Cognex 标签导入/导出插件

CLIP（Cognex 标签导入/导出插件）是一个可帮助您导入/导出 VisionPro Deep Learning 工具的标签、遮蔽和图像（仅限导出）的 VisionPro Deep Learning 插件。

 

CLIP 基础知识

在 VisionPro Deep Learning 中，标签、这版和图像是基于视图（ROI 定义的视图）导入/导出。因此，只有在定义了 VisionPro Deep Learning 中每个视图的 ROI 之后，才能导入标签或遮蔽。如果标签或遮蔽不符合定义的 ROI，则不会将其导入。

Note: CLIP 支持由区域（例如 1_l2c1png|0:1 和 1_l2c1png|0:2）拆分的视图。
Tip: 有关 ROI 的更多详细信息，请参阅包含红色分析示例的定义感兴趣区域 (ROI)。

 

VisionPro Deep Learning 视图浏览器中每个视图的图像文件名（不包括文件类型）和要导入的标签/遮蔽文件名应完全匹配。例如，当您在视图浏览器中为文件名为“name.png”的特定视图导入标签时，标签文件名应为“name.png”、“name.vrlf”（红色分析）或“name.vglf”（绿色分类）。

Note: 有关视图浏览器的更多详细信息，请参阅视图浏览器 - 网格模式和视图浏览器 - 列表模式。

 

导入/导出格式

图像文件类型

类型

导入

导出

图像

-

-

png

标签

内部

.vrlf (红色分析), .vglf (绿色分类)

外部

png（仅限红色分析）

-

JSON

.json

-

遮蔽

内部

.vmf

外部

png

-

JSON

.json

-

 

  • .vrlf：VisionPro Deep Learning 红色分析标签格式

  • .vflf：VisionPro Deep Learning 绿色分类标签格式

  • .vmf：VisionPro Deep Learning 掩码格式

  • JSON：JSON 文件格式（请参阅最近几节 JSON 文件格式的详细信息。）

 

激活 CLIP

  1. 运行VisionPro Deep Learning。

  2. 转到“插件”>“管理插件”。

     

  3. 选择“添加”按钮。

     

  4. 选择 CLIP.VPlugin.dll 和选择“打开”。

     

  5. 关闭插件管理器。

  6. 创建或导入工作区，并创建工具或将工具导入该工作区的流中。

    Note: 有关工作区的更多详细信息，请参阅工作区、流、工具

  7. 将图像加载到工具中，并设置 ROI 以定义视图。

  8. 选择工具并转到“插件”菜单。根据您选择的工具，您会找到“导入”和“导出”菜单。

 

导入标签

  红色分析 绿色分类 蓝色定位 蓝色读取

导入内部标签

（采用 VisionPro Deep Learning 内部标签文件格式的标签文件）

O

O

X

X

导入外部标签：png 文件

（代表标签的图像文件）

O

X

X

X

导入外部标签：JSON 文件

（包含标签信息的 JSON 文件）

O

O

X

X

 

导入内部标签

  1. 准备采用 VisionPro Deep Learning 内部标签格式的标签文件。

    • 红色分析标签格式：.vrlf

    • 绿色分类标签格式：.vglf

      Note: 要从 VisionPro Deep Learning 工具获取 VisionPro Deep Learning 内部标签文件，请参阅下面的导出标签。

  2. 打开工作区，在流中选择红色分析或绿色分类工具。

  3. 转到“插件”>“导入标签”。

  4. 选择内部标签图像和选择“选择文件”。

     

  5. 找到内部标签文件并将其打开。

 

导入外部标签：png 文件 (红色分析)

  1. 准备 png 格式的标签图像文件。例如，您的标签是一个图像文件，其中背景（良好区域）是白色的，有缺陷的区域是黑色的。

  2. 打开标签图像文件并获取背景的像素值。在上述示例中，值为 255（ 像素强度）。

    Note: 要导入的所有标签图像的背景像素值必须一致。

  3. 打开工作区，在流中选择红色分析工具，然后转到“插件”>“导入标签”。

  4. 选择外部标签图像。

     

  5. 在第 2 步馈送背景像素值。

  6. 选择“选择文件”以找到 png 文件并将其打开。

  7. 选择“应用”。

 

