Clasificador vs. Segmentador

Esta es la pregunta más común al crear una receta. Aquí hay un marco claro.

Véalo en acción — análisis interactivos detallados

Para explicaciones visuales con simuladores interactivos, diagramas y un entorno práctico para cada tipo de modelo, consulte:

• Entendiendo el Clasificador — cómo se anidan los Tipos, las Clases y las ROIs; un entorno interactivo de clasificador en vivo
• Entendiendo el Segmentador — máscaras a nivel de píxel, paletas, conteo y medición; un entorno interactivo de segmentador estilo pintura

Clasificador

Un clasificador examina cada recorte de ROI y lo asigna a una categoría: aprobado, rechazado, presente, ausente, rayado, bueno, o cualquier clase que usted defina.

Piense en ello como clasificar cartas en montones. La AI mira todo el recorte y dice "esto va en el montón de aprobados" o "esto va en el montón de rechazados."

Use un clasificador cuando:

• Necesite decisiones de aprobado/rechazado o de múltiples clases
• Sus ROIs sean lo suficientemente pequeñas para mostrar claramente el defecto
• La velocidad de etiquetado sea importante (los clasificadores son mucho más rápidos para etiquetar)
• Esté verificando la presencia/ausencia de una característica
• Ejemplos: tornillo presente/ausente, conector asentado/no asentado, etiqueta correcta/incorrecta

Para un recorrido más profundo con el entorno interactivo, lea Entendiendo el Clasificador.

¿Necesita imágenes de entrenamiento?

Use el Defect Creator Studio para generar imágenes sintéticas fotorrealistas de defectos para cualquiera de los dos enfoques — describa el defecto en inglés sencillo y obtenga imágenes listas para entrenamiento en segundos.

Modos de Entrenamiento

La Clasificación ofrece dos enfoques de entrenamiento distintos:

Clasificador Rápido

• Propósito: Configuración y pruebas rápidas
• Caso de Uso: Prototipado rápido y prueba de concepto
• Velocidad: Tiempo de entrenamiento más rápido
• Precisión: Menor precisión
• Listo para Producción: No recomendado para producción

Clasificador Preciso/de Producción

• Propósito: Inspecciones listas para producción
• Caso de Uso: Implementación final y manufactura
• Velocidad: Tiempo de entrenamiento más largo
• Precisión: Mayor precisión
• Listo para Producción: Modelo de entrenamiento principal para los mejores resultados

Ejemplos de Clasificación en Producción

Detección de Tuerca Floja (Ensamble OEM)

Tarea: Identificar tuercas flojas en ensambles mecánicos

Configuración:

• ROI: Rectángulo alrededor del área de la tuerca
• Clases:
  • Bueno - Tuerca correctamente apretada (Aprobar 100%)
  • Defecto - Tuerca floja (Fallar 98%)

Resultado: Decisión binaria - la tuerca está correctamente asentada o floja

Verificación de Asentamiento de Eje (Ensamble OEM)

Tarea: Identificar ejes parcialmente asentados

Configuración:

• ROI: Rectángulo cubriendo el área de montaje del eje
• Clases:
  • Bueno - Eje completamente asentado
  • Defecto - Eje parcialmente asentado
  • Defecto - Eje completamente fuera

Resultado: El componente se categoriza como instalado correctamente o defectuoso

Inspección de Pines Doblados (Fabricación de Proveedor T1)

Tarea: Verificar pines doblados

Configuración:

• ROI: Rectángulo cubriendo la matriz de pines del radiador
• Clases:
  • Bueno - Pin sin daño (Recto)
  • Defecto - Pines doblados/dañados (Doblado)

Resultado: El clasificador diferencia entre un pin bueno y uno defectuoso

Segmentador

Un segmentador examina cada recorte de ROI a nivel de píxel e identifica exactamente qué píxeles pertenecen a un defecto.

Piénselo como resaltar con un marcador. La AI marca exactamente dónde está el defecto, no solo si existe uno.

