跳到主要内容

训练分割器

本指南演示如何设置和配置 OV20i 的分割功能，以自动检测、测量和分析零件中的特定特征或缺陷。当需要识别不规则形状、测量区域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、液体溢出、不规则形状、区域测量、图案检测，或任何需要像素级精度的特征。

开始前​

需要的条件​

  • OV20i 相机系统已设置并连接
  • 具有要分割的特征的测试件（例如带铅笔痕迹的薄片）
  • 针对您的具体应用的良好照明条件
  • 用于训练的 15-20 张样本图像

步骤 1：创建分割配方​

1.1 开始新配方​

  1. 转到“所有配方”页面
  2. 单击 + New Recipe（右上角）
  3. 输入配方名称： 使用描述性名称，例如“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

1.2 激活配方​

  1. 在列表中找到您的配方（显示为“Inactive”）
  2. 单击 Activate
  3. 单击 Activate and go to editor 以确认并启动配方编辑器

激活配方按钮

✅ 结果：配方现已“Active”，并显示了配方编辑器。

Step 2: Configure Camera Settings​

2.1 打开成像配置​

  1. 单击 Configure Imaging（左下角）

配置成像

2.2 为分割优化焦点​

对于准确的边缘检测，焦点至关重要：

  1. 将测试工件放置在相机视图中
  2. 将焦点调整至边缘清晰
  3. 使用不同工件进行测试，以确保在整个范围内焦点一致
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焦点
  • 对分割而言，略微过锐优于软焦

2.3 设置最佳曝光​

正确曝光可确保稳定的特征检测：

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

分割曝光指南：

  • 特征应与背景具有清晰对比度
  • 避免可能被误认为缺陷的阴影
  • 在各种工件条件下进行测试（干净、脏污、磨损）

2.4 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可显示表面不规则性
划痕/裂缝侧光照明产生阴影以突出线性缺陷
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

2.5 调整 Gamma 以增强特征对比度​

  1. 增大 Gamma 以提升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数值
  3. 找到能使特征最易区分的设置

2.6 保存配置​

  1. 在实时预览中审阅设置
  2. 点击 Save Imaging Settings

Save Settings

✅ 检查点： 特征应在对比度良好时清晰可见。

Step 3: Set Up Template and Alignment​

3.1 进入模板部分​

在面包屑导航中点击“Template Image and Alignment”

3.2 配置对齐（可选）​

Template and alignment

在本示例中，我们将跳过对齐：

  1. 选择 Skip Aligner，如果零件始终处于固定位置
  2. 点击 Save

Template image

何时使用对齐器： 当零件以不同的位置或方向到达，可能影响分割的准确性。

Step 4: Define Inspection Region​

4.1 进入检查设置​

在面包屑导航中点击“Inspection Setup”

4.2 设置 ROI（Region of Interest，ROI）​

ROI 定义了分割将在哪些区域进行：

  1. 在相机视图中放置测试零件
  2. 拖动 ROI 的角点 以框定检查区域
  3. 适当调整 ROI 尺寸：
    • 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小缓冲区

ROI Setup

4.3 ROI 分割的最佳实践​

应做切勿做
覆盖整个检查表面包含无关背景对象
在边缘周围留出缓冲区使 ROI 太小以致无法覆盖特征变化
考虑零件定位变化与夹具或工具重叠
使用最大预期特征进行测试包含带有永久标记的区域

4.4 保存 ROI 设置​

  1. 验证 ROI 是否覆盖所有目标区域
  2. 点击 Save

Step 5: Label Training Data​

5.1 跳转到“Label And Train”​

在面包屑导航中点击“标注与训练”

5.2 配置检查类型​

  1. 在检查类型下点击 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识别
  4. 保存更改

5.3 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：

图像捕捉过程​

Label and Train

  1. 在检查区域放置第一件测试零件
  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涂绘
  4. 准确涂绘：
    • 覆盖整个特征区域
    • 保持在特征边界内
    • 不要涂画背景区域
    • 使用一致的标注方法
  5. 点击 Save Annotations
  6. 对下一件零件重复上述步骤

