Chuyển đến nội dung chính

TÀI LIỆU ĐƯỢC HỖ TRỢ BỞI AI

Bạn muốn biết điều gì?

Tạo Recipe Đầu Tiên

Lưu Ý Về OV10i

OV10i chỉ hỗ trợ các model classification. Các tính năng segmentation được đề cập trên trang này có sẵn trên camera OV20i và OV80i.

Phần tìm hiểu chuyên sâu này giải thích Recipe là gì, nêu rõ sự khác biệt giữa Classification và Segmentation, và cung cấp hướng dẫn từng bước để tạo Recipe. Nó cũng bao gồm hướng dẫn chi tiết về cấu hình Imaging Setup, chụp Template Image và thiết lập Alignment, tối ưu hóa ROI, thu thập dữ liệu và huấn luyện AI, cũng như cấu hình image augmentation.

Hướng Dẫn Video

Xem chủ đề này trong thực tế: Cách tạo một segmentation recipe trong vài phút


Mục Tiêu Học Tập​

Đến cuối phần tìm hiểu chuyên sâu này, bạn sẽ hiểu:

  • recipe là gì
  • sự khác biệt giữa classification và segmentation – và khi nào sử dụng mỗi loại
  • cách tạo một recipe
  • cách cấu hình Imaging Setup
  • cách chụp Template Image và cấu hình Aligner
  • ROI (Regions of Interest) là gì và cách tối ưu hóa chúng
  • thu thập dữ liệu để huấn luyện AI
  • Kiểm Tra và Xác Nhận recipe

Recipe Là Gì?​

  • Một tập hợp các hướng dẫn đã được cấu hình để chỉ dẫn camera cách kiểm tra một bộ phận hoặc sản phẩm cụ thể.
  • Xác định cài đặt camera, bao gồm exposure, focus và các thông số chiếu sáng để chụp hình ảnh nhất quán.
  • Bao gồm logic xử lý như các định nghĩa ROI, Aligner, các lớp classification hoặc segmentation.
  • Lưu trữ cấu hình input/output để tích hợp với các hệ thống tự động hóa cho tín hiệu pass/fail hoặc tín hiệu nâng cao.
  • Có thể được lưu và tái sử dụng để đảm bảo kiểm tra nhất quán giữa các ca làm việc, dây chuyền hoặc nhà máy.

Classification và Segmentation​

Định Nghĩa​

  • Classification: Xác định loại đối tượng trong ROI
  • Segmentation: Định vị và phân tích các vùng trong hình ảnh/ROI

Ví Dụ​

Image ClassificationImage SegmentationImage ClassificationImage Segmentation
Con cừu là gì?Những pixel nào thuộc về đối tượng nào?Chiếc pizza này có đạt yêu cầu hay bị lỗi?Mỗi miếng pepperoni ở đâu?
Sheep classifiedSheep segmentedPizza classifiedPizza segmented

So Sánh Chính​

ClassificationSegmentation
Tốc độTốc độ phụ thuộc vào Image Setup và độ phức tạp. Nhìn chung hiệu quả và nhanh với các thiết lập đơn giảnCó thể nhanh bằng hoặc thậm chí nhanh hơn classification khi được tối ưu hóa, đặc biệt với các model được tinh gọn
Độ chính xácPhù hợp cho pass/fail tổng thể hoặc nhận dạng loại bộ phậnĐộ chính xác cao hơn cho việc định vị lỗi chính xác
Độ phức tạpĐơn giản để thiết lập và duy trì; ít thông số hơnPhức tạp – Cần nhiều dữ liệu, gán nhãn và tinh chỉnh hơn
Yêu cầu dữ liệuThấp – Cần ít hình ảnh được gán nhãn hơnTrung bình – Yêu cầu nhiều hình ảnh với các annotation chính xác đến từng pixel
Trường hợp sử dụngSự hiện diện của bộ phận, định hướng, kiểm tra chất lượng cơ bản, bộ phận được lắp/không lắp, v.v.Lỗi bề mặt, kiểm tra chi tiết tinh vi, phát hiện đa lỗi, đếm, đo lường, v.v.

Tạo và Export Recipe​

Sử dụng nút Export Recipe bên cạnh một Recipe để export một Recipe riêng lẻ.

Export Recipe button

Sử dụng nút Export ở đầu màn hình để export nhiều Recipe cùng một lúc.

