跳到主要内容

重新训练模型

本页说明在 OV80i 系统上何时以及如何重新训练你的 AI 模型，无论你使用 Classification 还是 Segmentation，以便在零件或生产条件变化时保持检验的准确性。

视频指南

查看本主题的实际演示：OV Auto-Defect Creator Studio

提示

AI 性能取决于训练数据的相关性。随着零件、工况或检查要求发生变化时，请重新训练。

何时应重新训练？​

重新训练可确保模型跟上生产实际情况。请将本指南应用于 Classification 和 Segmentation 项目。

何时应重新训练？​

  • 你正在检查一个 new SKU or part variant
  • 你的 检查要求已改变（例如现在需要检测表面缺陷或润滑脂）
  • 你已改变 夹具、机器人，或零件呈现方式（part presentation）
  • 照明发生显著变化（例如反射、角度、强度）
  • 准确性下降 — 假阳性/假阴性增多
  • 你需要 更严格的置信阈值 或更精确的结果
  • 模型显示出 过拟合或泛化不足 的迹象

如何重新训练（针对两种模型类型）​

  1. 从你当前的生产设置中捕获新的示例图像 (Capture new sample images)

  2. 对 Classification：用类别名称对图像或 ROI 进行标注

    对 Segmentation：在缺陷处（或良/坏区域）绘制像素级掩模

  3. 选择合适的训练模式：

    • Classification：
      • Fast（快速） – 用于快速测试或迭代
      • Accurate（准确） – 用于生产使用
    • Segmentation：
      • Accurate（准确） – 仅一种模式，优化以实现高精度

  4. 在 Recipe 界面内运行训练

  5. 审查模型输出并测试现场检验

  6. 当置信度和覆盖率达到预期时部署新模型

模型类型快速指南​

Model TypeBest ForTraining ModesOutput
ClassificationGood/Bad 或离散状态决策Fast、Accurate整张图像或 ROI 分类
Segmentation像素级缺陷或区域映射Accurate 仅有带标签的掩模（高亮区域）

示例用例​

ExampleModel Type
检测螺栓缺失Classification
检查划痕或凹痕Segmentation
验证润滑脂存在性Classification or Segmentation（取决于所需精度）
测量泡沫覆盖率Segmentation

重新训练的最佳实践​

  • ✅ 始终使用最新的生产图像
  • ✅ 包含一组通过/失败案例，特别是边缘情况
  • ✅ 对于每个类别至少使用 30–50 张图像（Classification）
  • ✅ 确保 ROI 边界或掩模与零件布局相匹配
  • ✅ 部署前使用 Accurate 模式
  • ❌ 不要使用模糊、光线不足或对齐不良的图像进行训练

🔗 相关链接​