Use un segmentador cuando:

• Necesite localización de defectos a nivel de píxel (¿dónde exactamente está el rayón?)
• Necesite medir el tamaño o área del defecto
• Sus ROIs necesiten ser grandes pero esté buscando defectos pequeños
• Necesite contar múltiples defectos en una región
• Ejemplos: rayones superficiales, manchas, grietas, calidad de soldadura, mediciones dimensionales

Entrene segmentadores a la misma escala a la que inspeccionará

Un segmentador solo aprende el tamaño y textura de los defectos que se le mostraron. Entrénelo con contaminantes pequeños y una pieza grande del mismo defecto puede llegar a la línea con solo sus bordes o parches dispersos resaltados — la mayor parte del defecto queda sin enmascarar. La solución es incluir ejemplos de entrenamiento que abarquen el rango completo de tamaños de defectos que espera. ¿No tiene muestras de defectos grandes? Use el Defect Creator Studio para generar muestras sintéticas.

Para un recorrido más detallado con el playground interactivo, lea Understanding Segmenter.

Modo de entrenamiento

La Segmentación utiliza un solo modo de entrenamiento:

Accurate/Production Only

• Propósito: Análisis a nivel de píxel listo para producción
• Entrenamiento: Modo único de alta precisión
• Velocidad: Mayor tiempo de entrenamiento para una clasificación precisa de píxeles
• Precisión: Alta precisión para el mapeo detallado de defectos
• Listo para producción: Optimizado para entornos de manufactura

Ejemplos de Segmentación en producción

Detección de defectos superficiales (T1 Supplier Assembly)

Tarea: Identificar derrame de pegamento

Configuración:

• ROI: Rectángulo alrededor de la superficie de la válvula
• Clases de píxeles:
  • Pegamento (píxeles amarillos)

Resultado: Los resaltados amarillos muestran exactamente lo que el modelo de AI detectó como defectos, con las imágenes en bruto mostradas como referencia

Medición del tamaño de la separación (T1 Supplier Assembly)

Tarea: Verificar que la separación de la inspección tenga el tamaño correcto

Configuración:

• ROI: Rectángulo alrededor del área de separación
• Lógica de medición: Condición de aprobación basada en los valores del área en píxeles
• Clases:
  • Píxel azul que enseña cómo se ve la distancia
  • Bueno - Área <100 píxeles (Aprobar)
  • Defecto - Área > 100 píxeles (Fallar)

Resultado: Medición precisa del tamaño de la separación con conteo exacto de píxeles

Detección de salpicaduras de pintura

Tarea: Identificar salpicaduras de pintura en una superficie

Configuración:

• ROI: Rectángulo alrededor de la región de interés (ROI)
• Clases de píxeles:
  • Píxel amarillo para enseñar cómo se ve la pintura

Resultado: Detección a nivel de píxel de salpicaduras de pintura

Inspección simultánea de múltiples características

Un segmentador puede inspeccionar múltiples características a la vez definiendo clases de píxeles separadas. Por ejemplo, puede entrenar un único segmentador para detectar rayones (clase 1), abolladuras (clase 2) y manchas (clase 3) en la misma ROI. Cada clase se entrena de forma independiente pintando los píxeles de ese tipo de defecto con una etiqueta diferente. El segmentador identifica todos los tipos de defectos en una sola pasada, reportando qué píxeles pertenecen a qué clase.

Esto es diferente de la Clasificación, donde toda la ROI recibe una sola etiqueta. Con la Segmentación, múltiples tipos de defectos pueden coexistir en la misma imagen y cada uno obtiene su propia máscara a nivel de píxel.

