分类器与分割器

这是创建配方时最常见的问题。以下是一个清晰的框架。

分类器

分类器查看每个 ROI 裁剪，并将其分配到一个 类别：合格、不合格、存在、缺失、划伤、良好，或您定义的其他类别。

可以把它想象成将卡片分类成堆。 AI 查看整个裁剪并说“这属于合格堆”或“这属于不合格堆”。

在以下情况下使用分类器：

• 您需要合格/不合格或多类别决策
• 您的 ROI 足够小，可以清晰地显示缺陷
• 标记速度很重要（分类器的标记速度要快得多）
• 您在检查某个特征的存在/缺失
• 示例：螺钉存在/缺失，连接器就位/未就位，标签正确/错误

需要训练图像？

使用 缺陷创建者工作室 生成逼真的合成缺陷图像，描述缺陷并在几秒钟内获取训练准备好的图像。

训练模式

分类提供两种不同的训练方法：

快速分类器

• 目的： 快速设置和测试
• 用例： 快速原型和概念验证
• 速度： 更快的训练时间
• 准确性： 精度较低
• 生产就绪： 不推荐用于生产

准确/生产分类器

• 目的： 生产就绪的检查
• 用例： 最终部署和制造
• 速度： 较长的训练时间
• 准确性： 精度较高
• 生产就绪： 主要训练模型以获得最佳结果

生产中的分类示例

松动螺母检测（OEM 装配）

任务： 识别机械装配中的松动螺母

设置：

• ROI： 包围螺母区域的矩形
• 类别：
  • 良好 - 正确拧紧的螺母（合格 100%）
  • 缺陷 - 松动的螺母（不合格 98%）

结果： 二元决策 - 螺母是正确就位还是松动

轴就位验证（OEM 装配）

任务： 识别部分就位的轴

设置：

• ROI： 覆盖轴安装区域的矩形
• 类别：
  • 良好 - 完全就位的轴
  • 缺陷 - 部分就位的轴
  • 缺陷 - 完全脱离的轴

结果： 组件被分类为正确安装或有缺陷

散热器针脚检查（T1 供应商制造）

任务： 检查单个散热器针脚的凹陷

设置：

• ROI： 覆盖散热器针脚阵列的矩形
• 类别：
  • 良好 - 未损坏的针脚（直）
  • 缺陷 - 弯曲/损坏的针脚（弯曲）

结果： 分类器区分良好和不良的针脚

分割器

分割器在 像素级别 检查每个 ROI 裁剪，并准确识别哪些像素属于缺陷。

可以把它想象成用标记笔高亮。 AI 精确圈出缺陷的位置，而不仅仅是判断缺陷是否存在。

在以下情况下使用分割器：

• 您需要像素级缺陷定位（划痕具体在哪里？）
• 您需要测量缺陷的大小或面积
• 您的 ROI 需要较大，但您在寻找小缺陷
• 您需要在一个区域内计数多个缺陷
• 示例：表面划痕、污渍、裂缝、焊接质量、尺寸测量

训练模式

分割使用单一训练模式：

准确/仅生产

• 目的： 生产就绪的像素级分析
• 训练： 单一高精度模式
• 速度： 精确像素分类的训练时间较长
• 准确性： 高精度用于详细缺陷映射
• 生产就绪： 针对制造环境进行了优化

生产中的分割示例

表面缺陷检测（T1 供应商组装）

任务： 识别胶水溢出

设置：

• ROI： 围绕阀门表面的矩形
• 像素类别：
  • 胶水（黄色像素）

结果： 黄色高亮显示 AI 模型检测到的缺陷，原始图像供参考

缝隙尺寸测量（T1 供应商组装）

任务： 验证检查的缝隙是否合适

设置：

• ROI： 围绕缝隙区域的矩形
• 测量逻辑： 基于像素面积值的通过条件
• 类别：
  • 蓝色像素教会什么是距离
  • 合格 - 面积 <100 像素（通过）
  • 缺陷 - 面积 > 100 像素（失败）

