Reentrenar el Modelo
Esta página explica cuándo y cómo reentrenar su modelo de IA en el sistema OV80i, ya sea que esté usando Classification o Segmentation, para mantener las inspecciones precisas a medida que cambian las piezas o las condiciones de producción.
El rendimiento de IA depende de la relevancia de los datos de entrenamiento. Realice el reentrenamiento cuando las piezas, las condiciones o los requisitos de inspección evolucionen.
¿Cuándo debe reentrenarse?
El reentrenamiento garantiza que el modelo se adapte a la realidad de la producción. Aplique estas directrices tanto a proyectos de Classification como de Segmentation.
Reentrenar si:
- Está inspeccionando un nuevo SKU o variante de pieza
- Sus requisitos de inspección han cambiado (p. ej., ahora detectando defectos de superficie o grasa)
- Ha cambiado el fixture, el robot o la presentación de la pieza
- La iluminación ha cambiado significativamente (p. ej., reflejos, ángulo, intensidad)
- La precisión ha caído — más falsos positivos/negativos
- Necesita umbrales de confianza más ajustados o resultados más precisos
- El modelo muestra signos de sobreajuste o falta de generalización adecuada
Cómo reentrenar (para ambos tipos de modelo)
-
Capturar nuevas imágenes de muestra desde su configuración de producción actual
-
Para Classification: Etiquete imágenes o ROIs con nombres de clase
Para Segmentation: Dibuje máscaras a nivel de píxel en defectos (o regiones buenas/malas)
-
Elija el modo de entrenamiento apropiado:
- Classification:
- Fast – para pruebas o iteración rápidas
- Accurate – para uso en producción
- Segmentation:
- Accurate – Solo un modo, optimizado para la precisión
- Classification:
-
Ejecutar el entrenamiento dentro de la interfaz Recipe
-
Revisar las salidas del modelo y probar inspecciones en vivo
-
Despliegue el nuevo modelo cuando la confianza y la cobertura cumplan con las expectativas
Guía rápida del tipo de modelo
| Tipo de Modelo | Mejor para | Modos de Entrenamiento | Salida |
|---|---|---|---|
| Classification | Bueno/Malo o decisiones de estado discretas | Fast, Accurate | Clase de la imagen completa o ROI |
| Segmentation | Defecto a nivel de píxel o mapeo de región | Accurate only | Máscara etiquetada (áreas resaltadas) |
Casos de uso de ejemplo
| Ejemplo | Tipo de Modelo |
|---|---|
| Detección de pernos faltantes | Classification |
| Verificación de rayones o abolladuras | Segmentation |
| Verificar presencia de grasa | Classification o Segmentation (depende de la precisión necesaria) |
| Medición de la cobertura de espuma | Segmentation |
Mejores Prácticas para el Reentrenamiento
- ✅ Siempre use imágenes de producción frescas
- ✅ Incluya una mezcla de casos de aprobación y rechazo, especialmente casos límite
- ✅ Use al menos 30–50 imágenes por clase (Classification)
- ✅ Asegúrese de que los límites de ROI o máscaras coincidan con la geometría de la pieza
- ✅ Use el modo Accurate antes de la implementación
- ❌ No entrene con imágenes borrosas, con poca iluminación o desalineadas