劳保手套质检
劳保手套质检方案使用深度学习模型定位手套的待检测区域，并根据缺陷特点识别多种类型的缺陷。采集图像数据后，使用Mech-DLK训练模型，可提高缺陷检测的效率和准确率。
模型简介
Mech-DLK提供了工业检测业务中常用的算法模型。该方案使用如下模型进行级联。
-
缺陷分割：可准确检测缺陷的具体位置和形状，并分割出缺陷，适用于尺寸较小的缺陷。然而，训练模型时需要准确标注所有缺陷区域，标注成本较高，且不能检测无法标注的缺陷，也无法分类缺陷。
-
目标检测：可定位、计数、分类缺陷。标注成本比“缺陷分割”模型低，但无法得到缺陷的精确轮廓，对小缺陷的分割效果不如“缺陷分割”模型理想，因此该模型在缺陷检测任务中常用于定位和计数，一般不直接用于检测缺陷。
-
图像分类：可判断图像的类别。当无需定位缺陷且缺陷特征较明显时可使用该模块。标注成本低，适用于缺陷难以标注、需要对缺陷进行分类的场景。但该模块无法定位缺陷，缺陷较小的时候效果不佳。
方案基本信息
方案部署
训练模型
目标检测（手套、印花）
该模型用于将手套区域和印花区域从原图片中分割出来，便于后续精准处理该区域的缺陷。
-
新建工程并添加“目标检测”模块。
单击初始页面上的新建工程，选择工程路径并输入工程名以新建一个工程。再单击右上角的+，选择“目标检测”模块。
-
导入图像数据。
单击左上方的导入/导出，导入采集的手套图像。
-
创建标签。
在“标注”参数栏，单击+，根据物体名称创建对应的标签。
-
对于手套模型，新建 glove 标签。
-
对于印花模型，新建 printing 标签。
-
-
标注图像。
在标注工具栏，右键单击
后单击 
（快捷键 R）。长按鼠标左键并沿任意方向拖动，松开鼠标左键后完成矩形标注。-
对于手套模型，标注出图像中的手套。
-
对于印花模型，标注出图像中的印花。
标注时使矩形框刚好包住目标物体边缘，避免过多标注物体边缘以外的区域。 -
-
训练模型。
在“训练”参数栏，使用默认参数设定，单击训练开始训练模型。
-
验证模型。
训练结束后，在“验证”参数栏，单击验证开始验证并查看模型识别效果。
目标检测（手指）
手套模型训练完成后，在该模块后级联一个目标检测模块，用于分割单个手指区域。
-
级联“目标检测”模块。
在手套“目标检测”模型的工程界面，单击右上角模块栏的+，选择“目标检测”模块。
-
导入图像数据。
单击左上方的，选中上一模块中的所有验证结果，单击确定。
-
创建标签。
在“标注”参数栏，单击+，新建 finger 标签。
-
标注图像。
在标注工具栏，右键单击
后单击 （快捷键 R），标注出图像中的所有手指。
-
训练模型。
在“训练”参数栏，使用默认参数设定，单击训练开始训练模型。
-
验证模型。
训练结束后，在“验证”参数栏，单击验证开始验证并查看模型识别效果。
图像分类（大面积脏污）
该模型用于将手套图片分类为NG（脏污） 或OK（正常），从而检出带有明显脏污的手套。
-
级联“图像分类”模块。
在手套“目标检测”模型的工程界面，单击右上角模块栏的+，选择“图像分类”模块。
-
导入图像数据。
单击左上方的，选中上一模块中的所有验证结果，单击确定。
-
创建标签。
在“标注”参数栏，单击+，根据物体特征创建对应的标签。此处创建 NG 和 OK 两个标签。
-
标注图像。
在图像左侧标注工具栏选择对应的标签进行标注，将脏污手套图片标注为 “NG”，正常图片标注为 “OK”。可以同时选中多张图像进行标注。
-
训练模型。
在“训练”参数栏，使用默认参数设定，单击训练开始训练模型。
-
验证模型。
训练结束后，在“验证”参数栏，单击验证开始验证并查看模型识别效果。
图像分类（印花不良）
该模型用于将“目标检测”模型分割出的印花图片分类为NG（模糊） 或OK（清晰），从而检出印花质量不合格的手套。
-
级联“图像分类”模块。
在印花“目标检测”模型的工程界面，单击右上角模块栏的+，选择“图像分类”模块。
-
导入图像数据。
单击左上方的，选中上一模块中的所有验证结果，单击确定。
-
创建标签。
在“标注”参数栏，单击+，根据物体特征创建对应的标签。此处创建 NG 和 OK 两个标签。
-
标注图像。
在图像左侧标注工具栏选择对应的标签进行标注，将印花模糊图片标注为 “NG”，将印花正常图片标注为 “OK”。可以同时选中多张图像进行标注。
-
训练模型。
在“训练”参数栏，使用默认参数设定，单击训练开始训练模型。
-
验证模型。
训练结束后，在“验证”参数栏，单击验证开始验证并查看模型识别效果。
缺陷分割（小面积缺陷）
该模型用于标注出手套图片上出现的小面积破损、异物、脏污。
-
级联“缺陷分割”模块。
在手套“目标检测”模型的工程界面，单击右上角模块栏的+，选择“缺陷分割”模块。
-
导入图像数据。
单击左上方的，选中上一模块中的所有验证结果，单击确定。
-
标注图像。
需要标注数据中的OK图像，以及包含缺陷的NG图像。
-
对于NG图像，使用标注工具标出缺陷区域。标注时应注意紧贴缺陷边缘，避免包含大量非缺陷区域。
-
对于OK图像，选中后单击标注工具栏的OK标签工具，图像将被标注为OK。
-
-
训练模型。
在“训练”参数栏，使用默认参数设定，单击训练开始训练模型。
-
验证模型。
训练结束后，在“验证”参数栏，单击验证开始验证并查看模型识别效果。
