AI 驱动文档
您想了解什么？
创建您的第一个程序 (OV20i)
这是您的相机成为 AI 检测员的地方。一个程序是一个完整的包（图像设置、对齐、感兴趣区域 (ROI)、AI 模型和输出规则）捆绑在一起，用于一项特定的检测任务。
您可以在一台相机上拥有任意数量的程序。每个程序都可以保存、备份、传输到其他相机，并进行版本控制。
开始之前：记住瀑布原则
本节中的所有内容都遵循瀑布原则。您将按顺序完成六个步骤。**不要跳步。**在进入下一步之前，请验证每一步是否有效。
图像设置
曝光、增益、LED
模板与对齐器
捕获、对齐
感兴趣区域 (ROI)
绘制 ROI
AI 训练
标注、训练
输出规则
通过/失败、IO
部署！
激活、验证
创建新程序
- 在左侧边栏中转到 All Recipes（这也是您打开摄像头时的着陆页）
- 点击 + New
- 为其命名（例如"Screw Presence Check"）
- 选择程序类型：Segmentation 或 Classification（下文将解释）
What do you want this recipe to do?
Each OV20i recipe uses one model type. Pick based on the question you need answered. You can change this later.
Decide whether each part, or each region of interest, belongs to a category.
Best for: verdicts and known categories, where the answer is one label per region.
Find and outline features, defects, or regions at the pixel level.
Best for: locating, measuring, or counting features whose shape and position matter.
Classification, in 60 seconds
Read Understanding Classifier →A classifier looks at each region you draw and assigns one label from a list you define. The model returns one verdict per ROI: this region is a "pass", or "missing", or "scratched". Most OV20i recipes start here.
Example, missing fastener
Four ROIs over four screw locations. Two classes: present and missing. The model returns one label per ROI.
Example, surface pass / fail
One ROI over the panel surface. Two classes: clean and blemished. The model returns one label for the panel.
想要并排对比？请参阅 Classifier vs. Segmenter。想要深入了解任一模型类型？请阅读 Understanding Classifier 了解判定与标签，或阅读 Understanding Segmenter 了解像素级掩码、计数与测量。
- 点击 Activate 进入程序编辑器
以下是 Recipe Editor 的外观。三个主要部分（Imaging Setup、AI Blocks、IO Block）直接对应瀑布流步骤：
每个程序选择 classifier 或 segmenter（不能同时使用）。OV10i 仅支持 classifier。Segmentation 需要 OV20i。
不确定该选哪个？请参阅 Classifier vs. Segmenter 或在 tools.overview.ai 询问 AI Assistant。
OV20i 同时支持 classifier 和 segmenter，但每个程序在每次检测中仅使用一种类型。请根据您的检测需求进行选择。如果您需要在同一次捕获中同时进行像素级检测和分类，请考虑支持多模型程序的 OV80i。
现在按照以下六个步骤操作：
第 1 步：图像设置
让您的相机图像保持清晰且一致。调整曝光、增益、白平衡，并且至关重要的是，如果您使用广角镜头，请启用镜头畸变校正。
关键设置：
- Exposure： 传感器捕获光线的时长。值越高 = 越亮，但运动模糊越多
- Gain： 数字亮度增强。值越高 = 越亮，但噪点越多
- Lens Correction： 修正广角镜头产生的桶形畸变。如适用，请立即启用。 不要跳过此步骤
- LED settings (OV20i)： 调整强度和模式以减少眩光
继续之前请验证： 点击 Live Preview。图像应清晰、光照充足，且每次拍摄保持一致。
第 2 步：模板图像与对齐
这是大多数客户感到具有挑战性的步骤，也是影响最大的一步。对齐器是整个检测的基础。它会动态移动您的检测框，以跟踪在传送带上发生位移和旋转的零件。良好的对齐让您可以绘制更小的 ROI，这意味着更少的训练数据和更精准的 AI。Aligner → ROIs → Classifier/Segmenter：如果第一环薄弱，下游的一切都会崩溃。
简要版本：
- 捕获一张良品的模板图像
- 在永不变化的特征上放置 2-3 个小型模板区域（强边缘、角点、孔洞）
- 将它们尽可能放置在零件上相距较远的位置
- 使用 Ignore 工具清理嘈杂的边缘
- 保存，然后使用 Live Preview 进行测试。移动零件并验证对齐能否跟踪到它
切勿将对齐器锚定到缺陷、标签、贴纸或任何可独立于零件移动的物体上。仅对齐到永久性的刚性特征（机加工边缘、钻孔、PCB 轮廓）。如果您对齐到条形码贴纸，而有人将其贴歪了，相机就会将所有检测框移动到错误的位置。
亲自尝试： 使用下方模拟器查看当零件在传送带上发生位移时会发生什么。关闭对齐器，然后移动滑块以观察检测框如何失去跟踪。
相机设置
模拟真实环境
移动生产线上的零件。
Legend
请阅读 Alignment Explained 获取完整演练。 这是本文档中最重要的页面。
第三步：感兴趣区域 (ROI)
现在绘制 AI 实际检测的区域。这些就是您的感兴趣区域 (ROI)。
关键规则：ROI 尽可能小。 这是客户问题的第二大来源。请阅读 为什么 ROI 大小很重要 以了解原因。
简要版本：
- 创建一个检测类型（例如"螺钉"），并设定预期的类别（例如"存在"、"缺失"）
- 在您想要检测的每个位置绘制矩形 ROI
- 仅将 ROI 大小设为足够包含该特征即可，不要更大
- 使用描述性名称命名（例如"Screw_Top_Left"）
第四步：训练您的 AI 模型
标注几张图像并训练您的第一个模型。
简要版本：
- 从每个类别 10-15 张图像开始。不要过度收集
- 训练前仔细检查每一个标签（一个错误标签就可能毁掉您的模型）
- 训练（约 30 秒）以检查信号
- 使用实时预览进行测试。尝试找出它的弱点
- 在失败的地方添加针对性数据，重新训练
第五步：输出规则 (IO模块)
定义 AI 做出决策时发生什么。
基本模式： 设置通过/失败规则。最简单的设置是：所有 ROI 都必须通过才能全局通过。该单一二进制结果将发送到您的 PLC、HMI 或输出。
高级模式 (Node-RED)： 适用于简单通过/失败之外的任何场景：自定义仪表板、时间序列逻辑、数据路由到 MES 系统、条码扫描器集成（需要外部读取器）等。使用 tools.overview.ai 通过纯英语描述生成 Node-RED 流程。
第六步：部署并验证
- 激活您的程序
- 设置您的触发模式（手动、硬件传感器、PLC 或间隔）
- 让测试部件通过系统
- 验证通过/失败输出是否符合您的预期
- 检查边缘情况，即最难分类的部件
恭喜！您现在已经有一个正在运行的 AI 检测。
程序检查清单
在继续之前，请确认：
- 已创建并命名新程序
- 图像设置已配置：清晰、光照良好、一致
- 对齐已设置并可靠跟踪
- 感兴趣区域 (ROI) 已绘制：尺寸小、位置合适、已命名
- AI 模型已训练并通过实时预览测试
- 输出规则已配置：通过/失败符合预期
- 程序已激活并以正确的触发模式部署