DOCUMENTACIÓN CON IA
¿Qué desea saber?
Reentrenar el Modelo
Esta página explica cuándo y cómo reentrenar su modelo de IA en el sistema OV10i, ya sea que esté usando Classification o Segmentation, para mantener las inspecciones precisas a medida que las piezas o las condiciones de producción cambien.
Guía en Video: vea este tema en acción: OV Auto-Defect Creator Studio
El rendimiento de la IA depende de la relevancia de los datos de entrenamiento. Reentrene cuando las piezas, las condiciones o los requisitos de inspección evolucionen.
¿Cuándo Debe Reentrenarse?
El reentrenamiento garantiza que el modelo se mantenga al día con la realidad de la producción. Aplique estas directrices tanto a proyectos de Classification como de Segmentation.
Reentrenar Si:
- Estás inspeccionando un nuevo SKU o variante de pieza
- Tus requisitos de inspección han cambiado (p. ej., ahora detectando defectos superficiales o grasa)
- Has cambiado el fixture, robot o la presentación de la pieza
- La iluminación ha cambiado significativamente (p. ej., reflejos, ángulo, intensidad)
- La precisión ha disminuido — más falsos positivos/negativos
- Necesita umbrales de confianza más estrictos o resultados más precisos
- El modelo muestra signos de overfitting o under-generalizing
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 adecuado:
- Classification:
- Fast – Para pruebas rápidas o iteración
- Accurate – Para uso en producción
- Segmentation:
- Accurate – Solo hay un modo, optimizado para la precisión
- Classification:
-
Ejecute el entrenamiento dentro de la interfaz Recipe
-
Revise las salidas del modelo y pruebe las inspecciones en vivo
-
Despliegue el nuevo modelo cuando la confianza y la cobertura cumplan con las expectativas
Guía Rápida del Tipo de Modelo
| Model Type | Best For | Training Modes | Output |
|---|---|---|---|
| Classification | Bueno/Malo o decisiones de estado discreto | Fast, Accurate | Clase de toda la imagen o ROI |
| Segmentation | Defecto a nivel de píxel o mapeo de región | Accurate only | Máscara etiquetada (áreas resaltadas) |
Casos de Uso de Ejemplo
| Ejemplo | Model Type |
|---|---|
| Detección de pernos faltantes | Classification |
| Verificación de rayaduras o abolladuras | Segmentation |
| Verificación de la presencia de grasa | Classification o Segmentation (según la precisión necesaria) |
| Medición de cobertura de espuma | Segmentation |
Mejores Prácticas para Reentrenar
- ✅ Siempre use imágenes de producción frescas
- ✅ Incluya una mezcla de casos de aprobación y rechazo, especialmente casos límite
- ✅ Utilice al menos entre 30–50 imágenes por clase (Classification)
- ✅ Asegúrese de que los bordes de ROI o las máscaras concuerden con la disposición de la pieza
- ✅ Use el modo Accurate antes del despliegue
- ❌ No entrene con imágenes borrosas, con poca iluminación o mal alineadas