KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
Modell neu trainieren
Diese Seite erläutert, wann und wie Sie Ihr AI-Modell auf dem OV80i-System neu trainieren – sowohl bei Classification als auch bei 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 AI-Leistung hängt von der Relevanz der Trainingsdaten ab. Trainieren Sie das Modell neu, wenn sich Teile, Bedingungen oder Inspektionsanforderungen ändern.
Wann sollten Sie neu trainieren?
Durch erneutes Training bleibt das Modell mit den Produktionsrealitäten Schritt. Diese Empfehlungen 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 erkannt werden sollen)
- Sie die Vorrichtung, den Roboter oder die Teilepräsentation geändert haben
- Sich die Beleuchtung wesentlich verändert hat (z. B. Reflexionen, Winkel, Intensität)
- Die Genauigkeit abgenommen hat – mehr False Positives/Negatives auftreten
- Sie strengere Confidence-Schwellenwerte oder präzisere Ergebnisse benötigen
- Das Modell Anzeichen von Overfitting oder mangelnder Generalisierung zeigt
So führen Sie ein erneutes Training durch (für beide Modelltypen)
-
Erfassen Sie neue Beispielbilder aus Ihrem aktuellen Produktionsaufbau
-
Für Classification: Versehen Sie Bilder oder ROIs mit Klassennamen
Für Segmentation: Zeichnen Sie pixelgenaue Masken auf Fehler (oder Gut-/Schlecht-Bereiche)
-
Wählen Sie den geeigneten Trainingsmodus:
- Classification:
- Fast – Für schnelle Tests oder Iteration
- Accurate – Für den Produktionseinsatz
- Segmentation:
- Accurate – Nur ein Modus, optimiert für Präzision
- Classification:
-
Starten Sie das Training über die Recipe-Oberfläche
-
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 | Geeignet für | Trainingsmodi | Ausgabe |
|---|---|---|---|
| Classification | Gut/Schlecht- oder diskrete Zustandsentscheidungen | Fast, Accurate | Klasse des Gesamtbildes oder ROI |
| Segmentation | Pixelgenaue Fehler- oder Bereichszuordnung | Nur Accurate | Beschriftete Maske (hervorgehobene Bereiche) |
Beispielanwendungen
| Beispiel | Modelltyp |
|---|---|
| Erkennung fehlender Schrauben | Classification |
| Prüfung auf Kratzer oder Dellen | Segmentation |
| Überprüfung des Fettauftrags | 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-Begrenzungen oder Masken mit dem Teileaufbau übereinstimmen
- ✅ Verwenden Sie vor dem Deployment den Accurate-Modus
- ❌ Trainieren Sie nicht mit unscharfen, schlecht beleuchteten oder schlecht ausgerichteten Bildern