AI 驱动文档
您想了解什么？
重新训练模型
本页解释在 OV10i 系统上何时以及如何重新训练您的 AI 模型，无论您使用的是 Classification 还是 Segmentation，以便在部件或生产条件变化时保持检查的准确性。
视频指南
在实际演示中查看本主题：OV Auto-Defect Creator Studio
提示
AI 性能取决于训练数据的相关性。部件、条件或检查要求发生变化时，请重新训练。
何时应该重新训练？
重新训练可确保模型跟上生产现实。请将此指引应用于 Classification 与 Segmentation 项目。
何时重新训练：
- 您正在检查一个新的 SKU 或部件变体
- 您的 inspection requirements 已改变（例如，现在要检测表面缺陷或油脂）
- 您已更换 fixture、robot、或部件呈现方式
- 照明有显著变化（如反射、角度、强度）
- Accuracy 已下降 — 误报/漏报增多
- 需要 更严格的置信度阈值 或更精确的结果
- 模型出现 overfitting 或 under-generalizing 的迹象
如何重新训练（适用于两种模型类型）
-
Capture new sample images 从当前生产环境中获取新的样本图像
-
对于 Classification：对图像或 ROI 进行类别标注
对于 Segmentation：在缺陷处绘制像素级掩模（或良/坏区域）
-
选择合适的训练模式：
- Classification：
- Fast – 适用于快速测试或迭代
- Accurate – 适用于生产使用
- Segmentation：
- Accurate – 仅一种模式，针对高精度优化
- Classification：
-
在 Recipe 界面中运行训练
-
审核模型输出并测试现场检查
-
当置信度与覆盖范围达到预期时部署新模型
模型类型快速指南
| 模型类型 | 最佳用途 | 训练模式 | 输出 |
|---|---|---|---|
| Classification | 良好/不良或离散状态判定 | 快速、准确 | 整张图像或 ROI 类别 |
| Segmentation | 像素级缺陷或区域映射 | 仅用于高精度 | 带标签的掩模（高亮区域） |
使用示例
| 示例 | 模型类型 |
|---|---|
| 检测螺栓缺失 | Classification |
| 检查划痕或凹痕 | Segmentation |
| 验证油脂存在 | Classification 或 Segmentation（取决于所需精度） |
| 测量泡沫覆盖 | Segmentation |
重新训练的最佳实践
- ✅ 始终使用最新的生产图像
- ✅ 包含混合的 pass/fail cases，尤其是边缘情况
- ✅ 每个类别至少使用 30–50 张图像（Classification）
- ✅ 确保 ROI 边界或掩模与部件布局一致
- ✅ 部署前使用 Accurate 模式
- ❌ 不要使用模糊、低光照或对齐不良的图像进行训练