DOCUMENTACIÓN CON IA
¿Qué desea saber?
Reentrenar el modelo
Esta página explica cuándo y cómo reentrenar su modelo AI en el sistema OV20i, ya sea que esté usando Clasificación o Segmentación, 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 AI depende de la relevancia de los datos de entrenamiento. Reentrene cuando las piezas, las condiciones o los requisitos de inspección evolucionen.
¿Cuándo debe reentrenar?
El reentrenamiento garantiza que el modelo se mantenga al día con las realidades de la producción. Aplique estas pautas tanto a proyectos de Clasificación como de Segmentación.
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 disminuido — más falsos positivos/falsos 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)
-
Capture imágenes de muestra nuevas desde su configuración de producción actual
-
Para Clasificación: Etiquete las imágenes o ROIs con nombres de clase
Para Segmentación: Dibuje máscaras a nivel de píxel en defectos (o en regiones buenas/malas)
-
Elija el modo de entrenamiento apropiado:
- Clasificación:
- Fast – Para pruebas rápidas o iteración
- Accurate – Para uso en producción
- Segmentación:
- Accurate – Solo un modo, optimizado para precisión
- Clasificación:
-
Inicie el entrenamiento dentro de la interfaz de Receta
-
Revise los resultados 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
| Tipo de Modelo | Mejor para | Modos de Entrenamiento | Salida |
|---|---|---|---|
| Clasificación | Bueno/Malo o decisiones de estado discretas | Fast, Accurate | Clase de toda la imagen o ROI |
| Segmentación | Defectos a nivel de píxel o mapeo de regiones | Accurate solo | Máscara etiquetada (áreas resaltadas) |
Casos de uso de muestra
| Ejemplo | Tipo de Modelo |
|---|---|
| Detección de tornillos faltantes | Clasificación |
| Verificación de rasguños o abolladuras | Segmentación |
| Verificación de presencia de grasa | Clasificación o Segmentación (depende de la precisión necesaria) |
| Medición de la cobertura de espuma | Segmentación |
Mejores Prácticas para el Reentrenamiento
- ✅ Siempre use imágenes de producción frescas
- ✅ Incluya una mezcla de casos de éxito y fallo, especialmente casos límite
- ✅ Use como mínimo 30–50 imágenes por clase (Clasificación)
- ✅ Asegúrese de que los límites de ROI o las 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