一、常见问题及解决办法 1、set_dl_model_param(DLModelHandle, ‘gpu’, GpuId)GpuId=0 选中第一块显卡做深度学习训练。 GpuId=1 选中第二块显卡做深度学习训练。 类推 查询可用多显卡信息 query_available_compute_devices(DeviceIdentifier) //一块显卡输出[0]，两块是[0,1]，依次类推 ge
Halcon提供了预训练网络。这些网络在使用前已经经过丰富的图像库训练过，在此基础上训练出的网络对于图像分类任务表现更好。接下来分别介绍Halcon提供的预训练网络。pretrained_dl_classifier_compact.hdl模型网络的优点是节省内存以及运行效率高。 模型支持‘real’图像类型。如果想知道网络模型各参数值，可以使用算子get_dl_classifier_param获取
一、Halcon新特性介绍 分为Halcon Progress和Halcon Steady两类： Progress：发布周期短（半年），更早拿到最新技术，订阅购买模式 Steady：发布周期长（2年），长期支持服务，标准购买模式1. 偏折法 17.12版本：适用于强发光下进行缺陷检测 18.05版本：也可用于弱反光下的缺陷检测
为了解决带有镜面反射的物体表面上例如凹陷和
Halcon部分算子Aabs_diff_image（计算两个图像的绝对差）abs_funct_1d（计算输入函数y值的绝对值）abs_image （计算图像的绝对值）abs_matrix（计算矩阵元素的绝对值）access_channel（访问多通道图像的通道）acos_image（计算图像的反余弦）activate_compute_device (激活计算设备)adapt_shape_mode
HALCON 21.11：深度学习笔记(2)HALCON 21.11.0.0中，实现了深度学习方法。由于上面提到的DL方法在它们做什么以及它们如何需要数据方面各不相同，所以您需要知道哪种方法最适合您的特定任务。一旦清楚了这一点，您就需要收集适当数量的数据，也就是图像和方法所需的信息。然后，所有这些DL方法都有一个通用工作流：1. 准备网络和数据（Prepare the Network and th
一、提高Halcon的运算速度，有以下几种方法：1、Multithreading(多线程)2、Automatic Parallelization(自动操作并行化)3、Compute devices，利用GPU提速，如果显卡性能好，至少可以提高5~10倍的运算速度 二、多线程1、官方自带的例程get_operator_info.hdev，可以查看支持多线程的算子；1 * Determine
转载
2023-08-01 22:03:59
782阅读
halcon提供了基于它自身的深度学习框架，虽然深入学习基本算法框架上没有提供改动的接口，但在应用上确实做到了便捷性。也是基于这种特性，halcon在深度学习模块方面也具有自身特色，博主认为其主要特设在于 1、代码集成度高、便捷性高 2、可视化手段多样 3、针对性比较明显，且易于传统算法和深度学习算法的结合等。1、深度学习算法基本概述深度学习顾名思义就是通过深度的神经网络进行特征提取与学习，最终
1.get_circle_pose(EllipseContours,CamParam,[gen_tuple_const(NumberLarge,RadiusLarge),gen_tuple_const(NumberSmall,RadiusSmall)], ‘center_normal’, CenterNormal1, CenterNormal2) 确定三维圆的法向量 p_cluster_norma
HALCON 21.11：深度学习笔记---有监督训练(6)HALCON 21.11.0.0中，实现了深度学习方法。不同的DL方法有不同的结果。相应地，它们也使用不同的衡量标准来确定网络的“表现如何”。在训练一个网络时，不同的模型会有不同的行为和缺陷，我们将在这里进行描述。训练中的验证当涉及到网络性能验证时，需要注意的是，这不是一个纯粹的优化问题(参见上面的“网络和训练过程”和“设置训练参数”部分
标题halcon解决ocr问题的总体思路一：读取图片，并且对图片进行矫正 二：找到想要进行ocr识别的字符，并且把他们区域话（重点也是难点） 三：进行ocr识别一：读取图片，并且对图片进行矫正1.读取图片相对简单，总体思路是读取图片并且设计合适的窗口大小，代码如下：dev_update_off ()//关闭窗口更新
