跳到主要内容

使用分类器（单 ROI 示例）

本教程将带您在 OV80i 相机系统上创建第一个分类模型。您将学习如何设置一个单 Region of Interest (ROI) 分类器，以自动识别并对不同类型的对象进行分类——本示例中为钻头的不同尺寸。

您将构建的内容： 一个可以自动识别并按配置的通过/不通过逻辑对不同钻头尺寸进行分拣的工作分类模型。

预计时长： 45-60 分钟

难度等级： 初级

前提条件： 已设置并连接的 OV80i 相机系统

步骤 1：创建一个新的分类配方​

1.1 进入创建配方​

  1. 在 OV80i 界面中导航至“全部配方”页面
  2. 点击 + New Recipe 位于右上角

1.2 配置配方设置​

模态框将显示：Add A New Recipe 模态框将出现：

  1. 输入配方名称： 使用描述性名称，如 "Drill_Bit_Classification_v1"
    • 命名提示： 为了便于识别，请包含对象类型和版本信息
  2. 选择配方类型： 从下拉菜单中选择 "Classification"
  3. 点击 OK 以创建配方

1.3 激活配方​

  1. 在 全部配方 列表中定位新建的配方（它将显示为 "Inactive"）
  2. 在配方条目的右侧点击 Activate
  3. 点击 Activate and go to editor 以确认并启动配方编辑器

✅ 检查点： 配方现已显示为 "Active"，并显示了配方编辑器。

步骤 2：配置相机成像设置​

2.1 打开成像配置​

  1. 点击 Configure Imaging 位于配方编辑器的左下侧

2.2 调整聚焦设置​

对准确分类至关重要的聚焦：

  1. 将钻头置于相机视野内
  2. 通过以下任一方式调整聚焦：
    • 滑块控件，或
    • 手动数值输入
  3. 测试不同聚焦位置，直到钻头边缘清晰锐利

聚焦提示：

  • 使用实时预览查看聚焦变化（实时）
  • 将聚焦放在最重要的特征上（钻头螺槽、尖端几何）
  • 确保对象的整个深度范围都在焦点中

2.3 优化曝光设置​

适当曝光可确保一致的图像质量：

  1. 使用滑块或手动输入调整曝光
  2. 追求均衡照明，其中：
    • 物体细节清晰可见
    • 无高曝光区域（纯白）
    • 阴影不遮挡重要特征

2.4 配置 LED 照明​

照明对分类准确性有显著影响：

  1. 根据对象选择 LED Light Pattern：
    • Bright Field（亮场）：通用照明
    • Dark Field（暗场）：突出边缘和表面缺陷
    • Side Lighting（侧光）：揭示纹理和高度差异
  2. 对于钻头，尝试以下方案：
    • Bright Field 用于一般形状分类
    • Side Lighting 用于强调螺槽几何

2.5 调整伽玛设置​

伽玛控制图像对比度：

  1. 调整伽玛值 以增强特征可见性
  2. 较低数值 会使暗区变亮
  3. 较高数值 增强对比度

2.6 保存成像设置​

  1. 在实时预览中审查所有设置
  2. 点击 Save Imaging Settings 以应用配置

✅ Checkpoint: 相机现在应能对钻头产生一致、光线充足的图像。

Step 3: Configure Template Image and Alignment​

3.1 导航至 Alignment​

  1. 单击 "Template Image and Alignment" 在面包屑菜单中，或
  2. 使用下拉菜单选择 "Template Image and Alignment"

3.2 跳过对齐器（本教程）​

由于钻头将被一致放置：

  1. 选择 Skip Aligner
  2. 点击 Save 以应用更改

何时使用对齐器： 当零件到达时位置或方向不同，建议使用对齐器。对于本教程，我们假设零件放置保持一致。

Step 4: Set Up Inspection ROI​

4.1 导航至 Inspection Setup​

  1. 点击面包屑菜单中的 "Inspection Setup"

4.2 定义 Region of Interest​

ROI 定义了分类将在哪些区域进行：

  1. 在相机视图中放置钻头
  2. 拖动 ROI 的角点以框定钻头
  3. 确保 ROI：
    • 完全包含钻头
    • 排除不必要的背景
    • 对您最大的钻头变体要足够大

