Sử Dụng Classifier (Ví Dụ Single-ROI)

Hướng dẫn này sẽ giúp bạn tạo model phân loại đầu tiên trên hệ thống camera OV10i. Bạn sẽ học cách thiết lập một classifier với single Region of Interest (ROI) để tự động nhận diện và phân loại các loại đối tượng khác nhau - trong ví dụ này là các kích cỡ mũi khoan khác nhau.

Những Gì Bạn Sẽ Xây Dựng: Một model phân loại hoạt động được, có khả năng tự động nhận diện và phân loại các kích cỡ mũi khoan khác nhau với logic pass/fail có thể cấu hình.

Thời Gian Ước Tính: 45-60 phút

Cấp Độ Kỹ Năng: Người mới bắt đầu

Điều Kiện Tiên Quyết: Hệ thống camera OV10i đã được thiết lập và kết nối

Bước 1: Tạo Một Recipe Phân Loại Mới

1.1 Truy Cập Tạo Recipe

1. Điều hướng đến trang All Recipes trong giao diện OV10i của bạn
2. Nhấp + New Recipe ở góc trên bên phải

1.2 Cấu Hình Cài Đặt Recipe

Cửa sổ Add A New Recipe sẽ xuất hiện:

1. Nhập Tên Recipe: Sử dụng tên mô tả như "Drill_Bit_Classification_v1"
   • Mẹo Đặt Tên: Bao gồm loại đối tượng và phiên bản để dễ nhận diện
2. Chọn Loại Recipe: Chọn "Classification" từ menu thả xuống
3. Nhấp OK để tạo recipe

1.3 Kích Hoạt và Mở Recipe Editor

1. Tìm recipe mới của bạn trong danh sách All Recipes (nó sẽ hiển thị là "Inactive")
2. Nhấp Activate ở phía bên phải của mục recipe
3. Nhấp Activate and go to editor để xác nhận và khởi chạy Recipe Editor

✅ Điểm Kiểm Tra: Recipe hiện đã ở trạng thái "Active" với Recipe Editor được hiển thị.

Bước 2: Cấu Hình Cài Đặt Hình Ảnh Camera

2.1 Mở Cấu Hình Hình Ảnh

1. Nhấp Configure Imaging ở phía dưới bên trái của Recipe Editor

2.2 Điều Chỉnh Cài Đặt Focus

Focus rất quan trọng để phân loại chính xác:

1. Đặt mũi khoan của bạn trong vùng nhìn của camera
2. Điều chỉnh Focus sử dụng một trong hai cách:
   • Thanh trượt, HOẶC
   • Nhập giá trị thủ công
3. Thử nghiệm các vị trí focus khác nhau cho đến khi các cạnh của mũi khoan trở nên sắc nét và rõ ràng

Mẹo Focus:

• Sử dụng bản xem trước trực tiếp để thấy các thay đổi focus theo thời gian thực
• Tập trung vào các đặc điểm quan trọng nhất (rãnh xoắn mũi khoan, hình dạng đầu mũi)
• Đảm bảo toàn bộ độ sâu của đối tượng đều được focus

2.3 Tối Ưu Hóa Cài Đặt Exposure

Exposure phù hợp đảm bảo chất lượng hình ảnh nhất quán:

1. Điều chỉnh Exposure sử dụng thanh trượt hoặc nhập giá trị thủ công
2. Hướng đến ánh sáng cân bằng trong đó:
   • Các chi tiết của đối tượng có thể nhìn thấy rõ ràng
   • Không có vùng nào bị phơi sáng quá mức (trắng hoàn toàn)
   • Bóng tối không che khuất các đặc điểm quan trọng

2.4 Cấu Hình Đèn LED

Ánh sáng ảnh hưởng đáng kể đến độ chính xác của việc phân loại:

