspection_model_image

保存样本write_object

移除样本remove_texture_inspection_model_image，可降低模型内存需求。

3、训练模型

train_texture_inspection_model

每层金字塔都会训练一个GMM模型，并确定该层的'novelty_threshold'（区分有无瑕疵的阈值）。

参数的获取与设定

get_texture_inspection_model_param

set_texture_inspection_model_param

'patch_normalization'：'weber'对亮度鲁棒，‘none’需要亮度作为评判（默认）

'patch_rotational_robustness'：'true'对旋转鲁棒，'false'需要旋转作为评判（默认）

加快训练的方法：

① 缩放训练样本（zoom），通常模型对低分辨率纹理瑕疵检测效果更好。

② 调低 'gmm_em_threshold'，但会降低模型准确度，训练终止的条件之一，0.001（默认）。

【重要参数】

'levels'：设置具体的金字塔层参与训练，纹理越粗糙，则较低的金字塔层级越可省略。默认auto。

'sensitivity'：灵敏度，影响'novelty_threshold'的计算结果。负值会导致更高的阈值，从而更少的发现缺陷。默认0。

'novelty_threshold'，阈值，自动计算得到，若结果不理想，可以手动微调。

4、测试

apply_texture_inspection_model

5、模型保存与释放

保存模型，write_texture_inspection_model

若模型不再需要，则释放clear_texture_inspection_model

【重要参数调节策略】

“ novelty_region”是通过组合不同金字塔等级的新颖性区域而生成的，即不同层级金字塔组成的交集区域。如果只有单层金字塔，那么该层的新颖性区域直接就是novelty_region。

若想查看各个金字塔等级的新颖性得分图像和新颖性区域，可以把'gen_result_handle'设置为'true'，之后get_texture_inspection_result_object读取'novelty_score_image'和'novelty_region'。

'novelty_score_image'通过'novelty_threshold'阈值分割出感兴趣区域（红色）

上述方式可以知道在哪些金字塔等级上检测到哪些类型的缺陷，来决定调整【重要参数】。如选择特定的金字塔层级。

注意：如果参数'gen_result_handle'设置为'true'创建了结果句柄，则最后需要释放clear_texture_inspection_result

【其他】

序列化、反序列化模型serialize_texture_inspection_model、deserialize_texture_inspection_model。

【术语解释】

Patch：相邻像素的集合。

Novelty Score：在测试过程中，将测试图像的纹理特征与纹理检查模型进行比较，并计算它们的'novelty score'。 该值越大，单个纹理特征越不适合纹理检查模型的可能性越大。

Novelty Threshold：Novelty Score高于该阈值，则纹理有缺陷。

参考网站：Texture Inspection [HALCON Operator Reference / Version 17.12] (mvtec.com)

Halcon案例：

apply_texture_inspection_model.hdev、apply_texture_inspection_model_simple.hdev