AI 驱动文档
您想了解什么？
检测工具：该用哪一个
OV Spark 提供七种工具。难点不在于配置，而在于选对工具，所以请从你要检查的内容出发，而不是从工具名称出发。
您需要检测什么？
选择最接近的描述。大多数程序会组合多个工具，因此您可以在第一个工具运行后再回来添加其他工具。
配置一个工具
选对工具是成功的一半。下面每个工具都附带一个决定其判定结果的关键设置的实时演示，以及相机引导你完成的步骤、实际默认值和最耗时的常见错误。
定位零件，使所有其他工具都在同一位置进行检测。除非夹具每个周期都以完全相同的方式固定零件，否则这应是第一个工具，其他所有工具都引用它。
您实际要做的操作
- 首先添加。 工具列表中的顺序即为工具的运行顺序，对齐器必须在依赖它的所有工具之前运行。
- 设置。 按 部件已就位，开始捕获 冻结一个合格零件，然后在始终存在的特征上添加1至3个模板区域，并尽量分散布置。
- 实时预览。 在画面中移动真实零件，并设置置信度阈值，使合格零件明显高于该阈值。
- 将其他工具指向它。 每个工具都有自己的对齐器步骤，您可在其中选择此对齐器，之后其区域将跟随零件移动。
训练（可选）
关键设置
| 设置 | 范围 | 默认 | 控制内容 |
|---|---|---|---|
| 旋转范围 | 0 到 180 度 | 15 度 | 搜索的旋转角度范围。较窄的范围可同时用于方向排除。 |
| 灵敏度 | 0 到 2 | 1.0 | 边缘查找的强度。仅在高亮保持绿色时才提高。 |
| 置信度阈值 | 0 到 1 | 0.5，推荐 0.6 到 0.9 | 对齐器判定部件已找到前所需达到的确信程度。 |
通过或失败的判定方式
- 对齐器不判定零件。它仅决定零件是否被已找到。
- 如果未找到，所有引用它的工具都会已跳过，并由步骤 4 判定决定这是否算作失败。
报告内容
零件是否被找到、置信度、中心位置、旋转角度和处理时间。
注意事项
- 切勿锚定到标签、贴纸或缺陷上。 对齐器会跟随贴纸而不是零件，并将所有检测区域一起拖动。
- 分散锚点。两个锚点靠得太近几乎无法提供旋转基线，这是最常见的设置错误。
- 在此基础上构建任何内容之前先验证它。事后修复对齐器意味着重做每个引用它的工具。
这是简短版本。对齐 页面提供完整的四步讲解，以及一个说明离散度为何重要的锚定实验。
对齐器在 对齐器 页面有专门的说明，因为几乎每个程序都从它开始。
相机中的同一目录
你会在程序编辑器的 Add tool 下找到同一组工具：
底部有一个内置的 AI 助手：Not sure which one? Describe the check in your own words（不确定用哪个？用你自己的话描述检查内容），并提供诸如 "Is the connector fully seated?"（连接器是否完全插入？）和 "The part lands at a different angle every time."（每次零件落位的角度都不一样。）之类的提示语。如果你更愿意描述问题而不是从列表中挑选，就用它。
完整工具集
| 工具 | 类别 | 训练 | 功能 |
|---|---|---|---|
| AI Classification | AI | 设备端 | 将一个区域归入你训练过的某个类别 |
| AI Count | AI | 设备端 | 检测并计数物体，与预期数量进行比较判定 |
| AI Segmentation | AI | 设备端 | 逐像素勾勒特征，按面积和斑点数量判定 |
| AI OCR | AI | 无需训练，可选调优 | 读取印刷或蚀刻的文本并检查内容 |
| Barcode Read | 传统 | 无 | 读取 1D 或 2D 码并检查内容 |
| Color Match | 传统 | 无 | 检查区域颜色是否正确并报告偏差 |
| Alignment | 定位 | 无 | 定位零件，使其他所有工具都检测同一位置 |
Alignment、AI OCR、Barcode Read 和 Color Match 只要画出区域并设置规则就能工作。只有 Classification、Count 和 Segmentation 需要从你的示例中学习。如果某个无需训练的工具能解决你的问题，部署会更快，维护也更容易。
每个工具的容量
| 工具 | 上限 |
|---|---|
| AI Classification | 64 个区域，16 个类别 |
| AI Segmentation | 64 个区域，64 个类别 |
| AI Count | 主图像上 256 个标记零件 |
| AI OCR | 16 个字段，8 个模式 |
| Color Match | 10 个参考样本 |
编辑器会阻止你添加超过上限的内容。如果一个程序需要更多，可将工作拆分到两个同类型的工具中。
导入您已有的图像
您无需实时捕获每一张模板或训练图像。在任何工具要求提供图像的地方，您也可以从相机的库中选择一张，或从您的电脑上传一张。
在捕获按钮旁查找 Use existing image，无论工具要求您在何处捕获：对齐器的模板、每个工具 Set Up 和标注步骤中的参考及训练捕获、AI Count 主图像以及 Color Match 样本。只需要一张图像的步骤导入一张；构建训练集的步骤则一次导入多张。
它将打开选择器：
| 选项卡 | 工作方式 |
|---|---|
| From library | 按 Capture ID、Trigger ID、捕获时间、程序或判定进行过滤，勾选所需的捕获，然后按 Import |
