关键要点
深入了解康耐视 VisionPro Deep Learning 软件中红色高细节模式的优势。以下要点说明它如何为您的机器视觉应用带来缺陷检测、检测和部署方面的优势：
- 红色高细节模式可实现像素级精准分割，轻松应对复杂缺陷检测。
- 非常适合半导体、汽车和消费电子产品等行业。
- 与其他 VisionPro Deep Learning 工具结合，进行综合检测。
- 平衡精确度与处理速度，适用于战略型应用。
- 可跨工具复用标注数据，实现更快部署。
要理解红色高细节模式，首先要回顾一下四个 VisionPro 中基于深度学习的主要工具。这些工具使用深度神经网络来识别康耐视机器视觉相机拍摄图像中的模式、成分和异常：
- Red Analyze：检测图像中的异常情况和缺陷。红色高细节模式工具是此工具中的一个架构设置。
- Green Classify： 将图像或图像的一部分分类为任何数量的类别。一个常见的例子是按类型对缺陷进行分类（如瑕疵、裂缝和划痕）。
- Blue Locate： 定位图像中的零件或部件。
- Blue Read： 在图像中执行复杂的光学字符识别。
VisionPro 的开发人员可以同时使用任何或所有这些工具。这对 Red Analyze 和 Green Classify 工具来说尤其如此。例如，Red Analyze 工具可以识别异常情况，Green Classify 工具可以确定缺陷类型。
Red Analyze 工具如何工作
当康耐视相机拍摄图像来检查生产中的零件时，VisionPro 必须确定图像是否通过了检查。
Red Analyze 工具通过扫描图像中的特征、物体或部件进行这些检查。VisionPro 使用神经网络，根据一组预定的训练图像，为这些图像评定一个合格或不合格的等级。
该流程的工作原理如下：机器视觉应用开发人员将一系列图像输入神经网络。一般来说，其中一半是训练图像，另一半是验证图像。神经网络将训练图像与验证图像中的“真值”相比较。在工具训练过程中，神经网络学习识别合格和不合格图像之间的差异。
Red Analyze 工具有以下两种工作模式：
- 无监督模式：使用无缺陷的图像来训练神经网络。图像中任何不同于所定义“合格”的细节都被标记为异常。
- 监督模式：需要开发人员使用图像中的特定片段来训练神经网络。神经网络会扫描图像，寻找这些特定的缺陷。
监督模式有两个子模式：
- 聚焦模式，训练速度快且性能优良。
- 高细节模式，算法详尽，具有一流的准确性。
因此，红色高细节分割是 Red Analyze 工具中监督模式的一个功能。
决定何时使用高细节分割
VisionPro 中的聚焦模式分割是非常准确和非常灵活的。新的图像可以被添加到神经网络中，并在几分钟内开始生成结果。聚焦模式设计用于较简单的应用，但对于更具挑战性的工作，高细节模式更适合。
高细节分割需要更复杂的神经网络架构。自然，这需要在时间和精度之间做出权衡。使用红色高细节模式工具，可能需要几个小时来训练网络。因此，应用程序开发人员需要有计划地按需分配额外处理时间。
使用红色高细节模式节省时间
标示图像和片段通常是通过 VisionPro 开发机器视觉应用最耗时的部分之一。开发人员可能需要在几十张图像中标记多个片段。背景可能需要从图像中遮盖掉，物体可能需要从多个角度进行成像，以捕捉神经网络需要看到的一切。
不过，标记任务只需要完成一次。在评估不同工具的应用情况时，可以简单地复制标记，如在聚焦模式或高细节模式中。由于不需要重新标记图像，开发人员节省了时间，可以更快地部署应用。
此外，开发人员可以在一个应用中混合和匹配使用聚焦模式和高细节模式，仅将高细节分割留给最有实际效用的实例。红色高细节模式在两级检测模式中通常效果很好，未能通过高细节检测的生产部件被送到人类检测员那里，由人类检测员做出最终的合格/不合格判断。
检测细微缺陷并实现精确的预测性分析
机器视觉开发人员习惯于建立具有高精确度和严格公差的应用。红色高细节模式帮助这些开发人员实现最苛刻应用所需的精度水平。
红色高细节模式工具很适合那些需要找到具有挑战性缺陷并准确预测这些缺陷形状/尺寸的应用。这种像素级精度在消费电子、半导体和汽车等主要行业非常重要。例如，某半导体制造商可能需要检测可能导致微处理器过热的微小缺陷。或者某食品加工厂可能需要识别冷藏产品中最早的发霉或变质迹象。
深度学习算法，如那些支持红色高细节模式的算法，从大量的像素图案中识别此类迹象。此外，生产中的零件往往有细微差别，这些差异不影响质量、性能或耐久性。机器学习应用可以被调整以考虑到这些差异。
然而，神经网络不应该被训练为精确到拒绝所检查的一切差异。相反，目标是，就像人类检测员所做的一样，让神经网络从具有许多微小变化的大数据组中做出细微判断。
用 VisionPro 深度学习解决复杂的诊断应用问题
利用 VisionPro 软件，开发人员能够利用广泛的工具集（包括 Red Analyze、Green Classify、Blue Locate、Blue Read 工具）满足严苛的应用要求。在这些工具中，作为 Red Analyze 工具的一个功能，红色高细节模式提供像素级缺陷分割，以检测和测量难以发现的缺陷，如制造产品上的瑕疵、裂纹、划痕和其他类型的缺陷。该工具准确地学习缺陷外观，并以像素级精度预测未训练过的图像中的缺陷。与其他模式工具一样，红色高细节模式为所有行业的制造商带来了深度检测能力，使他们的检测系统能够以机器的速度做出类似人类的决定。最终结果怎么样？ 更快的处理时间和更高的质量。