AI 驅動文件
您想了解什麼？
檢測工具：該用哪一個
OV Spark Pro 提供七種工具。難點不在於配置，而在於選對工具，所以請從您要檢查的內容出發，而不是從工具名稱出發。
您需要檢測什麼？
選擇最接近的描述。大多數程式會組合多個工具，因此您可以在第一個工具執行後再回來新增其他工具。
配置一個工具
選對工具就完成了一半。下面每個工具都附帶了對決定其判定的那項關鍵設定的實時演示，以及相機引導您完成的步驟、實際預設值，以及最費時間的常見錯誤。
定位零件，使所有其他工具都在同一位置進行檢測。除非夾具每個週期都以完全相同的方式固定零件，否則這應是第一個工具，其他所有工具都引用它。
您實際要做的操作
- 首先新增。 工具列表中的順序即為工具的執行順序，對齊器必須在依賴它的所有工具之前執行。
- 設定。 按 部件已就位，開始捕獲 凍結一個合格零件，然後在始終存在的特徵上新增1至3個模板區域，並儘量分散佈置。
- 實時預覽。 在畫面中移動真實零件，並設定置信度閾值，使合格零件明顯高於該閾值。
- 將其他工具指向它。 每個工具都有自己的對齊器步驟，您可在其中選擇此對齊器，之後其區域將跟隨零件移動。
訓練（可選）
關鍵設定
| 設定 | 範圍 | 預設 | 控制內容 |
|---|---|---|---|
| 旋轉範圍 | 0 到 180 度 | 15 度 | 搜尋的旋轉角度範圍。較窄的範圍可同時用於方向排除。 |
| 靈敏度 | 0 到 2 | 1.0 | 邊緣查詢的強度。僅在高亮保持綠色時才提高。 |
| 置信度閾值 | 0 到 1 | 0.5，推薦 0.6 到 0.9 | 對齊器判定部件已找到前所需達到的確信程度。 |
通過或失敗的判定方式
- 對齊器不判定零件。它僅決定零件是否被已找到。
- 如果未找到，所有引用它的工具都會已跳過，並由步驟 4 判定決定這是否算作失敗。
報告內容
零件是否被找到、置信度、中心位置、旋轉角度和處理時間。
注意事項
- 切勿錨定到標籤、貼紙或缺陷上。 對齊器會跟隨貼紙而不是零件，並將所有檢測區域一起拖動。
- 分散錨點。兩個錨點靠得太近幾乎無法提供旋轉基線，這是最常見的設定錯誤。
- 在此基礎上構建任何內容之前先驗證它。事後修復對齊器意味著重做每個引用它的工具。
這是簡短版本。對齊 頁面提供完整的四步講解，以及一個說明離散度為何重要的錨定實驗。
對齊器在 Alignment 頁面有專門的操作指引，因為幾乎每個程式都從它開始。
相機中的同一目錄
您可以在程式編輯器的 Add tool 下找到同一組工具：
底部內建了一個 AI 助手：Not sure which one? Describe the check in your own words，並提供諸如 "Is the connector fully seated?" 和 "The part lands at a different angle every time." 等起始提示。如果您更願意描述問題而不是從列表中挑選，就用它。
全部工具
| 工具 | 類別 | 訓練 | 功能 |
|---|---|---|---|
| AI Classification | AI | 裝置端 | 將區域分入您已訓練的某一類別 |
| AI Count | AI | 裝置端 | 檢測並計數物件，與期望數量進行比對判定 |
| AI Segmentation | AI | 裝置端 | 逐畫素勾畫特徵，按面積和斑點數量進行判定 |
| AI OCR | AI | 無需訓練，可選調優 | 讀取印刷或蝕刻文字並檢查其內容 |
| Barcode Read | 傳統 | 無 | 讀取 1D 或 2D 碼並檢查其內容 |
| Color Match | 傳統 | 無 | 檢查區域顏色是否正確，並報告偏差程度 |
| Alignment | 定位 | 無 | 定位部件，使其他所有工具都檢測同一位置 |
Alignment、AI OCR、Barcode Read 和 Color Match 只要您畫出區域並設定規則即可工作。只有 Classification、Count 和 Segmentation 需要從您的樣本中學習。如果其中某個無需訓練的工具能解決您的問題，那麼它部署更快，也更容易維護。
每個工具的容量上限
| 工具 | 上限 |
|---|---|
| AI Classification | 64 個區域，16 個類別 |
| AI Segmentation | 64 個區域，64 個類別 |
| AI Count | 主影象上 256 個標記部件 |
| AI OCR | 16 個欄位，8 個模式 |
| Color Match | 10 個參考樣本 |
超過上限時編輯器會阻止您繼續新增。如果某個程式需要更多，可將工作拆分到兩個同類工具中完成。
匯入已有影象
您無需實時捕獲每一張模板或訓練影象。凡是工具需要影象的地方，您都可以從相機的庫中選擇一張，或從您的電腦上傳一張。
在工具要求您捕獲的任何位置，請在捕獲按鈕旁查詢 Use existing image（使用現有影象）：對齊器的模板、每個工具 Set Up 和標註步驟中的參考和訓練捕獲、AI Count 主影象以及 Color Match 樣本。只需一張影象的步驟使用一張；構建訓練集的步驟一次使用多張。
它會開啟選擇器：
| 標籤頁 | 工作方式 |
|---|---|
| From library（從庫中） | 按 Capture ID、Trigger ID、捕獲時間、程式或判定進行過濾，勾選所需的捕獲影象，然後按 Import（匯入） |
