Classifier và Segmenter

Đây là câu hỏi phổ biến nhất khi tạo một recipe. Dưới đây là một khung tư duy rõ ràng.

Xem trực quan — khám phá tương tác chuyên sâu

Để có giải thích trực quan với trình mô phỏng tương tác, sơ đồ và sân chơi thực hành cho từng loại model, hãy xem:

• Hiểu Về Classifier — cách Types, Classes và ROIs lồng vào nhau; sân chơi classifier trực tiếp
• Hiểu Về Segmenter — mặt nạ ở cấp độ pixel, bảng màu, đếm và đo lường; sân chơi segmenter kiểu vẽ

Classifier

Một classifier xem xét từng phần cắt ROI và gán nó vào một danh mục: pass, fail, present, absent, scratched, good, hoặc bất kỳ class nào bạn định nghĩa.

Hãy nghĩ về nó như việc phân loại các lá bài vào các chồng. AI nhìn vào toàn bộ phần cắt và nói "cái này thuộc chồng pass" hoặc "cái này thuộc chồng fail."

Sử dụng classifier khi:

• Bạn cần quyết định pass/fail hoặc phân loại nhiều class
• ROIs của bạn đủ nhỏ để hiển thị rõ lỗi
• Tốc độ gán nhãn quan trọng (classifier gán nhãn nhanh hơn nhiều)
• Bạn đang kiểm tra sự hiện diện/vắng mặt của một đặc trưng
• Ví dụ: vít có/không có, đầu nối đã cắm/chưa cắm, nhãn đúng/sai

Để tìm hiểu sâu hơn với sân chơi tương tác, hãy đọc Hiểu Về Classifier.

Segmenter

Một segmenter xem xét từng phần cắt ROI ở cấp độ pixel và xác định chính xác những pixel nào thuộc về một lỗi.

Hãy nghĩ về nó như việc đánh dấu bằng bút highlight. AI khoanh chính xác vị trí của lỗi, không chỉ là có lỗi hay không.

Sử dụng segmenter khi:

• Bạn cần định vị lỗi ở cấp độ pixel (vết xước chính xác ở đâu?)
• Bạn cần đo kích thước hoặc diện tích lỗi
• ROIs của bạn cần phải lớn nhưng bạn đang tìm các lỗi nhỏ
• Bạn cần đếm nhiều lỗi trong một vùng
• Ví dụ: vết xước bề mặt, vết bẩn, vết nứt, chất lượng mối hàn, đo kích thước

Để tìm hiểu sâu hơn với sân chơi tương tác, hãy đọc Hiểu Về Segmenter.

So Sánh

Khía cạnh	Classifier	Segmenter
Nó cho bạn biết điều gì	Danh mục (pass/fail/v.v.)	Pixel chính xác của lỗi
Công sức gán nhãn	Thấp: chọn một class cho mỗi hình ảnh	Cao: tô các pixel lỗi
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 ROIs nhỏ	Xử lý ROIs lớn hơn tốt hơn
Tốc độ	Nhanh	Nhanh tương đương khi được tối ưu
Phù hợp nhất cho	Hiện diện/vắng mặt, quyết định danh mục	Vết xước, vết bẩn, đo lường, phát hiện ở cấp độ pixel

Vùng giao thoa

Có một sự giao thoa thực sự. Nhiều việc kiểm tra có thể hoạt động với cả hai cách tiếp cận. Nếu bạn không chắc chắn:

1. Bắt đầu với một classifier. Nó đơn giản hơn để thiết lập và nhanh hơn để gán nhãn
2. Nếu bạn thấy classifier không đủ chính xác (không thể phát hiện lỗi nhỏ trong vùng lớn, hoặc bạn cần đo lường), hãy chuyển sang segmenter
3. Hỏi AI Assistant tại tools.overview.ai. Mô tả ứng dụng của bạn và nó sẽ đề xuất cách tiếp cận tốt nhất

Cần hình ảnh huấn luyện?

Sử dụng Defect Creator Studio để tạo các hình ảnh lỗi tổng hợp giống như ảnh thật cho cả hai cách tiếp cận — mô tả lỗi bằng tiếng Anh đơn giản và nhận hình ảnh sẵn sàng để huấn luyện trong vài giây.

OV20i và OV80i

• OV20i: Chọn một cho mỗi recipe, hoặc classifier hoặc segmenter
• OV80i: Hỗ trợ đa model. Kết hợp cả hai trong một recipe duy nhất cho cùng một lần chụp