跳到主要内容

训练一个分割器

本指南介绍如何设置和配置 OV20i 的分割功能，以自动检测、测量和分析部件中的特定特征或缺陷。需要识别不规则形状、测量面积，或检测无法通过简单分类处理的特征时，请使用分割。

备注

Ov10i 不具备分割功能。

何时使用分割： 表面缺陷、液体溢漏、不规则形状、面积测量、图案检测，或任何需要像素级精确度的特征。

开始前​

您需要的内容​

  • 已设置并连接的 OV20i 摄像系统
  • 带有要分割特征的测试件（例如带铅笔标记的薄片）
  • 适用于您特定应用的良好照明条件
  • 15-20 张用于训练的示例图像

第 1 步：创建分割配方​

1.1 新建配方​

  1. 打开“All Recipes”页面
  2. 点击 + New Recipe（右上角）
  3. 输入配方名称：使用描述性名称，如 "Pencil_Mark_Detection" 或 "Surface_Defect_Segmentation"
  4. 选择配方类型：从下拉菜单中选择 "Segmentation"
  5. 点击 OK 以创建

新建

1.2 激活配方​

  1. 在列表中找到您的配方（显示为“Inactive”）
  2. 点击 Actions > Activate
  3. 点击 Activate 以确认

激活配方

✅ 结果：配方现已处于激活状态，可进行配置。

第 2 步：访问配方编辑器​

  1. 点击您已激活配方旁边的 Edit
  2. 点击 Open Editor 以确认

编辑

您现在将看到带有分割相关选项的配方编辑器。

第 3 步：配置相机设置​

3.1 打开成像配置​

  1. 点击 Configure Imaging（左下角）

配置成像

3.2 为分割优化对焦​

对边缘检测的准确性，聚焦至关重要：

  1. 将测试件放置在相机视图中
  2. 调整对焦，直到边缘清晰锐利
  3. 对不同工件进行测试，以确保在整个范围内对焦一致
提示
  • 将焦点放在缺陷/特征将出现的表面
  • 确保感兴趣区域的整个区域处于清晰对焦
  • 对分割而言，略微过度锐化比软焦更佳

3.3 设置最佳曝光​

正确曝光可确保特征检测的一致性：

  1. 调整曝光，以实现均衡照明
  2. 避免过曝区域（纯白区域）
  3. 在良好对比度下确保特征可见

分割曝光指南：

  • 特征应与背景具有清晰对比
  • 避免可能被误认为缺陷的阴影
  • 使用各种工件条件进行测试（清洁、污脏、磨损）

3.4 配置 LED 照明模式​

根据要分割的对象选择照明：

特征类型推荐照明原因
表面缺陷明场照明均匀照明显示表面不规则性
划痕/裂纹侧光照明阴影突出线性缺陷
凸起特征暗场照明使凸起区域从背景中突出
液体溢出侧光照明显示表面纹理差异

3.5 调整伽马以提升特征对比度​

  1. 提高伽马值以增强特征与背景之间的对比度
  2. 在查看目标特征时测试不同的伽马值
  3. 找到使特征最易区分的设置

3.6 保存配置​

  1. 在实时预览中查看设置
  2. 点击 Save Imaging Settings

Save Settings

✅ 检查点： 特征在对比度良好时应清晰可见。

第 4 步：设置模板和对齐​

4.1 导航至模板部分​

点击 "Template Image and Alignment" 在面包屑菜单中

4.2 配置对齐（可选）​

Template and alignment

在本示例中，我们将跳过对齐：

  1. 如果零件位置保持一致，请选择 Skip Aligner
  2. 点击 Save

Template image

何时使用 Aligner： 当零件到达的位置或方向不同，可能影响分割的准确性时启用。

第 5 步：定义检测区域​

5.1 导航至 检测设置​

点击 "Inspection Setup" 在面包屑导航中

5.2 设置 ROI（感兴趣区域）​

ROI 定义了分割将发生的位置：

  1. 将测试件放置在相机视图中
  2. 拖动 ROI 的角点以框定检测区域
  3. 适当设置 ROI 大小：
    • 包含可能出现特征的所有区域
    • 排除不必要的背景区域
    • 在预期特征位置周围留出缓冲区

ROI Setup

5.3 用于分割的 ROI 最佳实践​

执行不执行
覆盖整个检测表面包含无关背景对象
在边缘留出缓冲区使 ROI 对特征变化过小
考虑零件定位变化与夹具或工具的定位重叠
使用最大预期特征进行测试包含带永久标记的区域

5.4 保存 ROI 设置​

  1. 验证 ROI 覆盖所有目标区域
  2. 点击 Save

第 6 步：标注训练数据​

6.1 导航至 标注与训练​

点击 "Label And Train" 在面包屑导航中

6.2 配置检测类别​

  1. 在检测类型下点击 Edit
  2. 将类别重命名以匹配您的特征（例如 "Pencil Mark"、"Surface Defect"、"Spill Area"）
  3. 选择类别颜色以便可视化识别
  4. 保存更改

6.3 捕获并标注训练图像​

您需要至少 10 张带标注的图像，但建议 15-20 张：

图像捕获过程​

Label and Train

  1. 将第一件测试件放置在检测区域
  2. 使用相机界面拍摄图像
  3. 使用画笔工具在目标特征上进行着色
  4. 准确着色：
    • 覆盖整个特征区域
    • 保持在特征边界内
    • 不要涂抹背景区域
    • 使用一致的标注方法
  5. 点击 Save Annotations
  6. 对下一个零件重复

