专栏名称: OpenCV学堂

一个致力于计算机视觉OpenCV原创技术传播的公众号！OpenCV计算机视觉与tensorflow深度学习相关算法原创文章分享、函数使用技巧、源码分析与讨论、，计算机视觉前沿技术介绍，技术专家经验分享，人才交流，学习交流。

anomalib | 工业异常缺陷检测从训练到部署

OpenCV学堂 · 公众号 · · 2024-06-13 20:39

正文

点击上方蓝字关注我们

微信公众号： OpenCV学堂

关注获取更多计算机视觉与深度学习知识

前言

Anomalib 是英特尔主导的开源工业缺陷异常检测深度学习框架，包含主流的异常检测模型训练支持，包括：

CFlowPatchcoreFastflowPaDimEfficien_AD

等超过17种模型支持，支持私有/自定义数据集训练与部署。当前最新的版本v1.1，支持对异常缺陷的分类与缺陷区域的分割定位两种检测方式。

Anomalib库安装

最新v1.1版本支持的Python SDK最低版本为3.10，正常的安装只需要执行下面命令行即可

pip install anomalib openvino

另外一种安装方式从源码安装，首先下载执行完成以后可以尝试运行

https://github.com/openvinotoolkit/anomalib/releases/tag/v1.1.0

解压缩到一个指定目录，然后在该目录下面执行：

pip install –e .anomalib install

这样就可以完成安装了。

自定义数据模型训练

anomalib官方提供了自定义数据集训练的指南，对应的数据集下载地址为：

https://github.com/openvinotoolkit/anomalib/releases/download/hazelnut_toy_dataset/hazelnut_toy.zip

下载数据集以后，创建一个dataset.yaml的数据集描述文件，贴上下面的内容：

其实我后来发现task字段是可以不填的，它会根据是否有mask文件夹来决定任务类型是分类还是分割。

然后直接运行下面的命令行即可开始训练

anomalib train --data synthetic.yaml --model anomalib.models.Patchcore

第一次会从HuggerFace下载模型，但是很不幸的又挂了，无法下载，设置一下镜像网站即可正确下载：

再次执行训练命令行以后，真的可以训练了

发现训练了一个epoch就停止了，尝试修改max_epochs这个参数，发现居然被重载为1

然后求教了一位大神得到答案是：

意思是不用修改，1已经是最好的超参数了，改就是浪费电力跟算力。

模型导出与推理

这块官方也没有给出特别明确指南，只是在帮助文档上有个函数，里面包含了一些参数，通过我的一通尝试跟折腾以后，发现通过命令行是可以直接从ckpt导出onnx文件的，导出的命令行参数如下：

anomalib export --export_type onnx --export_root ./results --ckpt_path ./results/Patchcore/hazelnut_toy/v4/weights/lightning/model.ckpt --model anomalib.models.Patchcore

导出以后ONNX格式文件，针对分割任务有两个输出，图示结构如下：

直接使用OpenVINO推理演示如下：

运行测试结果：

OpenCV4系统化学习

深度学习系统化学习

推荐阅读

OpenCV4.8+YOLOv8对象检测C++推理演示

ZXING+OpenCV打造开源条码检测应用

anomalib | 工业异常缺陷检测从训练到部署

正文

请到「今天看啥」查看全文