首页 » 机器视觉 » 正文
机器视觉

Halcon深度学习环境搭建（win下）全网最全教程

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cashmood/article/details/105042928

在这里插入图片描述
前几天在看深度学习，无意中发现halcon已经可以进行深度学习了。所以使用自己电脑进行了环境搭建。因为对深度学习不是很了解，所以走了许多弯路，也总是战战兢兢的。现在对halcon的环境搭建做一次完整的介绍，让大家按照这个步骤就可以完成系统环境的配置。接下来让我们开始吧！

halcon深度学习介绍

HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。
HALCON2017版本即带深度学习算法包。可以进行物体识别、分类、语义分割。
Halcon_深度学习功能介绍资料：

https://pan.baidu.com/s/1Q3ZN1Wek6JEldmn1IbyULg 
提取码：ncxc

系统与环境搭建

1、对电脑系统与硬件的要求与安装方式介绍

1、深度学习基于CPU版本

德国HALCON公司机器视觉软件 HALCON18.05于2018年5月22日正式发布。

实现CPU分类，在CPU上进行深度学习

借助HALCON 18.05，客户可以在CPU上执行深度学习，深度学习不再需要GPU。

Halcon 18.05的CPU深度学习方法已针对英特尔兼容x86 CPU进行了高度优化。

♚♚♚安装CPU版本，只需要进行环境搭建与软件安装部分的以下操作：

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

以下部分可以不进行操作：
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

注意： 深度学习基于CPU，在模型训练等过程中运行时长远远大于基于GPU版本，所以还是推荐基于GPU版本，但是如果因为经济条件等因素，CPU版本用来学习还是够用的。

2、深度学习基于GPU版本

  • 要求一：电脑必须要有 NVIDIA 独立显卡，并且GPU处理能力3.0以上

如何查询电脑的显卡型号呢？
1、在电脑桌面，右击“此电脑”，点击“属性”
2、在打开界面，选择“设备管理器”
3、先在“设备管理器”界面，点击“显示适配器”，显卡的型号就会显示出来。
一般 Intel开头的为集成显卡，
一般 AMD、NVIDIA开头的为独立显卡。
4、需要查看显卡详细信息，则右击显卡选择“属性”
文字理解起来不好理解的话这里有图文教程的传送门：https://jingyan.baidu.com/article/4b07be3c90026f48b380f399.html
如何查询显卡算力？
GPU处理能力对照表传送门https://blog.csdn.net/real_myth/article/details/44308169
如何使用这个表格呢？
在这里插入图片描述
例子：例如我们的显卡型号为GTX1060,我们在表格中的GPU型号一栏找到我们的显卡型号，之后查询其对应算力为6.1，符合要求。

  • 要求二：必须64位操作系统（Win7&Win10）

如何查看自己电脑是64位还是32位

这里就不教大家如何装电脑系统了，只附上一键装机的链接，供大家参考使用。（装机对电脑的数据可能造成损坏，如果不熟悉可以私信我，装机有风险）
一键装机传送门 http://hbs.binggongjinghua.com/

♚♚♚安装GPU版本，需要进行环境搭建与软件安装部分的所有操作：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

注意： 不要觉得安装繁琐，安装成功程序跑起来的时候，这些付出都值得。

2、环境搭建与软件安装

在电脑满足系统与硬件的要求的情况下，我们进行软件的安装与环境搭建。
这里我们需要安装所需要的软件
深度学习基于CPU版本：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

深度学习基于GPU版本：

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

开始吧！！！！少年

1、安装halcon-19.11.0.0-windows.exe

halcon软件的安装包括两个内容一个是软件本身的安装，一个是软件试用授权文件License的安装。
试用License为一月一换，到期必须更换，购买正版授权加密狗可免限制使用。
请勿修改系统时间去尝试延长授权使用时间，否则将导致被Halcon程序锁死无法使用！
1、下载halcon-19.11.0.0-windows.exe安装包

halcon-19.11.0.0-windows.exe安装包
链接：https://pan.baidu.com/s/1W9X5vy0Wu0q1ZpG6z15QVQ 
提取码：sbgn 

halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA 
提取码：tbjp

2、halcon-19.11.0.0-windows.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
安装程序运行，点击红色框内下一步继续
在这里插入图片描述
②、如果电脑安装其他版本halcon，安装软件提示是否卸载之前版本，如果需要卸载点击红色方框内的是按钮，如果保留两个版本，则点击蓝色方框内的否按钮。如果电脑没有安装halcon其他版本，则不会出现此步骤出现的内容。
在这里插入图片描述
如果点击了上一幅图示中的红色方框内的是按钮，则会出现下图所示内容，点击红色方框内的是按钮，继续安装。
在这里插入图片描述
③、之后弹出软件许可协定，首先将红色方框内的滑动条拖拽到最下方，之后勾选蓝色方框内的选择框，最后点击③橘色方框内的Next按钮继续。
在这里插入图片描述
④、接下来弹出是否检查更新的问询窗口，我们先取消红色方框内的勾选框，点击蓝色方框内的Next继续。如下图所示。
在这里插入图片描述
⑤、接下来弹出系统位数选择窗口，我们先选择红色方框内的X64勾选框，再点击蓝色方框内的Next继续。
在这里插入图片描述
⑥、接下来弹出安装内容选择窗口，我们先全选红色方框内的所有选项，之后点击蓝色方框内的Next继续。

在这里插入图片描述

⑦、接下来弹出介绍窗口，我们直接点击蓝色方框内的Next继续。

在这里插入图片描述
⑧、之后弹出是否安装GigE的驱动选项窗口。（是否使用halcon软件连接GigE接口的相机）我们这里选择安装。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
在这里插入图片描述
⑨、接下来显示软件的安装语言，我们选择英语。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
在这里插入图片描述
⑩、之后弹出安装位置选择窗口。首先点击红色方框内的按钮选择安装路径，之后点击蓝色方框内的Install进行软件安装。
在这里插入图片描述
⑪、之后会出现提示，我们点击确定，继续即可。
在这里插入图片描述
⑫、软件开始安装
在这里插入图片描述
⑬、等待软件安装完成，点击红色方框内Next按钮以继续。
在这里插入图片描述
⑭、问询是否安装许可证，我们选择不安装。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Next按钮以继续。
在这里插入图片描述
⑮、创建桌面快捷方式，结束安装程序。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Finish按钮以结束。
在这里插入图片描述
3、安装软件授权License
①、下载License文件

halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA 
提取码：tbjp

②、将License文件复制到安装目录下的\license\文件夹下

例如：
halcon安装在：
D:\halcon2019\
则License许可放置位置在：
D:\halcon2019\license\ 文件夹下即可。

2、安装halcon-19.11.0.0-windows-deep-learning-core.exe

1、下载halcon-19.11.0.0-windows-deep-learning-core.exe安装包

halcon-19.11.0.0-windows-deep-learning-core.exe安装包
链接: https://pan.baidu.com/s/1InknWnc9UuAYA5sqSANhSg 
提取码: sj7b

2、halcon-19.11.0.0-windows-deep-learning-core.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-core.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
在这里插入图片描述
④、安装开始。如下图所示。
在这里插入图片描述
⑤、安装结束。点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
⑥、点击红色方框内的Finish按钮以关闭安装软件。
在这里插入图片描述

3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

1、下载halcon-19.11.0.0-windows-deep-learning-data.exe安装包

halcon-19.11.0.0-windows-deep-learning-data.exe安装包
链接: https://pan.baidu.com/s/1RdFtFNzQPEpiK2_ewrFGXA 
提取码: jmhp

2、halcon-19.11.0.0-windows-deep-learning-data.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-data.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
在这里插入图片描述
④、安装开始。如下图所示。
在这里插入图片描述
⑤、安装结束后，点击红色方框内的Finish按钮以关闭安装软件。如下图所示。
在这里插入图片描述

4、安装CUDA运算平台软件

1、查询电脑CUDA支持的版本
https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html
2、下载CUDA安装包
这里以最新版本CUDA10.2为例。其他版本用户按照教程寻找对应版本下载。
首先打开英伟达开发者网站下的，CUDA工具包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载CUDA10.2的包，给大家准备好）
https://developer.nvidia.com/cuda-toolkit
网站界面如下图
在这里插入图片描述
点击上图红色方框内所示的 DownLoad CUDA 10.2 NOW >
之后显示如下图所示网页。
在这里插入图片描述
点击上图红色方框内所示的 Windows按钮选择windows安装包
之后显示如下图所示网页。
在这里插入图片描述
①蓝色框内表示Win10操作系统下安装包；②红色框内表示Win8操作系统下安装包；③橘色框内表示Win7操作系统下安装包
大家按照自己的需求选择。接下来以win10为例。
点击①蓝色框内按钮
之后显示如下图所示网页。
在这里插入图片描述
点击红色框内的exe [local]按钮，表示下载安装包进行安装。
之后显示如下图所示网页。
在这里插入图片描述
鼠标左键点击红色方框内Download[2.6GB]按钮。进行软件下载。
或者右键点击点击红色方框内Download[2.6GB]按钮，选择迅雷下载。（这个更快一点）（前提电脑有迅雷）
如下图片所示
在这里插入图片描述

