跳到主要内容

AI 驱动文档

您想了解什么？

使用分类器（单 ROI 示例）

本教程将引导您在 OV80i 相机系统上创建第一个分类模型。您将学习如何设置单个感兴趣区域（ROI）分类器，以自动识别和分类不同类型的物体 - 在本示例中，是不同尺寸的钻头。

您将构建的内容： 一个可以自动识别和分类不同钻头尺寸的工作分类模型，具有可配置的通过/失败逻辑。

预计时间： 45-60 分钟

技能水平： 初学者

先决条件： OV80i 相机系统已设置并连接

步骤 1：创建新分类配方​

1.1 访问配方创建​

  1. 在您的 OV80i 界面中导航到所有配方 页面
  2. 点击 + 新配方 在右上角

1.2 配置配方设置​

添加新配方 模态将出现：

  1. 输入配方名称： 使用描述性名称，例如 "Drill_Bit_Classification_v1"
    • 命名提示： 包含物体类型和版本以便于识别
  2. 选择配方类型： 从下拉菜单中选择 "分类"
  3. 点击 确定 创建配方

1.3 激活配方​

  1. 在所有配方列表中找到您的新配方（它将显示为 "非活动"）
  2. 点击配方条目右侧的 激活
  3. 点击 激活并进入编辑器 确认并启动配方编辑器

✅ 检查点： 配方现在为 "活动"，并显示配方编辑器。

步骤 2：配置相机成像设置​

2.1 打开成像配置​

  1. 在配方编辑器的左下角点击 配置成像

2.2 调整焦距设置​

焦距对于准确分类至关重要：

  1. 将您的钻头放置在相机的视野中
  2. 使用以下任一方式调整焦距：
    • 滑块控制，或
    • 手动输入值
  3. 测试不同的焦距位置，直到钻头边缘清晰锐利

焦距提示：

  • 使用实时预览查看焦距变化
  • 专注于最重要的特征（钻头槽、尖端几何形状）
  • 确保物体的整个深度都在焦点内

2.3 优化曝光设置​

适当的曝光确保一致的图像质量：

  1. 使用滑块或手动输入调整曝光
  2. 力求平衡照明，使：
    • 物体细节清晰可见
    • 没有区域过曝（纯白）
    • 阴影不遮挡重要特征

2.4 配置 LED 照明​

照明显著影响分类准确性：

  1. 根据您的物体选择 LED 灯光模式：
    • 明场： 一般照明
    • 暗场： 突出边缘和表面缺陷
    • 侧光： 显示纹理和高度变化
  2. 对于钻头，尝试：
    • 明场 用于一般形状分类
    • 侧光 强调槽几何形状

2.5 调整伽玛设置​

伽玛控制图像对比度：

  1. 调整伽玛 以增强特征可见性
  2. 较低值 使暗区变亮
  3. 较高值 增加对比度

2.6 保存成像设置​

  1. 查看实时预览中的所有设置
  2. 点击 保存成像设置 以应用配置

✅ 检查点： 您的相机现在应该能够生成一致且光线充足的钻头图像。

第 3 步：配置模板图像和对齐​

3.1 导航到对齐​

  1. 在面包屑菜单中点击 "模板图像和对齐"，或者
  2. 使用下拉菜单 选择 "模板图像和对齐"

3.2 跳过对齐器（本教程适用）​

由于钻头将被一致放置：

  1. 选择 跳过对齐器
  2. 点击 保存 以应用更改

何时使用对齐器： 当零件以不同位置或方向到达时使用对齐器。对于本教程，我们假设零件放置一致。

第 4 步：设置检测 ROI​

4.1 导航到检测设置​

  1. 在面包屑菜单中点击 "检测设置"

4.2 定义兴趣区域​

ROI 定义了分类将发生的位置：

  1. 在相机视图中放置一个钻头
  2. 拖动 ROI 角落 以框定钻头
  3. 确保 ROI：
    • 完全包含钻头
    • 排除不必要的背景
    • 对于您最大的钻头变体足够大