1. Chọn LED Light Pattern dựa trên đối tượng của bạn:
   • Bright Field: Chiếu sáng đa dụng
   • Dark Field: Làm nổi bật các cạnh và lỗi bề mặt
   • Side Lighting: Hiển thị kết cấu và sự thay đổi độ cao
2. Đối với mũi khoan, hãy thử:
   • Bright field để phân loại hình dạng tổng quát
   • Side lighting để nhấn mạnh hình dạng rãnh xoắn

2.5 Điều Chỉnh Cài Đặt Gamma

Gamma điều khiển độ tương phản hình ảnh:

1. Điều chỉnh Gamma để tăng cường khả năng hiển thị đặc điểm
2. Giá trị thấp hơn làm sáng các vùng tối
3. Giá trị cao hơn tăng độ tương phản

2.6 Lưu Imaging Settings

1. Xem lại tất cả cài đặt trong bản xem trước trực tiếp
2. Nhấp Save Imaging Settings để áp dụng cấu hình

✅ Điểm Kiểm Tra: Camera của bạn bây giờ sẽ tạo ra hình ảnh nhất quán, được chiếu sáng tốt của các mũi khoan.

Bước 3: Cấu Hình Template Image và Alignment

3.1 Điều Hướng Đến Alignment

1. Nhấp "Template Image and Alignment" trong menu breadcrumb, HOẶC
2. Sử dụng menu thả xuống để chọn "Template Image and Alignment"

3.2 Bỏ Qua Aligner (Cho Hướng Dẫn Này)

Vì các mũi khoan sẽ được đặt nhất quán:

1. Chọn Skip Aligner
2. Nhấp Save để áp dụng các thay đổi

Khi Nào Sử Dụng Aligner: Sử dụng aligner khi các bộ phận đến với vị trí hoặc hướng khác nhau. Đối với hướng dẫn này, chúng ta giả định vị trí đặt bộ phận nhất quán.

Bước 4: Thiết Lập Inspection ROI

4.1 Điều Hướng Đến Inspection Setup

1. Nhấp "Inspection Setup" trong menu breadcrumb

4.2 Xác Định Region of Interest

ROI xác định nơi phân loại sẽ diễn ra:

1. Đặt một mũi khoan trong khung nhìn camera
2. Kéo các góc của ROI để đóng khung mũi khoan
3. Đảm bảo ROI:
   • Chứa hoàn toàn mũi khoan
   • Loại trừ nền không cần thiết
   • Đủ lớn cho biến thể mũi khoan lớn nhất của bạn

4.3 Các Phương Pháp Tốt Nhất Cho ROI

Nên	Không Nên
Bao gồm tất cả các đặc điểm quan trọng	Làm ROI quá lớn (bao gồm nhiễu)
Chừa một viền nhỏ xung quanh đối tượng	Cắt mất các phần của đối tượng
Căn giữa vị trí đối tượng dự kiến	Bao gồm nhiều đối tượng trong một ROI
Giữ kích thước ROI nhất quán giữa các hình ảnh	Thay đổi ROI giữa các lần chụp

4.4 Lưu Cấu Hình ROI

1. Xác minh vị trí ROI với các kích thước mũi khoan khác nhau
2. Nhấp Save để áp dụng các cài đặt ROI

Điểm Kiểm Tra: ROI của bạn sẽ đóng khung các mũi khoan một cách nhất quán bất kể kích thước cụ thể của chúng.

Bước 5: Huấn Luyện Classification Model

5.1 Điều Hướng Đến Classification Block

1. Nhấp "Classification Block" trong menu breadcrumb

5.2 Tạo Classification Classes

Bạn sẽ tạo các class cho các kích thước mũi khoan khác nhau:

Ví Dụ Các Class:

• Mũi Nhỏ (1-3mm)
• Mũi Vừa (4-6mm)
• Mũi Lớn (7-10mm)

5.3 Chụp Hình Ảnh Huấn Luyện

Đối với mỗi class, chụp ít nhất 5 hình ảnh khác nhau:

