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，无论你使用的是 Classification 还是 Segmentation，以便在部件或生产条件变化时保持检验的准确性。

提示

AI 性能取决于训练数据的相关性。当部件、条件或检验要求发生变化时，应重新训练。

何时应该重新训练？​

重新训练可确保模型跟上生产现实。将本指南应用于 Classification 与 Segmentation 项目。

如果需要重新训练：​

  • 你正在检视一个 新的 SKU 或部件变体
  • 你的 检验要求已改变（例如，现在要检测表面缺陷或油脂）
  • 你已更换了 夹具、机器人，或部件呈现方式
  • 照明发生显著变化（例如反射、角度、强度）
  • 准确度下降 — 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（适用于两种模型类型）​

  1. 从你当前的生产设置中捕获新的样本图像

  2. 对于 Classification：用类别名称标注图像或 ROI

    对于 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 – 适用于快速测试或迭代
      • Accurate – 适用于生产使用
    • Segmentation：
      • Accurate – 仅有一个模式，针对精度优化

  4. 在 Recipe 界面中运行训练

  5. 查看模型输出并测试实时检验

  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​

模型类型最佳用途训练模式输出
ClassificationGood/Bad or discrete state decisionsFast, AccurateWhole image or ROI class
SegmentationPixel-level defect or region mappingAccurate onlyLabeled mask (highlighted areas)

典型用例​

示例模型类型
检测螺栓缺失Classification
检查划痕或凹痕Segmentation
验证油脂存在性Classification or Segmentation (depends on precision needed)
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
  • ✅ 包含混合的 pass/fail cases，特别是边缘情况
  • ✅ 至少为每个类别使用 30–50 张图像（Classification）
  • ✅ 确保 ROI 边界或掩模 与部件布局一致
  • ✅ 部署前使用 Accurate 模式
  • ❌ 不要使用模糊、低光照或未对齐的图像进行训练

🔗 参见下列​