创建您的第一个分类程序

按照 创建您的第一个程序 中的步骤配置成像设置、模板图像和对齐以及检测设置后，按照以下步骤训练分类模型。

分类模块

在本节中，您将捕获多个物体图像，并对检测区域（ROI）进行标注（分类）以训练模型。每个类别至少需要五张图像。默认类别为“通过”和“失败”，您可以重命名或添加其他类别。

1. 在检测设置页面，使用面包屑菜单选择 Classification Block。或者，从程序编辑器中选择 Classification Block。

   

   注意

   预览窗格（左侧）显示实时预览，直到捕获图像或通过导航菜单选择图像。

2. 在检测类型下，点击 Edit 以重命名默认类别或添加额外类别。确定所有需要相机识别的类别后，继续下一步。
   

3. 确保物体位于相机视野内，然后选择 Capture。
   

4. 图像上将出现一个检测区域（ROI）。点击该ROI以循环切换不同类别，并选择适用于此图像的类别（默认类别为通过或失败）。

   

5. 将同一物体的另一个示例放入相机视野内，并重复步骤 3 和 4，直到为每个类别（默认通过或失败）添加至少五个标注示例。
   

   提示

   如果每张图像有所不同（避免重复相同的图像），模型的准确性会更高。
   
   仔细检查每张捕获的图像是否正确标注，因为这些标签将用于训练模型。

6. 继续到 IO模块.

注意

有关分类模块页面的更多信息，请参见 分类块.

IO模块

在本节中，您将定义程序的通过/失败逻辑。对于这个简单的示例，我们将设置逻辑，使得ROI必须被分类为“通过”，才能使捕获结果为通过。其他示例请参见 IO块和Node-RED逻辑.

1. 在分类模块页面，使用面包屑菜单选择 IO Block。或者，从程序编辑器中选择 Configure IO。

   

   

2. 双击 Classification Block Logic 以打开编辑标签。

   

3. 点击标签底部的 + add。
   

4. 在检测区域 / ROI下，从下拉菜单中选择您希望基于其设置通过/失败逻辑的相关ROI。
   

5. 在目标类别下，从下拉菜单中选择您希望逻辑视为“通过”的类别（默认情况下，这将是 pass_[Inspection Type Name]）。

   

6. 点击 Done。
   

7. 点击 Deploy。
   

8. 继续到 训练分类模型.

注意

有关IO模块页面的更多信息，请参见 IO块和Node-RED逻辑.

训练分类模型

在本节中，您将使用之前标注的图像来训练模型。

1. 在IO模块页面，使用面包屑菜单选择 Classification Block。 或者，从程序编辑器中选择 Classification Block。

   

2. 点击 Train Classification Model。
   

3. 根据您可用的时间和对模型准确度的要求，选择 Fast 或 Accurate。
   

   注意

   快速选项非常适合测试概念验证。它速度更快，但通常准确度较低，且未经过优化。对于生产环境，建议使用准确选项。

   
   

4. 使用字段右侧的箭头调整迭代次数，设置标注图像展示给模型的次数，以帮助模型学习。
   

   注意

   增加迭代次数可以提高模型的准确性，但也会增加训练时间。

5. 点击 Start Training。一个弹窗将显示训练的进度。

6. 模型训练完成后，使用 Live Preview Mode 或 HMI 标签页验证程序的功能。将不同示例的物体放入相机视野中，并验证模型是否正确分类每个示例。