标注最佳实践​

良好标注不良标注
特征边界精准边缘涂抹粗糙
特征定义一致标准不一致
特征覆盖全面缺失特征区域
背景干净（未涂色）背景涂色意外覆盖

6.4 训练数据多样性​

确保你的训练集包含：

  • 不同的特征尺寸
  • 不同的特征强度
  • ROI 内的多个位置
  • 不同的光照条件（如适用）
  • 边缘情况和界线示例

6.5 质量检查训练数据​

  1. 审查所有标注的图像
  2. 验证标注方法的一致性
  3. 删除任何标注错误的示例
  4. 如有需要，添加更多示例

步骤 7：训练 Segmentation Model​

7.1 开始训练过程​

  1. 点击 Return to Live，标注完成后
  2. 点击 Train Segmentation Model

开始训练

7.2 配置训练参数​

  1. 设置迭代次数：
    • 快速训练： 50-100 次迭代（5-10 分钟）
    • 生产质量： 200-500 次迭代（15-30 分钟）
    • 高精度： 500+ 次迭代（30+ 分钟）
  2. 点击 Start Training

7.3 监控训练进度​

训练进度显示：

  • 当前迭代次数
  • 训练准确率百分比
  • 预计完成时间

训练中

训练控件：

  • Abort Training： 如出现问题时停止
  • Finish Training Early： 当准确度足够时停止

训练 2

提示
  • 85% 准确率通常适用于生产环境
  • 训练在达到目标准确度时自动停止
  • 更多训练数据通常比更多迭代更有效

步骤 8：测试分割性能​

8.1 访问实时预览​

  1. 点击 Live Preview，训练完成后
  2. 对不同部件进行测试：
    • 已知良品部件（应显示无/极少分割）
    • 已知不良部件（应突出显示缺陷）
    • 边缘情况和界线示例

实时预览

8.2 评估结果​

检查分割质量：

指标良好表现需改进
准确性始终发现真实特征容易遗漏明显特征
精确度偶发假阳性较少许多背景区域被高亮显示
边缘质量较干净、准确的边界较粗糙或不准确的边缘
一致性重复测试结果相似结果变化很大

8.3 不良结果的排查​

问题可能原因解决方案
缺少特征训练数据不足添加更多已标注的示例
假阳性光照/对比度不足提高成像设置
边缘粗糙图像质量差提高对焦/照明
结果不一致训练样本多样性不足增加更多多样化示例

第 9 步：配置 Pass/Fail Logic​

9.1 Access IO Block​

  1. 确保 AI 模型显示绿色（训练完成状态）
  2. 通过面包屑导航进入 IO Block

9.2 Remove Default Logic​

  1. 删除 Classification Block Logic 节点
  2. 准备构建自定义分割逻辑

9.3 Build Segmentation Flow​

Create Node-RED flow with these components:

  1. 从左侧面板拖拽节点：
    • Function node（用于逻辑）
    • Debug node（用于测试）
    • Final Pass/Fail node
  2. 用连线将节点连接起来

NodeRed

9.4 Configure Logic Based on Your Needs​

选项 A：若未检测到缺陷则通过​

用例： 质量检测中任一检测到的特征均视为不合格

Function Node Code：

const allBlobs = msg.payload.segmentation.blobs;
const results = allBlobs.length <1; // Pass if no features found
msg.payload = results;
return msg;

选项 B：仅在缺陷较小时通过​

用例： 接受小于尺寸阈值的次要缺陷

Function Node Code：

const threshold = 500; // Adjust pixel count threshold
const allBlobs = msg.payload.segmentation.blobs;
const allUnderThreshold = allBlobs.every(blob => blob.pixel_count < threshold);
msg.payload = allUnderThreshold;
return msg;

选项 C：若总缺陷面积较小时通过​

用例： 接受总缺陷面积有限的部件

Function Node Code：

const threshold = 5000; // Adjust total pixel threshold
const allBlobs = msg.payload.segmentation.blobs;
const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_count, 0);
msg.payload = totalArea < threshold;
return msg;

9.5 Configure Function Node​

  1. 双击 Function node
  2. 从以上示例中复制合适的代码
  3. 粘贴到 "On Message" 选项卡
  4. 为你的应用调整阈值
  5. 点击 Done

9.6 Deploy and Test Logic​

  1. 点击 Deploy 以激活逻辑
  2. 进入 HMI 进行测试
  3. 使用已知良品和不良品进行测试
  4. 验证通过/失败结果是否符合预期

Step 10: Production Validation​

10.1 Comprehensive Testing​

使用以下进行分割系统测试：

测试用例预期结果失败时行动
清洁部件通过（无分割）调整阈值或重新训练
小缺陷根据您的标准通过/不通过精炼逻辑参数
重大缺陷失败（清晰分割）检查模型精度
边缘情况行为一致添加训练数据

10.2 Performance Validation​

监控以下指标：

  • 每次检测的处理时间
  • 多次测试的一致性
  • 生产照明下的准确性
  • 长时间运行的可靠性

10.3 Final Adjustments​

若性能不令人满意：

  1. 为边缘情况添加更多训练数据
  2. 在逻辑中调整阈值
  3. 改善成像条件
  4. 在额外迭代中重新训练模型

成功！您的 Segmentation System 已就绪​

您现在拥有一个可工作的 segmentation system，能够：

  • 自动检测 特定特征或缺陷
  • 以像素级精度测量面积
  • 根据您的需求应用自定义 Pass/Fail Logic
  • 通过 I/O 控制与生产系统集成

高级配置选项​

自定义阈值逻辑​

对于复杂的验收标准，组合多个条件：

const smallThreshold = 200;
const largeThreshold = 1000;
const maxTotalArea = 3000;

const allBlobs = msg.payload.segmentation.blobs;
const smallBlobs = allBlobs.filter(blob => blob.pixel_count < smallThreshold);
const largeBlobs = allBlobs.filter(blob => blob.pixel_count > largeThreshold);
const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_c