Export multiple Recipes button

Sử dụng nút Import ở đầu màn hình để import Recipe.

Import Recipe button

ghi chú

Lưu ý: Mỗi recipe chỉ hỗ trợ một loại inspection tại một thời điểm, hoặc là segmentation hoặc classification. Chọn đúng loại trước khi bắt đầu thiết lập.

Thiết Lập Hình Ảnh​

Focus​

Focus settings in Imaging Setup

  • Là gì: Điều chỉnh độ sắc nét của hình ảnh được chụp.
  • Cách sử dụng: Trượt cho đến khi các cạnh và chi tiết trong hình ảnh trông sắc nét và rõ ràng.
mẹo

Sử dụng một đối tượng mục tiêu có các cạnh rõ ràng (như thước kẻ hoặc thẻ calibration) khi focus.

Xoay Hình Ảnh​

Image Rotation settings in Imaging Setup

  • Là gì: Xoay hình ảnh (0° hoặc 180°).
  • Khi nào sử dụng: Nếu camera được lắp ở một góc nhưng bạn muốn hình ảnh được hiển thị theo hướng ngược lại trong giao diện.
ghi chú

Nếu bạn cần xoay hình ảnh 90°, hãy xoay camera.

Exposure (ms)​

Exposure settings in Imaging Setup

  • Là gì: Thời gian cảm biến tiếp xúc với ánh sáng trong quá trình chụp ảnh.
  • Tác động:
    • Exposure cao hơn → hình ảnh sáng hơn, nhưng có nguy cơ bị mờ do chuyển động.
    • Exposure thấp hơn → ít ánh sáng hơn, nhưng hình ảnh sắc nét hơn trong các ứng dụng chuyển động nhanh.
Thiếu sángPhơi sáng Chính XácThừa sáng
Example of underexposureExample of correct exposureExample of overexposure
mẹo

Exposure có tính logarit, và exposure cao hơn đồng nghĩa với độ trễ lớn hơn (vì cần nhiều thời gian hơn để chụp ảnh).

Gain​

Gain settings in Imaging Setup

  • Là gì: Làm sáng hình ảnh một cách nhân tạo bằng kỹ thuật số (giống như ISO trên máy ảnh).
  • Tác động:
    • Gain cao hơn → hình ảnh sáng hơn, nhưng thêm nhiễu (trông bị hạt).
    • Gain thấp hơn → hình ảnh sạch hơn, nhưng cần ánh sáng tốt.
Gain CaoGain Thấp
Example of high gainExample of low gain
Sáng hơn và nhiễu hơnTối hơn và ít nhiễu hơn
mẹo

Chỉ tăng gain nếu không thể điều chỉnh exposure hoặc ánh sáng.

Auto White Balance​

Auto White Balance settings in Imaging Setup

  • Là gì: Tự động điều chỉnh cân bằng màu để màu trắng hiển thị đúng là trắng.
  • Khi nào sử dụng:
    • Lý tưởng cho môi trường có điều kiện ánh sáng thay đổi hoặc biến động.
    • Đối với thiết lập ổn định, cân bằng trắng thủ công mang lại kết quả nhất quán và có thể lặp lại hơn.
ghi chú

Để điều chỉnh cân bằng trắng thủ công:

  • Bật ON công tắc Auto White Balance.
  • Đặt một tờ giấy trắng dưới camera hoặc trước ống kính.
  • Chuyển công tắc sang OFF để khóa cài đặt cân bằng trắng.

Gamma​

Gamma settings in Imaging Setup

  • Nó là gì: Điều chỉnh độ sáng của các vùng trung tính (mid-tone) mà không ảnh hưởng quá nhiều đến các vùng tối hoặc sáng.
  • Hiệu ứng: Hữu ích để làm lộ chi tiết trong vùng bóng tối hoặc giảm các vùng sáng quá chói.

Lens Correction​

Lens Correction settings in Imaging Setup

  • Nó là gì: Hiệu chỉnh biến dạng từ ống kính góc rộng.
  • Khi nào bật: Nếu các cạnh của hình ảnh trông bị cong hoặc biến dạng, hãy bật tùy chọn này để đảm bảo độ chính xác trong các tác vụ căn chỉnh.

