AI 驱动文档
您想了解什么？
Classifier 与 Segmenter
这是创建程序时最常见的问题。以下是一个清晰的判断框架。
实战演示 — 交互式深度解析
如需查看带有交互式模拟器、图示以及每种模型类型的实操演练的可视化讲解，请参阅：
- Understanding Classifier — Types、Classes 和 ROI 的嵌套方式；以及实时的 classifier 演练场
- Understanding Segmenter — 像素级遮罩、调色板、计数与测量；以及绘图风格的 segmenter 演练场
Classifier（分类器）
分类器查看每个 ROI 裁剪区域并将其归入某个类别：通过、失败、存在、缺失、划痕、良好，或您定义的任何类别。
可以将其想象为把卡片分到不同的堆中。 AI 查看整个裁剪区域，然后判断"这张放入通过堆"或"这张放入失败堆"。
适用 classifier 的场景：
- 您需要做通过/失败或多类别决策
- 您的 ROI 足够小，能够清晰显示缺陷
- 标注速度很重要（分类器的标注速度要快得多）
- 您要检查某个特征的存在/缺失
- 示例：螺丝存在/缺失、连接器已就位/未就位、标签正确/错误
如需通过交互式演练场进行更深入的讲解，请阅读 Understanding Classifier。
Segmenter（分割器）
分割器在像素级别检查每个 ROI 裁剪区域，并精确识别哪些像素属于缺陷。
可以将其想象为用记号笔进行高亮标记。 AI 会精确地圈出缺陷所在的位置，而不仅仅是判断缺陷是否存在。
适用 segmenter 的场景：
- 您需要像素级的缺陷定位（划痕到底在哪里？）
- 您需要测量缺陷尺寸或面积
- 您的 ROI 需要较大，但您要查找的是小缺陷
- 您需要在一个区域中对多个缺陷进行计数
- 示例：表面划痕、污渍、裂纹、焊接质量、尺寸测量
在与检测时相同的尺度下训练 segmenter
分割器只能学习其训练时所见缺陷的尺寸与纹理。如果您用小的污染物来训练它，那么产线上出现同类缺陷的大块版本时，可能只有边缘或零散的斑块被高亮 — 缺陷的主体部分将不会被遮罩。解决方法是在训练样本中涵盖您预期的全部缺陷尺寸范围。没有大缺陷样本？可使用 Defect Creator Studio 来生成合成样本。
如需通过交互式演练场进行更深入的讲解，请阅读 Understanding Segmenter。
对比
| 方面 | Classifier | Segmenter |
|---|---|---|
| 它告诉您什么 | 类别（通过/失败等） | 缺陷的精确像素 |
| 标注工作量 | 低：每张图像选择一个类别 | 高：绘制缺陷像素 |
| 所需数据 | 起步阶段每个类别 10-15 张图像 | 类似，但标注耗时更长 |
| ROI 尺寸 | 在小 ROI 下效果最佳 | 能更好地处理较大的 ROI |
| 速度 | 快 | 经过优化后同样快 |
| 最适合 | 存在/缺失、类别决策 | 划痕、污渍、测量、像素级检测 |
重叠区域
确实存在重叠。许多检测使用任一方法都可行。如果您不确定：
- 从分类器开始。 它设置更简单，标注更快
- 如果您发现分类器精度不够（无法检测大面积中的小缺陷，或您需要测量），切换到分割器
- 在 tools.overview.ai 询问 AI Assistant。描述您的应用，它将推荐最佳方案
需要训练图像？
使用 Defect Creator Studio 为任一方法生成逼真的合成缺陷图像 —— 用简单的英语描述缺陷，几秒内即可获得可用于训练的图像。
OV20i 与 OV80i
- OV20i： 每个程序选择一个，分类器或分割器
- OV80i： 支持多模型。在同一个程序中针对同一次捕获组合使用两者