Sử Dụng Classifier (Ví Dụ Single-ROI)

Hướng dẫn này sẽ đưa bạn qua các bước tạo mô hình phân loại đầu tiên trên hệ thống camera OV20i. Bạn sẽ học cách thiết lập một classifier với single Region of Interest (ROI) để tự động nhận dạng 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 được, có thể tự động nhận dạng 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 OV20i đã được thiết lập và kết nối

Bước 1: Tạo Recipe Phân Loại Mới

1.1 Truy Cập Trang Tạo Recipe

1. Điều hướng đến trang All Recipes trong giao diện OV20i của bạn
2. Nhấn + 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 dàng nhận diện
2. Chọn Loại Recipe: Chọn "Classification" từ menu thả xuống
3. Nhấn OK để tạo recipe

1.3 Kích Hoạt Và Mở Recipe Editor

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

✅ Checkpoint: 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. Nhấn Configure Imaging ở phía dưới bên trái của Recipe Editor

2.2 Điều Chỉnh Cài Đặt Focus

Focus là yếu tố then chốt để phân loại chính xác:

1. Đặt mũi khoan vào trong vùng quan sát (field of view) của camera
2. Điều chỉnh Focus bằng cách sử dụng:
   • Thanh trượt điều khiển, 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 Về Focus:

• Sử dụng live preview để xem các thay đổi focus theo thời gian thực
• Tập trung vào các đặc điểm quan trọng nhất (rãnh xoắn mũi khoan, hình học đầu mũi)
• Đảm bảo toàn bộ độ sâu của đối tượng đều nằm 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 giá trị thủ công
2. Hướng đến ánh sáng cân bằng với các yếu tố:
   • Chi tiết đối tượng hiển thị rõ ràng
   • Không có vùng nào bị overexposed (trắng hoàn toàn)
   • Bóng tối không che khuất các đặc điểm quan trọng

2.4 Cấu Hình Đèn LED

Ánh sáng có ảnh hưởng đáng kể đến độ chính xác của 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 khuyết tật bề mặt
   • Side Lighting: Hiển thị biến đổi về kết cấu và chiều cao
2. Đối với mũi khoan, hãy thử:
   • Bright field để phân loại hình dạng tổng thể
   • Side lighting để làm nổi bật hình học rãnh xoắn

2.5 Điều Chỉnh Cài Đặt Gamma

Gamma điều chỉnh độ tương phản hình ảnh:

1. Điều chỉnh Gamma để tăng cường độ hiển thị các 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 giờ đây sẽ tạo ra hình ảnh nhất quán, đủ sáng về 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 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 tôi giả định việc đặt bộ phận 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 sẽ thực hiện phân loại:

1. Đặt một mũi khoan trong vùng nhìn của camera
2. Kéo các góc 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 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 lại viền nhỏ 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 qua 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 nên 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:

Ví Dụ Các Lớp:

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

5.3 Chụp Ảnh Huấn Luyện

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

Lớp 1: Mũi Khoan Nhỏ

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

Lớp 2: Mũi Khoan Trung Bình

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

Lớp 3: Mũi Khoan Lớn

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

5.4 Thực Hành Tốt Nhất Cho Ảnh Huấn Luyện

Thực Hành Tốt Nhất	Tại Sao Quan Trọng
Sử dụng các ví dụ khác nhau	Cải thiện khả năng tổng quát hóa của mô hình
Thay đổi hướng	Xử lý biến động vị trí trong thực tế
Bao gồm các trường hợp biên	Phát hiện ranh giới tốt hơn giữa các lớp
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 Kiểm Tra và Xác Minh Nhãn

1. Kiểm tra kỹ tất cả hình ảnh đã gán nhãn
2. Đảm bảo phân loại class chính xác
3. Xóa bất kỳ mẫu nào bị 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

Cửa sổ tiến trình huấn luyện hiển thị:

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

Điều Khiển Huấn Luyện:

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

Mẹo Huấn Luyện:

• Quá trình huấn luyện sẽ tự động dừng khi đạt độ chính xác mục tiêu
• Độ chính xác 85%+ thường là đủ tốt để 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 huấn luyện hoàn tất
2. Đặt các mũi khoan khác nhau vào ROI
3. Quan sát kết quả phân loại:
   • Tên class dự đoán
   • Phần trăm độ tin cậy (confidence)
   • 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	Phân loại là "Small" với độ tin cậy >80%	Thêm hình ảnh huấn luyện
Mũi Khoan Trung Bình Đã Biết	Phân loại là "Medium" với độ tin cậy >80%	Xem lại độ chính xác của nhãn
Mũi Khoan Lớn Đã Biết	Phân loại là "Large" với độ tin cậy >80%	Huấn luyện lại với nhiều mẫu 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	Không đủ dữ liệu huấn luyện	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	Các đối tượng trông giống nhau	Thêm các mẫu phân biệt rõ 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 "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 không có: Kéo từ menu node 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 các thiết lập:

Chọn ROI

• Chọn ROI của bạn từ danh sách 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 Class Mục Tiêu

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

Logic Nhiều ROI (Nâng Cao)

• Thêm ROI nếu cần
• Chọn logic: "Any" hoặc "All" quy tắc 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 trình soạn thảo Node-RED
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 toàn bộ quy trình kiểm tra:

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 năng thời gian ổn định

8.2 Danh Sách Kiểm Tra Xác Thực Sản Xuất

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

8.3 Tối Ưu Hóa Hiệu Năng

Nếu kết quả chưa đạt yêu cầu:

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

Chúc Mừng!

Bạn đã tạo thành công mô hình phân loại đầu tiên của mình! Hệ thống OV20i của bạn hiện có thể:

• Tự động nhận diện các kích cỡ 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 đơn ROI, bạn có thể khám phá thêm:

Kỹ Thuật Phân Loại Nâng Cao

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

Tích Hợp Sản Xuất

• Giao tiếp PLC cho 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 thiện liên tục
• Giám sát hiệu năng và lịch huấn luyện lại

🔗 Xem Thêm

• Cơ Bản Về Node-RED
• Overview Node-RED Custom Blocks

Hướng Dẫn Khắc Phục Sự Cố

Các Sự Cố Thường Gặp và Giải Pháp

Sự Cố	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 lâu	Giảm kích thước ROI, tối ưu ánh sáng
Kết quả không nhất quán	Cùng một đối tượng cho kết quả khác nhau	Cải thiện vị trí đặt chi tiết, kiểm tra tiêu cự
False positives	ROI trống hiển thị kết quả phân loại	Tăng ngưỡng độ tin cậy (confidence threshold)
Huấn luyện thất bại	Model không huấn luyện thành công	Kiểm tra chất lượng hình ảnh, đảm bảo có 5+ hình ảnh mỗi lớp

Nhận Hỗ Trợ

Nếu bạn gặp phải các sự cố không được đề cập trong hướng dẫn này:

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

---

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