LED Strobe Mode​

LED Strobe Mode settings in Imaging Setup

  • Nó là gì: Điều khiển thời điểm đèn LED tích hợp của camera được kích hoạt.
  • Tùy chọn:
    • Off: Đèn LED bật liên tục.
    • On: Đèn LED chỉ nháy sáng khi chụp, giúp giảm phản xạ.

LED Light Pattern​

LED Light Pattern settings in Imaging Setup

  • Nó là gì: Chọn cách các đèn LED chiếu sáng (ví dụ: bật tất cả, tắt tất cả, trái và phải, trên và dưới, v.v.).
  • Trường hợp sử dụng: Điều chỉnh dựa trên thiết lập chiếu sáng của bạn để chiếu sáng chi tiết một cách tối ưu.
mẹo

Sử dụng các mẫu chiếu sáng có hướng để giảm chói hoặc phản xạ bằng cách tắt các đèn LED chiếu trực tiếp vào bề mặt phản xạ, đồng thời giữ nguồn sáng xiên góc để có khả năng quan sát tốt hơn.

LED Light Intensity​

LED Light Intensity settings in Imaging Setup

  • Nó là gì: Điều chỉnh độ sáng của đèn LED.
  • Thực hành tốt nhất: Bắt đầu ở mức thấp và tăng dần để tránh chói hoặc phản xạ.

Photometric Control​

LPhotometic Control settings in Imaging Setup

  • Nó là gì: Chụp nhiều hình ảnh (thường là bốn) với các hướng chiếu sáng khác nhau (trái, phải, trên và dưới) sau đó kết hợp chúng thành một hình ảnh nâng cao duy nhất.
  • Mục đích: Kỹ thuật này giảm bóng đổ và làm nổi bật các đặc điểm bề mặt tinh tế bằng cách cung cấp chiếu sáng đồng đều và nhất quán trên toàn bộ chi tiết.
  • Khi nào sử dụng: Lý tưởng cho các chi tiết phức tạp, bề mặt có độ phản xạ cao hoặc các chi tiết có kết cấu không đều, nơi mà hình ảnh chụp với nguồn sáng đơn tiêu chuẩn có thể bỏ sót các chi tiết quan trọng.

Trigger Settings​

Trigger Settings in Imaging Setup

Manual Trigger

  • Nó là gì: Chụp hình ảnh khi bạn nhấn nút trên màn hình HMI.
  • Phù hợp nhất cho: Kiểm tra, thiết lập hoặc kiểm tra thủ công.

Hardware Trigger

  • Nó là gì: Sử dụng tín hiệu điện (ví dụ: từ cảm biến) để kích hoạt camera.
  • Phù hợp nhất cho: Các dây chuyền tự động hóa, nơi cảm biến phát hiện sự hiện diện của chi tiết.

PLC Trigger

  • Nó là gì: Tín hiệu kích hoạt được gửi thông qua các bộ điều khiển công nghiệp (PLC) để đồng bộ hóa hoạt động với các máy khác.
  • Phù hợp nhất cho: Các hệ thống tự động hóa hoàn toàn, yêu cầu định thời chính xác.

Aligner Trigger

  • Nó là gì: Tự động kích hoạt khi hệ thống phát hiện sự căn chỉnh của chi tiết trong vùng quan sát.
  • Phù hợp nhất cho: Các ứng dụng mà chi tiết cần có vị trí nhất quán trước khi chụp hoặc khi không có các tín hiệu kích hoạt đáng tin cậy khác.

Interval Trigger

  • Nó là gì: Kích hoạt camera theo các khoảng thời gian đã thiết lập.
  • Phù hợp nhất cho: Các quy trình liên tục hoặc giám sát các dây chuyền đang di chuyển mà không có cảm biến phát hiện chi tiết.

Hình Ảnh Template và Căn Chỉnh​

Skip Aligner​

Cài đặt Skip Aligner trong Template Image and Alignment

  • Là gì: Tắt bước căn chỉnh trong quá trình kiểm tra.
  • Khi nào sử dụng: Nếu bộ phận luôn ở cùng vị trí và hướng trong hình ảnh.