结果： 精确的缝隙尺寸测量及确切的像素计数

油漆飞溅检测

任务： 识别表面的油漆飞溅

设置：

• ROI： 围绕检查区域的矩形
• 像素类别：
  • 黄色像素教会什么是油漆

结果： 像素级油漆飞溅检测

同时检查多个特征

分割器可以通过定义单独的像素类别来同时检查多个特征。例如，您可以训练一个单一的分割器在同一 ROI 中检测划痕（类别 1）、凹痕（类别 2）和污渍（类别 3）。每个类别通过用不同标签涂抹该缺陷类型的像素进行独立训练。分割器在一次通过中识别所有缺陷类型，并报告哪些像素属于哪个类别。

这与分类不同，分类是整个 ROI 只有一个标签。通过分割，多个缺陷类型可以共存于同一图像中，每个缺陷都有自己的像素级掩码。

比较

方面	分类器	分割器
它告诉你什么	类别（通过/失败等）	缺陷的确切像素
标记工作量	低：每张图像选择一个类别	高：涂抹缺陷像素
所需数据	每个类别 3-5 张图像以开始	类似，但标记时间更长
ROI 大小	最适合小 ROI	更好地处理较大 ROI
最佳用途	存在/不存在、类别决策	划痕、污渍、测量、像素级检测

循环时间性能

模型类型	检查速度	最佳用例
分割	最快	高速生产线
分类（准确）	较慢	质量关键检查
分类（快速）	中等	测试和原型

备注

分割模型提供最快的检查循环时间，使其非常适合高通量生产环境。

何时选择每个模型

选择分类模型时：

• 需要简单的好/坏分类
• 整个ROI可以标记为几种类别之一
• 整体状况评估足够
• 预期存在固定缺陷位置
• 希望在设置过程中实现更快的标记

最佳适用场景： Go/No-Go决策、组件存在/缺失、整体质量评估

选择分割模型时：

• 缺陷可以出现在检查区域的任何地方
• 需要测量缺陷的大小或面积
• 一张图像中可能存在多种缺陷类型
• 需要精确的位置映射
• 对于生产而言，最快的周期时间至关重要

最佳适用场景： 表面缺陷、间隙测量、覆盖验证、可变位置缺陷

如果不确定，从分类器开始

分类器设置更快，需要的训练图像更少，并且适用于大多数合格/不合格的检查。如果需要像素级的细节，您可以随时切换到分割器。简单的开始可以让您快速验证设置。

分割器需要更多的设置时间

分割器在标记过程中需要像素级的注释，这比为分类器选择类别所需的时间显著更长。与分类器相比，预算额外的时间用于初始设置和标记，尤其是当您有许多训练图像时。

512x512像素处理限制

分类器和分割器在最大分辨率为512x512像素的情况下处理ROI裁剪。任何大于此的ROI在AI处理之前都会被下调，这意味着小缺陷可能变得不可见。尽量将您的ROI保持尽可能小以保留细节，或者如果需要覆盖广泛区域并仍能检测到细小缺陷，请使用具有更大ROI的分割器。

重叠区域

确实存在重叠。许多检查可以使用这两种方法。如果您不确定：

1. 从分类器开始。 设置更简单，标记更快
2. 如果发现分类器不够精确（无法检测到大区域中的小缺陷，或需要测量），请切换到分割器
3. 在tools.overview.ai询问AI助手。描述您的应用，它将推荐最佳方法

训练模式摘要

训练模式	模型类型	生产就绪	备注
快速分类器	分类	否	适用于测试和原型的快速设置
精确分类器	分类	是	具有更高精度的生产就绪
精确分割器	分割	是	针对生产优化的单一高精度模式

OV20i与OV80i

• OV20i： 每个配方选择一个，要么是分类器，要么是分割器
• OV80i： 支持多模型。在同一配方内的同一捕获中同时运行分类器和分割器。例如，使用分类器ROI检查组件存在（合格/不合格），同时分割器ROI检测同一部件上的表面缺陷。两个模型在每次触发时运行并产生独立的结果。