| Upload from computer | 将 JPEG 或 PNG 文件拖放到页面上，或点击选择文件，然后按 Import |
| From dataset | 当工具已有训练集时显示，以便您可以复用其中的某张图像作为参考 |
导入的图像会带有 Imported 标记，每个文件都会报告其是否已导入或未能导入的原因。
上传的图像必须是相机自身的分辨率（OV Spark 为 1280×960），且为 8 位 JPEG 或 PNG。如果尺寸不同、为 16 位、含有透明通道、带有 EXIF 旋转信息，或超过 32 MiB，都将被拒绝。相机绝不会对上传的图像进行缩放，因为区域和模板是以传感器像素存储的。安全的来源是由本相机拍摄并从其库中导出的图像。
当存储空间填满时，相机会删除最旧的未固定捕获，而图像已消失的捕获无法导入。当某个部件出现您希望用于训练的缺陷时，请在库中将其固定。
定位优先
如果您的部件没有被夹具固定，定位几乎总是程序中的第一个工具。它向相机训练一个参考图案，在每一帧中找到该图案，并报告部件的实际位置。
其他工具随后会引用对齐器，因此它们的区域会跟随部件移动，而不是固定在画面上。没有它，一个向左偏移 5 mm 的部件会带动所有区域一起移动，良品也会在毫无可见原因的情况下开始判为失败。
AI 工具详解
AI Classification
当答案是一个类别时使用它。 存在或缺失、装配到位或缺件、破损或完好、良品或不良、哪个变体、哪个缺陷等级。
绘制一个或多个区域，为每个类别标注少量示例图像，然后在设备上几秒钟内完成训练。运行时，每个区域都会被分类并根据您设置的判定规则进行评级。
当差异是视觉上的，并且您能为每种结果提供示例时效果最佳。
标注是这里的全部工作：每张捕获的图像上，每个区域都会被赋予一个类别。亲自试试：
点击螺丝可在三个类别之间循环切换。右侧的输出表格会实时更新，全局判定则反映您在 IO模块 中编写的规则。
点击标签以仅高亮显示该类别。
AI Count
当答案是一个数量时使用。 泡罩中的药片、连接器中的插针、托盘中的物品。
在几张捕获的图像上标注对象，并在设备上训练一个小型检测器。运行时，该工具会计算区域内所有匹配项，并根据您设定的数量范围判定通过或失败。
在标注之前，您需要先捕获一张主图像。
AI Segmentation
当答案是"有多少"时使用。 污染范围、涂层覆盖、缺陷大小。
在几张图像上为每个关注的类别绘制像素掩码，然后在设备上训练。运行时，该工具会测量区域内每个类别的面积和斑点数量，并根据您为每个类别设定的最小值和最大值判定通过或失败。
只要在一张图像上绘制了掩码即可开始训练，仅用几张图像训练的模型已经可用。更多样化的示例仍会带来更好的模型。
这是设置工作量最大的工具，因此只有在简单的通过或失败确实不够用时才使用它。工作量主要在绘制上：
在右侧选择一个类别，然后拖动进行涂抹。像素覆盖率会随涂抹实时更新，判定会应用示例 当总量 > 2% 时判为 FAIL 规则。点击 自动涂抹 可查看标准标注结果。
AI OCR
当您需要读取文本时使用。 批号、有效期、序列号。
为每行文本绘制一个字段，声明该字段可以包含的内容，并可选择固定其格式或日历规则，这样过期日期将判定为失败，而不仅仅是被读取。开箱即用，无需训练。
经典工具
Barcode Read
读取 1D 条码（Code 128、EAN-13）或 2D 码（Data Matrix、QR）并报告解码后的文本。通过表示成功读取了一个码，并且如果您设置了预期模式，则文本与之匹配。
在本页其他地方，建议都是紧密裁剪。条码是例外。码周围需要安静区域才能解码，因此请围绕码可能出现的区域绘制感兴趣区域（ROI），而不是紧紧围绕码本身。
差异并非微不足道：紧凑的框在 300 次中成功解码 21 次，而同一个码留出两倍边距后 300 次中读取了 158 次。同样要包含整个码，因为半个码读取结果等于什么都没读到。
如果码在画面中太小，请将相机移近。扩大区域没有帮助，覆盖画面大部分的区域搜索可能需要超过一秒钟。
Color Match
在要检查的颜色上绘制一个区域，并通过样本或手动设置参考。每次检测都会报告该区域的平均颜色、它与参考的 ΔE2000 距离以及由此得出的匹配分数：
score = 100 - 4 x deltaE
当分数达到或超过您的阈值时，该工具判定通过，默认值为 70。如果良品失败则降低阈值，如果不良品通过则提高阈值。
无需训练。一旦设置好区域和参考即可运行。
此处的 ΔE 是相对于本相机在当前光照下的测量值。请在零件之间互相比较，切勿与实验室读数比较。请先在图像设置中设定手动白平衡，因为自动白平衡会在零件颜色变化时重新适应，而这恰恰是您想要测量的内容。
在相近选项之间做选择
| 如果您在以下选项之间犹豫不决 | 选择 | 原因 |
|---|---|---|
| Classification 和 Segmentation | Classification | 如果通过或失败的结果就已足够，它训练更快、运行更轻 |
| Classification 和 Count | Count | 如果数量本身就是规格要求，而不仅仅是是否存在 |
| Count 和 Segmentation | Segmentation | 如果物体相互融合、无法分离 |
| OCR 和 Barcode Read | Barcode Read | 如果标记是一个码。它比读取文本更快、更可靠 |
| Color Match 和 Classification | Color Match | 如果检测确实是关于色调的，则无需训练 |