人工智能学习

工业视觉少样本缺陷检测实战应用

本文主要是介绍工业视觉少样本缺陷检测实战应用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

工业视觉少样本缺陷检测实战应用

1.AidLux介绍

AidLux能广泛应用在智能工业、AI教育、智慧人居、智慧城市、智慧物流、智慧交通、智慧零售和机器人等诸多场景中。

集成国际主流AI框架和多种开发环境、后台服务程序、编译器及图形开发组件,无须配置开箱即用,极大地简化了开发步骤;自主研发的AI智能加速技术可实现CPU+GPU+NPU智能加速,大幅提高AI应用运行效率;平台广泛而深度的适配外设接口,省去大量调试工作;内置完整的跨平台桌面和命令行终端连接(SSH),一个平台完成多终端协同开发、测试、部署;

AidLux是一站式AIoT应用快速开发和部署平台APP

  1. AidLux是基于ARM架构的跨生态(Android/鸿蒙+Linux)一站式AIoT应用快速开发和部署平台APP。
  2. 通过共享 Linux 内核实现Android 和 Linux 生态融合,为单一设备同时提供Android和Linux运行环境,部署nginx演示
  3. 可使用APK包安装方式快速部署在ARM架构的手机、平板、电脑和板卡等智能终端上;

本课程中教学了

  1. labelme的使用:标注,转换等
  2. 图像分割的自动标注SAM的介绍
  3. AOI光学检测设备的工作流程
  4. 少样本缺陷检测深度学习算法- Anomaly Detection
  5. 使用unet训练模型,onnx转tflite

2.vscode ssh连接AidLux

用户名root

密码aidlux

端口9022

  1. 在终端上安装Aidlux
  2. vscode扩展安装remote ssh

3.模型转换介绍

地址:https://aimo.aidlux.com/

用户名:AIMOTC001

密码:AIMOTC001

![](img

4.上传代码到AidLux

多种方式:

  1. 通过vscode连接后,可以直接拖动文件到项目目录中
  2. 通过ftp软件上传
  3. 通过浏览器访问Aidlux,再上传

5.执行推理

1.验证cv环境,读一个图片验证

  1. 配置相关路径

    1. 模型的路径
    2. 要推理的图片
    3. 推理结果的图片保存路径

    1. 结果演示

视频演示:

https://www.bilibili.com/video/BV14a4y197pA/

这篇关于工业视觉少样本缺陷检测实战应用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!