导入外部标签：JSON 文件

  1. 准备包含图像文件名及其标签信息的 JSON 文件。

    Note: 图像文件名必须与 VisionPro Deep Learning 工作区中加载的图像文件名完全匹配，包括大小写。

     

    对于绿色分类，JSON 文件应包含所有视图的标签信息。JSON 文件必须遵守下列规则。

    1. 文件中必须包含键值“classes”和“images”。

    2. 作为“classes”的子级，必须包含 {index (string type)，class name (string type)} 对。

    3. 关键值“images”必须在每个图像文件名下有一个“class”。

     

    复制
    Green Classify JSON Label Example
    "classes": {
            "0": "OK",
            "1": "NG"
        }
     
    "images": {
            "CAM1-NG.png": {
                "class": [
                    1
                ]
            },
            "CAM2-NG.png": {
               "class": [         
      				1
                ]
           }
    }

    2.  

    对于红色分析，JSON 文件应包含单个视图的标签信息。因此，您需要准备的 JSON 文件数与视图总数一样多。除文件扩展名外，每个 JSON 文件的文件名必须与 VisionPro Deep Learning 图像显示区域中每个视图的图像文件名完全匹配。JSON 文件必须遵守下列规则。

    1. 文件中必须包含键值“标签”，每个标签的信息都应列在键值下。

    2. 标签信息应该包含“笔划粗细”、“形状”和“点”。

    3. “类”必须输入为正整数（无符号长整型），不能输入字符串或其他类型。

    4. “笔画粗细”是缺陷区域轮廓的粗细。

    5. "形状”是区域的形状。它包含字符串类型，并且必须是以下类型之一：“矩形”、“椭圆”、“直线”、“折线”、“多边形”

    6. "形状”是形成区域的形状的坐标集。其值由“形状”确定。

      1. “矩形”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      2. “椭圆”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      3. “直线”：起始坐标 (x0, y0) 和结束坐标 (x1, y1)

      4. “折线”：构成折线的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

      5. “多边形”：构成多边形的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

     

    复制
    Red Analyze JSON Label Example
    "Labels": [
        {
          "Class": 0,
          "Shape": "ellipse",
          "StrokeThickness": 5.0,
          "Points": [
            "104.972811914788,310.801663378971",
            "132.045318045539,338.438180054112"
          ]
        },
        {
          "Class": 0,
          "Shape": "ellipse",
          "StrokeThickness": 5.0,
          "Points": [
            "301.248481362731,141.034489517388",
            "323.808903138356,168.106995648139"
          ]
        }
      ]

     

  2. 打开工作区，在流中选择红色分析或绿色分类工具，然后转到“插件”>“导入标签”。

  3. 选择 JSON 和“选择文件”。

     

  4. 找到 JSON 文件并将其打开。

  5. 选择“应用”。

 

导出标签

  红色分析 绿色分类 蓝色定位 蓝色读取

导出标签（以 VisionPro Deep Learning 内部标签文件格式导出标签）

O

O

X

X

 

  1. 打开工作区，在流中选择红色分析或绿色分类工具，然后转到“插件”>“导出图像”。

     

  2. 启用标签复选框并选择“浏览”以查找要保存的标签文件的位置。

  3. 选择“导出”。

  4. 标签文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Labels 下

 

导入遮蔽

  红色分析 绿色分类 蓝色定位 蓝色读取

导入外部遮蔽

（代表遮蔽的图像文件）

O

O

O

O

导入内部遮蔽

（采用 VisionPro Deep Learning 默认遮蔽文件格式的遮蔽文件）

O

O

O

O

导入 JSON 遮蔽

（包含遮蔽信息的 JSON 文件）

O

O

O

O

 

导入内部遮蔽

  1. 准备采用 VisionPro Deep Learning 内部遮蔽格式的遮蔽文件。

    • VisionPro Deep Learning 遮蔽格式：.vmf

    Note: 要从 VisionPro Deep Learning 工具获取 VisionPro Deep Learning 内部遮蔽文件，请参阅下面的导出遮蔽。

  2. 打开工作区，在流中选择工具，然后转到“插件”>“导入遮蔽”。

  3. 选择“内部遮蔽图像”和“选择文件”。

     