Comparación

Aspecto	clasificador	segmentador
Qué le indica	Categoría (aprobado/rechazado/etc.)	Píxeles exactos del defecto
Esfuerzo de etiquetado	Bajo: seleccionar una clase por imagen	Alto: pintar los píxeles del defecto
Datos necesarios	10-15 imágenes por clase para comenzar	Similar, pero el etiquetado toma más tiempo
Tamaño del ROI	Funciona mejor con ROIs pequeños	Maneja mejor ROIs más grandes
Mejor para	Presencia/ausencia, decisiones de categoría	Rayones, manchas, mediciones, detección a nivel de píxel

Rendimiento del Tiempo de Ciclo

Tipo de Modelos	Velocidad de Inspección	Mejor Caso de Uso
Segmentación	Más rápido	Líneas de producción de alta velocidad
Clasificación (Precisa)	Más lento	Inspecciones críticas de calidad
Clasificación (Rápida)	Medio	Pruebas y prototipado

nota

Los modelos de Segmentación proporcionan los tiempos de ciclo de inspección más rápidos, lo que los hace ideales para entornos de producción de alto rendimiento.

Cuándo Elegir Cada Modelos

Elija Clasificación Cuando:

• Necesita una categorización simple de bueno/malo
• Todo el ROI puede etiquetarse como una de varias clases
• La evaluación de la condición general es suficiente
• Se esperan ubicaciones fijas de defectos
• Quiere un etiquetado más rápido durante la configuración

Mejor para: Decisiones Go/No-Go, presencia/ausencia de componentes, evaluación general de calidad

Elija Segmentación Cuando:

• Los defectos pueden aparecer en cualquier lugar del área de inspección
• Necesita medir el tamaño o el área de los defectos
• Pueden existir múltiples tipos de defectos en una imagen
• Se requiere mapeo preciso de ubicación
• Los tiempos de ciclo más rápidos son críticos para la producción

Mejor para: Defectos de superficie, mediciones de espacios, verificación de cobertura, fallas de ubicación variable

En caso de duda, comience con un clasificador

Los clasificadores son más rápidos de configurar, necesitan menos imágenes de entrenamiento y funcionan bien para la mayoría de las inspecciones de aprobado/rechazado. Cambie a un segmentador solo si necesita detalle a nivel de píxel, medición de defectos o necesita detectar defectos pequeños dentro de un área de inspección grande.

Los segmentadores requieren más tiempo de configuración

Los segmentadores requieren anotación a nivel de píxel durante el etiquetado, lo que toma significativamente más tiempo que el etiquetado de un clasificador. Considere tiempo adicional para la configuración inicial en comparación con los clasificadores. Si tiene muchas regiones por etiquetar, la inversión de tiempo se acumula rápidamente.

El límite de procesamiento de 512x512 píxeles

Tanto los clasificadores como los segmentadores procesan recortes de ROI a una resolución máxima de 512x512 píxeles. Cualquier ROI más grande que esto se reduce antes de que la AI lo procese, lo que significa que los defectos pequeños pueden volverse invisibles. Mantenga sus ROIs lo más pequeños posible para preservar el detalle, o use un segmentador si necesita cubrir un área más grande mientras sigue detectando defectos finos.

La zona de superposición

Existe una superposición genuina. Muchas inspecciones podrían funcionar con cualquiera de los dos enfoques. Si no está seguro:

1. Comience con un clasificador. Es más simple de configurar y más rápido de etiquetar
2. Si encuentra que el clasificador no es lo suficientemente preciso (no puede detectar defectos pequeños en áreas grandes, o necesita medición), cambie a un segmentador
3. Pregunte al AI Assistant en tools.overview.ai. Describa su aplicación y le recomendará el mejor enfoque

Resumen del Modo de entrenamiento

Modo de entrenamiento	Tipo de Modelos	Listo para producción	Notas
Fast Classifier	Clasificación	No	Configuración rápida para pruebas y prototipos
Accurate Classifier	Clasificación	Sí	Listo para producción con mayor precisión
Accurate Segmenter	Segmentación	Sí	Modo único de alta precisión optimizado para producción

OV20i vs OV80i

• OV20i: Elija uno por receta, ya sea un clasificador o un segmentador
• OV80i: Soporte multi-modelo. Combine ambos en una sola receta para la misma captura