跳到主要内容

使用分类器（单一 ROI 示例）

本教程将引导您在 OV80i 摄像头系统上创建第一个分类模型。您将学习如何设置一个单一 Region of Interest (ROI) 分类器，以自动识别并对不同类型的对象进行分类——在本示例中为钻头的不同尺寸。

**您将构建：**一个可工作的分类模型，能够自动识别并对不同钻头尺寸进行分类与分拣，具备可配置的通过/不通过逻辑。

**预计时长：**45-60 分钟

**技能级别：**初级

**先决条件：**OV80i 摄像头系统已设置并连接

第 1 步：创建新的分类配方​

1.1 进入配方创建​

  1. 在 OV80i 界面中导航到“所有配方”页面
  2. 点击右上角的 + New Recipe

1.2 配置配方设置​

Add A New Recipe 弹出窗口将出现：

  1. 输入配方名称： 使用描述性名称，例如 "Drill_Bit_Classification_v1"
    • 命名提示： 包含对象类型和版本以便于识别
  2. 选择配方类型： 从下拉菜单中选择 "Classification"
  3. 点击 OK 以创建配方

1.3 激活配方​

  1. 在所有配方列表中定位新建的配方（它将显示为 "Inactive"）
  2. 在配方条目的右侧点击 Actions > Activate
  3. 点击 Activate 以确认

✅ 检查点： 你的配方现在应在配方列表中显示为 "Active"

第 2 步：进入配方编辑器​

2.1 进入编辑模式​

  1. 点击活跃配方旁的 Edit
  2. 点击 Open Editor 以确认并启动配方编辑器

现在您将看到具有多个配置部分的配方编辑器界面。

第 3 步：配置相机成像设置​

3.1 打开成像配置​

  1. 在配方编辑器的左下角点击 Configure Imaging

3.2 调整焦点设置​

焦点对于准确分类至关重要：

  1. 将钻头放置在相机视野内
  2. 通过以下任一方式调整焦点：
    • 滑块控制，或
    • 手动数值输入
  3. 测试不同焦点位置，直到钻头边缘清晰锐利

焦点提示：

  • 使用实时预览查看焦点的实时变化
  • 将焦点放在最重要的特征上（钻头螺槽、尖端几何）
  • 确保对象的整个深度在焦点范围内

3.3 调整曝光设置​

适当曝光可确保一致的图像质量：

  1. 通过滑块或手动输入调整曝光
  2. 追求平衡光照，使得：
    • 物体细节清晰可见
    • 无过曝区域（纯白）
    • 阴影不遮挡重要特征

3.4 配置 LED 照明​

照明对分类精度有显著影响：

  1. 根据对象选择 LED 光模式：
    • Bright Field（明场）: 通用照明
    • Dark Field（暗场）: 突出边缘和表面缺陷
    • Side Lighting（侧光）: 揭示纹理和高度变化
  2. 对于钻头，尝试：
    • Bright field（明场） 用于一般形状分类
    • Side lighting（侧光） 以强调螺槽几何

3.5 调整伽玛设置​

伽玛控制图像对比度：

  1. 调整伽玛 以提升特征可见性
  2. 较低的数值 可使暗部变亮
  3. 较高的数值 可增加对比度

3.6 保存成像设置​

  1. 在实时预览中查看所有设置
  2. 点击 Save Imaging Settings 以应用配置

✅ Checkpoint: 您的摄像头现在应能生成稳定、光照充足的钻头图像。

Step 4: 配置模板图像与对齐​

4.1 导航至 Alignment​

  1. 点击面包屑导航中的 "Template Image and Alignment"，或
  2. 使用下拉菜单选择 "Template Image and Alignment"

4.2 跳过对齐器（本教程适用）​

由于钻头将被一致放置：

  1. 选择 Skip Aligner
  2. 点击 Save 以应用更改

何时使用对齐器： 当零件到达时在不同位置或方向出现时使用对齐器。对于本教程，假设零件放置保持一致。

Step 5: 设置检测 ROI​

5.1 导航至 Inspection Setup​

  1. 点击 "Inspection Setup" 在面包屑导航中

5.2 定义感兴趣区域​

ROI 定义了分类将在哪些区域进行：

  1. 在相机视图中放置钻头
  2. 拖动 ROI 的角点以框选钻头
  3. 请确保 ROI：
    • 完全包含钻头
    • 排除不必要的背景
    • 足以覆盖您最大的钻头型号

