跳到主要内容

AI 驱动文档

您想了解什么？

重新训练模型

本页将解释在 OV20i 系统上何时以及如何重新训练你的 AI 模型，无论你是在使用 Classification 还是 Segmentation，以在零件或生产条件变化时保持检测的准确性。

视频指南

请观看本主题的演示： OV Auto-Defect Creator Studio

提示

AI 性能取决于训练数据的相关性。随着零件、条件或检测要求的变化进行重新训练。

何时应重新训练？​

重新训练可确保模型跟上生产现实情况。将本指南应用于 Classification 和 Segmentation 项目。

何时重新训练：​

  • 你正在检测一个 new SKU or part variant
  • 你的 inspection requirements have changed（例如现在检测表面缺陷或 grease）
  • 你已经更改了 fixture, robot, or part presentation
  • 照明有显著变化（例如反射、角度、强度）
  • Accuracy has dropped —— 假阳性/假阴性增多
  • 你需要 tighter confidence thresholds 或更精确的结果
  • 模型显示出 overfitting or under-generalizing 的迹象

如何重新训练（适用于两种模型类型）​

  1. 从当前生产设置中捕获新的样本图像

  2. 对于 Classification：对图像或 ROIs 进行类别名称标注

    对于 Segmentation：在缺陷（或良好/不良区域）绘制像素级掩模

  3. 选择合适的训练模式：

    • Classification：
      • Fast – 用于快速测试或迭代
      • Accurate – 用于生产使用
    • Segmentation：
      • Accurate – 仅有一种模式，针对精度进行优化

  4. 在 Recipe 界面中运行训练

  5. 审查模型输出并测试实时检测

  6. 当置信度和覆盖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/不良或离散状态决策Fast, Accurate整张图像或 ROI 类别
Segmentation像素级缺陷或区域映射Accurate only带标签的掩模（高亮区域）

示例用例​

示例模型类型
检测缺失的螺栓Classification
检查划痕或凹痕Segmentation
验证润滑脂的存在Classification 或 Segmentation（取决于所需精度）
测量泡沫覆盖率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 情况，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匹配
  • ✅ 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

🔗 相关链接​