Template Regions​

Cài đặt Template Regions trong Template Image and Alignment

  • Là gì: Xác định (các) khu vực của hình ảnh template được sử dụng để căn chỉnh.
    • Rectangle: Vẽ một vùng quan tâm hình chữ nhật.
    • Circle: Vẽ một vùng quan tâm hình tròn.
    • Ignore Template Region: Loại trừ các khu vực nhất định khỏi căn chỉnh để tránh các mẫu gây xao nhãng hoặc các tính năng không liên quan.
  • Sử dụng tốt nhất: Giúp hệ thống chỉ tập trung vào các đặc điểm nổi bật nhất của bộ phận để căn chỉnh chính xác.

Rotation Range​

Cài đặt Rotation Range trong Template Image and Alignment

  • Là gì: Đặt mức độ xoay (tính bằng độ) mà hệ thống sẽ chấp nhận khi khớp bộ phận với template.
  • Ví dụ: Cài đặt ±20° cho phép bộ phận xoay nhẹ nhưng vẫn được phát hiện.
  • Khi nào điều chỉnh: Tăng nếu các bộ phận có xu hướng xoay trong quá trình sản xuất; giảm cho các hướng rất nhất quán.

Sensitivity​

Cài đặt Sensitivity trong Template Image and Alignment

  • Là gì: Kiểm soát mức độ tinh vi mà hệ thống tìm kiếm sự khớp giữa hình ảnh trực tiếp và template.
  • Hiệu ứng:
    • Độ nhạy cao → phát hiện các chi tiết tinh tế hơn, hữu ích cho các bộ phận phức tạp.
    • Độ nhạy thấp hơn → giảm các kết quả khớp sai nhưng có thể bỏ sót các đặc điểm nhỏ.

Confidence Threshold​

Cài đặt Confidence Threshold trong Template Image and Alignment

  • Là gì: Đặt điểm tin cậy tối thiểu được yêu cầu để hệ thống chấp nhận một phát hiện.
  • Hiệu ứng:
    • Ngưỡng cao hơn → ít kết quả dương tính giả hơn nhưng có thể bỏ sót các kết quả khớp ở ranh giới.
    • Ngưỡng thấp hơn → nhiều phát hiện hơn, nhưng tăng nguy cơ dương tính giả.
mẹo

Bắt đầu ở mức vừa phải và điều chỉnh dựa trên kết quả thử nghiệm.

Scale Invariant​

Cài đặt Scale Invariant trong Template Image and Alignment

  • Là gì: Cho phép hệ thống phát hiện các bộ phận lớn hơn hoặc nhỏ hơn một chút so với hình ảnh template ban đầu.
  • Khi nào bật: Nếu kích thước bộ phận có thể thay đổi một chút do định vị, thay đổi khoảng cách hoặc dung sai sản xuất.

Chú Giải Live Preview​

Live Preview trong Template Image and Alignment

1. Một hộp giới hạn có thể cấu hình xác định khu vực cụ thể của FOV (trường nhìn) của camera để giám sát trong quá trình kích hoạt.

  • Mục đích: Đảm bảo camera chỉ tập trung vào khu vực liên quan, bỏ qua các vùng nền không cần thiết.
  • Sử dụng tốt nhất:
    • Cho các vật thể chuyển động, để đảm bảo bộ phận nằm hoàn toàn trong khu vực phát hiện.
    • Để tối ưu hóa tốc độ xử lý bằng cách giảm lượng dữ liệu hình ảnh được phân tích.

2. Một chấm đỏ trực quan hiển thị điểm trung tâm của tất cả các ROI (Regions of Interest) được xác định trong hình ảnh.

  • Mục đích: Giúp bạn căn chỉnh và định vị vùng tìm kiếm so với bộ phận hoặc chế độ xem camera.

3. Đường màu xanh lá cho biết cạnh của vật thể đã được phát hiện.

mẹo

Nếu bạn thấy đường chuyển sang màu đỏ, hãy thử tăng kích thước ROI, điều chỉnh ROI hoặc tăng Sensitivity.

Ví dụ về phát hiện cạnh

Định Nghĩa và Tối Ưu Hóa ROI (Region of Interest)​

Loại Kiểm Tra​

Inspection Type settings in Inspection Setup

  • Nó là gì: Định nghĩa loại kiểm tra đang được thực hiện và nhóm các ROI (Regions of Interest) tương tự nhau.
  • Ví dụ: "Holes" để kiểm tra sự hiện diện, kích thước hoặc chất lượng của các lỗ trên một bộ phận.
  • Tính năng chính:
    • Add Inspection Type: Tạo các danh mục mới cho các yêu cầu kiểm tra khác nhau.
    • # of ROIs: Hiển thị số lượng ROI hiện đang được gán cho loại kiểm tra đó.

