Sử Dụng Classifier (Ví Dụ Single-ROI)

Hướng dẫn này sẽ giúp bạn tạo mô hình phân loại đầu tiên trên hệ thống camera OV10i. Bạn sẽ học cách thiết lập một classifier 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 mô hình phân loại hoạt động có thể 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 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

Hộp thoại 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 "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 bây giờ đã ở trạng thái "Active" với Recipe Editor được hiển thị.

Bước 2: Cấu Hình Cài Đặt Imaging của Camera

2.1 Mở Cấu Hình Imaging

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 trường nhìn của camera
2. Điều chỉnh Focus bằng một trong các cách:
   • Điều khiển 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 rõ nét và sắc sảo

Mẹo Focus:

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

2.3 Tối Ưu Hóa Cài Đặt Exposure

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

1. Điều chỉnh Exposure bằng thanh trượt hoặc nhập thủ công
2. Hướng tới ánh sáng cân bằng nơi:
   • Chi tiết đối tượng hiển thị rõ ràng
   • Không có vùng nào bị phơi sáng quá mức (trắng hoàn toàn)
   • Bóng không che khuất các đặc điểm quan trọng

2.4 Cấu Hình Đèn LED

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

1. Chọn Mẫu Đèn LED dựa trên đối tượng của bạn:
   • Bright Field: Chiếu sáng mục đích chung
   • Dark Field: Làm nổi bật các cạnh và khuyết tật bề mặt
   • Side Lighting: Hiển thị kết cấu và biến thể độ cao
2. Đối với mũi khoan, hãy thử:
   • Bright field để phân loại hình dạng chung
   • Side lighting để nhấn mạnh hình học rãnh

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 Cài Đặt Hình Ảnh

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 hiện tại sẽ cho ra hình ảnh mũi khoan nhất quán và đủ ánh sáng.

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 mũi khoan sẽ được đặt một cách nhất quán:

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

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

Bước 4: Thiết Lập ROI Kiểm Tra

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 quá trình phân loại sẽ diễn ra:

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

4.3 Thực Hành Tốt Nhất Cho ROI

Nên	Không Nên
Bao gồm tất cả các đặc điểm quan trọng	Làm ROI quá lớn (bao gồm nhiễu)
Để viền nhỏ xung quanh đối tượng	Cắt bỏ 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 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 Mô Hình Phân Loại

5.1 Điều Hướng Đến Classification Block

1. Nhấp "Classification Block" trong menu breadcrumb

5.2 Tạo Các Lớp Phân Loại

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

Các Lớp Ví Dụ:

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

5.3 Chụp Hình Ảnh Huấn Luyện

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

Lớp 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 khoan nhỏ khác (với hướng/vị trí khác nhau)

Lớp 2: Mũi Trung Bình

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

Lớp 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 khoan lớn khác nhau

5.4 Thực Hành Tốt Nhất Cho Hình Ảnh Huấn Luyện

Thực Hành Tốt Nhất	Tại Sao Quan Trọng
Sử dụng các ví dụ khác nhau	Cải thiện khả năng khái quát hóa của mô hình
Thay đổi hướng	Xử lý biến thể vị trí trong thực tế
Bao gồm các trường hợp biên	Phát hiện ranh giới giữa các lớp 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 gán nhãn
2. Đảm bảo gán đúng class
3. Xóa bất kỳ ví dụ nào được gán nhãn sai

5.6 Bắt Đầu Huấn Luyện Mô Hình

1. Nhấp 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 (iteration):
   • Nhiều iteration hơn = Độ chính xác cao hơn
   • Nhiều iteration hơn = Thời gian huấn luyện lâu hơn
4. Nhấp Start Training

5.7 Theo Dõi Tiến Trình Huấn Luyện

Hộp thoại tiến trình huấn luyện hiển thị:

• Số iteration hiện tại
• Phần trăm độ chính xác huấn luyện
• Thời gian hoàn thành ước tính

Điều Khiển Huấn Luyện:

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

Mẹo Huấn Luyện:

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

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

Bước 6: Kiểm Tra Bộ Phân Loại

6.1 Truy Cập Live Preview

1. Nhấp Live Preview sau khi hoàn thành huấn luyện
2. Đặt các mũi khoan khác nhau vào ROI
3. Quan sát kết quả phân loại:
   • Tên class được dự đoán
   • 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 hình ảnh huấn luyện
Mũi Khoan Trung Đã Biết	Được phân loại là "Medium" với độ tin cậy >80%	Xem lại độ chính xác 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 có phân loại hoặc độ tin cậy thấp	Điều chỉnh ngưỡng độ tin cậy

6.3 Xử Lý Sự Cố Phân Loại

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

Bước 7: Cấu Hình Logic Pass/Fail

7.1 Điều Hướng đến IO Block

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

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

7.2 Xác Định Classification Logic Node

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

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

7.3 Cấu Hình Classification Logic

1. Nhấp đúp vào Classification Logic Node
2. Cấu hình cài đặt:

Chọn ROI

• Chọn ROI của bạn từ menu thả xuống "Inspection Region"

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 dễ dãi hơn

Lựa Chọn Target Class

• Chọn target class cho kết quả "pass"
• Ví dụ: Chọn "Medium" nếu chỉ mũi khoan cỡ trung bình được pass

Logic Nhiều ROI (Nâng Cao)

• Thêm ROI nếu cần
• Chọn logic: Quy tắc "Any" hoặc "All" phải pass

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. Nhấn Done ở góc trên bên phải
2. Nhấn Deploy ở góc trên bên phải của Node-RED editor
3. Xác minh thông báo triển khai thành công

Bước 8: Kiểm Thử và Xác Thực Cuối Cùng

8.1 Kiểm Thử End-to-End

Kiểm tra quy trình kiểm tra hoàn chỉnh:

1. Đặt các vật thể thử nghiệm vào khu vực kiểm tra
2. Kích hoạt kiểm tra (thủ công hoặc tự động)
3. Xác minh kết quả:
   • Phân loại hiển thị chính xác
   • Chỉ báo pass/fail phù hợp
   • Hiệu suất thời gian ổn định

8.2 Danh Sách Kiểm Tra Xác Thực Sản Xuất

Trường Hợp Kiểm Tra	Kết Quả Mong Đợi	✓
Vật thể thuộc target class	Kết quả Pass	☐
Vật thể không thuộc target class	Kết quả Fail	☐
ROI trống	Kết quả Fail	☐
Vật thể bị che khuất một phần	Mức độ tin cậy phù hợp	☐
Điều kiện ánh sáng kém	Hiệu suất ổn định	☐

8.3 Tối Ưu Hóa Hiệu Suất

Nếu kết quả không đạt yêu cầu:

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

Xin Chúc Mừng!

Bạn đã tạo thành công mô hình 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 confidence cho mỗi phân loại
• Tích hợp với quy trình sản xuất thông qua điều khiển I/O

Các Bước Tiếp Theo

Bây giờ bạn đã thành thạo phân loại single-ROI, hãy khám phá thêm:

Kỹ Thuật Phân Loại Nâng Cao

• Phân loại Multi-ROI cho các chi tiết 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 Mô Hình

• 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 Node-RED
• Overview Node-RED Custom Blocks

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 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 vật thể cho kết quả khác nhau	Cải thiện định vị chi tiết, kiểm tra tiêu cự
False positives	ROI trống hiển thị phân loại	Tăng ngưỡng confidence
Huấn luyện thất bại	Mô hình không huấn luyện thành công	Kiểm tra chất lượng ảnh, đảm bảo 5+ ảnh 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 của Overview kèm theo:
   • File xuất recipe
   • Hình ảnh mẫu thể hiện vấn đề
   • Chi tiết cấu hình hệ thống

---

Hoàn Thành Hướng Dẫn! Giờ đây bạn đã có một hệ thống phân loại hoạt động sẵn sàng đưa vào sản xuất. Hãy nhớ xác thực hiệu suất thường xuyên và huấn luyện lại mô hình khi cần thiết để duy trì độ chính xác theo thời gian.