DL异常检测
DL异常检测是通过对正常（OK）样本学习的方式实现对异常（NG）图片的检测。
本节内容包含：
模块原理
图像的异常是指图像特征偏离预期的位置或像素值，出现的异常具有随机性，例如纹理变化、划痕、错位或缺件等。而异常检测实质上是异常值分析中的一项统计任务，通过标注OK样本组成训练集，在深层神经网络中学习特征表示与像素残差值，注意此类样本应处于一个较为固定的状态。
使用方法
异常检测模块适用于目标形态固定、缺陷类型固定、OK样本多、NG样本少的场合。异常检测模块的结果会以残差图的形式输出，类似于分割的缺陷概率图，灰度值越低（越黑），则该区域为缺陷的概率越高。
说明：
无监督分割模块的结果显示与异常检测相反，灰度值越高（越白），则该区域为缺陷的概率越高。
异常检测的后序模块通常与Blob分析模块搭配使用，以显示出异常目标位置。
图 1 DL异常检测执行结果
图 2 DL异常检测示例（与Blob分析配合使用）参数配置
以下仅介绍该模块的运行参数详情。通过配置运行参数，可定义当前模块如何处理输入的数据。
模块结果
该模块的模块结果介绍请见DL异常检测。