read_image (Image, 'letters')//读取图片，lette
图像预处理就是在提取目标物之前对图像进行一些预处理，预处理通常包括两大方向：去噪和图像增强。1.去噪 去噪有分为时域去噪和频域去噪a)时域去噪通常手法为：中值滤波：Media_Image 中值滤波的原理是拿特征区域在图像滑动，每一点（与特征区域的中点重合）的值为特征区域所覆盖的范围的中值均值滤波·：mean_image 均值滤波的原理是拿特征区域在图像滑动，每一点（与特征区域的中点重合
* *此示例是一系列示例的一部分，该示例总结了 * DL细分的工作流程。 它使用MVTec药丸数据集。 * *四个部分是： * 1.数据集预处理。 * 2.训练模型。 * 3.评估训练后的模型。 * 4.推断新图像。 *
*此示例包含第2部分：“模型训练”。
*
*请注意：此脚本需要第1部分的输出：
* segment_pill_defects_deep_learning_1_prepro
常用算子Fast detection of lane markersdev_update_window(: : DisplayMode: ) ：默认状态下运行产生的所有的对象（图像，区域，或XLD）都在活动图形窗口显示。可以用OFF关闭此模式，默认值为off(不支持C++代码)，因为这会拖慢程序运行的速度，我们需要的只是最终的结果。dev_display(Operator)显示image，regi
halcon对比 Vision ProHalcon的优势Halcon有着更加低廉的Lisence1、并且提供更好、更强大的2D和3D的视觉软件库2、Halcon支持的视觉图像采集设备数量是Visionpro 的5倍，3、支持更多的的位深度4、GPU加速5、兼容Windows、Mac OS X，&Linux以及其他几个嵌入式的平台6、持续支持COM，.NET本地C，C#，C++和D
0.软件说明：标记训练数据是迈向任何深度学习应用的第一个关键步骤。当涉及到应用程序的性能、准确性和健壮性时，这些标记数据的质量起着重要作用。借助DLT，您可以通过直观的用户界面轻松标记数据，而无需任何编程知识。这些数据可以无缝集成到 HALCON 和 MERLIC 中，以执行基于深度学习的对象检测、分类、语义分割和深度 OCR。对于分类项目，您还可以在深度学习工具中训
HALCON简介： 来自德国MVtec公司的图像处理软件HALCON，在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。 它发源自学术界，有别于市面一般的商用软件包。事实上，这是一套image processing library，由一千多个各自独立的函数，以及底层的数据管理核心构成。其中包含了各类滤波，色彩以及几何，数学转换，型态学计算分析，校正，分类辨识，形状搜
总结了一下关于Halcon的 Object-Recognition-3D:1. 基于控制点的位姿估计：首先，得确定相机的内外参，其次，选择三个或以上容易和准确地从图像中提取的点作为控制点，通过确定控制点的三维坐标来确定物体的位姿2. 基于形状的匹配：利用三维计算机辅助设计(CAD)模型生成三维形状模型，三维形状模型由从不同视图中看到的三维物体的二维投影组成，需要限制形状模型的允许姿态范围，从而最小
例程：detect_indent_fft.hdev说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；然后，将原图和构造的滤波器进行快速傅里叶变换；最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码 *
文章目录前言一、思路二、过程三、源码总结 前言基于Halcon的OCR识别 一、思路 这个例子描述了半导体产品链的一个步骤，在生产线的前端，集成电路被印刷在晶圆上。要标记生产线中的单个晶圆，每个晶圆都会收到一个ID号，并用半字体打印。这个身份证号码在这里。 ① 读取图像、设置界面 ② 使用read_ocr_class_mlp算子指定分类器 ③ for循环操作，黑白翻转图像、进行均值滤波、阈值
JETSON TX1中为Python3配置OpenCV准备工作OpenCV源码编译OpenCV的安装Python调用cv2 第一次使用 JETSON TX1这个开发板，好像这个板子前几年就出来了，所以网上好多关于这个板子刷机的教程很多，所以我在这里就不过多赘述。而且刷机后它默认只支持 python2来调用 opencv，而 python3想要调用 opencv，就需要自己进行编译。今天我主要想分