5.3 ROI 最佳实践​

要做不要做
包含所有重要特征将 ROI 设置过大（包含噪声）
在对象周围留出小边界截断对象的部分
将预期对象位置居中在一个 ROI 中包含多个对象
在不同图像中保持 ROI 尺寸一致捕获之间改变 ROI

5.4 保存 ROI 配置​

  1. 请在不同钻头尺寸下验证 ROI 的定位
  2. 点击 Save 以应用 ROI 设置

✅ Checkpoint: 无论钻头的具体尺寸如何，ROI 都应稳定地框选钻头。

Step 6: 训练分类模型​

6.1 导航至 Classification Block​

  1. 点击 "Classification Block" 在面包屑导航中

6.2 创建分类类别​

您将为不同钻头尺寸创建类别：

示例类别：

  • Small Bits (1-3mm)
  • Medium Bits (4-6mm)
  • Large Bits (7-10mm)

6.3 捕获训练图像​

对于每个类别，至少捕获 5 张不同的图像：

Class 1: Small Bits​

  1. 将小钻头放置在 ROI 中
  2. 点击捕获以拍摄训练图像
  3. 将图像标注为 "Small"
  4. 对另外 4 个不同方向/位置的小钻头重复

Class 2: Medium Bits​

  1. 将中等钻头放置在 ROI 中
  2. 捕获并标注为 "Medium"
  3. 对不同尺寸的中等钻头再重复 4 次

Class 3: Large Bits​

  1. 将大钻头放置在 ROI 中
  2. 捕获并标注为 "Large"
  3. 对不同尺寸的大钻头再重复 4 次

6.4 训练图像最佳实践​

最佳实践重要原因
使用不同的示例提升模型泛化能力
变化方向处理现实世界中的定位变动
包含边缘情况提高类别间界限的检测效果
保持一致的照明降低照明相关错误
最少 5 张图像提供充足的训练数据

6.5 复核与标签验证​

  1. 再次核对所有带标签的图像
  2. 确保正确的类别分配
  3. 移除任何标注错误的示例

6.6 启动模型训练​

  1. 点击 Train Classification Model
  2. 选择训练模式：
    • Fast: 用于测试的快速训练（2-5 分钟）
    • Accurate: 生产级训练（10-20 分钟）
  3. 选择迭代次数：
    • 更多迭代 = 更高的准确性
    • 更多迭代 = 更长的训练时间
  4. 点击 Start Training

6.7 监控训练进度​

训练进度对话框显示：

  • 当前迭代次数
  • 训练准确率百分比
  • 预计完成时间

训练控制：

  • Abort Training：如有需要，终止训练
  • Finish Training Early：在达到足够的准确度时提前完成

训练提示：

  • 当达到目标准确度时，训练会自动停止
  • 85% 及以上的准确度通常适用于生产环境
  • 如果准确度较低，可以用更多图像重新训练

✅ Checkpoint: 您的模型应达到 >85% 的训练准确度。

第 7 篇：测试分类器​

7.1 访问实时预览​

  1. 点击 Live Preview，在训练完成后
  2. 将不同的钻头放置在 ROI 中
  3. 观察分类结果：
    • 预测的类别名称
    • 置信度百分比
    • 分类用时

7.2 验证测试​

对每个类别进行系统测试：

测试类型预期结果失败时的处理
已知小钻头分类为 "Small" >80% 置信度添加更多训练图像
已知中等钻头分类为 "Medium" >80% 置信度审查标注准确性
已知大钻头分类为 "Large" >80% 置信度使用更多示例重新训练
空 ROI无分类或置信度低调整置信度阈值

7.3 分类问题排错​

问题可能原因解决方案
低置信度训练数据不足添加更多训练图像
错误分类图像质量差提高照明/对焦
结果不一致ROI 包含背景噪声减小 ROI 尺寸
类别混淆外观相似的对象添加更多具有区分性的示例

第 8 步：配置通过/失败逻辑​

8.1 导航到 IO Block​

在继续之前，请确保所有 AI 块均已训练完成（绿灯状态）：

  1. 在面包屑导航中点击 "IO Block"，或
  2. 从 Recipe Editor 选择 "Configure I/O"

