# InduVision

**Repository Path**: rorop/indu-vision

## Basic Information

- **Project Name**: InduVision
- **Description**: 基于Milvus+ResNet的工业异常检测系统，根据图片检索相似异常，并给出解决方案
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-03-20
- **Last Updated**: 2025-03-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Milvus, resnet, 图片检索

## README

# MVTec AD 工业异常检测系统

本系统基于 MVTec AD 数据集，使用向量数据库 Milvus 和 PostgreSQL 实现工业产品的异常检测和解决方案推荐。

## 功能特点

- 支持 MVTec AD 数据集中的多种工业产品类别（如瓶子、螺丝等）
- 基于深度学习特征提取和向量相似度搜索的异常检测
- 提供异常类型识别和解决方案推荐
- 可视化展示异常分布和检测结果
- 支持批量处理和实时检测

## 系统要求

- Python 3.8+
- PostgreSQL 数据库
- Milvus 向量数据库
- 相关 Python 依赖包

## 安装步骤

1. 设置环境
   ```bash
   conda create -n mvtec python=3.11
   conda activate mvtec
   ```
2. 安装依赖包：
   ```bash
   pip install -r requirements.txt
  ```
## 使用方法
### 1. 数据处理
首先，需要处理 MVTec AD 数据集并导入到系统中：

```bash
python batch_process_mvtec.py --dataset_path E:\ht-space\ht_AI\image_search_with_milvus\mvtec_images --categories bottle,screw
 ```
```

参数说明：

- --dataset_path : MVTec AD 数据集的根目录路径
- --categories : 要处理的类别，用逗号分隔
- --max_workers : 并行处理的最大线程数（默认为4）
### 2. 运行系统
处理完数据后，可以运行异常检测系统：
```bash
streamlit run app.py
 ```

## 系统架构
本系统由以下几个主要组件组成：

1. 特征提取模块 ：使用预训练的深度学习模型提取图像特征
2. 向量数据库 ：使用 Milvus 存储和检索图像特征向量
3. 关系数据库 ：使用 PostgreSQL 存储图像路径、异常类型和解决方案
4. Web 界面 ：使用 Streamlit 构建交互式用户界面
## 文件说明
- encoder.py : 图像特征提取模块
- milvus_utils.py : Milvus 向量数据库操作工具
- pg_utils.py : PostgreSQL 数据库操作工具
- batch_process_mvtec.py : 批量处理 MVTec AD 数据集的脚本
- app.py: Streamlit Web 应用

## MVTec AD 数据集
MVTec AD 是一个工业产品异常检测数据集，包含多种工业产品的正常样本和异常样本。本系统支持以下类别：
- bottle: 瓶子
- screw: 螺丝
- 其他类别可根据需要添加

## 效果图
### 系统界面
![系统界面](./demo_images/system_interface.png)

### 检测结果
![检测结果](./demo_images/detection_result.png)