Entrenar un segmentador

Esta guía le muestra cómo configurar y ajustar la función de segmentación del OV80i para detectar, medir y analizar automáticamente características específicas o defectos en sus piezas. Utilice la Segmentación cuando necesite identificar formas irregulares, medir áreas o detectar patrones específicos que no puedan manejarse con una simple Clasificación.

Guía en Video

Vea este tema en acción: Cómo crear una receta de segmentación en minutos

Cuándo Usar la Segmentación: Defectos superficiales, derrames de fluidos, formas irregulares, mediciones de áreas, detección de patrones o cualquier característica donde se requiera precisión a nivel de píxel.

Antes de Comenzar

Lo Que Necesitará

• Sistema de cámara OV80i configurado y conectado
• Piezas de prueba con características que desee segmentar (por ejemplo, hojas con marcas de lápiz)
• Buenas condiciones de iluminación para su aplicación específica
• 15-20 imágenes de muestra para entrenamiento

Paso 1: Crear una Receta de Segmentación

1.1 Iniciar Nueva Receta

1. Navegue a la página Todas las Recetas
2. Haga clic en + Nueva Receta (esquina superior derecha)

3. Ingrese el Nombre de la Receta: Use un nombre descriptivo como "Deteccion_Marca_Lapiz" o "Segmentacion_Defecto_Superficial"
4. Seleccione el Tipo de Receta: Elija "Segmentación" en el menú desplegable
5. Haga clic en OK para crear

1.2 Activar la Receta

1. Busque su receta en la lista (se muestra como "Inactiva")
2. Haga clic en Activar
3. Haga clic en Activar e ir al editor para confirmar e iniciar el editor de recetas

✅ Resultado: La receta ahora está "Activa" con el editor de recetas mostrado.

Paso 2: Configurar los Ajustes de la Cámara

2.1 Abrir la Configuración de Imagen

1. Haga clic en Configurar Imagen (lado inferior izquierdo)

2.2 Optimizar el Enfoque para la Segmentación

El enfoque es fundamental para una detección precisa de bordes:

1. Posicione su pieza de prueba en la vista de la cámara
2. Gire el anillo de enfoque del lente hasta que los bordes estén nítidos y claros
3. Pruebe con diferentes piezas para asegurar un enfoque consistente en todo su rango

tip

• Enfoque en la superficie donde aparecerán los defectos/características
• Asegúrese de que toda el área de interés esté enfocada con nitidez
• Un ligero sobreenfoque es preferible a un enfoque suave para la Segmentación

2.3 Establecer la Exposición Óptima

Una exposición adecuada garantiza una detección consistente de características:

1. Ajuste la Exposición para una iluminación equilibrada
2. Evite áreas sobreexpuestas (regiones de blanco puro)
3. Asegúrese de que las características sean visibles con buen contraste

Directrices de Exposición para Segmentación:

• Las características deben tener un contraste claro con el fondo
• Evite sombras que puedan confundirse con defectos
• Pruebe con diversas condiciones de las piezas (limpias, sucias, desgastadas)

2.4 Configurar el Patrón de Iluminación LED

Elija la iluminación según lo que esté segmentando:

Tipo de Característica	Iluminación Recomendada	Por Qué
Defectos superficiales	Campo brillante	La iluminación uniforme muestra irregularidades en la superficie
Rayones/grietas	Iluminación lateral	Crea sombras que resaltan defectos lineales
Características elevadas	Campo oscuro	Hace que las áreas elevadas destaquen del fondo
Derrames de líquido	Iluminación lateral	Muestra diferencias en la textura de la superficie

2.5 Ajustar Gamma para Mejorar las Características

1. Aumente Gamma para mejorar el contraste entre las características y el fondo
2. Pruebe diferentes valores mientras visualiza sus características objetivo
3. Encuentre la configuración que haga las características más distinguibles

2.6 Guardar Configuración

1. Revise las configuraciones en la vista previa en vivo
2. Haga clic en Save Imaging Settings

✅ Punto de control: Las características deben ser claramente visibles con buen contraste.

Paso 3: Configurar Plantilla y Alineación

3.1 Navegar a la Sección de Plantilla

Haga clic en "Template Image and Alignment" en el menú de navegación

3.2 Configurar Alineación (Opcional)

Para este ejemplo, omitiremos la alineación:

1. Seleccione Skip Aligner si las piezas están posicionadas de manera consistente
2. Haga clic en Save

Cuándo Usar el alineador: Actívelo cuando las piezas lleguen en posiciones u orientaciones variables que afectarían la precisión de la Segmentación.