4.3 ROI 最佳实践​

应做不应做
包含所有重要特征使 ROI 过大（包含噪声）
在物体周围留小边距切掉物体的部分
将预期物体位置居中在一个 ROI 中包含多个物体
在图像间保持一致的 ROI 大小在捕获之间更改 ROI

4.4 保存 ROI 配置​

  1. 使用不同钻头尺寸验证 ROI 位置
  2. 点击 保存 以应用 ROI 设置

检查点： 您的 ROI 应该能够一致框定钻头，无论其具体大小如何。

第 5 步：训练分类模型​

5.1 导航到分类块​

  1. 在面包屑菜单中点击 "分类块"

5.2 创建分类类别​

您将为不同的钻头尺寸创建类别：

示例类别：

  • 小钻头（1-3mm）
  • 中钻头（4-6mm）
  • 大钻头（7-10mm）

5.3 捕获训练图像​

对于每个类别，捕获至少 5 张不同的图像：

类别 1：小钻头​

  1. 在 ROI 中放置一个小钻头
  2. 点击捕获 以拍摄训练图像
  3. 将图像标记为 "小"
  4. 重复 4 次使用其他小钻头（不同方向/位置）

类别 2：中钻头​

  1. 在 ROI 中放置一个中钻头
  2. 捕获并标记为 "中"
  3. 再重复 4 次 使用不同的中钻头

类别 3：大钻头​

  1. 在 ROI 中放置一个大钻头
  2. 捕获并标记为 "大"
  3. 再重复 4 次 使用不同的大钻头

5.4 训练图像最佳实践​

最佳实践重要原因
使用不同的示例改善模型的泛化能力
变化方向处理现实世界中的位置变化
包括边缘案例更好地检测类别之间的边界
保持一致的照明减少依赖照明的错误
至少 5 张图像提供足够的训练数据

5.5 审查和验证标签​

  1. 仔细检查所有标记的图像
  2. 确保正确的类别分配
  3. 删除任何标记错误的示例

5.6 开始模型训练​

  1. 点击 Train Classification Model
  2. 选择训练模式：
    • 快速： 用于测试的快速训练（2-5分钟）
    • 准确： 生产质量的训练（10-20分钟）
  3. 选择迭代次数：
    • 更多迭代 = 更好的准确性
    • 更多迭代 = 更长的训练时间
  4. 点击 Start Training

5.7 监控训练进度​

训练进度模态显示：

  • 当前迭代次数
  • 训练准确性百分比
  • 预计完成时间

训练控制：

  • 中止训练： 如有需要可停止训练
  • 提前完成训练： 当准确性足够时停止

训练提示：

  • 当达到目标准确性时，训练会自动停止
  • 85% 以上的准确性通常适合生产使用
  • 如果准确性较低，可以使用更多图像进行重新训练

✅ 检查点： 您的模型应达到 >85% 的训练准确性。

第 6 步：测试您的分类器​

6.1 访问实时预览​

  1. 训练完成后点击 Live Preview
  2. 在 ROI 中放置不同的钻头
  3. 观察分类结果：
    • 预测类别名称
    • 置信度百分比
    • 分类时间

6.2 验证测试​

系统地测试每个类别：

测试类型预期结果失败时的操作
已知小钻头分类为 "Small" >80% 置信度添加更多训练图像
已知中钻头分类为 "Medium" >80% 置信度检查标记准确性
已知大钻头分类为 "Large" >80% 置信度使用更多示例重新训练
空 ROI无分类或低置信度调整置信度阈值

6.3 分类问题故障排除​

问题可能原因解决方案
低置信度训练数据不足添加更多训练图像
错误分类图像质量差改善照明/对焦
结果不一致ROI 包含背景噪声减小 ROI 大小
类别混淆物体相似添加更多区分性示例

第 7 步：配置合格/不合格逻辑​

7.1 导航到 IO 块​

在继续之前，请确保所有 AI 块已训练（绿色状态）：

  1. 在面包屑菜单中点击 "IO Block"，或者
  2. 从配方编辑器中选择 "Configure I/O"