4.3 ROI 最佳实践​

应做不应做
包含所有重要特征将 ROI 设置得过大（包含噪声）
在对象周围保留较小边界截断对象部分
将期望对象置于中心在一个 ROI 中包含多个对象
在不同图像中保持 ROI 尺寸一致捕获之间改变 ROI

4.4 保存 ROI 配置​

  1. 在不同尺寸的钻头下验证 ROI 位置
  2. 点击 Save 以应用 ROI 设置

✅ Checkpoint: 无论钻头的具体尺寸如何，ROI 应始终将钻头框在内。

Step 5: Train Classification Model​

5.1 导航至 Classification Block​

  1. 点击 "Classification Block" 在面包屑菜单

5.2 创建 Classification Classes​

您将为不同钻头尺寸创建分类：

示例类别：

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

5.3 捕获训练图像​

对于每个类别，至少捕获 5 张不同的图像：

Class 1: Small Bits​

  1. 将一枚小钻头放置在 ROI 内
  2. 点击 capture 以拍摄训练图像
  3. 将图像标注为 "Small"
  4. 对另外 4 枚小钻头重复同样操作（不同朝向/位置）

Class 2: Medium Bits​

  1. 将中等钻头放置在 ROI 内
  2. 捕获并标注 为 "Medium"
  3. 再用不同的中等钻头各重复 4 次

Class 3: Large Bits​

  1. 将大钻头放置在 ROI 内
  2. 捕获并标注 为 "Large"
  3. 再用不同的大钻头各重复 4 次

5.4 训练图像最佳实践​

最佳实践重要原因
使用不同示例提高模型泛化能力
改变朝向/角度处理现实世界的定位变化
包含边界情况提高类别之间的边界检测
保持一致的照明降低照明相关错误
至少 5 张图像提供足够的训练数据

5.5 审核并验证标签​

  1. 再次核对所有带标签的图像
  2. 确保正确的类别分配
  3. 删除任何标注错误的示例

5.6 开始模型训练​

  1. 点击 Train Classification Model
  2. 选择训练模式：
    • Fast: 快速用于测试（2-5 分钟）
    • Accurate: 生产级训练（10-20 分钟）
  3. 选择迭代次数：
    • More iterations = Better accuracy
    • More iterations = Longer training time
  4. 点击 Start Training

5.7 监控训练进度​

培训进度对话框显示：

  • 当前迭代次数
  • 训练准确度百分比
  • 预计完成时间

训练控制：

  • Abort Training: 如有需要，停止训练
  • Finish Training Early: 当准确度达到足够时停止

训练提示：

  • 当达到目标准确度时，训练将自动停止
  • 85% 及以上的准确度通常适用于生产用途
  • 如准确度较低，可以用更多图像重新训练

✅ 检查点： 你的模型应达到 >85% 的训练准确度。

Step 6: 测试分类器​

6.1 访问 Live Preview​

  1. 点击 Live Preview 训练完成后
  2. 在 ROI 中放置不同的钻头
  3. 观察分类结果：
    • 预测的类别名称
    • 置信度百分比
    • 分类时间

6.2 验证测试​

系统地测试每个类别：

测试类型预期结果失败时的处理
Known Small Bit被分类为 "Small" >80% 的置信度添加更多训练图像
Known Medium Bit被分类为 "Medium" >80% 的置信度审查标签准确性
Known Large Bit被分类为 "Large" >80% 的置信度使用更多示例重新训练
Empty ROI无分类或低置信度调整置信度阈值

6.3 分类问题排查​

问题可能原因解决方法
Low confidence训练数据不足添加更多训练图像
Wrong classifications图像质量差提高照明/对焦
Inconsistent resultsROI 包含背景噪声减小 ROI 尺寸
Classes confused外观相似的对象增加更多区分性示例

Step 7: 配置通过/失败逻辑​

7.1 导航到 IO Block​

在继续之前，确保所有 AI 块都已训练完毕（绿色状态）：

  1. 在面包屑菜单中点击 IO Block，或
  2. 从 Recipe Editor 选择 "Configure I/O"

