33、基于视觉的缺陷检测：从数据处理到模型部署

基于视觉的缺陷检测：从数据处理到模型部署

1. 导入必要的库

在进行实验之前，我们需要导入一些有用的 Python 包。其中， cv2 指的是 OpenCV 库，它有很多处理图像和其他计算机视觉任务的预建功能。以下是所需的导入代码：

import numpy as np
import glob
import matplotlib.pyplot as plt
import cv2
from tqdm import tqdm_notebook
import tensorflow
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report, confusion_matrix
%matplotlib inline

2. 加载和验证数据

我们将所有图像文件路径加载到三个单独的列表中，分别对应三个类别：好的、有缺陷的和破碎的。这样做有助于我们跟踪图像标签。以下是加载数据并打印每个类别图像数量的代码：

good_bangle_paths = glob.glob("dataset/good/*.jpg")
defected_bangle_paths = glob.glob("dataset/defect/*.jpg")
broken_bangle_paths = glob.glob("dataset/broken/*.jpg")
print