深度学习结果解析 您正在查看最新版本（V2.2.0）的文档。如果您想查阅其他版本的文档，可以点击页面右上角“切换版本”按钮进行切换。 ■ 如果您不确定当前使用的产品是哪个版本，请随时联系梅卡曼德技术支持。 功能描述 该步骤可对“深度学习模型包推理”步骤输出的多模型包或多类别缺陷分割模型包的推理结果进行解析。解析后可按模型包类型或缺陷类别拆分输出结果，便于后续步骤进行独立处理、统计与查看。 使用场景 该步骤连接于“深度学习模型包推理”步骤后，用于解析和查看多模型包或多类别缺陷分割模型包的推理结果。 该步骤每次仅能解析一种缺陷类别/模型包类型的推理结果。如需同时解析多个缺陷类别或模型包的推理结果，请为“深度学习模型包推理”步骤输出的每个缺陷类别/模型包单独添加并连接本步骤，避免解析结果遗漏。 输入与输出 输入 输入端口 数据类型 说明 深度学习推理结果 DLResult 深度学习推理结果。 输出 输出端口将根据输入数据中的缺陷类别或模型包类型自动生成，无需手动设置。请确保输入数据正确，以避免输出结果不符合预期。 使用示例 多类别缺陷分割结果解析 下图展示如何解析“深度学习模型包推理”步骤输出的多类别缺陷分割结果。以同时检测划痕、气泡和磕伤的模型为例，每个缺陷类别分别连接至一个“深度学习结果解析”步骤，实现独立解析。 多模型包推理结果解析 下图展示如何解析“深度学习模型包推理”步骤输出的多模型包推理结果。以文本检测和文本识别串联的多模型包为例，每个模型包类型分别连接至一个“深度学习结果解析”步骤，实现独立解析。 该页面是否有帮助？ 我要反馈 感谢您的支持！ 可以通过以下方式反馈意见： 社区 反馈表单 多模型包 按灰度范围统计像素数量