7.2 找到分类逻辑节点​

  1. 找到 "Classification Block Logic Node"（紫色节点）
  2. 如果缺失： 从左侧的节点菜单中拖动

节点颜色： 紫色节点代表用于 AI 操作的 Overview 逻辑块。

7.3 配置分类逻辑​

  1. 双击分类逻辑节点
  2. 配置设置：

ROI 选择​

  • 从 "Inspection Region" 下拉菜单中选择您的 ROI

置信度阈值​

  • 设置置信度阈值（通常为 70-85%）
  • 更高的阈值 = 更严格的分类
  • 更低的阈值 = 更宽松的分类

目标类别选择​

  • 选择目标类别 以获得“通过”结果
  • 示例： 如果仅应通过中等尺寸的零件，请选择“中等”

多个 ROI 逻辑（高级）​

  • 如有需要，添加更多 ROI
  • 选择逻辑： “任意”或“全部”规则必须通过

7.4 示例通过/失败配置​

配置 1：特定尺寸通过​

ROI: Drill_Bit_ROI
Target Class: Medium
Confidence: 80%
Logic: Pass only medium drill bits

配置 2：尺寸范围通过​

ROI: Drill_Bit_ROI
Target Classes: Medium OR Large
Confidence: 75%
Logic: Pass medium or large bits

配置 3：拒绝小尺寸零件​

ROI: Drill_Bit_ROI
Target Class: NOT Small
Confidence: 85%
Logic: Fail if classified as small

7.5 部署逻辑配置​

  1. 点击 完成 在右上角
  2. 点击 部署 在 Node-RED 编辑器的右上角
  3. 验证部署 成功消息

第 8 步：最终测试和验证​

8.1 端到端测试​

测试完整的检查工作流程：

  1. 将测试对象放置 在检查区域
  2. 触发检查（手动或自动）
  3. 验证结果：
    • 显示正确的分类
    • 正确的通过/失败指示
    • 一致的时间性能

8.2 生产验证检查表​

测试案例预期结果✓
目标类别对象通过结果☐
非目标类别对象失败结果☐
空 ROI失败结果☐
部分遮挡对象适当的置信水平☐
光照条件差一致的性能☐

8.3 性能优化​

如果结果不令人满意：

  1. 添加更多训练图像（特别是边缘案例）
  2. 调整置信阈值
  3. 改善光照一致性
  4. 优化 ROI 位置
  5. 使用“准确”模式重新训练

恭喜！​

您已成功创建了第一个分类模型！您的 OV80i 系统现在可以：

  • 自动识别 不同的钻头尺寸
  • 应用通过/失败逻辑 基于分类结果
  • 提供每个分类的置信分数
  • 通过 I/O 控制 与生产工作流程集成

下一步​

现在您已经掌握了单 ROI 分类，考虑探索：

高级分类技术​

  • 多 ROI 分类 用于复杂零件
  • 分层分类 用于详细分类
  • 组合检查（分类 + 缺陷检测）

生产集成​

  • PLC 通信 用于自动分拣
  • 数据记录 用于质量跟踪
  • 配方管理 用于多个产品线

模型优化​

  • 迁移学习 用于相似产品
  • 主动学习 用于持续改进
  • 性能监控 和重新训练计划

🔗 另请参阅​

故障排除指南​

常见问题及解决方案​

问题症状解决方案
准确性差分类结果经常错误添加更多样化的训练图像
性能缓慢处理时间长减小 ROI 大小，优化照明
结果不一致同一物体给出不同结果改善部件定位，检查对焦
误报空的 ROI 显示分类增加置信度阈值
训练失败模型无法成功训练检查图像质量，确保每个类别有 5 张以上图像

获取帮助​

如果您遇到本教程未涵盖的问题：

  1. 查看文档中的故障排除指南
  2. 检查系统日志以获取错误信息
  3. 联系 Overview 支持，提供：
    • 配方导出文件
    • 显示问题的样本图像
    • 系统配置详细信息

教程完成！ 您现在拥有一个准备投入生产使用的分类系统。请记得定期验证性能，并根据需要重新训练您的模型，以保持长期准确性。