KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
Modell neu trainieren
Diese Seite erläutert, wann und wie Sie Ihr AI-Modell auf dem OV10i-System neu trainieren – sei es bei Verwendung von Classification oder Segmentation – um die Genauigkeit der Inspektionen bei sich ändernden Teilen oder Produktionsbedingungen aufrechtzuerhalten.
Sehen Sie dieses Thema in Aktion: OV Auto-Defect Creator Studio
Die Leistung der AI hängt von der Relevanz der Trainingsdaten ab. Trainieren Sie neu, wenn sich Teile, Bedingungen oder Inspektionsanforderungen ändern.
Wann sollten Sie neu trainieren?
Durch erneutes Training bleibt das Modell auf dem Stand der Produktionsrealität. Diese Hinweise gelten sowohl für Classification- als auch für Segmentation-Projekte.
Trainieren Sie neu, wenn:
- Sie eine neue SKU oder Teilevariante inspizieren
- Sich Ihre Inspektionsanforderungen geändert haben (z. B. Erkennung von Oberflächendefekten oder Fett)
- Sie Vorrichtung, Roboter oder Teilepräsentation geändert haben
- Sich die Beleuchtung deutlich verändert hat (z. B. Reflexionen, Winkel, Intensität)
- Die Genauigkeit gesunken ist – mehr False Positives/Negatives
- Sie engere Confidence Thresholds oder präzisere Ergebnisse benötigen
- Das Modell Anzeichen von Overfitting oder zu geringer Generalisierung zeigt
Vorgehen beim erneuten Training (für beide Modelltypen)
-
Erfassen Sie neue Beispielbilder aus Ihrem aktuellen Produktionsaufbau
-
Für Classification: Bilder oder ROIs mit Klassennamen kennzeichnen
Für Segmentation: Pixelgenaue Masken auf Defekten (oder Gut-/Schlecht-Bereichen) zeichnen
-
Wählen Sie den passenden Trainingsmodus:
- Classification:
- Fast – Für schnelles Testen oder Iterationen
- Accurate – Für den Produktionseinsatz
- Segmentation:
- Accurate – Nur ein Modus, optimiert auf Präzision
- Classification:
-
Führen Sie das Training im Recipe-Interface aus
-
Überprüfen Sie die Modellausgaben und testen Sie Live-Inspektionen
-
Stellen Sie das neue Modell bereit, sobald Confidence und Abdeckung den Erwartungen entsprechen
Schnellübersicht der Modelltypen
| Modelltyp | Am besten geeignet für | Trainingsmodi | Ausgabe |
|---|---|---|---|
| Classification | Gut/Schlecht- oder diskrete Zustandsentscheidungen | Fast, Accurate | Klasse für gesamtes Bild oder ROI |
| Segmentation | Pixelgenaue Defekt- oder Bereichszuordnung | Nur Accurate | Beschriftete Maske (hervorgehobene Bereiche) |
Beispielanwendungen
| Beispiel | Modelltyp |
|---|---|
| Erkennen fehlender Schrauben | Classification |
| Prüfung auf Kratzer oder Dellen | Segmentation |
| Überprüfung des Vorhandenseins von Fett | Classification oder Segmentation (je nach erforderlicher Präzision) |
| Messung der Schaumabdeckung | Segmentation |
Best Practices für das erneute Training
- ✅ Verwenden Sie stets aktuelle Produktionsbilder
- ✅ Berücksichtigen Sie eine Mischung aus Pass-/Fail-Fällen, insbesondere Grenzfälle
- ✅ Verwenden Sie mindestens 30–50 Bilder pro Klasse (Classification)
- ✅ Stellen Sie sicher, dass ROI-Grenzen oder Masken dem Teilelayout entsprechen
- ✅ Verwenden Sie vor dem Deployment den Modus Accurate
- ❌ Trainieren Sie nicht mit unscharfen, schlecht beleuchteten oder falsch ausgerichteten Bildern