Transformation​

Transformation settings in Inspection Setup

  • Nó là gì: Điều chỉnh vị trí và hình học của các ROI đã chọn để căn chỉnh và đặt vị trí chính xác.
  • Các trường và mục đích của chúng:
    • Height/Width: Thay đổi kích thước của ROI.
    • X / Y: Di chuyển vị trí của ROI dọc theo trục ngang (X) và trục dọc (Y).
    • Angle: Xoay ROI quanh tâm của nó.
  • Sử dụng tốt nhất: Tăng tốc độ thiết lập khi bạn có các mẫu lặp lại, chẳng hạn như nhiều lỗ giống nhau.

Regions of Interest (ROIs)​

Regions of Interest (ROIs) settings in Inspection Setup

  • Nó là gì: Danh sách tất cả các ROI được định nghĩa trong hình ảnh template.
  • Tính năng:
    • Add Region of Interest (ROI): Tạo một ROI mới theo cách thủ công.
    • Ignore Regions: Loại trừ các khu vực cụ thể khỏi quá trình xử lý.
    • Edit: Lưu, xóa hoặc hủy.
    • Lock Icon: Chỉ ra các ROI đã bị khóa và không thể di chuyển nếu không mở khóa.

Chế Độ Live Preview​

Live Preview Mode in Inspection Setup

  • Nó là gì: Hiển thị phản hồi theo thời gian thực sau khi điều chỉnh hoặc thêm ROI.
  • Trường hợp sử dụng: Tuyệt vời để tinh chỉnh vị trí và kích thước của ROI trong quá trình thiết lập.

Nút Test​

Test button in Inspection Setup

  • Nó là gì: Chạy backtesting dựa trên các hình ảnh cũ để xác minh các thay đổi.
  • Trường hợp sử dụng: Để so sánh kết quả hiện tại với các cài đặt trước đó về độ chính xác và tính nhất quán.

Thu Thập Dữ Liệu và Huấn Luyện AI​

Định nghĩa các lớp kiểm tra khác nhau và gán nhãn cho mỗi ROI dựa trên loại kiểm tra được chỉ định (xem ví dụ bên dưới).

Example of defined inspection classes and labeled ROIs

Sử dụng Annotation Tools để gán nhãn/chú thích hình ảnh. Sử dụng menu thả xuống Brush Class để chọn lớp cần chú thích. Giới hạn hiện tại là tối đa 10 lớp cho mỗi recipe đối với segmentation.

Example of annotated classes

Tầm Quan Trọng của Dữ Liệu Tốt​

Examples of good and bad data

  • Garbage In, Garbage Out: Các mô hình AI chỉ có thể tốt như dữ liệu bạn cung cấp cho chúng. Dữ liệu kém chất lượng hoặc không nhất quán sẽ dẫn đến kết quả không chính xác.

  • Sự Đa Dạng Rất Quan Trọng: Thu thập dữ liệu đại diện cho tất cả các biến thể trong thực tế: các ca làm việc khác nhau, điều kiện ánh sáng, vị trí bộ phận và điều kiện bề mặt.

  • Chất Lượng Hơn Số Lượng: Một tập dữ liệu nhỏ hơn, sạch sẽ, được gán nhãn tốt thường sẽ hoạt động tốt hơn một tập dữ liệu lớn nhưng nhiễu hoặc không nhất quán.

Kiến Thức Cơ Bản về Chú Thích:

  • Classification: Gán nhãn toàn bộ hình ảnh hoặc ROI thành một lớp cụ thể (ví dụ: "Good", "Damaged").
  • Segmentation: Tô, phác thảo hoặc làm nổi bật các khu vực quan tâm cụ thể với độ chính xác ở cấp độ pixel (ví dụ: vị trí vết xước trên bề mặt).
  • Tính Nhất Quán: Sử dụng các quy tắc và định nghĩa nhất quán cho việc gán nhãn để tránh nhầm lẫn trong quá trình huấn luyện.

