基于Anomalib和AI x Board的SIMOTECH在线缺陷检测系统
作者：深圳市思墨科技有限公司 蓝贵琳
介 绍
anomalib github 地址[1]
anomalib 是一个深度学习库，旨在收集最先进的异常检测算法，以便在公共和私有数据集上进行基准测试。anomalib 提供了近期文献中描述的异常检测算法的几种即用型实现，以及一套便于开发和实现自定义模型的工具。该库重点关注基于图像的异常检测，算法的目标是识别异常图像或数据集中图像的异常像素区域。
anomalib 具有以下特点:
有大量现成可用的深度学习异常检测算法和基准数据集。
基于 pytorch lightning 编写了一套最大化通用的模型，可以帮助我们减少大量模板代码，可以帮助我们将更多的精力放在重要的事情上。
所有模型均可导出到支持英特尔硬件加速的 openvino 格式。
一套推理工具，用于快速、轻松地部署标准或自定义异常检测模型。
在 cpu 上就可以实现毫秒级的检测。
仅需少量的良品图片，进行几分钟的训练，即可完成一个在线异常检查的应用。
针对我们的检测应用，以上算法均能满足需求的前提下，我们选用了速度最快的 stfpm-resnet18 模型来进行测试。详见论文: stfpm[2]
原 理
异常检测的基本原理是使用一组教师-学生网络做特征比对，比对差异较大的即为异常图像。
在此基础上，发展出了 stfpm、padim、patchcore、efficientad 等算法。他们的差异主要在于神经网络结构、用于全局分析的特征编码器、自动编码器、多层特征混合计算、损失评估算法等不同。
优 势
对比传统的异常检测算法，我们需要针对不同的产品编写一套针对性的检测代码，还需要一定量的不良品来测试和优化检测算法。而使用机器学习方法，我们只要统一的一套通用的训练程序和几张良品图片即可。
检测过程
01训练
我们将 anomalib 算法集成到深圳思墨科技的 simotech 在线缺陷检测系统，基于英特尔开发者套件 ai x board，实现训练和推理。
在训练过程中，我们采集了 3 张良品的 pcb 电路板图片来进行训练。
经过约 200 epoch 训练后，损失降到了 1.0 以下。
02检测
使用训练好的模型来检测一些样品，均能正确检出异常:
03部署
使用 openvino 提供的工具将模型导出到 openvino：
from openvino.tools import mo from openvino.runtime import core, serialize # convert model to openvino.runtime.model object ov_model = mo.convert_model(model) # save openvino.runtime.model object on disk serialize(ov_model, test_model.xml)
向右滑动查看完整代码
将导出的模型拷贝到 ai x board 上，使用 anomalib 的推导工具 openvino_inference.py 即可在 ai x board 上进行加速推导。
总 结
在没有经过调优的情况下，我们的模型仅使用了 3 张良品照片进行简单的训练，即可上线检测并取得不错的效果。通过使用 anomalib 我们不仅可以使用少量的良品特征快速构建一个异常检测应用，还可以免去收集不良品特征的过程。结合 ai x board 可以快速将应用部署到产线上。
深圳市思墨科技有限公司简介
深圳市思墨科技有限公司是一家专注于工业物联网技术研发、系统集成和应用解决方案提供的高科技企业。我们拥有一支专业的技术团队，长期致力于智慧物联网领域，将新一代连接技术、统一物联网平台和可视分析技术应用于工业智能制造现场，推动企业的信息化升级，助力企业实现数字化转型。我们致力于为客户提供专业的工业物联网解决方案，帮助企业实现智能化、高效化和可持续发展。
基于C51单片机的I/O并行口直接驱动LED显示电路图
LM336-5.0基准二极管输出电压的调节
ETHERCAT转PROFINET协议网关连接汇川ethercat通讯协议
谁说矿机只能脏乱差？你绝对没见过的
TDK磁铁解决方案，可提高EV驱动电机的工作效率
基于Anomalib和AI x Board的SIMOTECH在线缺陷检测系统
政策引领新能源汽车走高能量密度、高续航里程的技术发展路线
CAN总线精品文章合集
华为首次曝光AI战略！
MicroGen振动能量收集器实现了Linear无线传感器网络
用于水中紫外消毒灯管的紫外强度检测的紫外传感器
消息称苹果将推出更多支持MagSafe的配件产品
2021年智能锁市场还有多少机会？
德施曼指纹锁，家庭防盗安全无忧患
iPhone“末代旗舰”——iPhone4S
城市智能一体化排水管网监测系统应用方案
要无人驾驶汽车吗？3/4美国人称感到害怕
CIL宣布将在2024年前投资8亿美元开发太阳能