标注最佳实践​

良好标注差劣标注
精确的特征边界边缘涂绘粗糙
一致的特征定义标准不一致
完整的特征覆盖缺少特征区域
干净的背景（未涂色）背景意外涂色

5.4 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
  • 不同的照明条件（如适用）
  • 边缘情况和边界示例

5.5 训练数据质量检查​

  1. 审查所有标注图像
  2. 验证标注方法的一致性
  3. 删除任何标注错误的样本
  4. 如有需要，添加更多样本

步骤 6：训练分割模型​

6.1 开始训练过程​

  1. 单击 Return to Live 结束标注
  2. 单击 Train Segmentation Model

Start Training

6.2 配置训练参数​

  1. 设置迭代次数（Number of Iterations）：
    • 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. 单击 Start Training

6.3 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

Training

训练控件：

  • Abort Training: 出现问题时停止
  • Finish Training Early: 当准确率达到要求时停止

Training 2

提示
  • 85% 的准确率通常适用于生产
  • 训练在达到目标准确率时自动停止
  • 更多的训练数据通常比更多迭代更有效

步骤 7：测试分割性能​

7.1 访问实时预览​

  1. 在训练完成后单击 Live Preview
  2. 使用多种部件进行测试：
    • 已知良品（应显示无/极少分割）
    • 已知缺陷部件（应突出显示缺陷）
    • 边缘情况和边界示例

Live preview

7.2 评估结果​

检查分割质量：

指标良好表现需要改进
准确度（Accuracy）能稳定发现真实特征漏检明显特征
精确度（Precision）误检较少大量背景区域被高亮
边缘质量（Edge Quality）边界干净、准确边缘粗糙或不准确
一致性（Consistency）重复测试结果相似结果高度可变

7.3 诊断差结果​

问题可能原因解决方案
缺少特征训练数据不足增加更多标注样本
误检照明/对比度差改善成像设置
边缘粗糙图像质量差提升对焦/照明
结果不一致训练数据多样性不足增加更多多样化示例

Step 8: 配置合格/不合格逻辑​

8.1 访问 IO Block​

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

8.2 删除默认逻辑​

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

8.3 构建分割流程​

使用以下组件创建 Node-RED 流：

  1. 从左侧面板拖放节点：
    • Function 节点（用于逻辑）
    • Debug 节点（用于测试）
    • 最终通过/不合格节点
  2. 用连线连接节点

NodeRed

8.4 根据需要配置逻辑​

选项 A：未检测到缺陷时通过​

用例： 质量检查中，检测到的任何特征都视为不合格

Function 节点代码：

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

选项 B：仅在小缺陷时通过​

用例： 接受小于阈值尺寸的微小缺陷

Function 节点代码：

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：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 节点代码：

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;

8.5 配置 Function 节点​

  1. 双击 Function 节点
  2. 从上面的示例复制合适的代码
  3. 粘贴到 "On Message" 选项卡
  4. 根据您的应用调整阈值
  5. 点击 Done

8.6 部署并测试逻辑​

  1. 点击 Deploy 以激活逻辑
  2. 导航至 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/不通过结果是否符合预期

Step 9: 生产验证​

9.1 综合测试​

对分割系统进行以下测试：

测试用例预期结果若失败的处理
无缺陷部件通过（无分割）调整阈值或重新训练
微小缺陷按您的标准通过/不通过细化逻辑参数
重大缺陷不通过（明确分割）检查模型准确性
边缘情况行为一致增加训练数据

9.2 性能验证​

监控以下指标：

  • 每次检测的处理时间
  • 多次测试的一致性
  • 在生产照明条件下的准确性
  • 长时间运行中的可靠性

9.3 最后调整​

如果性能不令人满意：

  1. 为边缘情况增加更多训练数据
  2. 在逻辑中调整阈值
  3. 改进成像条件
  4. 在额外迭代下重新训练模型

成功！您的分割系统已就绪​

您现在拥有一个可工作的分割系统，能够：

  • 自动检测特定特征或缺陷
  • 用像素级精度测量面积
  • 基于您的要求应用自定义的合格/不合格逻辑
  • 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，组合多种条件：

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