Example of good annotations

Những Cạm Bẫy Thường Gặp

  • Dữ Liệu Không Đủ: Quá ít mẫu sẽ dẫn đến underfitting, gây ra hiệu suất kém trong thực tế.
  • Các Lớp Mất Cân Bằng: Việc đại diện quá mức của một lớp (ví dụ: nhiều bộ phận "good" nhưng ít bộ phận lỗi) làm sai lệch mô hình.
  • Gán Nhãn Kém: Việc gán nhãn không chính xác, không nhất quán hoặc vội vàng sẽ dẫn đến sụt giảm đáng kể về độ chính xác.
  • Bỏ Qua Thay Đổi Môi Trường: Không cập nhật tập dữ liệu khi ánh sáng, hướng bộ phận hoặc điều kiện bề mặt thay đổi sẽ dẫn đến sự trôi dạt về độ chính xác.
  • Không Xác Thực Dữ Liệu: Bỏ qua các bước kiểm tra chất lượng trước khi huấn luyện thường dẫn đến lãng phí thời gian và phải làm lại.

Data Augmentation​

Image augmentations điều chỉnh nhân tạo các hình ảnh huấn luyện của bạn để cải thiện độ bền vững của model. Chúng mô phỏng các biến thể trong thực tế như thay đổi độ sáng, xoay hoặc nhiễu để model hoạt động tốt trong các điều kiện khác nhau.

Color Augmentations​

Color Augmentation settings

Brightness

  • Là gì: Điều chỉnh mức độ sáng hoặc tối của hình ảnh.
  • Trường hợp sử dụng: Để xử lý các thay đổi nhỏ về ánh sáng trong quá trình sản xuất.
mẹo

Sử dụng ±0.1 cho các thiết lập ổn định; tăng lên nếu ánh sáng thay đổi nhiều hơn.

Contrast

  • Là gì: Thay đổi sự khác biệt giữa các vùng sáng và tối.
  • Trường hợp sử dụng: Hữu ích cho các bộ phận có kết cấu hoặc bề mặt đa dạng để giúp model thích ứng với các khác biệt về mặt hình ảnh.

Hue

  • Là gì: Dịch chuyển nhẹ các tông màu.
  • Trường hợp sử dụng: Phù hợp cho các thiết lập mà màu ánh sáng (ví dụ: nhiệt độ LED) có thể thay đổi theo thời gian.

Saturation

  • Là gì: Điều chỉnh cường độ của màu sắc.
  • Trường hợp sử dụng: Giúp xử lý các biến thể về ánh sáng khiến hình ảnh trông mờ nhạt hơn hoặc sống động hơn.

Geometric Augmentations​

Geometric Augmentation settings

Rotation Range

  • Là gì: Xoay hình ảnh ngẫu nhiên trong phạm vi đã đặt (ví dụ: ±20°).
  • Trường hợp sử dụng: Dành cho các bộ phận có thể đến với vị trí xoay nhẹ.
mẹo

Tránh xoay quá mức đối với các bộ phận thường được cố định về hướng.

Flip

  • Là gì: Lật hình ảnh theo chiều ngang, chiều dọc hoặc cả hai.
  • Trường hợp sử dụng: Hữu ích cho các bộ phận đối xứng hoặc khi hướng có thể bị lật trong quá trình xử lý.

Lighting & Color Simulation​

Lighting & Color Simulation settings

Planckian

  • Là gì: Mô phỏng các biến thể về nhiệt độ màu (ví dụ: ánh sáng ấm hoặc lạnh).
  • Trường hợp sử dụng: Xử lý các ca làm việc khác nhau hoặc work cell có nguồn sáng khác nhau.

Gaussian Noise

  • Là gì: Thêm nhiễu nhẹ vào hình ảnh.
  • Trường hợp sử dụng: Cải thiện độ bền vững nếu môi trường sản xuất của bạn có nhiễu hình ảnh nhỏ hoặc nhiễu từ cảm biến camera.

Motion Simulation​

Motion Simulation settings

Motion Blur

  • Là gì: Mô phỏng độ mờ nhẹ như thể bộ phận di chuyển trong lúc chụp.
  • Trường hợp sử dụng: Quan trọng đối với các dây chuyền tốc độ cao nơi có thể xảy ra motion blur.

Probability (prob)​

Probability settings

  • Là gì: Đặt khả năng áp dụng từng augmentation trong quá trình huấn luyện.
  • Ví dụ: 0.50 = 50% khả năng áp dụng thay đổi đó cho bất kỳ hình ảnh huấn luyện nào.
mẹo

Bắt đầu ở mức 0.5 cho hầu hết các augmentation và điều chỉnh dựa trên tính biến thiên trong thực tế.