当然也为大家准备好了现成的包直接下载
注意是cuda_10.2

Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/1953UNfMOig-JJvUOrK58Ig 
提取码：3kz8

Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1R-zKji19k7Lrk7i5w3YJ1Q 
提取码：g62d

3、安装CUDA

右击下载好的cuda_10.2.89_441.22_win10.exe软件,以管理员身份运行，如下图所示：
在这里插入图片描述
之后显示窗口
在这里插入图片描述
注意：②号红色方框内的路径是安装包解压路径，软件安装完毕后会自动删除。
首先点击①号蓝色框内按钮，选择CUDA的解压路径，之后点击③号橘色方框内的OK按钮以继续。
之后将进行解压缩操作，如下图所示：
在这里插入图片描述
在解压缩过程中，如果安装360等安全软件，会提示软件访问关键位置的警示，选择允许软件所有操作。
解压完成后，安装软件会自行启动，如下图：
在这里插入图片描述
之后软件会进行系统兼容性检查，如下图：
在这里插入图片描述
系统兼容性检查通过后，安装程序显示软件许可协议。如下图：
在这里插入图片描述
点击红色方框内的同意并继续，软件弹出安装选择选项，如下图：
在这里插入图片描述
我们首先点击①红色框内的自定义之后点击②蓝色方框内的下一步继续，之后显示页面：
在这里插入图片描述
这里我们只选择CUDA，其他两项不进行选择。之后点击红色方框内的下一步以继续。

我们接下来更改一下安装位置，安装在D盘下。
安装路径分别为：
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA Samples
如下图所示：
之后点击②蓝色方框内的下一步。**注意：**在点击下一步前，必须关闭vs。
在这里插入图片描述
之后开始安装并等待。如下图所示。
在这里插入图片描述
在这里插入图片描述
等待安装完成。
在这里插入图片描述
点击关闭。

5、安装cuDNN支持包

1、下载cuDNN支持包
这里以cuDNN for CUDA 10.2支持包为例，如果CUDA版本不是10.2的用户，下载相应的cuDNN包

首先打开英伟达开发者网站下的，cuDNN支持包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载for CUDA 10.2的包，给大家准备好）
https://developer.nvidia.com/cudnn
网站界面如下图
在这里插入图片描述
点击红色方框内的Download cuDNN按钮，显示以下页面
在这里插入图片描述
有NVIDIA账户的用户点击①红色框内的Login进行登录。
没有NVIDIA账户的用户点击②蓝色框内的Join now进行注册。
我们在这里只介绍登录的方式，对于NVIDIA账户的注册请移步：https://jingyan.baidu.com/article/7908e85c3cae87ef491ad24b.html
点击①红色框内的Login后，网页显示如下：
在这里插入图片描述
填写账户名与密码，之后点击红色方框内的Login，显示如下网页：
在这里插入图片描述
点击红色箭头指向的勾选框，显示如下界面
在这里插入图片描述
我们CUDA安装的是10.2版本，我们在这里选择红色框内的for CUDA 10.2之后显示网页：
在这里插入图片描述
因为我们以WIN10系统为例，所以点击①红色方框内链接进行下载。WIN7用户请点击②蓝色框内链接进行下载。同样大家可以参考CUDA的下载方法使用迅雷进行下载。
当然也为大家准备好了现成 for CUDA 10.2 的包直接下载
注意是for CUDA 10.2

Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/12ZGiFl9Er2-INJOAXQZqPQ 
提取码：7p1k 

Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1eUmnYm4-UzdSB7syTqvKDQ 
提取码：m7xc

2、安装cuDNN支持包
①、解压cuDNN支持包，得到三个文件夹和一个TXT文档。
在这里插入图片描述
②、将解压后的文件复制到安装路径下D:\NVIDIA\CUDA下。
注意：解压到自己的 CUDA 安装路径下。
在这里插入图片描述
之后会显示是否合并文件夹，选择①红色方框内的为所有项目执行操作，之后，点击②蓝色方框内的是按钮。
在这里插入图片描述
完成cuDNN支持包的安装

