发 帖  
原厂入驻New
[讨论]

labview+yolov4+tensorflow+openvion深度学习

2021-5-10 22:33:46  4346 LabVIEW深度学习
分享

欢迎大家留言讨论深度学习相关话题

本帖最后由 wcl86 于 2021-5-11 16:55 编辑

  回复后获取yolov4测试demo程序:
链接:https://pan.baidu.com/s/1XavCXSIOYaukCzER7eZQ3g  
提取码:  

游客
,如果您要查看本帖隐藏内容请回复



随着机器学习, 深度学习的发展,很多人眼很难去直接量化的特征, 深度学习可以搞定, 这就是深度学习带给我们的优点和前所未有的吸引力。很多特征我们通过传统算法无法量化,或者说很难去做到的, 深度学习可以搞定。特别是在图像分类, 目标检测这些问题上取得了显著的提升。下图是近几年来深度学习在图像分类问题上取得的成绩。
之所以提出上面的算法, 是因为这些算法给其他领域提供了很多参考和借鉴意义。比如本文讨论的缺陷检测, 上面的很多网络的特点,以及方法都给了我们很多的启发,我们在设计网络结构的时候,配合自己在产线部署的硬件性能,设计适合项目的网络结构。
当然,深度学习的方法用来检测,也有自己的很多缺点。例如:数据量要求大,工业数据收集成本高。但是随着数据增强技术,无监督学习的不断进步,在某些应用场景上,这些缺点渐渐被隐藏了。例如学术界正在研究的,自动网络结构设计,自动数据标注等等。所以作者认为随着技术的发展,这个领域将会得到很大的提升,人工检测终将会被机器检测替代。然后你看到的无人工厂更加会无人化~
●   机器视觉缺陷检测的痛点
●   仍存在下面主要的问题和难点

1) 受环境、光照、生产工艺和噪声等多重因素影响,检测系统的信噪比一般较低,微弱信号难以检出或不能与噪声有效区分。如何构建稳定、可靠、鲁棒的检测系统,以适应光照变化、噪声以及其他外界不良环境的干扰,是要解决的问题之一。

2) 由于检测对象多样、表面缺陷种类繁多、形态多样、复杂背景,对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确,致使对缺陷的描述不充分,缺陷的特征提取有效性不高,缺陷目标分割困难;同时,很难找到“标准”图像作为参照,这给缺陷的检测和分类带来困难,造成识别率尚有待提高。

3) 机器视觉表面缺陷检测,特别是在线检测,其特点是数据量庞大、冗余信息多、特征空间维度高,同时考虑到真正的机器视觉面对的对象和问题的多样性,从海量数据中提取有限缺陷信息的算法能力不足,实时性不高。

4) 与机器视觉表面检测密切相关的人工智能理论虽然得到了很大的发展,但如何模拟人类大脑的信息处理功能去构建智能机器视觉系统还需要理论上的进一步研究,如何更好的基于生物视觉认识、指导机器视觉得检测也是研究人员的难点之一。

5) 从机器视觉表面检测的准确性方面来看,尽管一系列优秀的算法不断出现,但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距,如何解决准确识别与模糊特征之间、实时性与准确性之间的矛盾仍然是目前的难点。

传统算法在某些特定的应用中已经取得了较好的效果,但仍然存在许多不足。例如:图像预处理步骤繁多且具有强烈的针对性,鲁棒性差;多种算法计算量惊人且无法精确的检测缺陷的大小和形状。而深度学习可以直接通过学习数据更新参数,避免了人工设计复杂的算法流程,并且有着极高的鲁棒性和精度。

1、让没有任何python,tensoRFlow基础的学员学习到如何搭建深度学习训练平台。
2、学会使用imglabel软件标注图片,弄清楚怎么样标注目标
3、学会利用labview调用tensorflow进行ssd/faster-rcnn模型的训练
4、学会利用labview实现观察模型训练过程loss曲线
5、学会利用labview调用tensorflow进行ssd/faster-rcnn模型的评估
6、学会利用labview实现观察模型评估结果图像
7、学会利用labview实现导出tensorflow冻结图模型文件pb
8、学会利用labview实现导出tensorflow冻结图模型文件pb转为openvino模型文件IR
9、学会利用labview实现tensorflow/openvino 模型pb/IR文件的加载
10、学会利用labview实现tensorflow/openvino 模型pb/IR文件的图像测试目标检测
11、案例:猫狗数据集,引脚缺陷检测数据集,金属切削缺陷检测数据集,涂胶缺陷检测数据集,元件缺陷检测数据集,开关缺陷检测数据集,药丸缺陷检测数据集,
12、动态检测案例:五金件缺陷检测

主要知识点:
1Tensorflow-GPU环境的搭建
Tensorflow object环境搭建
学会如何标注图片
如何labview快速通过迁移学习训练自己的模型
如何利用labview生成优化后的OPENVINO模型IR
如何利用labview调用训练后的PB模型和IR模型进行目标检测



1

本帖被以下淘专辑推荐:

2021-5-10 22:33:46   评论 分享淘帖1
20 个讨论
labview+yolov4缺陷检测 首先,对不同种类的缺陷取样,采集图像,建立识别标准。然后,基于深度神经网络模型,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别不同种类的缺陷的目的
2021-5-12 11:03:37 评论

举报

感谢分享。。。。。。。。。。。。
2021-5-12 14:20:58 评论

举报

学习学习,感谢分享。。。
2021-5-14 13:49:30 评论

举报

感谢楼主分享~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
2021-5-14 14:20:16 评论

举报

好资料,认真学习一下
2021-5-14 17:22:43 评论

举报

学习学习,感谢分享。。。
2021-5-14 23:11:39 评论

举报

学习学习,感谢分享。。。
2021-5-17 14:24:30 评论

举报

挺好的资料,谢谢楼主给力分享
2021-5-18 09:48:53 评论

举报

22222222222222222222222222222222222222
2021-5-20 17:05:23 评论

举报

感谢分享。
2021-5-20 17:30:20 评论

举报

感谢分享,学习一下
2021-5-21 04:56:24 评论

举报

点个赞
2021-5-21 10:00:17 评论

举报

学习                                      
2021-5-21 11:01:10 评论

举报

学习学习,感谢分享。。。
2021-5-21 11:19:44 评论

举报

可以                    

2021-5-23 16:05:05 评论

举报

11防腐剂后方可很快就尽力就好
不错不错!好好学习,天天向上,向楼主学习!
向楼主学习
,感谢楼主的奉献
很前端,值得好好学习

撰写讨论

你正在撰写讨论

如果你是对讨论或其他讨论精选点评或询问,请使用“评论”功能。

高级模式
您需要登录后才可以回帖 登录 | 注册

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容图片侵权或者其他问题,请联系本站作侵删。 侵权投诉
12下一页
发讨论
关闭

站长推荐 上一条 /6 下一条

快速回复 返回顶部 返回列表