图像编程

基于深度学习的分类-土豆好坏分类

发芽的土豆-NG

发芽的土豆-NG

发芽的土豆-NG

没有发芽的土豆-OK

没有发芽的土豆-OK

没有发芽的土豆-OK

       使用Halcon作为内核，调用了Halcon中的深度学习功能，调用相对比较简单，读取模型、获取/设置参数、应用模型、处理结果。部署也相对比较简单，LabVIEW环境，只需要安装LabVIEW的RTE、VDM RTE、Vision公共资源VCR（VDM RTE已经包含）、VAS IMAQdx RTE、Halcon RTE。也就是在LabVIEW的视觉运行环境和Halcon的运行环境就可以了。没有其他部署要求。

       视野中的单个产品的分类，是比较简单的。分类结果中包含了类名称、类ID、置信度，只需要根据这些数据进行判断即可。如上面的土豆分类，只有好的土豆和发芽的土豆。也就是两个类，一个OK类（好的土豆），一个NG类（发芽的土豆）。分类效果相对来说，现有的几十幅图像，都能准确的分类，置信度都在0.9以上（90%）。比使用传统方法处理效果要好不少，速度也快。

NG分类耗时67ms

OK分类耗时64ms

       推理GPU使用的是古董GTX 960 4G，500万像素时，分类处理耗时60多ms左右，而且比较稳定。而如果换成CPU推理，则耗时更长一些，而且不太稳定，少的70多ms，多的则百八十毫秒了。

CPU推理72ms

CPU推理90ms

CPU推理98ms

CPU推理111ms

学习LabVIEW Halcon深度学习，参考相关教程：

LabVIEW HALCON图像处理入门教程(25.07)，含深度学习，LabVIEW使用NI VISION+Halcon混合编程机器视觉与图像处理入门学习资料

http://visionbbs.com/thread-33783-1-1.html

(出处: 石鑫华视觉论坛)