跳到主要内容

添加数据和重新训练

本教程演示如何通过向现有配方添加新图像并重新训练模型来提高 AI 模型的准确性。当模型错误地将良品判定为不合格，或在生产中遇到新的变体时，此过程尤为重要。

你将学到：

  • 如何找到并选择用于重新训练的图像
  • 如何将图像添加到现有的训练集
  • 如何标注新的训练数据
  • 如何使用新数据对模型进行重新训练

适用场景： 当良品在检验中被错误判定为不合格、出现新的零件变体，或需要通过增加示例来提升模型准确性时。

先决条件​

  • 含训练好 AI 模型（分类或分割）的活跃配方
  • 访问 OV20i 相机界面
  • 库中需要添加到训练中的图像

第 1 步：查找用于重新训练的图像​

1.1 转到图像库​

  1. 打开 OV20i 界面
  2. 点击左侧导航菜单中的 “图像库”
  3. 您将看到来自相机的所有捕获图像

1.2 过滤图像​

  1. 按配方筛选：选择要改进的配方
  2. 按通过/不通过筛选：选择 "FAIL" 查看失败的图像，或选择 "PASS" 查看通过的图像
  3. 排序依据：按日期或其他条件对结果进行排序
  4. 单击 “搜索” 显示筛选结果

目标： 找到被错误分类的图像——要么是被错误判定为不合格的良品，要么是被错误判定为通过的坏件。

第 2 步：将图像添加到训练集​

2.1 选择图像​

  1. 逐一查看每张图像，以识别被错误分类的部件
  2. 选择显示以下情况的图像：
    • 被错误标记为不通过的良品
    • 被错误标记为通过的坏件
  3. 点击每张想要添加的图像上的复选框
重要

添加被错误分类的图像——包括被判为不通过的良品和被判为通过的坏件。这两者都能帮助提升模型的准确性。

image.png

2.2 添加到训练集​

  1. 选好图像后，在底部点击 "Add to the active recipe's trainset" 将图像添加到活动配方的训练集中
  2. 将显示一个成功消息以确认已添加
  3. 点击 "Go to recipe editor" 继续

第 3 步：标注新的训练数据​

3.1 转到标注并训练​

  1. 从 配方编辑器 进入：
    • Classification Recipe：分类配方
    • Segmentation Recipe：标注并训练
  2. 点击 "View All ROIs"

3.2 查找未标注的图像​

  1. 使用 "Filter By Class" 下拉菜单
  2. 选择 "Unlabeled" 仅显示未标注的图像
  3. 您将看到刚才添加到训练集中的图像

image.png

3.3 标注所选图像​

  1. 选中您添加的所有未标注图像
  2. 在左下角点击 "Label Selected ROIs"
  3. 从下拉菜单中选择正确的标签（例如 "Pass"、"Good" 等）
  4. 点击 "OK" 以应用标签
重要

在不同的标注会话之间请点击 "Clear Selection" 清除选择，以避免错误标注。

image.png

3.4 关闭 ROI 视图​

  1. 关闭 "View All ROIs" 模态框
  2. 返回到主的 标注和训练 页面

第 4 步：重新训练模型​

4.1 开始重新训练​

  1. 点击 "Train Classification Model" 或 "Train Segmentation Model"
  2. 系统将使用所有现有数据以及您的新图像进行重新训练
  3. 监控训练进度

4.2 训练过程​

  • 模型从旧的和新的带标签数据中学习
  • 训练时间取决于数据的总量
  • 测试之前请等待训练完成

4.3 测试改进后的模型​

  1. 使用 “Live Preview Mode” 测试重新训练的模型
  2. 使用之前错误失败的相同图像进行测试
  3. 验证模型现在是否能够正确将良品识别为通过

第 5 步：验证结果​

5.1 使用新图像进行测试​

  1. 捕获与之相似的零件的新图像
  2. 检查模型在边缘情况上的表现是否改进
  3. 验证先前的良好图像现在是否正确通过

5.2 监控性能​

  1. 关注是否出现新的假阳性或假阴性
  2. 记录准确性的改进
  3. 记录任何剩余问题以便未来重新训练

成功！您的模型已重新训练​

您改进后的 AI 模型现在可以：

✅ 更好地识别之前失败的良品

✅ 处理生产零件的新变体

✅ 降低错误判定为失败的情况并提高准确性

✅ 适应制造过程中的变化

关键成功要点​

数据质量​

  • 添加被错误分类的图像（包括错误被标记为通过的和错误被标记为失败的）
  • 标注一致性 - 将良品标注为 "Pass"，坏件标注为 "Fail"
  • 包含通过与失败条件的多样化示例
  • 在不同的标注会话之间清除选择

何时重新训练​

  • 错误失败增加（良品被判定为失败）
  • 错误通过增加（坏件被判定为通过）
  • 生产中出现新的零件变体
  • 工艺变更影响零件外观
  • 材料或照明的季节性变化

最佳实践​

  • 从小做起 - 每次添加 10-20 张图像
  • 每次重新训练后彻底测试
  • 记录变更与改进
  • 在进行重大重新训练前保留工作模型的备份

下一步​

在重新训练模型后：

  1. 监控生产以提升准确性
  2. 继续收集待未来重新训练的有问题图像
  3. 如有需要，设定定期重新训练计划
  4. 培训操作员，了解何时为重新训练标记图像
  5. 记录您的重新训练过程以确保一致性

🔗 相关参考​