7.2 定位 Classification Logic Node​

  1. 找到 "Classification Block Logic Node"（紫色节点）
  2. **若缺失：**从左侧的节点菜单拖拽

节点颜色： 紫色节点表示用于 AI 操作的 Overview Logic Blocks。

7.3 配置 Classification Logic​

  1. 双击 Classification Logic Node
  2. 配置设置：

ROI 选择​

  • 从下拉菜单中选择你的 ROI，来自 "Inspection Region" 下拉框

置信度阈值​

  • 设置置信度阈值（通常为 70-85%）
  • Higher threshold = More strict classification
  • Lower threshold = More permissive classification

目标类别选择​

  • 选择目标类别 以获得 "通过" 结果
  • 示例： 如果只有中等位应该通过，请选择 "Medium"

多 ROI 逻辑（高级）​

  • 如有需要，添加更多 ROI
  • 选择逻辑： 必须通过 "Any" 或 "All" 规则

7.4 示例通过/失败配置​

配置 1：尺寸特定通过​

ROI: Drill_Bit_ROI
Target Class: Medium
Confidence: 80%
Logic: Pass only medium drill bits

配置 2：尺寸范围通过​

ROI: Drill_Bit_ROI
Target Classes: Medium OR Large
Confidence: 75%
Logic: Pass medium or large bits

配置 3：排除小尺寸对象​

ROI: Drill_Bit_ROI
Target Class: NOT Small
Confidence: 85%
Logic: Fail if classified as small

7.5 部署逻辑配置​

  1. 点击 Done 在右上角
  2. 点击 Deploy 在 Node-RED 编辑器的右上角
  3. 验证部署 成功消息

第 8 步：最终测试与验证​

8.1 端到端测试​

测试完整的检查工作流：

  1. 在检测区域放置测试对象
  2. 触发检测（手动或自动）
  3. 验证结果：
    • 显示正确的分类
    • 正确的通过/失败指示
    • 一致的时序性能

8.2 生产验证清单​

测试用例预期结果✓
目标类别对象通过结果☐
非目标类别对象失败结果☐
空 ROI失败结果☐
部分遮挡对象适当的置信度水平☐
照明条件差一致的性能☐

8.3 性能优化​

如果结果不令人满意：

  1. 添加更多训练图像（尤其是边缘情况）
  2. 调整置信度阈值
  3. 改善照明一致性
  4. 改进 ROI 定位
  5. 使用 "Accurate" 模式重新训练

恭喜！​

您已成功创建第一个分类模型！您的 OV80i 系统现在可以：

  • 自动识别 不同钻头尺寸
  • 应用通过/失败逻辑，基于分类结果
  • 为每个分类提供置信度分数
  • 通过 I/O 控制与生产工作流集成

下一步​

现在您已经掌握单 ROI 分类，请考虑进一步探索：

高级分类技术​

  • 多 ROI 分类，用于复杂部件
  • 分层分类，用于详细分类
  • 组合检测（分类 + 缺陷检测）

生产集成​

  • PLC 通信，用于自动分拣
  • 数据记录，用于质量跟踪
  • 配方管理，用于多条产品线

模型优化​

  • 迁移学习，用于相似产品
  • 主动学习，用于持续改进
  • 性能监控 和重新训练计划

🔗 参见​

Troubleshooting Guide​

常见问题与解决方案​

问题症状解决方案
准确性不足分类结果经常出错增加更多样化的训练图像
处理时间较长处理时间较长减小 ROI 尺寸，优化照明
结果不一致同一对象会产生不同的结果改进部件定位，检查对焦
假阳性空 ROI 显示分类结果提高置信度阈值
训练失败模型无法成功完成训练检查图像质量，确保每个类别不少于 5 张图像

获取帮助​

如果您在本教程未涵盖的问题上遇到问题：

  1. 检查文档中的故障排除指南
  2. 检查系统日志中的错误信息
  3. 联系 Overview 支持，提供以下资料：
    • 配方导出文件
    • 显示问题的示例图像
    • 系统配置信息

教程完成！ 现在您拥有一个可投入生产的分类系统。请定期验证性能，并在需要时对模型进行重新训练，以保持长期的准确性。