KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
Modell neu trainieren
Diese Seite erklärt, wann und wie Sie Ihr AI-Modell auf dem OV20i-System neu trainieren – sei es bei Verwendung von Classification oder Segmentation –, um Inspektionen auch bei sich ändernden Teilen oder Produktionsbedingungen präzise zu halten.
Sehen Sie sich dieses Thema in Aktion an: OV Auto-Defect Creator Studio
Die AI-Leistung 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 mit den Produktionsrealitäten Schritt. 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. nun Oberflächenfehler oder Fett erkennen)
- Sie Vorrichtung, Roboter oder Teilepräsentation geändert haben
- Sich die Beleuchtung deutlich geändert hat (z. B. Reflexionen, Winkel, Intensität)
- Die Genauigkeit gesunken ist – mehr False Positives/Negatives
- Sie strengere Konfidenzschwellen oder präzisere Ergebnisse benötigen
- Das Modell Anzeichen von Overfitting oder mangelnder Generalisierung zeigt
So trainieren Sie neu (für beide Modelltypen)
-
Erfassen Sie neue Beispielbilder aus Ihrem aktuellen Produktionssetup
-
Für Classification: Beschriften Sie Bilder oder ROIs mit Klassennamen
Für Segmentation: Zeichnen Sie pixelgenaue Masken auf Defekten (oder Gut-/Schlecht-Bereichen)
-
Wählen Sie den passenden Trainingsmodus:
- Classification:
- Fast – Für schnelle Tests oder Iterationen
- Accurate – Für den Produktionseinsatz
- Segmentation:
- Accurate – Nur ein Modus, auf Präzision optimiert
- Classification:
-
Führen Sie das Training in der Recipe-Oberfläche aus
-
Überprüfen Sie die Modellausgaben und testen Sie Live-Inspektionen
-
Setzen Sie das neue Modell ein, wenn Konfidenz und Abdeckung die Erwartungen erfüllen
Schnellübersicht Modelltypen
| Modelltyp | Geeignet für | Trainingsmodi | Ausgabe |
|---|---|---|---|
| Classification | Gut/Schlecht- oder diskrete Zustandsentscheidungen | Fast, Accurate | Klasse des Gesamtbilds oder ROI |
| Segmentation | Pixelgenaue Defekt- oder Bereichszuordnung | Nur Accurate | Beschriftete Maske (hervorgehobene Bereiche) |
Beispielanwendungen
| Beispiel | Modelltyp |
|---|---|
| Fehlende Schrauben erkennen | Classification |
| Kratzer oder Dellen prüfen | Segmentation |
| Vorhandensein von Fett verifizieren | Classification oder Segmentation (abhängig von der erforderlichen Präzision) |
| Schaumabdeckung messen | Segmentation |
Best Practices für das Neutraining
- ✅ Verwenden Sie stets aktuelle Produktionsbilder
- ✅ Berücksichtigen Sie eine Mischung aus Gut-/Schlecht-Fällen, insbesondere Grenzfälle
- ✅ Verwenden Sie mindestens 30–50 Bilder pro Klasse (Classification)
- ✅ Stellen Sie sicher, dass ROI-Begrenzungen oder Masken dem Teilelayout entsprechen
- ✅ Verwenden Sie vor dem Deployment den Modus Accurate
- ❌ Trainieren Sie nicht mit unscharfen, schlecht beleuchteten oder schief ausgerichteten Bildern