Training Parameters (Segmentation)​

Training parameters (còn gọi là hyperparameters) là các thiết lập điều khiển cách một model machine learning học từ dữ liệu.

Learning Rate​

Learning Rate settings

  • Định nghĩa: Điều khiển tốc độ model cập nhật các trọng số nội bộ trong quá trình huấn luyện.
  • Giá trị (0.003): Learning rate càng cao, model học càng nhanh, nhưng quá cao có thể gây ra sự bất ổn hoặc độ chính xác kém.
  • Phạm vi Slider: Từ 10^-4 (rất chậm) đến 10^-1 (rất nhanh).
mẹo

Thông thường, giá trị từ 0.001–0.01 là điểm khởi đầu tốt cho các tác vụ segmentation.

Kích thước ROI (Region of Interest)​

Override ROI Size settings

  • Định nghĩa: Xác định kích thước (chiều rộng × chiều cao) của vùng ảnh được sử dụng trong quá trình huấn luyện.
  • Không chọn: Theo mặc định, model tự động xác định ROI dựa trên dữ liệu của bạn.
  • Khi được chọn: Bạn có thể thiết lập thủ công chiều rộng và chiều cao nếu cần kích thước đầu vào nhất quán (ví dụ: tất cả hình ảnh được cắt về 256×256 pixel).
mẹo

Sử dụng kích thước cố định (ví dụ: 256×256) khi tập dữ liệu của bạn có các hình ảnh với kích thước khác nhau và bạn muốn đầu vào nhất quán để có độ ổn định tốt hơn, khả năng tái tạo, hoặc để phù hợp với kiến trúc model đã biết.

Hãy để hệ thống tự động chọn khi dữ liệu của bạn đã có độ phân giải đồng nhất hoặc khi bạn muốn hệ thống tối ưu hóa vùng quan tâm tốt nhất dựa trên đặc điểm của tập dữ liệu.

Số Lần Lặp (Epochs)​

Number of Iterations (Epochs) settings

  • Định nghĩa: Một epoch = một lần duyệt qua toàn bộ tập dữ liệu huấn luyện.
  • Giá trị (100): Model sẽ huấn luyện trong 100 lần duyệt hoàn chỉnh.
mẹo

Tăng số này thường cải thiện độ chính xác đến một mức nào đó nhưng mất nhiều thời gian hơn.

Quy tắc chung: Theo dõi training loss và validation loss trong quá trình huấn luyện. Nếu validation loss ngừng giảm trong khi training loss tiếp tục giảm, đó là dấu hiệu model đang bị overfitting và bạn nên dừng huấn luyện sớm hơn.

Kiến Trúc (Architecture)​

Architecture settings

  • Định nghĩa: Chọn kích thước và độ phức tạp của mạng neural.
  • Small: Huấn luyện nhanh hơn và thường đủ cho hầu hết các tập dữ liệu. Lý tưởng cho việc thử nghiệm nhanh hoặc các tập dữ liệu nhỏ hơn.
  • Các model lớn hơn có thể nắm bắt nhiều chi tiết hơn nhưng có thể bị overfitting trên các tập dữ liệu nhỏ, trong khi các model nhỏ hơn hiệu quả hơn và tổng quát hóa tốt hơn khi dữ liệu bị hạn chế.
mẹo

Bắt đầu với Small, nó thường đủ và giúp bạn lặp lại nhanh hơn trước khi mở rộng quy mô.

External GPU​

External GPU IP Address settings

Liên hệ Support để biết thêm về External GPU.

Tham Số Huấn Luyện (Classification)​

Tham số huấn luyện (còn gọi là hyperparameters) là các cài đặt điều khiển cách một machine learning model học từ dữ liệu.

Learning Rate​

Learning Rate settings

  • Định nghĩa: Điều khiển tốc độ model cập nhật các trọng số nội bộ trong quá trình huấn luyện.
  • Giá trị (0.003): Learning rate càng cao, model học càng nhanh, nhưng quá cao có thể gây ra sự không ổn định hoặc độ chính xác kém.
  • Phạm vi Slider: Từ 10^-4 (rất chậm) đến 10^-1 (rất nhanh).
mẹo

Thông thường, giá trị từ 0.001–0.01 là điểm khởi đầu tốt cho các tác vụ segmentation.

