跳到主要内容

训练 Segmenter

本指南演示如何设置和配置 OV80i 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、测量面积，或检测无法通过简单分类处理的特定模式时，请使用分割。

在开始之前​

需要的条件​

  • OV80i 摄像机系统已设置并连接
  • 具有要进行分割特征的测试零件（例如带铅笔痕迹的薄片）
  • 适用于您特定应用的良好照明条件
  • 15-20 张用于训练的样本图像

步骤 1：创建 Segmentation 配方​

1.1 开始新配方​

  1. 导航到 All Recipes 页面
  2. 点击 + 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

New

1.2 激活配方​

  1. 在列表中找到您的配方（显示为 "Inactive"）
  2. 点击 Actions > Activate
  3. 点击 Activate 以确认

Activate recipe

✅ 结果： 配方现已激活，准备进行配置。

Step 2: 进入配方编辑器​

  1. 点击已激活配方旁的 Edit
  2. **点击 Open Editor 以确认

Edit

您现在将看到包含分割相关选项的配方编辑器。

Step 3: 配置相机设置​

3.1 打开 Imaging 配置​

  1. 点击 Configure Imaging（左下角）

Configure Image

3.2 为分割优化对焦​

对焦对于准确边缘检测至关重要：

  1. 将待测件放置在相机视图中
  2. 调整对焦，直到边缘清晰锋利
  3. 使用不同零件进行测试，以确保在您的范围内对焦一致
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都处于清晰焦点
  • 略微过度锐化比软焦更有利于分割

3.3 设置最佳曝光​

适当的曝光可确保特征检测的一致性：

  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
  • 避免可能被误认为缺陷的阴影
  • 使用各种零件条件进行测试（干净、脏、磨损）

3.4 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
表面缺陷亮场均匀照明显示表面不规则性
划痕/裂纹侧光照明投射阴影以突出线性缺陷
凸起特征暗场使凸起区域从背景中突出
液体溅洒侧光照明显示表面纹理差异

3.5 调整 Gamma 以增强特征​

  1. 增大 Gamma 值 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取值
  3. 找到使特征最易分辨的设置

3.6 保存配置​

  1. 在实时预览中查看设置
  2. 点击 Save Imaging Settings

保存设置

✅ 检查点： 当对比度良好时，特征应清晰可见。

Step 4: Set Up Template and Alignment​

4.1 转到 Template Section​

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

4.2 配置对齐（可选）​

Template and alignment

对于本示例，我们将跳过对齐：

  1. 选择 Skip Aligner 若零件位置一致
  2. 点击 Save

模板图像

何时使用对齐器： 当零件以不同的位置或方向到达，可能影响分割精度时启用。

Step 5: Define Inspection Region​

5.1 转到 Inspection Setup​

在面包屑导航中点击 "Inspection Setup"

5.2 设置感兴趣区域（ROI）​

ROI 定义分割将在哪里进行：

  1. 在摄像头视图中放置测试部件
  2. 拖动 ROI 的角点 以框定检查区域
  3. 适当调整 ROI 大小：
    • 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 设置

5.3 ROI 最佳实践用于分割​

应做不应做
覆盖整个检测表面包含无关背景对象
在边缘留出缓冲空间使 ROI 太小以致于无法覆盖特征变化
考虑零件定位的变化与夹具或工具的重叠
使用最大预期特征进行测试包含具有永久标记的区域

5.4 保存 ROI 设置​

  1. 验证 ROI 覆盖所有目标区域
  2. 点击 Save

Step 6: Label Training Data​

6.1 导航到 Label And Train​

在面包屑导航中点击 "Label And Train"

6.2 配置 Inspection Class​

  1. 在 Inspection Types 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. 选择类别颜色以实现可视化识别
  4. 保存更改

