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。
图像设置
曝光、增益、光照
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（这也是打开相机时的着陆页面）
- 点击 + New
- 为其命名（例如 "Surface Defect Inspection"）
- 选择程序类型：Segmentation 或 Classification（如下所述）
What do you want this recipe to do?
Each OV80i 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 OV80i 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？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
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。
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
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
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：
- 捕获良品零件的模板图像
- 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
- 在零件上将它们放置得尽可能远
- 使用 Ignore 工具清理嘈杂的边缘
- 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
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
模拟真实环境
移动生产线上的零件。
Legend
**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)
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：
- 创建一个检测类型（例如 "Surface Quality"），并定义预期的类别（例如 "good"、"defective"）
- 在每个需要检测的位置绘制矩形 ROI
- 让它们刚好足够包含特征，不要更大
- 用描述性的名称命名（例如 "Surface_Center"）
第四步：训练您的 AI 模型
标注少量图像并训练您的第一个模型。
简短版本：
- 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。尝试找出问题
- 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)
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
- 设置触发模式（手动、硬件传感器、PLC 或间隔）
- 在系统中运行测试零件
- 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