全文字数656，预计阅读4min
一、用例介绍
该用例使用OpenVINO工具包包含的推理引擎，显示了如何在工业质量检验应用中利用分类网络的示例。该用例提供了一种支持人工智能的方法来将来自织物检查摄像机的输入帧分类为缺陷或良好。扫下图的二维码观看实例视频
二、安装环境
- 硬件要求： 英特尔处理器
- 系统要求： Ubuntu18.04 LTS
- OpenVINO: 2021.2
- python: 3.6
- 安装用时: 30min
三、工作原理
- 1.纺织品检验视频：
用于模拟纺织品检查摄像机的示例视频。该视频包括五种常见的纺织品缺陷，其中一些不容易被人眼注意到。
- 2.推理模块：
从视频中提取帧，并执行推论，将帧归类为有缺陷或没有缺陷。每个帧的分类速率也记录并在终端输出上显示。
- 3.它的工作流如下
首先我们在纺织品图片上标签数据，并拆分为训练数据集和测试数据集，接着用训练数据集来训练模型，在模型优化器中进行优化生成IR文件，然后在推理引擎上加载模型和测试数据集，最后我们可以在工业生产中完成部署。
四、安装步骤
-
1.解压下载的包并进入解压目录，更改edgesoftware文件的权限
chmod +x edgesoftware -
2.运行命令，安装
./edgesoftware install
- 3.会提示输入秘钥，我们输入下载时保存好的key就可以了。过程中会提示配置pip和apt的国内加速源，点击
yes,按图配置即可。
- 4.配置完成后我们可看到相关配置，如下图，apt同理
- 5.安装完成
五、运行使用
- 1.进入工作路径
- 2.查看初始化脚本
- 3.激活Python虚拟环境
这里遇到一个报错，运行脚本后并没有进入虚拟环境
这是因为脚本没有执行权限，下图是解决办法，可以看到已经成功进入m_classf环境中
- 4.我们需要下载python的一些依赖包
- 5.该纺织品包含的样本数据有五种类型的缺陷，如下图
- 6.接下来我们在单个测试图像上运行推理
python textile/inference.py --model models/model.xml --label models/labels.txt --image data/test_data/color_flecks/frame_a.png --device CPU
- 7.在一组图像上运行推理
python textile/inference.py --model models/model.xml --label models/labels.txt --dir data/test_data/hole --device CPU
- 8.计算图像测试数据集上的混淆矩阵
python textile/inference.py --model models/model.xml --label models/labels.txt --test_dataset data/test_data/ --confusion_matrix --device CPU
这里执行代码的时候遇到一个报错，说没有写入权限
解决办法是chmod添加权限
再次运行就ok了
运行完成后输入deactivate可以退出虚拟环境