Paso 4: Definir la Región de Inspección

4.1 Navegar a la Configuración de Inspección

Haga clic en "Inspection Setup" en el menú de navegación

4.2 Establecer la región de interés (ROI)

La ROI define dónde ocurrirá la Segmentación:

1. Coloque una pieza de prueba en la vista de la cámara
2. Arrastre las esquinas de la ROI para enmarcar el área de inspección
3. Dimensione la ROI adecuadamente:
   • Incluya todas las áreas donde puedan aparecer las características
   • Excluya regiones de fondo innecesarias
   • Deje un pequeño margen alrededor de las ubicaciones esperadas de las características

4.3 Mejores Prácticas de ROI para Segmentación

Hacer	No hacer
Cubrir toda la superficie de inspección	Incluir objetos de fondo irrelevantes
Dejar espacio de margen alrededor de los bordes	Hacer la ROI demasiado pequeña para la variación de características
Considerar la variación en el posicionamiento de las piezas	Superponer con fijaciones o herramientas
Probar con las características más grandes esperadas	Incluir áreas con marcas permanentes

4.4 Guardar Configuraciones de ROI

1. Verifique que la ROI cubra todas las áreas objetivo
2. Haga clic en Save

Paso 5: Etiquetar Datos de Entrenamiento

5.1 Navegar a Etiquetar y Entrenar

Haga clic en "Label And Train" en el menú de navegación

5.2 Configurar la Clase de Inspección

1. Haga clic en Edit bajo Inspection Types
2. Renombre la clase para que coincida con su característica (p. ej., "Pencil Mark", "Surface Defect", "Spill Area")
3. Elija el color de la clase para identificación visual
4. Guarde los cambios

5.3 Capturar y Etiquetar Imágenes de Entrenamiento

Necesita un mínimo de 10 imágenes etiquetadas, pero se recomiendan de 15 a 20:

Proceso de Captura de imágenes

1. Coloque la primera pieza de prueba en el área de inspección
2. Tome una imagen usando la interfaz de la cámara
3. Use la herramienta Brush para pintar sobre las características objetivo
4. Pinte con precisión:
   • Cubra toda el área de la característica
   • Mantente dentro de los límites de la característica
   • No pinte áreas de fondo
   • Utilice un enfoque de etiquetado consistente
5. Haga clic en Save Annotations
6. Repita con la siguiente pieza

Mejores Prácticas de Etiquetado

Buen Etiquetado	Etiquetado Deficiente
Límites precisos de características	Pintado descuidado de bordes
Definición consistente de características	Criterios inconsistentes
Cobertura completa de características	Áreas de características faltantes
Fondo limpio (sin pintar)	Pintado accidental del fondo

5.4 Variedad de Datos de Entrenamiento

Asegúrese de que su conjunto de entrenamiento incluya:

• Diferentes tamaños de características
• Diversas intensidades de características
• Múltiples ubicaciones dentro de la ROI
• Diferentes condiciones de iluminación (si aplica)
• Casos extremos y ejemplos limítrofes

5.5 Verificación de Calidad de los Datos de Entrenamiento

1. Revise todas las imágenes etiquetadas
2. Verifique un enfoque de etiquetado consistente
3. Elimine cualquier ejemplo etiquetado incorrectamente
4. Agregue más ejemplos si es necesario

Paso 6: Entrenar el Modelo de Segmentación

6.1 Iniciar el Proceso de Entrenamiento

1. Haga clic en Return to Live cuando el etiquetado esté completo
2. Haga clic en Train Segmentation Model

6.2 Configurar los Parámetros de Entrenamiento

1. Establezca el Número de Iteraciones:
   • Entrenamiento rápido: 50-100 iteraciones (5-10 minutos)
   • Calidad de producción: 200-500 iteraciones (15-30 minutos)
   • Alta precisión: 500+ iteraciones (30+ minutos)
2. Haga clic en Start Training

6.3 Monitorear el Progreso del Entrenamiento

El progreso del entrenamiento muestra:

• Número de iteración actual
• Porcentaje de precisión del entrenamiento
• Tiempo estimado de finalización

Controles de Entrenamiento:

• Abort Training: Detener si surgen problemas
• Finish Training Early: Detener cuando la precisión sea suficiente

tip

• 85% de precisión suele ser bueno para producción
• El entrenamiento se detiene automáticamente al alcanzar la precisión objetivo
• Más datos de entrenamiento suelen ser mejores que más iteraciones

Paso 7: Probar el Rendimiento de la Segmentación

7.1 Acceder a la Vista Previa en Vivo

1. Haga clic en Live Preview después de que se complete el entrenamiento
2. Pruebe con varias piezas:
   • Piezas buenas conocidas (deberían mostrar poca o ninguna segmentación)
   • Piezas defectuosas conocidas (deberían resaltar los defectos)
   • Casos extremos y ejemplos limítrofes

7.2 Evaluar los Resultados

Verifique la calidad de la segmentación:

Métrica	Buen Rendimiento	Necesita Mejora
Precisión	Encuentra características reales de manera consistente	Pasa por alto características obvias
Exactitud	Pocos falsos positivos	Muchas áreas de fondo resaltadas
Calidad de Bordes	Límites limpios y precisos	Bordes irregulares o inexactos
Consistencia	Resultados similares en pruebas repetidas	Resultados altamente variables

