Anomaly Detection（异常检测）包括Novelty Detection（奇异值检测）和Outlier Detection (异常值检测)。
奇异值检测：训练数据不包含异常值，只含有positive（正常）的数据，通过算法学习其pattern。之后用于检测未曾看到过新数据是否属于这个pattern，如果属于，该新数据是positive，否则negative，即奇异值。
异常值检测：训练数据中含有异常值，通过相关算法找到训练数据的中心模式，忽略偏差观测值，从而检测出异常值。
本篇博客进行《Novelty Detection案例总结（只训练正常样本）》
1、GMM分类器检测网格缺陷（mlp、svm同理）
create_class_gmm (5, 1, [1,5], 'spherical', 'normalization', 5, 42, GMMHandle)
add_samples_image_class_gmm (ImageTexture, Rectangle, GMMHandle, 2.0)
train_class_gmm (GMMHandle, 100, 0.1, 'training', 0.0001, Centers, Iter)
classify_image_class_gmm (ImageTextureReduced, Correct, GMMHandle, 0.000002)
【halcon案例】novelty_detection_gmm.hdev、novelty_detection_mlp.hdev、novelty_detection_svm.hdev
2、基于GMM分类器的纹理检查模型
apply_texture_inspection_model，详情参考我的另一篇博客《Halcon 纹理缺陷检测 apply_texture_inspection_model》。
3、深度学习
apply_dl_model，详情参考我的另一篇博客《Halcon深度学习——奇异值检测》。