Class 1: Mũi Nhỏ

1. Đặt một mũi khoan nhỏ trong ROI
2. Nhấp chụp để lấy hình ảnh huấn luyện
3. Gán nhãn hình ảnh là "Small"
4. Lặp lại với 4 mũi nhỏ khác (hướng/vị trí khác nhau)

Class 2: Mũi Vừa

1. Đặt một mũi khoan vừa trong ROI
2. Chụp và gán nhãn là "Medium"
3. Lặp lại 4 lần nữa với các mũi vừa khác nhau

Class 3: Mũi Lớn

1. Đặt một mũi khoan lớn trong ROI
2. Chụp và gán nhãn là "Large"
3. Lặp lại 4 lần nữa với các mũi lớn khác nhau

5.4 Các Phương Pháp Tốt Nhất Cho Hình Ảnh Huấn Luyện

Phương Pháp Tốt Nhất	Tại Sao Quan Trọng
Sử dụng các ví dụ khác nhau	Cải thiện khả năng tổng quát hóa của model
Đa dạng các hướng	Xử lý biến thể vị trí trong thực tế
Bao gồm các trường hợp biên	Phát hiện ranh giới giữa các class tốt hơn
Duy trì ánh sáng nhất quán	Giảm lỗi phụ thuộc vào ánh sáng
Tối thiểu 5+ hình ảnh	Cung cấp đủ dữ liệu huấn luyện

5.5 Xem Lại và Xác Minh Nhãn

1. Kiểm tra kỹ tất cả hình ảnh đã được gán nhãn
2. Đảm bảo gán đúng class
3. Loại bỏ bất kỳ ví dụ nào bị gán nhãn sai

5.6 Bắt Đầu Huấn Luyện Model

1. Nhấp vào Train Classification Model
2. Chọn chế độ huấn luyện:
   • Fast: Huấn luyện nhanh để kiểm tra (2-5 phút)
   • Accurate: Huấn luyện chất lượng sản xuất (10-20 phút)
3. Chọn số lần lặp:
   • Nhiều lần lặp = Độ chính xác cao hơn
   • Nhiều lần lặp = Thời gian huấn luyện lâu hơn
4. Nhấp vào Start Training

5.7 Theo Dõi Tiến Trình Huấn Luyện

Hộp thoại tiến trình huấn luyện hiển thị:

• Số lần lặp hiện tại
• Tỷ lệ phần trăm độ chính xác huấn luyện
• Thời gian hoàn thành ước tính

Điều Khiển Huấn Luyện:

• Abort Training: Dừng huấn luyện khi cần
• Finish Training Early: Dừng khi độ chính xác đã đủ

Mẹo Huấn Luyện:

• Quá trình huấn luyện tự động dừng khi đạt độ chính xác mục tiêu
• Độ chính xác từ 85% trở lên thường tốt cho sử dụng trong sản xuất
• Bạn có thể huấn luyện lại với nhiều hình ảnh hơn nếu độ chính xác thấp

✅ Checkpoint: Model của bạn nên đạt độ chính xác huấn luyện >85%.

Bước 6: Kiểm Tra Bộ Phân Loại Của Bạn

6.1 Truy Cập Live Preview

1. Nhấp vào Live Preview sau khi huấn luyện hoàn tất
2. Đặt các mũi khoan khác nhau vào ROI
3. Quan sát kết quả phân loại:
   • Tên class được dự đoán
   • Tỷ lệ phần trăm độ tin cậy
   • Thời gian phân loại

6.2 Kiểm Tra Xác Thực

Kiểm tra từng class một cách có hệ thống:

Loại Kiểm Tra	Kết Quả Mong Đợi	Hành Động Nếu Thất Bại
Mũi Khoan Nhỏ Đã Biết	Được phân loại là "Small" với độ tin cậy >80%	Thêm nhiều hình ảnh huấn luyện
Mũi Khoan Trung Bình Đã Biết	Được phân loại là "Medium" với độ tin cậy >80%	Xem lại độ chính xác của việc gán nhãn
Mũi Khoan Lớn Đã Biết	Được phân loại là "Large" với độ tin cậy >80%	Huấn luyện lại với nhiều ví dụ hơn
ROI Trống	Không phân loại hoặc độ tin cậy thấp	Điều chỉnh ngưỡng độ tin cậy

