跳到主要内容

AI 驱动文档

您想了解什么？

创建您的第一个程序 (OV80i)

这是您的相机变身为 AI 检测员的地方。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），针对一个特定的检测任务捆绑在一起。

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。您将按顺序经过六个步骤。不要跳过。 在进入下一步之前，验证每一步都能正常运行。

1

图像设置

曝光、增益、光照

2

模板与对齐器

捕获、对齐

3

感兴趣区域 (ROI)

绘制 ROI

4

AI 训练

标注、训练

5

输出规则

通过/失败、IO

6

部署！

激活、验证

创建新程序​

  1. 在左侧边栏中转到 All Recipes（这也是打开相机时的着陆页面）
  2. 点击 + New
  3. 为其命名（例如 "Surface Defect Inspection"）
  4. 选择程序类型：Segmentation 或 Classification（如下所述）

你希望此配方做什么？

每个 OV80i 配方使用一种模型类型。根据你需要回答的问题进行选择。你以后可以更改。

推荐
PASSFAIL
表面检查，每个面板判定合格 / 不合格
Classification

判定每个零件或每个感兴趣区域 (ROI) 属于哪个类别。

缺陷检测合格 / 不合格装配验证存在 / 缺失分拣外观检查

最适合： 判定结果和已知类别，答案是每个区域一个标签的场景。

3 defects
缺陷定位，像素级掩膜
Segmentation

在像素级别查找并勾勒特征、缺陷或区域。

计数污染物检测测量位置缺陷定位覆盖范围

最适合： 定位、测量或计数那些形状和位置很重要的特征。

60 秒了解分类

阅读《了解分类器》 →

分类器查看你绘制的每个区域，并从你定义的列表中为其分配一个标签。模型为每个 ROI 返回一个判定结果：该区域为"合格"、"缺失"或"划伤"。大多数 OV80i 配方都从这里开始。

示例：缺失紧固件

在四个螺钉位置上设置四个 ROI。两个类别：存在和缺失。模型为每个 ROI 返回一个标签。

示例：表面合格 / 不合格

在面板表面上设置一个 ROI。两个类别：干净和有瑕疵。模型为该面板返回一个标签。

想要并排对比？请参阅 Classifier vs. Segmenter。想要深入了解任一模型类型？阅读 Understanding Classifier 了解判定与标签，或阅读 Understanding Segmenter 了解像素级蒙版、计数与测量。 5. 点击 Activate 进入程序编辑器

激活并进入程序编辑器

多模型程序

OV80i 支持多模型程序。您可以在单个程序中组合分类器和分割器以实现全面检测。例如，使用分类器检查零件是否存在，使用分割器检测表面缺陷，全部集成在一个程序中。

不确定该选择哪一个？请参阅 Classifier vs. Segmenter 或在 tools.overview.ai 询问 AI 助手。

多模型灵活性

OV80i 支持多模型程序，允许您在单个程序中组合分类器和分割器以实现全面检测。例如，使用分类器验证零件是否存在，使用分割器检测表面划痕，全部基于同一次捕获运行。

现在遵循以下六个步骤：

第一步：图像设置​

完整指南：图像设置

配置图像界面

让您的相机图像看起来清晰且一致。调整曝光、增益、白平衡，关键是，如果您使用广角镜头，请启用镜头畸变校正。

关键设置：

  • Exposure（曝光）： 传感器捕获光线的时长。值越高 = 越亮但运动模糊越严重
  • Gain（增益）： 数字亮度提升。值越高 = 越亮但噪声越多
  • Lens Correction（镜头校正）： 修正广角镜头的桶形畸变。**如适用请立即启用。**不要跳过此步骤
  • 外部照明： 在继续之前，请验证您的照明是否均匀且一致

继续之前请验证： 点击 Live Preview。图像应清晰、光线充足，且每次拍摄都保持一致。

第二步：模板图像与对齐​

完整指南：对齐详解

模板对齐设置

这是大多数客户感到最具挑战性的步骤，也是影响最大的步骤。对齐器是整个检测的基础。它动态地移动您的检测框，以跟踪零件在传送带上发生的位移和旋转。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准确的 AI。对齐器 → ROI → 分类器/分割器：如果第一个环节薄弱，下游的一切都会失效。

简要说明：

  1. 捕获良品零件的模板图像
  2. 在永不改变的特征（明显的边缘、角、孔）上放置 2-3 个小型模板区域
  3. 在零件上将它们放置得尽可能远
  4. 使用 Ignore 工具清理嘈杂的边缘
  5. 保存，然后使用 Live Preview 测试。移动零件并验证对齐是否能跟踪它
排名第一的对齐错误

切勿将对齐器锚定在缺陷、标签、贴纸或任何可能独立于零件移动的物体上。仅对齐到永久性、刚性的特征（机加工边缘、钻孔、PCB 轮廓）。如果您将对齐器锚定在条形码贴纸上，而有人将其贴歪，相机就会将您所有的检测框移到错误的位置。

亲自尝试： 使用下面的模拟器查看零件在传送带上发生位移时会发生什么。关闭对齐器，然后移动滑块观察检测框如何失去跟踪。

相机设置

状态: 跟踪锁定 / 通过

模拟真实环境

移动生产线上的零件。

Legend

Inspection Region
Alignment locked
Alignment lost
ROI

**阅读 对齐详解 以获取完整的演练。**这是本文档中最重要的页面。

第三步：感兴趣区域 (ROIs)​

完整指南：感兴趣区域 (ROIs)

现在绘制 AI 实际进行检测的区域。这些就是您的感兴趣区域 (ROIs)。

关键规则：尽可能保持 ROI 小。 这是客户问题的第二大来源。阅读 为什么 ROI 大小很重要 以了解原因。

简短版本：

  1. 创建一个检测类型（例如 "Surface Quality"），并定义预期的类别（例如 "good"、"defective"）
  2. 在每个需要检测的位置绘制矩形 ROI
  3. 让它们刚好足够包含特征，不要更大
  4. 用描述性的名称命名（例如 "Surface_Center"）

第四步：训练您的 AI 模型​

完整指南：训练您的 AI

分类器标注界面：为每个 ROI 选择类别

标注少量图像并训练您的第一个模型。

简短版本：

  1. 从每个类别 10-15 张图像开始。不要过度收集
  2. 训练前仔细检查每个标签（一个错误标签就可能毁掉您的模型）
  3. 训练（约 30 秒）以检查信号
  4. 使用实时预览进行测试。尝试找出问题
  5. 在失败的地方添加针对性数据，然后重新训练

第五步：输出规则 (IO模块)​

完整指南：设置输出

通过/失败 逻辑配置

定义当 AI 做出决策时会发生什么。

基本模式： 设置通过/失败的规则。最简单的设置：所有 ROI 必须通过才算全局通过。该单一二进制结果会发送到您的 PLC、HMI 或输出。

高级模式 (Node-RED)： 适用于超出简单通过/失败的任何场景：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 从纯英文描述生成 Node-RED 流程。

第六步：部署与验证​

激活您的程序以投入生产

  1. 激活您的程序
  2. 设置触发模式（手动、硬件传感器、PLC 或间隔）
  3. 在系统中运行测试零件
  4. 验证通过/失败输出是否符合您的预期
  5. 检查边缘情况，即最难分类的零件

恭喜！您现在已经拥有一个运行中的 AI 检测系统。

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 (ROIs) 已绘制：小巧、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
  • 程序已使用正确的触发模式激活并部署

下一步？​