Clasificador vs. Segmentador

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

Véalo en acción — análisis profundos e interactivos

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, Clases y 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.

Piénselo como ordenar cartas en pilas. La AI mira todo el recorte y dice "esto va en la pila de aprobados" o "esto va en la pila 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 de 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?

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

Modos de Entrenamiento

La Clasificación ofrece dos enfoques distintos de entrenamiento:

Fast Classifier

• Propósito: Configuración y prueba 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

Accurate/Production Classifier

• 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 principal de entrenamiento para los mejores resultados

Ejemplos de Clasificación en Producción

Detección de Tuercas Sueltas (Ensamble OEM)

Tarea: Identificar tuercas sueltas en ensambles mecánicos

Configuración:

• ROI: Rectángulo alrededor del área de la tuerca
• Clases:
  • Good - Tuerca correctamente apretada (Aprobar 100%)
  • Defect - Tuerca suelta (Fallar 98%)

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

Verificación del Asentamiento del Eje (Ensamble OEM)

Tarea: Identificar ejes parcialmente asentados

Configuración:

• ROI: Rectángulo que cubre el área de montaje del eje
• Clases:
  • Good - Eje completamente asentado
  • Defect - Eje parcialmente asentado
  • Defect - Eje completamente fuera

Resultado: El componente se categoriza como correctamente instalado o defectuoso

Inspección de Aletas del Radiador (Fabricación de Proveedor T1)

Tarea: Verificar abolladuras en aletas individuales del radiador

Configuración:

• ROI: Rectángulo que cubre el arreglo de aletas del radiador
• Clases:
  • Good - Aleta sin daño (Recta)
  • Defect - Aletas dobladas/dañadas (Doblada)

Resultado: El clasificador diferencia entre una aleta buena y una mala

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 está exactamente el rayón?)
• Necesite medir el tamaño o área del defecto
• Sus ROIs deban ser grandes pero esté buscando defectos pequeños
• Necesite contar múltiples defectos en una región
• Ejemplos: rayones en superficies, manchas, grietas, calidad de soldadura, mediciones dimensionales

Entrene los segmentadores a la misma escala a la que inspeccionará

Un segmentador solo aprende el tamaño y la textura de los defectos que se le mostraron. Entrénelo con contaminantes pequeños y una pieza grande del mismo defecto puede pasar por 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 todo el rango de tamaños de defectos que espera. ¿No tiene muestras de defectos grandes? Use el Defect Creator Studio para generar unas sintéticas.

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

Modo de Entrenamiento

La Segmentación usa un único modo de entrenamiento:

Solo Preciso/Producción

• 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 un mapeo detallado de defectos
• Listo para Producción: Optimizado para entornos de manufactura

Ejemplos de Segmentación en Producción

Detección de Defectos en Superficies (Ensamble de Proveedor T1)

Tarea: Identificar derrames 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 Brecha (Ensamble de Proveedor T1)

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

Configuración:

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

Resultado: Medición precisa del tamaño de la brecha con un 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 de Múltiples Características Simultáneamente

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 cada clase.

Esto es diferente de la Clasificación, donde la ROI completa 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
Lo que 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 empezar	Similar, pero el etiquetado toma más tiempo
Tamaño de ROI	Funciona mejor con ROIs pequeñas	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 Modelo	Velocidad de Inspección	Mejor Caso de Uso
Segmentación	Más rápido	Líneas de producción de alta velocidad
Clasificación (Precisa)	Más lento	Inspecciones críticas para la 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 Modelo

Elija Clasificación Cuando:

• Necesite una categorización simple bueno/malo
• Toda la ROI pueda etiquetarse como una de varias clases
• La evaluación general del estado sea suficiente
• Se esperen ubicaciones de defectos fijas
• Desee 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 puedan aparecer en cualquier lugar del área de inspección
• Necesite medir el tamaño o área de los defectos
• Puedan existir múltiples tipos de defectos en una imagen
• Se requiera un mapeo preciso de la ubicación
• Los tiempos de ciclo más rápidos sean críticos para la producción

Mejor para: defectos superficiales, mediciones de espacios, verificación de cobertura, fallas de ubicación variable

Ante la 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. Siempre puede cambiar a un segmentador más adelante si necesita detalle a nivel de píxel. Empezar de forma sencilla le permite validar su configuración rápidamente.

Los segmentadores requieren más tiempo de configuración

Los segmentadores necesitan anotación a nivel de píxel durante el etiquetado, lo que toma significativamente más tiempo que seleccionar una clase para un clasificador. Considere tiempo adicional para la configuración y etiquetado iniciales en comparación con los clasificadores, especialmente si tiene muchas imágenes de entrenamiento.

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 mayor a esto se reduce de escala antes de que la AI lo procese, lo que significa que los defectos pequeños pueden volverse invisibles. Mantenga sus ROIs lo más pequeñas posible para preservar el detalle, o use un segmentador con una ROI más grande si necesita cubrir un área amplia y aún así detectar defectos finos.

La zona de superposición

Existe una superposición real. 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 realizar mediciones), cambie a un segmentador
3. Consulte 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. Ejecute un clasificador y un segmentador simultáneamente en la misma captura dentro de una sola receta. Por ejemplo, use una ROI de clasificador para verificar la presencia de un componente (aprobado/rechazado) mientras que una ROI de segmentador detecta defectos superficiales en la misma pieza. Ambos modelos se ejecutan en cada disparo y producen resultados independientes.