6.3 Khắc Phục Sự Cố Phân Loại

Vấn Đề	Nguyên Nhân Có Thể	Giải Pháp
Độ tin cậy thấp	Dữ liệu huấn luyện không đủ	Thêm nhiều hình ảnh huấn luyện
Phân loại sai	Chất lượng hình ảnh kém	Cải thiện ánh sáng/lấy nét
Kết quả không nhất quán	ROI bao gồm nhiễu nền	Giảm kích thước ROI
Các class bị nhầm lẫn	Các đối tượng trông giống nhau	Thêm nhiều ví dụ phân biệt hơn

Bước 7: Cấu Hình Logic Pass/Fail

7.1 Điều Hướng Đến IO Block

Đảm bảo tất cả các AI block đã được huấn luyện (trạng thái xanh) trước khi tiếp tục:

1. Nhấp vào "IO Block" trong menu breadcrumb, HOẶC
2. Chọn "Configure I/O" từ Recipe Editor

7.2 Định Vị Classification Logic Node

1. Tìm "Classification Block Logic Node" (node màu tím)
2. Nếu thiếu: Kéo từ menu các node ở bên trái

Màu Node: Các node màu tím đại diện cho Overview Logic Blocks cho các thao tác AI.

7.3 Cấu Hình Classification Logic

1. Nhấp đúp vào Classification Logic Node
2. Cấu hình các thiết lập:

Lựa Chọn ROI

• Chọn ROI của bạn từ menu thả xuống "Region of Interest (ROI)"

Ngưỡng Độ Tin Cậy

• Đặt ngưỡng độ tin cậy (thường là 70-85%)
• Ngưỡng cao hơn = Phân loại nghiêm ngặt hơn
• Ngưỡng thấp hơn = Phân loại linh hoạt hơn

Lựa Chọn Class Mục Tiêu

• Chọn class mục tiêu cho kết quả "pass"
• Ví dụ: Chọn "Medium" nếu chỉ các mũi khoan trung bình được phép đạt

Logic Đa ROI (Nâng Cao)

• Thêm nhiều ROI nếu cần
• Chọn logic: Tất cả các quy tắc phải đạt theo "Any" hoặc "All"

7.4 Ví Dụ Cấu Hình Pass/Fail

Cấu Hình 1: Pass Theo Kích Thước Cụ Thể

ROI: Drill_Bit_ROI
Target Class: Medium
Confidence: 80%
Logic: Pass only medium drill bits

Cấu Hình 2: Pass Theo Khoảng Kích Thước

ROI: Drill_Bit_ROI
Target Classes: Medium OR Large
Confidence: 75%
Logic: Pass medium or large bits

Cấu Hình 3: Loại Bỏ Mũi Khoan Nhỏ

ROI: Drill_Bit_ROI
Target Class: NOT Small
Confidence: 85%
Logic: Fail if classified as small

7.5 Triển Khai Cấu Hình Logic

1. Nhấp Done ở góc trên bên phải
2. Nhấp Deploy ở góc trên bên phải của trình chỉnh sửa Node-RED
3. Xác minh thông báo triển khai thành công

Bước 8: Kiểm Thử và Xác Nhận Cuối Cùng

8.1 Kiểm Thử End-to-End

Kiểm thử quy trình kiểm tra hoàn chỉnh:

1. Đặt các đối tượng thử nghiệm vào khu vực kiểm tra
2. Kích hoạt kiểm tra (thủ công hoặc tự động)
3. Xác minh kết quả:
   • Phân loại chính xác được hiển thị
   • Chỉ báo pass/fail đúng
   • Hiệu suất thời gian nhất quán