| Upload from computer（從電腦上傳） | 將 JPEG 或 PNG 檔案拖至頁面上，或點選選擇，然後按 Import（匯入） |
| From dataset（從資料集） | 當工具已有訓練集時顯示，以便您複用其中一張影象作為參考 |
匯入的影象帶有 Imported（已匯入）標識，每個檔案都會報告它是否成功匯入或未能匯入的原因。
上傳的影象必須是相機本身的解析度，OV Spark Pro 為 2592×1944，並且為 8 位 JPEG 或 PNG。如果尺寸不同、為 16 位、帶有透明通道、帶有 EXIF 旋轉資訊或超過 32 MiB，則會被拒絕。相機永遠不會重新縮放上傳的影象，因為區域和模板是以感測器畫素儲存的。安全的來源是本相機拍攝並從其庫中匯出的影象。
當儲存空間填滿時，相機會刪除最舊的未固定捕獲影象，而影象已丟失的捕獲無法匯入。當某個部件出現您希望用於訓練的缺陷時，請在庫中將其固定。
定位優先
如果您的部件沒有被夾具固定，定位幾乎總是程式中的第一個工具。它向相機訓練一個參考圖案，在每一幀中查詢該圖案，並報告部件的實際位置。
其他工具隨後引用該對齊器，使其區域跟隨部件移動，而不是固定在畫面上。否則，若部件向左偏移 5 mm，所有區域都會隨之偏移，良品也會無故開始失敗。
AI 工具深度介紹
AI Classification
當答案是一個類別時使用。 存在或缺失、裝配到位或缺失、破損或完好、良或次、哪個變體、哪個缺陷等級。
繪製一個或多個區域，為每個類別標註少量示例影象，並在裝置上數秒內完成訓練。在執行時，每個區域都會被分類並根據您設定的判定規則進行評級。
當差異是視覺上可見的，並且您能夠為每種結果提供示例時效果最佳。
此處的全部工作就是標註：每張捕獲的影象上，每個區域都會分配一個類別。試一試：
點選螺絲可在三個類別之間迴圈切換。右側的輸出表格會實時更新，全域性判定則反映您在 IO模組 中編寫的規則。
點選標籤以僅高亮顯示該類別。
AI Count
用於答案是數字的場景。 泡罩中的藥片、聯結器中的針腳、托盤中的物品。
在幾張捕獲的影象上標註物件，並在裝置上訓練一個小型檢測器。執行時，該工具會計數區域內的每個匹配項，並根據您設定的計數範圍判定通過或失敗。
在標註之前，您需要先捕獲一張主影象。
AI Segmentation
用於答案是數量多少的場景。 汙染程度、塗層覆蓋範圍、缺陷大小。
在幾張影象上為每個感興趣的類別繪製畫素掩碼，然後在裝置上訓練。執行時，該工具會測量區域內每個類別的面積和斑點數量，並根據您為每個類別設定的最小值和最大值判定通過或失敗。
只要在一張影象上繪製了掩碼即可開始訓練，僅用幾張影象訓練的模型就已經很有用了。更多樣化的樣本仍能帶來更好的模型。
這是設定工作量最大的工具，因此只有在簡單的通過或失敗確實不夠用時才使用它。工作量都在繪製上：
在右側選擇一個類別，然後拖動進行塗抹。畫素覆蓋率會隨塗抹實時更新，判定會應用示例 當總量 > 2% 時判為 FAIL 規則。點選 自動塗抹 可檢視標準標註結果。
AI OCR
用於需要讀取文字的場景。 批號、有效期、序列號。
為每行文字繪製一個欄位，宣告該欄位可以包含的內容，並可選地固定其格式或日曆規則，這樣過期日期會判定失敗，而不僅僅是被讀取。開箱即用，無需訓練。
經典工具
Barcode Read
讀取 1D 條碼（Code 128、EAN-13）或 2D 碼（Data Matrix、QR），並報告解碼後的文字。通過意味著成功讀取了碼，並且在您設定了預期模式時，文字與模式匹配。
在本頁其他地方的建議都是緊密裁剪。條碼是例外。碼需要周圍有靜區才能解碼，因此請圍繞碼出現的區域繪製區域，而不是緊貼碼本身。
這個差異並不細微：緊貼的框在 300 次中僅成功解碼 21 次，而將邊距加倍後同一個碼在 300 次中讀取了 158 次。還要包含整個碼，因為半個碼會被識別為沒有碼。
如果碼在畫面中太小，請將相機移近。擴大區域沒有用，而覆蓋大部分畫面的區域可能需要超過一秒才能搜尋完成。
Color Match
在要檢查的顏色上繪製一個區域，並通過樣本或手動設定參考顏色。每次檢測都會報告該區域的平均顏色、與參考顏色的 ΔE2000 距離，以及由此得出的匹配分數：
score = 100 - 4 x deltaE
當分數等於或高於您的閾值時，該工具判定通過，預設閾值為 70。如果良品失敗則調低，如果不良品通過則調高。
無需訓練。設定好區域和參考後即可執行。
此處的 ΔE 是相對於此相機在此光照下的值。請在零件之間互相比較，切勿與實驗室讀數比較。請先在影象設定中設定手動白平衡，因為自動白平衡會在零件顏色變化時重新適應，而這恰恰是您想要測量的內容。
在難以抉擇時如何選擇
| 如果您在以下選項之間猶豫 | 選擇 | 原因 |
|---|---|---|
| Classification 和 Segmentation | Classification | 如果只需通過或失敗的判定結果，訓練更快，執行更輕量 |
| Classification 和 Count | Count | 如果數量本身就是規格要求，而不僅僅是判斷是否存在 |
| Count 和 Segmentation | Segmentation | 如果物體相互融合、無法分離 |
| OCR 和 Barcode Read | Barcode Read | 如果標記是碼，讀取碼比讀取文字更快、更可靠 |
| Color Match 和 Classification | Color Match | 如果檢測確實關乎色調，無需訓練 |