2200万美元Orsus被Nice纳入旗下
政策利好!财政部拨付42亿风电补贴
介 绍
anomalib github 地址[1]
anomalib 是一个深度学习库，旨在收集最先进的异常检测算法，以便在公共和私有数据集上进行基准测试。anomalib 提供了近期文献中描述的异常检测算法的几种即用型实现，以及一套便于开发和实现自定义模型的工具。该库重点关注基于图像的异常检测，算法的目标是识别异常图像或数据集中图像的异常像素区域。
anomalib 具有以下特点:
有大量现成可用的深度学习异常检测算法和基准数据集。
基于 pytorch lightning 编写了一套最大化通用的模型，可以帮助我们减少大量模板代码，可以帮助我们将更多的精力放在重要的事情上。
所有模型均可导出到支持英特尔硬件加速的 openvino 格式。
一套推理工具，用于快速、轻松地部署标准或自定义异常检测模型。
在 cpu 上就可以实现毫秒级的检测。
仅需少量的良品图片，进行几分钟的训练，即可完成一个在线异常检查的应用。
针对我们的检测应用，以上算法均能满足需求的前提下，我们选用了速度最快的 stfpm-resnet18 模型来进行测试。详见论文: stfpm[2]
原 理
异常检测的基本原理是使用一组教师-学生网络做特征比对，比对差异较大的即为异常图像。
在此基础上，发展出了 stfpm、padim、patchcore、efficientad 等算法。他们的差异主要在于神经网络结构、用于全局分析的特征编码器、自动编码器、多层特征混合计算、损失评估算法等不同。
优 势
对比传统的异常检测算法，我们需要针对不同的产品编写一套针对性的检测代码，还需要一定量的不良品来测试和优化检测算法。而使用机器学习方法，我们只要统一的一套通用的训练程序和几张良品图片即可。
检测过程
01训练
我们将 anomalib 算法集成到深圳思墨科技的 simotech 在线缺陷检测系统，基于英特尔开发者套件 ai x board，实现训练和推理。
在训练过程中，我们采集了 3 张良品的 pcb 电路板图片来进行训练。
经过约 200 epoch 训练后，损失降到了 1.0 以下。
02检测
使用训练好的模型来检测一些样品，均能正确检出异常:
03部署
使用 openvino 提供的工具将模型导出到 openvino：
from openvino.tools import mo from openvino.runtime import core, serialize # convert model to openvino.runtime.model object ov_model = mo.convert_model(model) # save openvino.runtime.model object on disk serialize(ov_model, test_model.xml)
向右滑动查看完整代码
将导出的模型拷贝到 ai x board 上，使用 anomalib 的推导工具 openvino_inference.py 即可在 ai x board 上进行加速推导。
总 结
在没有经过调优的情况下，我们的模型仅使用了 3 张良品照片进行简单的训练，即可上线检测并取得不错的效果。通过使用 anomalib 我们不仅可以使用少量的良品特征快速构建一个异常检测应用，还可以免去收集不良品特征的过程。结合 ai x board 可以快速将应用部署到产线上。
深圳市思墨科技有限公司简介
深圳市思墨科技有限公司是一家专注于工业物联网技术研发、系统集成和应用解决方案提供的高科技企业。我们拥有一支专业的技术团队，长期致力于智慧物联网领域，将新一代连接技术、统一物联网平台和可视分析技术应用于工业智能制造现场，推动企业的信息化升级，助力企业实现数字化转型。我们致力于为客户提供专业的工业物联网解决方案，帮助企业实现智能化、高效化和可持续发展。
基于C51单片机的I/O并行口直接驱动LED显示电路图
LM336-5.0基准二极管输出电压的调节
ETHERCAT转PROFINET协议网关连接汇川ethercat通讯协议
谁说矿机只能脏乱差？你绝对没见过的
TDK磁铁解决方案，可提高EV驱动电机的工作效率
基于Anomalib和AI x Board的SIMOTECH在线缺陷检测系统
政策引领新能源汽车走高能量密度、高续航里程的技术发展路线
CAN总线精品文章合集
华为首次曝光AI战略！
MicroGen振动能量收集器实现了Linear无线传感器网络
用于水中紫外消毒灯管的紫外强度检测的紫外传感器
消息称苹果将推出更多支持MagSafe的配件产品
2021年智能锁市场还有多少机会？
德施曼指纹锁，家庭防盗安全无忧患
iPhone“末代旗舰”——iPhone4S
城市智能一体化排水管网监测系统应用方案
要无人驾驶汽车吗？3/4美国人称感到害怕
CIL宣布将在2024年前投资8亿美元开发太阳能
2200万美元Orsus被Nice纳入旗下
政策利好!财政部拨付42亿风电补贴