8.2 Danh Sách Kiểm Tra Xác Nhận Sản Xuất

Trường Hợp Kiểm Thử	Kết Quả Mong Đợi	✓
Đối tượng thuộc class mục tiêu	Kết quả Pass	☐
Đối tượng không thuộc class mục tiêu	Kết quả Fail	☐
ROI trống	Kết quả Fail	☐
Đối tượng bị che khuất một phần	Mức độ tin cậy phù hợp	☐
Điều kiện ánh sáng kém	Hiệu suất nhất quán	☐

8.3 Tối Ưu Hóa Hiệu Suất

Nếu kết quả chưa đạt yêu cầu:

1. Thêm nhiều hình ảnh huấn luyện (đặc biệt là các trường hợp biên)
2. Điều chỉnh ngưỡng tin cậy
3. Cải thiện độ nhất quán của ánh sáng
4. Tinh chỉnh vị trí ROI
5. Huấn luyện lại với chế độ "Accurate"

Chúc Mừng!

Bạn đã tạo thành công model phân loại đầu tiên của mình! Hệ thống OV10i của bạn giờ đây có thể:

• Tự động nhận diện các kích thước mũi khoan khác nhau
• Áp dụng logic pass/fail dựa trên kết quả phân loại
• Cung cấp điểm tin cậy cho mỗi lần phân loại
• Tích hợp với quy trình sản xuất thông qua điều khiển I/O

Các Bước Tiếp Theo

Sau khi đã thành thạo phân loại một ROI, hãy cân nhắc khám phá:

Kỹ Thuật Phân Loại Nâng Cao

• Phân loại đa ROI cho các bộ phận phức tạp
• Phân loại phân cấp để phân loại chi tiết
• Kiểm tra kết hợp (phân loại + phát hiện lỗi)

Tích Hợp Sản Xuất

• Giao tiếp PLC để phân loại tự động
• Ghi nhật ký dữ liệu để theo dõi chất lượng
• Quản lý recipe cho nhiều dòng sản phẩm

Tối Ưu Hóa Model

• Transfer learning cho các sản phẩm tương tự
• Active learning để cải tiến liên tục
• Giám sát hiệu suất và lịch huấn luyện lại

🔗 Xem Thêm

• Kiến Thức Cơ Bản Về Node-RED
• Custom Blocks Node-RED Của Overview

Hướng Dẫn Khắc Phục Sự Cố

Các Vấn Đề Thường Gặp và Giải Pháp

Vấn Đề	Triệu Chứng	Giải Pháp
Độ chính xác kém	Phân loại thường xuyên sai	Thêm nhiều hình ảnh huấn luyện đa dạng hơn
Hiệu suất chậm	Thời gian xử lý dài	Giảm kích thước ROI, tối ưu hóa ánh sáng
Kết quả không nhất quán	Cùng một đối tượng cho kết quả khác nhau	Cải thiện vị trí bộ phận, kiểm tra tiêu cự
Dương tính giả	ROI trống vẫn hiển thị phân loại	Tăng ngưỡng tin cậy
Huấn luyện thất bại	Model không huấn luyện thành công	Kiểm tra chất lượng hình ảnh, đảm bảo có 5+ hình ảnh cho mỗi class

Nhận Trợ Giúp

Nếu bạn gặp các vấn đề không được đề cập trong hướng dẫn này:

1. Kiểm tra các hướng dẫn khắc phục sự cố trong tài liệu
2. Xem lại nhật ký hệ thống để tìm thông báo lỗi
3. Liên hệ bộ phận hỗ trợ Overview kèm theo:
   • File xuất recipe
   • Hình ảnh mẫu cho thấy vấn đề
   • Chi tiết cấu hình hệ thống

---

Hoàn Thành Hướng Dẫn! Bây giờ bạn đã có một hệ thống phân loại hoạt động sẵn sàng để sử dụng trong sản xuất. Hãy nhớ thường xuyên xác nhận hiệu suất và huấn luyện lại mô hình của bạn khi cần thiết để duy trì độ chính xác theo thời gian.