6.3 捕获并标注训练图像​

您需要至少 10 张带标签的图像，但建议 15-20 张：

图像捕获过程​

  1. 在检测区域放置第一件测试部件
  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
    • 不要涂绘背景区域
    • 使用一致的标注方法
  5. 单击 Save Annotations
  6. 对下一个部件重复以上步骤

标注与训练

标注最佳实践​

良好标注不良标注
精确的特征边界边缘标注粗糙
一致的特征定义标准不一致
完整的特征覆盖缺失的特征区域
干净背景（未标注）背景被错误涂色

6.4 训练数据多样性​

确保你的训练集包含：

  • 不同特征尺寸
  • 不同特征强度
  • ROI 内的多个位置
  • 不同照明条件（如适用）
  • 边缘情况和临界示例

6.5 训练数据质量检查​

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

步骤 7：训练分割模型​

7.1 启动训练过程​

  1. 当标注完成时，单击 返回实时
  2. 单击 训练分割模型

开始训练

7.2 配置训练参数​

  1. 设置迭代次数：
    • 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 次及以上迭代（30+ 分钟）
  2. 单击 开始训练

7.3 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

训练进度

训练控制：

  • 中止训练： 如出现问题时停止
  • 提前结束训练： 当准确率达到要求时停止

训练进度 2

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

步骤 8：测试分割性能​

8.1 访问实时预览​

  1. 在完成训练后，单击 实时预览
  2. 对不同部件进行测试：
    • 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）
    • 边缘情况和临界示例

实时预览

8.2 评估结果​

检查分割质量：

指标良好表现需要改进
准确度能够持续正确检测真实特征漏检明显特征
精确度很少出现误报大量背景区域被高亮
边缘质量边界干净且准确边缘粗糙或不准确
一致性重复测试结果相似结果高度可变

8.3 不良结果故障排除​

问题可能原因解决方案
缺失特征训练数据不足添加更多标注示例
误报照明/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添加更多多样化示例

步骤 9：配置通过/失败逻辑​

9.1 访问 IO Block​

  1. 确保 AI 模型显示绿色（已训练状态）
  2. 通过面包屑导航进入 IO Block

9.2 移除默认逻辑​

  1. 删除 Classification Block Logic 节点
  2. 准备构建自定义 segmentation 逻辑

9.3 构建分割流程​

创建 Node-RED flow，包含以下组件：

  1. 从左侧面板拖拽节点：
    • Function node（用于逻辑）
    • Debug node（用于测试）
    • Final Pass/Fail node
  2. 用连线将节点连接起来

NodeRed

9.4 根据需要配置逻辑​

选项 A：若未检测到缺陷则通过​

用例： 质量检测中，检测到的任一特征均视为不合格

Function Node Code：

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

选项 B：仅对较小缺陷通过​

用例： 接受低于阈值的微小缺陷

Function Node Code：

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零件

Function Node Code：

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;

9.5 配置 Function Node​

  1. 双击 Function node
  2. 从上述示例复制相应代码
  3. 粘贴到 "On Message" 选项卡
  4. 为您的应用调整阈值
  5. 点击 Done

9.6 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/失败结果是否符合预期

步骤 10：生产验证​

10.1 全面测试​

对分割系统进行测试，包含：

测试用例预期结果失败时的处理措施
干净零件通过（无分割）调整阈值或重新训练
微小缺陷根据您的标准通过/不通过细化逻辑参数
重大缺陷失败（清晰分割）检查模型准确性
边缘情况行为一致添加训练数据

10.2 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

10.3 最后调整​

若性能不令人满意：

  1. 为边缘情况添加更多训练数据
  2. 在逻辑中调整阈值
  3. 改善成像条件
  4. 使用额外迭代进行重新训练

成功！您的 segmentation 系统已就绪​

您现在拥有一个可运行的 segmentation 系统，能够：

  • 自动检测 特定特征或缺陷
  • 以像素级精度测量面积
  • 根据您的需求应用自定义通过/失败逻辑
  • 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，将多个条件组合起来：

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