6、配置环境变量

1、设置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

2、设置系统变量

①在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
②再添加如下4条
（如果选择默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
（我安装在D盘需要输入的路径）：
D:\NVIDIA\CUDA\lib\x64；
D:\NVIDIA\CUDA\bin；
D:\NVIDIA\CUDA Samples\common\lib\x64；
D:\NVIDIA\CUDA Samples\bin\win64；
3、配置情况
如下为我的环境变量和PATH的配置情况：
环境变量：
在这里插入图片描述
PATH：
在这里插入图片描述

3、验证Halcon安装

以上所有软件安装完成后，重启电脑。否则可能显示激活不成功。
双击halcon2019图标开启软件。
如果能顺利打开软件，表示软件安装与激活成功。如下图所示。
在这里插入图片描述

4、验证CUDA与cuDNN安装

点击键盘Win键+R键，打开运行界面
在这里插入图片描述
在运行里面输入“cmd” 之后点击确定。打开命令行界面
在这里插入图片描述
输入 cd+安装路径,点击回车，再输入nvcc -V则显示CUDA版本信息。
例如我的安装路径为D:\NVIDIA\CUDA
输入：cd D:\NVIDIA\CUDA回车
输入：nvcc -V回车

如运行后显示CUDA的版本等信息，即可认为安装成功。如下图所示
在这里插入图片描述

运行Halcon深度学习例程

首先为大家介绍Halcon深度学习例程的打开方式
1、双击桌面的halcon图标打开halcon2019
在这里插入图片描述
2、点击halcon2019任务栏中的Ex文件夹图标（如下图所示），打开示例程序窗口：
在这里插入图片描述
示例程序窗口：
在这里插入图片描述
3、点击示例程序中的 “方法” 以展开，如下图所示：
在这里插入图片描述
4、找到深度学习例程部分，如下图所示。
在这里插入图片描述

1、Halcon深度学习之分类

在这里插入图片描述
红框内是halcon深度学习用于分类例程的汇总目录，蓝色框内是halcon深度学习用于分类从训练到最后应用的例程。

halcon深度学习（分类）例程简介

1、classify_pill_defects_deep_learning_1_preprocess.hdev（数据集预处理）

2、classify_pill_defects_deep_learning_2_train.hdev（训练模型）

3、classify_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）

4、classify_pill_defects_deep_learning_4_infer.hdev（用于检测图像）

2、Halcon深度学习之目标检测

在这里插入图片描述
红框内是halcon深度学习用于目标检测例程的汇总目录，蓝色框内是halcon深度学习用于目标检测从训练到最后应用的例程。

halcon深度学习（目标检测）例程简介

1、detect_pills_deep_learning_1_prepare.hdev（）（数据集预处理）

2、detect_pills_deep_learning_2_train.hdev|（）（训练模型）

3、detect_pills_deep_learning_3_evaluate.hdev（）（评估训练后的模型）

4、detect_pills_deep_learning_4_infer.hdev（用于检测图像）

3、Halcon深度学习之语义分割

在这里插入图片描述
红框内是halcon深度学习用于语义分割例程的汇总目录，蓝色框内是halcon深度学习用于语义分割从训练到最后应用的例程。

halcon深度学习（语义分割）例程简介

1、segment_pill_defects_deep_learning_1_preprocess.hdev （数据集预处理）

2、segment_pill_defects_deep_learning_2_train.hdev（训练模型）

3、segment_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）

4、segment_pill_defects_deep_learning_4_infer.hdev （用于检测图像）

  • 博主简介：
  • 工业自动化上位机软件工程师、机器视觉算法工程师、运动控制算法工程师。目前从业于智能制造自动化行业。 博主邮箱：2296776525@qq.com
  • 接下来一段时间，我将持续更新关于Halcon深度学习的相关内容。帮忙点个赞吧。哈哈。

版权声明：本文为CSDN博主「小邢同学」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/cashmood/article/details/105042928

标签： ·
点赞 0

小邢同学

我还没有学会写个人说明！

暂无评论

发表评论

相关推荐

玩转KITTI3D目标检测:KITTI评估工具evaluate的使用
机器视觉 2024-11-23

玩转KITTI3D目标检测:KITTI评估工具evaluate的使用

近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录. 文末为了方便对数据结果观看,附上了修改代码. 1. KITTI评估工具来源 官网评估工具 下载后文件目录包含: matlab(2D/3D框显示和

分享到：