8.2 定位 Classification Logic Node​

  1. 找到 "Classification Block Logic Node"（紫色节点）
  2. 若缺失： 从左侧的节点菜单拖拽

节点颜色： 紫色节点表示用于 AI 操作的 Overview Logic Blocks。

8.3 配置 Classification Logic​

  1. 双击 Classification Logic Node
  2. 配置设置：

ROI 选择​

  • 从 "Inspection Region" 下拉列表中选择您的 ROI

置信度阈值​

  • 设置置信度阈值（通常为 70-85%）
  • 更高阈值 = 更严格的分类
  • 较低阈值 = 更宽松的分类

目标类别选择​

  • 为“通过”结果选择目标类别
  • 示例：仅应通过 Medium 类别

多 ROI 逻辑（进阶）​

  • 如有需要，请添加更多 ROI
  • 选择逻辑：“Any” 或 “All” 规则必须通过

8.4 示例通过/不通过配置​

配置 1：尺寸特定通过​

ROI: Drill_Bit_ROI
Target Class: Medium
Confidence: 80%
Logic: Pass only medium drill bits

配置 2：尺寸范围通过​

ROI: Drill_Bit_ROI
Target Classes: Medium OR Large
Confidence: 75%
Logic: Pass medium or large bits

配置 3：拒绝小尺寸对象​

ROI: Drill_Bit_ROI
Target Class: NOT Small
Confidence: 85%
Logic: Fail if classified as small

8.5 部署逻辑配置​

  1. 点击右上角的 Done
  2. 在 Node-RED 编辑器的右上角点击 Deploy
  3. 验证部署成功消息

第 9 步：最终测试与验证​

9.1 端到端测试​

测试完整的检查工作流：

  1. 在检查区域放置测试对象
  2. 触发检查（手动或自动）
  3. 验证结果：
    • 显示的分类正确
    • 正确的通过/不通过指示
    • 一致的时序性能

9.2 生产验证清单​

测试用例预期结果✓
目标类别对象通过结果☐
非目标类别对象失败结果☐
空 ROI失败结果☐
部分遮挡对象适当的置信度等级☐
照明条件差一致的性能☐

9.3 性能优化​

如果结果不令人满意：

  1. 添加更多训练图像（尤其是边缘情况）
  2. 调整置信度阈值
  3. 提升照明一致性
  4. 优化 ROI 位置
  5. 使用 "Accurate" 模式重新训练

恭喜！​

您已成功创建第一个分类模型！您的 OV80i 系统现在可以：

  • 自动识别不同钻头尺寸
  • 基于分类结果应用通过/不通过逻辑
  • 为每个分类提供置信分数
  • 通过 I/O 控制与生产工作流集成

下一步​

现在，您已经掌握单 ROI 分类，可以考虑深入以下内容：

高级分类技术​

  • 多 ROI 分类，适用于复杂部件
  • 分层分类，便于更详尽的分类
  • 组合检查（分类 + 缺陷检测）

生产集成​

  • PLC 通信，用于自动分拣
  • 数据记录，用于质量追踪
  • 配方管理，用于多条产品线

模型优化​

  • 迁移学习，用于相似产品
  • 主动学习，用于持续改进
  • 性能监控 与 重新训练计划

🔗 参见下列内容​

故障排除指南​

常见问题及解决方案​

问题症状解决方案
准确性较差分类结果经常错误增加更多样化的训练图像
处理性能较慢处理时间较长减小 ROI 大小，优化照明
结果不一致同一对象产生不同的结果改善工件定位，检查对焦
误检空 ROI 显示分类结果提高置信度阈值
训练失败模型无法成功训练检查图像质量，确保每类至少 5 张图像

获取帮助​

如果您遇到本教程未覆盖的问题：

  1. 在文档中查阅故障排除指南
  2. 查看系统日志以获取错误信息
  3. 联系 Overview 支持，提供以下信息：
    • 配方导出文件
    • 显示问题的样本图像
    • 系统配置详情

教程完成！ 现在您拥有一个可用于生产的分类系统。请定期验证性能，并在需要时重新训练模型，以保持长期的准确性。