Halcon在19.11版本中推出了深度學習異常值檢測方法，該方法屬於無監督式的深度學習方法，使用該算法可以在只有正樣本的情況下訓練模型。據官方介紹，該方法具有以下優點：
1 無需標注
2 只需少量正樣本即可進行訓練
3 可以在CPU下進行訓練
4 具有較快的推斷速度
官方的例程中，分為四個步驟：
1 數據准備
通過read_dl_dataset_anomaly 和 split_dl_dataset 讀取與分割樣本， set_dl_model_param設置模型的一些初始化參數，
2 模型訓練
通過set_dict_tuple 和 create_dl_train_param設置訓練的超參數（例如正則化噪聲、每個epoch大小等）；之后 train_dl_model訓練模型得到結果，通過write_dl_model進行保存。之后通過compute_dl_anomaly_thresholds計算分類閾值，這個算子比較關鍵，可以得出訓練時的分類標准（異常值分割閾值和分類閾值）這兩個值作為后續的判定標准。
3 模型評估 （個人感覺作用不大）
4 模型推理
read_dl_samples讀取數據，apply_dl_model初始化模型，通過threshold_dl_anomaly_results得到模型推理的值，通過與之前訓練得到閾值進行比較，從而得到最終的判定結果。
友情提示：在一個蘋果客戶的項目中試驗使用過，但效果並不理想，也可能是蘋果的要求比較嚴(′⌒`)，該方法還是比較適合缺陷較為明顯的項目。
所在公司以Halcon為主，個人同時也在學習使用OpenCV（畢竟是免費的嘛），會不定期分享一些案例與學習心得，大家相互學習，交流！