上次发了VisionPro缺陷检测工具CogPatInspectTool的教程，大家说讲得不是很清楚，今天再对上次讲得不清楚的地方用实例展现一下，让大家大致弄明白这个工具是怎样运行的，更深层次的学习还需要各位自己多努力才是。
按照上次的教程，我们先做个visionPro的程序流程，用到的工具我就不一一讲述了，具体看下面的图片。（注意：因为我用的图片是ps做的，不是相机拍的8位灰度图，所以用了一个图片转换工具，工具里面选择RGB权重那一项即可自动转为8位灰度图）
VisionPro缺陷检测工具CogPatInspectTool实例教程
然后通过image source工具添加一张本地图片，我这里选择的是完整产品，就是OK产品。再使用PMA工具对需要检测的地方进行定位，这里就不多说了，pma工具大家应该不陌生了。
主要是CogPatInspectTool这个工具，大家可能觉得这个工具我都没见过，肯定不会用。其实它大部分和pma工具是一样的，当我们从pma工具传递出图像后，在CogPatInspectTool工具中再像pma工具一样选择检测区域，然后训练即可。（注：这个工具可以训练很多样本，我们这里的图像是自己做的，没有差异，所有就训练一个就够了， 实际可能需要训练很多样本，只需更换图像，重复此步骤训练即可）
把我们的良品训练完成后，我们就可以改变image source工具中的图片，将瑕疵品图片放进去，运行整个工程即可看到如下图片。
VisionPro缺陷检测工具CogPatInspectTool实例教程
很明显我们可以看到右边有一个小白点，那个白点就是我将良品图像抠掉所缺少的地方，visionPro已经成功帮我们找出了两张图片的不一样地方，再配合斑点工具筛选斑点面积，就可以很方便的判断产品是否合格。
有时候明明传递的是一张有瑕疵的图像，但是我们可以看到的结果图像却是是一张全黑或者全白的图片，咱们可以尝试调整CogPatInspectTool工具输出的图像得到缺陷。
VisionPro缺陷检测工具CogPatInspectTool实例教程
工具默认选择生成绝对差异图像，如果看不到缺陷，可以尝试勾选下面的图像，然后重新运行一次看看效果。
如果差异较大，我们也可以多训练几个正常图像。
好了，进过这次的实例讲解，相信大家应该可以正常使用这个工具了，祝大家事业有成，工作顺利。
评论 （4）