7.3 Solución de Problemas de Resultados Deficientes

Problema	Causa Probable	Solución
Características faltantes	Datos de entrenamiento insuficientes	Agregar más ejemplos etiquetados
Falsos positivos	Iluminación/contraste deficiente	Mejorar la configuración de imagen
Bordes irregulares	Calidad de imagen deficiente	Mejorar el enfoque/iluminación
Resultados inconsistentes	Variedad de entrenamiento inadecuada	Agregar ejemplos más diversos

Paso 8: Configurar la lógica de aprobado/rechazado

8.1 Acceder al Bloque IO

1. Asegúrese de que el modelo de AI aparezca en verde (estado entrenado)
2. Navegue al Bloque IO mediante el menú de navegación (breadcrumb)

8.2 Eliminar la lógica predeterminada

1. Elimine el nodo Classification Block Logic
2. Prepárese para construir la lógica de segmentación personalizada

8.3 Construir el flujo de Segmentación

Cree un flujo de Node-RED con estos componentes:

1. Arrastre los nodos desde el panel izquierdo:
   • Nodo Function (para la lógica)
   • Nodo Debug (para pruebas)
   • Nodo final Pass/Fail
2. Conecte los nodos con cables

8.4 Configurar la lógica según sus necesidades

Opción A: Aprobar si no se detectan defectos

Caso de uso: Inspección de calidad donde cualquier característica detectada es un rechazo

Código del nodo Function:

const allBlobs = msg.payload.segmentation.blobs;
const results = allBlobs.length <1; // Pass if no features found
msg.payload = results;
return msg;

Opción B: Aprobar solo si hay defectos pequeños

Caso de uso: Aceptar defectos menores por debajo del umbral de tamaño

Código del nodo Function:

const threshold = 500; // Adjust pixel count threshold
const allBlobs = msg.payload.segmentation.blobs;
const allUnderThreshold = allBlobs.every(blob => blob.pixel_count < threshold);
msg.payload = allUnderThreshold;
return msg;

Opción C: Aprobar si el área total de defectos es pequeña

Caso de uso: Aceptar piezas con un área total de defectos limitada

Código del nodo Function:

const threshold = 5000; // Adjust total pixel threshold
const allBlobs = msg.payload.segmentation.blobs;
const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_count, 0);
msg.payload = totalArea < threshold;
return msg;

8.5 Configurar el nodo Function

1. Haga doble clic en el nodo Function
2. Copie el código apropiado de los ejemplos anteriores
3. Péguelo en la pestaña "On Message"
4. Ajuste los valores de umbral para su aplicación
5. Haga clic en Done

8.6 Desplegar y probar la lógica

1. Haga clic en Deploy para activar la lógica
2. Navegue al HMI para realizar pruebas
3. Pruebe con piezas conocidas buenas y malas
4. Verifique que los resultados de aprobado/rechazado coincidan con las expectativas

Paso 9: Validación en producción

9.1 Pruebas exhaustivas

Pruebe el sistema de Segmentación con:

Caso de prueba	Resultado esperado	Acción si falla
Piezas limpias	Aprobar (sin Segmentación)	Ajustar umbrales o reentrenar
Defectos menores	Aprobar/Rechazar según sus criterios	Refinar los parámetros de lógica
Defectos mayores	Fallar (Segmentación clara)	Verificar la precisión del modelo
Casos límite	Comportamiento consistente	Agregar datos de entrenamiento

9.2 Validación del rendimiento

Monitoree estas métricas:

• Tiempo de procesamiento por inspección
• Consistencia entre múltiples pruebas
• Precisión con la iluminación de producción
• Confiabilidad durante operación prolongada

9.3 Ajustes finales

Si el rendimiento no es satisfactorio:

1. Agregue más datos de entrenamiento para casos límite
2. Ajuste los valores de umbral en la lógica
3. Mejore las condiciones de imagen
4. Reentrene el modelo con iteraciones adicionales

¡Éxito! Su sistema de Segmentación está listo

Ahora cuenta con un sistema de Segmentación funcional que puede:

• Detectar automáticamente características o defectos específicos
• Medir áreas con precisión a nivel de píxel
• Aplicar lógica de aprobado/rechazado personalizada según sus requisitos
• Integrarse con sistemas de producción mediante controles de I/O

Opciones de Configuración Avanzada

Lógica de Umbral Personalizada

Para criterios de aceptación complejos, combine múltiples condiciones:

const smallThreshold = 200;
const largeThreshold = 1000;
const maxTotalArea = 3000;

const allBlobs = msg.payload.segmentation.blobs;
const smallBlobs = allBlobs.filter(blob => blob.pixel_count < smallThreshold);
const largeBlobs = allBlobs.filter(blob => blob.pixel_count > largeThreshold);
const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_c