  4. 找到内部遮蔽文件并将其打开。

  5. 选择“应用”。

 

导入外部遮蔽：png 文件

  1. 准备 png 格式的遮蔽图像文件。例如，您的遮蔽是一个图像文件，其中遮蔽区域是黑色的，其他区域（背景）是白色的。

  2. 打开遮蔽图像文件并获取背景的像素值。在上述示例中，值为 255（ 像素强度）。

    Note: 要导入的所有遮蔽图像的像素值必须一致。

  3. 打开工作区，在流中选择工具，然后转到“插件”>“导入遮蔽”。

  4. 选择外部遮蔽图像。

     

  5. 在第 2 步馈送背景像素值。

  6. 选择“选择文件”以找到 png 文件并将其打开。

  7. 选择“应用”。

 

导入外部遮蔽：json 文件

  1. 准备包含图像文件名及其遮蔽信息的 JSON 文件。

    Note: 图像文件名必须与 VisionPro Deep Learning 工作区中加载的图像文件名完全匹配，包括大小写。

     

    对于所有类型的工具，JSON 文件应包含单个视图的遮蔽信息。因此，您需要准备的 JSON 文件数与视图总数一样多。除文件扩展名外，每个 JSON 文件的文件名必须与 VisionPro Deep Learning 图像显示区域中每个视图的图像文件名完全匹配。JSON 文件必须遵守下列规则。

     

    1. 文件中必须包含键值“遮蔽”，每个遮蔽的信息都应列在键值下。

    2. 遮蔽信息应该包含“笔划粗细”、“形状”和“点”。

    3. “笔画粗细”是遮蔽轮廓的粗细。

    4. "形状”是遮蔽的形状。它包含字符串类型，并且必须是以下类型之一：“矩形”、“椭圆”、“直线”、“折线”、“多边形”

    5. "点”是形成遮蔽形状的坐标集。其值由“形状”确定。

      1. “矩形”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      2. “椭圆”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      3. “直线”：起始坐标 (x0, y0) 和结束坐标 (x1, y1)

      4. “折线”：构成折线的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

      5. “多边形”：构成多边形的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

     

    复制
    Green Classify JSON Mask Example
    "Masks": [
        {
          "Shape": "polygon",
          "StrokeThickness": 1.0,
          "Points": [
            "183,121",
            "182,122",
            "180,122",
            "179,123",
            "177,123",
            "176,124",
            "174,124",
            "173,125",
          ]
        },
        {
          "Shape": "polygon",
          "StrokeThickness": 1.0,
          "Points": [
            "262,135",
            "260,137",
            "260,138",
            "259,139",
            "259,142",
            "260,143",
            "260,144",
            "261,144",
            "262,145",
            "264,145",
            "265,144",
            "266,144",
            "266,143",
            "267,142",
            "267,139",
            "266,138",
            "266,137",
            "264,135"
          ]
        }
      ]

    2.  

  2. 打开工作区，在流中选择工具，然后转到“插件”>“导入遮蔽”。

  3. 选择 JSON 和“选择文件”。

     

  4. 找到 JSON 文件并将其打开。

  5. 选择“应用”。

 

导出遮蔽

  红色分析 绿色分类 蓝色定位 蓝色读取
导出遮蔽（采用 VisionPro Deep Learning 默认遮蔽文件格式的遮蔽文件） O O O O

 

  1. 打开工作区，在流中选择工具，然后转到“插件”>“导出图像”。

     

  2. 启用“遮蔽”复选框并单击“浏览”以选择要保存的遮蔽文件的位置。

  3. 选择“导出”。

  4. 遮蔽文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Masks 下

 

导出图像

  红色分析 绿色分类 蓝色定位 蓝色读取
导出图像（采用 png 文件格式的图像文件） O O O O

 

  1. 打开工作区，在流中选择工具，然后转到“插件”>“导出图像”。

     

  2. 启用“图像”复选框并单击“浏览”以选择要保存的图像文件的位置。

  3. 选择“导出”。

  4. 图像文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Images 下