Validation Percent​

Validation Percent settings

  • Định nghĩa: Xác định phần nào của tập dữ liệu sẽ được dành riêng cho việc validation (kiểm tra trong quá trình huấn luyện).
  • Mục đích: Dữ liệu validation giúp theo dõi mức độ hoạt động của model trên các mẫu chưa từng thấy, ngăn chặn overfitting.
  • Phạm vi: 0–50%.
mẹo

Các lựa chọn phổ biến là 10–20%.

Nếu đặt thành 0%, tất cả dữ liệu sẽ được sử dụng để huấn luyện, điều này có thể cải thiện độ chính xác huấn luyện nhưng khiến việc phát hiện overfitting trở nên khó khăn hơn.

Kích thước ROI (Region of Interest)​

Override ROI Size settings

  • Định nghĩa: Xác định kích thước (chiều rộng × chiều cao) của vùng hình ảnh được sử dụng trong quá trình huấn luyện.
  • Không chọn: Theo mặc định, model tự động xác định ROI dựa trên dữ liệu của bạn.
  • Khi được chọn: Bạn có thể thiết lập thủ công chiều rộng và chiều cao nếu cần kích thước đầu vào nhất quán (ví dụ: tất cả hình ảnh được cắt về 256×256 pixel).
mẹo

Sử dụng kích thước cố định (ví dụ: 256×256) khi tập dữ liệu của bạn có hình ảnh với các kích thước khác nhau và bạn muốn đầu vào nhất quán để có độ ổn định tốt hơn, khả năng tái tạo, hoặc để phù hợp với kiến trúc model đã biết.

Hãy để hệ thống tự động chọn khi dữ liệu của bạn đã có độ phân giải đồng nhất hoặc khi bạn muốn hệ thống tối ưu hóa vùng quan tâm tốt nhất dựa trên đặc điểm của tập dữ liệu.

Số Lần Lặp (Epochs)​

Number of Iterations (Epochs) settings

  • Định nghĩa: Một epoch = một lần duyệt qua toàn bộ tập dữ liệu huấn luyện.
  • Giá trị (100): Model sẽ huấn luyện qua 100 lần duyệt hoàn chỉnh.
mẹo

Tăng con số này thường cải thiện độ chính xác đến một mức nhất định nhưng sẽ mất nhiều thời gian hơn.

Quy tắc chung: Theo dõi training loss và validation loss trong quá trình huấn luyện. Nếu validation loss ngừng giảm trong khi training loss vẫn tiếp tục giảm, đó là dấu hiệu model đang bị overfitting và bạn nên dừng huấn luyện sớm hơn.

Kiến Trúc​

Architecture settings

  • Định nghĩa: Chọn kích thước và độ phức tạp của mạng neural.
  • Small: Huấn luyện nhanh hơn và thường đủ cho hầu hết các tập dữ liệu. Lý tưởng cho việc thử nghiệm nhanh hoặc các tập dữ liệu nhỏ hơn.
mẹo

Hãy bắt đầu với Small, nó thường đã đủ và giúp bạn lặp lại nhanh hơn trước khi mở rộng quy mô.

Kiến Trúc và CameraMô TảKhuyến Nghị Sử Dụng
ConvNeXt-PicoModel siêu nhẹ được tối ưu hóa cho tốc độ và sử dụng ít bộ nhớ.Phù hợp cho các thử nghiệm nhanh hoặc phần cứng hạn chế.
ConvNeXt-NanoLớn hơn Pico một chút; độ chính xác tốt hơn với chi phí tăng thêm tối thiểu.Cân bằng tốt cho các tập dữ liệu nhỏ–trung bình.
ConvNeXt-TinyCung cấp độ chính xác được cải thiện trong khi vẫn hiệu quả.Phù hợp cho các tập dữ liệu vừa phải và các lần huấn luyện dài hơn.
ConvNeXt-SmallBiến thể có khả năng cao nhất trong danh sách này. Dung lượng và độ chính xác cao hơn.Sử dụng cho các tập dữ liệu lớn hoặc khi cần hiệu suất tối đa.

GPU Bên Ngoài​

External GPU IP Address settings

Liên hệ Bộ phận Hỗ trợ để biết thêm về GPU Bên Ngoài.