Sử Dụng Classifier (Ví Dụ Single-ROI)

Hướng dẫn này sẽ giúp bạn tạo mô hình phân loại (classification) đầu tiên trên hệ thống camera OV80i. Bạn sẽ học cách thiết lập 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 mũi khoan có kích thước khác nhau.

Nội Dung Bạn Sẽ Xây Dựng: Một mô hình phân loại hoạt động có khả năng tự động nhận dạng và phân loại các kích thước 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 OV80i 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 OV80i của bạn
2. Nhấn + New Recipe ở góc trên bên phải

1.2 Cấu Hình Thiết Lập 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. Nhấn OK để tạo recipe

1.3 Kích Hoạt Recipe

1. Tìm recipe mới của bạn 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

✅ Điểm Kiểm Tra: Recipe hiện đã "Active" và Recipe Editor được hiển thị.

Bước 2: Cấu Hình Thiết Lập Hình Ảnh Camera

2.1 Mở Cấu Hình Imaging

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

2.2 Điều Chỉnh Thiết Lập Focus

Focus rất quan trọng để phân loại chính xác:

1. Đặt các mũi khoan vào trường nhìn của camera
2. Điều chỉnh Focus bằng một trong hai cách:
   • 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 sắc nét và rõ ràng

Mẹo Về Focus:

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

2.3 Tối Ưu Hóa Thiết Lập 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 đến ánh sáng cân bằng trong đó:
   • 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 ảnh hưởng đáng kể đến độ chính xác phân loại:

1. Chọn LED Light Pattern dựa trên đối tượng của bạn:
   • Bright Field: Chiếu sáng đa năng
   • Dark Field: Làm nổi bật các cạnh và lỗi bề mặt
   • Side Lighting: Hiển thị kết cấu và các biến thể về chiều cao
2. Đối với mũi khoan, hãy thử:
   • Bright field để phân loại hình dạng tổng quát
   • Side lighting để làm nổi bật hình học rãnh xoắn

2.5 Điều Chỉnh Thiết Lập Gamma

Gamma điều khiển độ tương phản của 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 live preview
2. Nhấn Save Imaging Settings để áp dụng cấu hình

✅ Checkpoint: Camera của bạn bây giờ sẽ cho 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. Nhấn "Template Image and Alignment" trong menu breadcrumb, HOẶC
2. Sử dụng menu dropdown 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. Nhấn Save để áp dụng thay đổi

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

Bước 4: Thiết Lập ROI Kiểm Tra

4.1 Điều Hướng đến Inspection Setup

1. Nhấn "Inspection Setup" trong menu breadcrumb

4.2 Xác Định Region of Interest

ROI xác định nơi sẽ diễn ra quá trình phân loại:

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

4.3 Các Best Practice 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 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 định vị ROI với các kích thước mũi khoan khác nhau
2. Nhấn Save để áp dụng cài đặt ROI

Checkpoint: ROI của bạn sẽ bao khung các mũi khoan một cách nhất quán bất kể kích thước cụ thể.

Bước 5: Huấn Luyện Mô Hình Phân Loại

5.1 Điều Hướng đến Classification Block

1. Nhấn "Classification Block" trong menu breadcrumb

5.2 Tạo Các Class Phân Loại

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

Ví Dụ Các Class:

• Small Bits (1-3mm)
• Medium Bits (4-6mm)
• Large Bits (7-10mm)

5.3 Chụp Hình Ảnh Huấn Luyện

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

Class 1: Small Bits

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

Class 2: Medium Bits

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 nhau

Class 3: Large Bits

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 nhau

5.4 Các Best Practice cho Hình Ảnh Huấn Luyện

Best Practice	Tại Sao Quan Trọng
Sử dụng các ví dụ khác nhau	Cải thiện khả năng tổng quát hóa của mô hình
Đa dạng hóa hướng	Xử lý biến thể vị trí thực tế
Bao gồm các trường hợp biên	Phát hiện ranh giới tốt hơn giữa các class
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 các hình ảnh đã gắn nhãn
2. Đảm bảo gán đúng class
3. Xóa bỏ các mẫu gắn 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 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:

• Quá trình huấn luyện sẽ tự động dừng khi đạt độ chính xác mục tiêu
• Độ chính xác 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 tất 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 Small Đã Biết	Được phân loại là "Small" với độ tin cậy >80%	Thêm hình ảnh huấn luyện
Mũi Khoan Medium Đã Biết	Được phân loại là "Medium" với độ tin cậy >80%	Xem lại độ chính xác gắn nhãn
Mũi Khoan Large Đã Biết	Được phân loại là "Large" với độ tin cậy >80%	Huấn luyện lại với nhiều mẫu hơn
ROI Rỗng	Không có 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 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	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 Xác Định Classification Logic Node

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

Màu Của 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 danh sách "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 Lớp Mục Tiêu

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

Logic Đa ROI (Nâng Cao)

• Thêm các ROI khác nếu cần
• Chọn logic: Quy tắc "Any" hoặc "All" phải đạt

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 Dải 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 nhận thông báo triển khai thành công

Bước 8: Kiểm Tra và Xác Thực Cuối Cùng

8.1 Kiểm Tra End-to-End

Kiểm tra toàn bộ quy trình kiểm định:

1. Đặt các đối tượng kiểm tra vào vùng kiểm định
2. Kích hoạt kiểm định (thủ công hoặc tự động)
3. Xác minh kết quả:
   • Phân loại chính xác được hiển thị
   • 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	✓
Đối tượng thuộc lớp mục tiêu	Kết quả Pass	☐
Đối tượng không thuộc lớp 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 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 tin cậy
3. Cải thiện tính nhất quán của ánh sáng
4. Tinh chỉnh vị trí ROI
5. Huấn luyện lại ở chế độ "Accurate"

Chúc Mừng!

Bạn đã tạo thành công mô hình phân loại đầu tiên! Hệ thống OV80i 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 vào quy trình sản xuất thông qua điều khiển I/O

Các Bước Tiếp Theo

Bây giờ khi bạn đã thành thạo phân loại đơn ROI, hãy cân nhắc khám phá:

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
• Kiểm định 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

• Node-RED Basics
• Overview Node-RED Custom Blocks

Hướng Dẫn Xử Lý 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 lâu	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 đặt chi tiết, kiểm tra tiêu cự
False positives	ROI trống hiển thị phân loại	Tăng ngưỡng confidence
Huấn luyện thất bại	Model không huấn luyện thành công	Kiểm tra chất lượng hình ảnh, đảm bảo 5+ hình ảnh mỗi lớp

Nhận Hỗ Trợ

Nếu bạn gặp 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 nhật ký hệ thống để tìm thông báo lỗi
3. Liên hệ với bộ phận hỗ trợ Overview kèm theo:
   • File export recipe
   • Hình ảnh mẫu thể hiện 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 đưa vào 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.