DOCUMENTACIÓN CON IA
¿Qué desea saber?
Reentrenar el modelo
Esta página explica cuándo y cómo reentrenar tu AI model en el sistema OV10i, ya sea que uses Classification o Segmentation, para mantener las inspecciones precisas a medida que cambian las piezas o las condiciones de producción.
Vea este tema en acción: OV Auto-Defect Creator Studio
El rendimiento de IA depende de la relevancia de los datos de entrenamiento. Reentrene cuando las piezas, condiciones o requisitos de inspección evolucionen.
¿Cuándo debería reentrenarse?
El reentrenamiento garantiza que el modelo siga el ritmo de las realidades de la producción. Aplica estas pautas tanto a proyectos de Classification como de Segmentation.
Reentrene si:
- Está inspeccionando un nuevo SKU o variante de pieza
- Sus requisitos de inspección han cambiado (p. ej., ahora detecta defectos de superficie o grasa)
- Ha cambiado el fixture, robot, o presentación de la pieza
- La iluminación ha cambiado significativamente (p. ej., reflexiones, ángulo, intensidad)
- La precisión ha caído — 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 imágenes de muestra nuevas 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 un modo, optimizado para la precisión
- Classification:
-
Ejecute el entrenamiento dentro de la interfaz de Recipe
-
Revise las salidas del modelo y pruebe inspecciones en vivo
-
Despliegue el nuevo modelo cuando la confianza y la cobertura cumplan las expectativas
Guía rápida del tipo de modelo
| Tipo de Modelo | Mejor para | Modos de Entrenamiento | Salida |
|---|---|---|---|
| Classification | Bueno/Malo o decisiones de estado discreto | Rápido, Preciso | Clase de toda la imagen o ROI |
| Segmentation | Defecto a nivel de píxel o mapeo de región | Sólo Preciso | 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 cobertura de espuma | Segmentation |
Mejores prácticas para el reentrenamiento
- ✅ Siempre use imágenes de producción frescas
- ✅ Incluya una mezcla de casos de aprobación y fallo, especialmente casos límite
- ✅ Use al menos 30–50 imágenes por clase (Classification)
- ✅ Asegúrese de que los límites de ROI o máscaras coincidan con la disposición de la pieza
- ✅ Use el modo Accurate antes del despliegue
- ❌ No entrene con imágenes borrosas, con poca iluminación o desalineadas