跳到主要内容

训练分割器

本指南介绍如何设置和配置 OV80i 的分割功能，以自动检测、测量和分析零件上的特定特征或缺陷。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。

何时使用分割（Segmentation）： 表面缺陷、液体溢出、不规则形状、面积测量、模式检测，或任何需要像素级精度的特征。

开始前​

需要准备的内容​

  • OV80i 摄像系统已就绪并已连接
  • 带有要分割特征的测试件（例如带铅笔标记的薄片）
  • 适合您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 开始新建配方​

  1. 转到 All Recipes 页面
  2. 点击 + New Recipe（右上角）

新建配方按钮

  1. 输入配方名称： 使用描述性名称，如 "Pencil_Mark_Detection" 或 "Surface_Defect_Segmentation"
  2. 选择配方类型： 从下拉列表选择 "Segmentation"
  3. 点击 OK 以创建

1.2 启用配方​

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

激活配方按钮

✅ 结果： 配方现为 "Active" 状态，并显示配方编辑器。

步骤 2：配置相机设置​

2.1 打开成像配置​

  1. 点击 Configure Imaging（左下角）

配置图像

2.2 为分割优化对焦​

对边缘检测的精确性，焦点至关重要：

  1. 将测试件置于相机视图中
  2. 调整对焦，直到边缘清晰锐利
  3. 使用不同的部件进行测试，以确保在整个量程内对焦一致
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处于清晰对焦
  • 略微过锐化优于分割时的软焦

2.3 设置最佳曝光​

正确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. 确保特征在对比度良好的情况下可见

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
  • 针对不同部件状态进行测试（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
表面缺陷明场均匀照明可显示表面不规则性
划痕/裂纹侧光照明产生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
液体溢出侧光照明显示表面纹理差异

2.5 调整伽玛值以增强特征对比​

  1. 增大伽玛值以增强特征与背景之间的对比度
  2. 在查看目标特征时测试不同数值
  3. 找到能让特征最易区分的设置

2.6 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： 特征在对比度良好时应清晰可见。

Step 3: Set Up Template and Alignment​

3.1 导航至模板部分​

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

3.2 配置对齐（可选）​

模板和对齐

在本示例中，我们将跳过对齐：

  1. 选择 Skip Aligner 如果零件位置始终固定
  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，可能会影响分割准确性时启用。

Step 4: Define Inspection Region​

4.1 导航至检查设置​

点击面包屑导航中的“检查设置”

4.2 设置 ROI（Region of Interest）​

ROI 定义分割将发生的位置：

  1. 在相机视图中放置一个测试部件
  2. 拖动 ROI 的角点以框定检测区域
  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的缓冲区

ROI 设置

4.3 用于分割的 ROI 最佳实践​

应做不要做
覆盖整个检测表面包含无关背景对象
在边缘周围留出缓冲区使 ROI 太小，无法容纳特征变动
考虑零件定位变动与夹具或工具重叠
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 覆盖所有目标区域
  2. 点击 Save

Step 5: Label Training Data​

5.1 导航至 Label And Train​

在面包屑导航中点击“Label And Train”

5.2 配置检查类别​

  1. 在 Inspection Types 下单击 Edit
  2. 将类别重命名以匹配您的特征（例如，"Pencil Mark"、"Surface Defect"、"Spill Area"）
  3. 为可视标识选择类别颜色
  4. 保存更改

5.3 捕获并标注训练图像​

需要至少 10 张标注图像，建议 15-20 张。

图像捕获过程​

  1. 将第一件待检零件放入检测区域
  2. 使用相机界面拍摄图像
  3. 使用刷子工具在目标特征上进行涂绘
  4. 精确涂绘：
    • 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. 点击 Save Annotations
  6. 对下一部分重复以上步骤

标签与训练

标注最佳实践​

良好标注不良标注
精确的特征边界边缘涂抹不清晰
一致的特征定义判定标准不一致
完整的特征覆盖缺失的特征区域
干净背景（未涂色）背景被错误涂绘

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 内的不同位置
  • 不同的照明条件（如适用）
  • 边界情况和边缘案例

5.5 训练数据质量检查​

  1. 回顾所有已标注的图像
  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

Step 6: Train Segmentation Model​

6.1 启动训练过程​

  1. 在标注完成后点击 Return to Live
  2. 点击 Train Segmentation Model

开始训练

6.2 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 分钟以上）
  2. 点击 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

训练进度

训练控制：

  • 中止训练： 出现问题时停止
  • 提前完成训练： 当达到足够的准确度时停止

训练进度 2

提示
  • 85% 的准确率通常适用于生产
  • 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迭代次数更有效

Step 7: Test Segmentation Performance​

7.1 访问实时预览​

  1. 训练完成后点击 Live Preview
  2. 用不同部件进行测试：
    • 已知良品（应显示无/极少分割）
    • 已知缺陷部件（应高亮显示缺陷）
    • 边界情况和边缘示例

实时预览

7.2 评估结果​

检查分割质量：

指标良好表现需要改进
准确度能稳定发现真实特征容易错过明显特征
精确度很少误报大量背景区域被高亮
边缘质量边界干净、准确边界粗糙或不准确
一致性重复测试结果相似结果高度可变

7.3 不良结果的故障排除​

问题可能原因解决方法
缺失的特征训练数据不足添加更多已标注的示例
误报照明/对比度不足改善成像设置
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的示例

第 8 步：配置 Pass/Fail 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 移除默认逻辑​

  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​

创建 Node-RED 流程，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. 用线缆将节点连接

NodeRed

8.4 根据需要配置逻辑​

选项 A：在未检测到缺陷时通过​

用例： 质量检查中任何检测到的特征均视为不合格

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：仅当缺陷较小时才通过​

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： 接受总缺陷面积受限的部件

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;

8.5 配置 Function Node​

  1. 双击 Function node
  2. 从上述示例中复制相应代码
  3. 粘贴到 “On Message” 选项卡
  4. 根据您的应用调整阈值
  5. 单击 Done

8.6 部署并测试逻辑​

  1. 单击 Deploy 以激活逻辑
  2. 导航到 HMI 进行测试
  3. 使用已知良品和不良品部件进行测试
  4. 验证通过/不通过结果是否符合预期

第 9 步：生产验证​

9.1 全面测试​

测试分割系统，使用以下用例：

测试用例预期结果失败时的处理
无缺陷部件通过（无分割）调整阈值或重新训练
微小缺陷通过/不通过（按您的标准）精炼逻辑参数
主要缺陷失败（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

9.2 性能验证​

监控以下指标：

  • 每次检验的处理时间
  • 多次测试的一致性
  • 生产照明条件下的准确性
  • 长时间运行的可靠性

9.3 最终调整​

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. 在额外迭代中重新训练模型

恭喜！您的分割系统现已就绪​

您现在拥有一个可运行的分割系统，能够：

  • 自动检测特定特征或缺陷
  • 以像素级精度测量区域
  • 根据您的需求应用自定义 Pass/Fail 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，请将多个条件组合在一起：

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