AI-POWERED DOCS
What do you want to know?
Classifier so với Segmenter
Đây là câu hỏi phổ biến nhất khi tạo một recipe. Đây là một framework rõ ràng.
Để có giải thích trực quan với trình mô phỏng tương tác, sơ đồ và sân chơi thực hành cho mỗi loại model, hãy xem:
- Understanding Classifier — cách Types, Classes và ROIs lồng nhau; một sân chơi classifier trực tiếp
- Understanding Segmenter — mặt nạ ở cấp độ pixel, bảng màu, đếm và đo lường; một sân chơi segmenter kiểu vẽ
Classifier
Một classifier xem xét mỗi ROI crop và gán nó vào một danh mục: pass, fail, present, absent, scratched, good, hoặc bất kỳ class nào bạn xác định.
Hãy tưởng tượng nó giống như phân loại thẻ thành các chồng. AI xem xét toàn bộ crop và nói "cái này thuộc chồng pass" hoặc "cái này thuộc chồng fail."
Sử dụng classifier khi:
- Bạn cần quyết định pass/fail hoặc đa class
- Các ROI của bạn đủ nhỏ để thể hiện rõ khuyết tật
- Tốc độ gán nhãn quan trọng (classifier gán nhãn nhanh hơn nhiều)
- Bạn đang kiểm tra sự hiện diện/vắng mặt của một đặc điểm
- Ví dụ: ốc vít có/không, đầu nối đã cắm/chưa cắm, nhãn đúng/sai
Để có hướng dẫn chi tiết hơn với sân chơi tương tác, đọc Understanding Classifier.
Segmenter
Một segmenter kiểm tra mỗi ROI crop ở cấp độ pixel và xác định chính xác những pixel nào thuộc về khuyết tật.
Hãy tưởng tượng nó giống như đánh dấu bằng bút highlighter. AI khoanh chính xác vị trí khuyết tật, không chỉ đơn thuần là có khuyết tật hay không.
Sử dụng segmenter khi:
- Bạn cần xác định vị trí khuyết tật ở cấp độ pixel (vết xước nằm chính xác ở đâu?)
- Bạn cần đo kích thước hoặc diện tích khuyết tật
- ROI của bạn cần lớn nhưng bạn đang tìm kiếm các khuyết tật nhỏ
- Bạn cần đếm nhiều khuyết tật trong một khu vực
- Ví dụ: vết xước bề mặt, vết bẩn, vết nứt, chất lượng mối hàn, đo lường kích thước
Một segmenter chỉ học kích thước và kết cấu của các khuyết tật mà nó được cho xem. Huấn luyện nó với các tạp chất nhỏ và một mảng lớn của cùng khuyết tật đó có thể xuất hiện trên dây chuyền với chỉ các cạnh hoặc các mảng rời rạc được làm nổi bật — phần lớn của khuyết tật không được mask. Cách khắc phục là bao gồm các ví dụ huấn luyện trải dài toàn bộ phạm vi kích thước khuyết tật mà bạn dự đoán. Không có mẫu khuyết tật lớn? Sử dụng Defect Creator Studio để tạo các mẫu tổng hợp.
Để có hướng dẫn chi tiết hơn với sân chơi tương tác, đọc Understanding Segmenter.
So Sánh
| Khía cạnh | Classifier | Segmenter |
|---|---|---|
| Cho bạn biết điều gì | Danh mục (pass/fail/v.v.) | Pixel chính xác của khuyết tật |
| Công sức gán nhãn | Thấp: chọn một class cho mỗi hình ảnh | Cao: vẽ các pixel khuyết tật |
| Dữ liệu cần thiết | 10-15 hình ảnh mỗi class để bắt đầu | Tương tự, nhưng việc gán nhãn mất nhiều thời gian hơn |
| Kích thước ROI | Hoạt động tốt nhất với ROI nhỏ | Xử lý ROI lớn hơn tốt hơn |
| Tốc độ | Nhanh | Cũng nhanh tương đương khi được tối ưu hóa |
| Phù hợp nhất cho | Sự hiện diện/vắng mặt, quyết định danh mục | Vết xước, vết bẩn, đo lường, phát hiện ở cấp độ pixel |
Vùng chồng lấp
Có sự chồng lấp thực sự. Nhiều cuộc kiểm tra có thể hoạt động với cả hai phương pháp. Nếu bạn không chắc chắn:
- Bắt đầu với một classifier. Nó đơn giản hơn để thiết lập và nhanh hơn để gán nhãn
- Nếu bạn thấy classifier không đủ chính xác (không thể phát hiện khuyết tật nhỏ trong các khu vực lớn, hoặc bạn cần đo lường), hãy chuyển sang segmenter
- Hỏi AI Assistant tại tools.overview.ai. Mô tả ứng dụng của bạn và nó sẽ đề xuất phương pháp tốt nhất
Sử dụng Defect Creator Studio để tạo các hình ảnh khuyết tật tổng hợp chân thực cho cả hai phương pháp — mô tả khuyết tật bằng tiếng Anh đơn giản và nhận được hình ảnh sẵn sàng để huấn luyện trong vài giây.
OV20i so với OV80i
- OV20i: Chọn một cho mỗi recipe, hoặc là classifier hoặc segmenter
- OV80i: Hỗ trợ đa model. Kết hợp cả hai trong một recipe duy nhất cho cùng một lần chụp