KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
Classifier vs. Segmenter
Dies ist die häufigste Frage beim Erstellen eines Rezepts. Hier ist ein klares Framework.
Für visuelle Erklärungen mit interaktiven Simulatoren, Diagrammen und einem praktischen Playground für jeden Modelltyp siehe:
- Understanding Classifier – wie Types, Classes und ROIs verschachtelt sind; ein interaktiver Classifier-Playground
- Understanding Segmenter – pixelgenaue Masken, Paletten, Zählung und Messung; ein Mal-artiger Segmenter-Playground
Classifier
Ein Classifier betrachtet jeden ROI-Ausschnitt und weist ihn einer Kategorie zu: pass, fail, present, absent, scratched, good oder welche Klassen Sie auch immer definieren.
Stellen Sie es sich wie das Sortieren von Karten in Stapel vor. Die KI betrachtet den gesamten Ausschnitt und sagt „dieser kommt in den Pass-Stapel" oder „dieser kommt in den Fail-Stapel".
Verwenden Sie einen Classifier, wenn:
- Sie pass/fail- oder Mehrklassen-Entscheidungen benötigen
- Ihre ROIs klein genug sind, um den Defekt deutlich zu zeigen
- Geschwindigkeit beim Labeln wichtig ist (Classifier sind deutlich schneller zu labeln)
- Sie das Vorhandensein/Fehlen eines Merkmals prüfen
- Beispiele: Schraube vorhanden/fehlt, Stecker eingerastet/nicht eingerastet, Etikett korrekt/falsch
Für eine ausführlichere Anleitung mit dem interaktiven Playground lesen Sie Understanding Classifier.
Segmenter
Ein Segmenter untersucht jeden ROI-Ausschnitt auf Pixelebene und identifiziert genau, welche Pixel zu einem Defekt gehören.
Stellen Sie es sich wie das Markieren mit einem Textmarker vor. Die KI umkreist genau dort, wo der Defekt ist, nicht nur, ob einer existiert.
Verwenden Sie einen Segmenter, wenn:
- Sie eine pixelgenaue Defektlokalisierung benötigen (wo genau ist der Kratzer?)
- Sie die Größe oder Fläche des Defekts messen müssen
- Ihre ROIs groß sein müssen, Sie aber nach kleinen Defekten suchen
- Sie mehrere Defekte in einer Region zählen müssen
- Beispiele: Oberflächenkratzer, Flecken, Risse, Schweißnahtqualität, Dimensionsmessungen
Ein Segmenter lernt nur die Größe und Textur der Defekte, die ihm gezeigt wurden. Trainieren Sie ihn mit kleinen Verunreinigungen, und ein großes Stück desselben Defekts kann das Band passieren, wobei nur seine Kanten oder verstreute Bereiche hervorgehoben werden – der Großteil des Defekts bleibt unmaskiert. Die Lösung besteht darin, Trainingsbeispiele einzubeziehen, die den gesamten erwarteten Bereich der Defektgrößen abdecken. Keine Proben großer Defekte? Verwenden Sie das Defect Creator Studio, um synthetische zu generieren.
Für eine ausführlichere Anleitung mit dem interaktiven Playground lesen Sie Understanding Segmenter.
Vergleich
| Aspekt | Classifier | Segmenter |
|---|---|---|
| Was er Ihnen sagt | Kategorie (pass/fail/etc.) | Exakte Pixel des Defekts |
| Labeling-Aufwand | Gering: Klasse pro Bild auswählen | Hoch: Defekt-Pixel malen |
| Benötigte Daten | 10–15 Bilder pro Klasse zum Start | Ähnlich, aber Labeling dauert länger |
| ROI-Größe | Funktioniert am besten mit kleinen ROIs | Bewältigt größere ROIs besser |
| Geschwindigkeit | Schnell | Gleichermaßen schnell, wenn optimiert |
| Am besten für | Vorhandensein/Fehlen, Kategorieentscheidungen | Kratzer, Flecken, Messungen, pixelgenaue Erkennung |
Die Überschneidungszone
Es gibt echte Überschneidungen. Viele Inspektionen könnten mit beiden Ansätzen funktionieren. Wenn Sie unsicher sind:
- Beginnen Sie mit einem Classifier. Er ist einfacher einzurichten und schneller zu labeln
- Wenn Sie feststellen, dass der Classifier nicht präzise genug ist (kleine Defekte in großen Bereichen nicht erkennt, oder Sie Messungen benötigen), wechseln Sie zu einem Segmenter
- Fragen Sie den AI Assistant unter tools.overview.ai. Beschreiben Sie Ihre Anwendung, und er empfiehlt den besten Ansatz
Verwenden Sie das Defect Creator Studio, um fotorealistische synthetische Defektbilder für beide Ansätze zu generieren – beschreiben Sie den Defekt in einfachem Englisch und erhalten Sie in Sekundenschnelle trainingsbereite Bilder.
OV20i vs OV80i
- OV20i: Wählen Sie eines pro Rezept, entweder einen Classifier oder einen Segmenter
- OV80i: Multi-Model-Unterstützung. Kombinieren Sie beide in einem einzigen Rezept für dieselbe Aufnahme