AI 驅動文件
您想了解什麼？
重新訓練模型
本頁解釋在 OV10i 系統上何時以及如何重新訓練您的 AI 模型，無論您使用的是 Classification 還是 Segmentation，以便在部件或生產條件變化時保持檢查的準確性。
影片指南
在實際演示中檢視本主題：OV Auto-Defect Creator Studio
提示
AI 效能取決於訓練資料的相關性。部件、條件或檢查要求發生變化時，請重新訓練。
何時應該重新訓練？
重新訓練可確保模型跟上生產現實。請將此指引應用於 Classification 與 Segmentation 專案。
何時重新訓練：
- 您正在檢查一個新的 SKU 或部件變體
- 您的 inspection requirements 已改變（例如，現在要檢測表面缺陷或油脂）
- 您已更換 fixture、robot、或部件呈現方式
- 照明有顯著變化（如反射、角度、強度）
- Accuracy 已下降 — 誤報/漏報增多
- 需要 更嚴格的置信度閾值 或更精確的結果
- 模型出現 overfitting 或 under-generalizing 的跡象
如何重新訓練（適用於兩種模型型別）
-
Capture new sample images 從當前生產環境中獲取新的樣本影象
-
對於 Classification：對影象或 ROI 進行類別標註
對於 Segmentation：在缺陷處繪製畫素級掩模（或良/壞區域）
-
選擇合適的訓練模式：
- Classification：
- Fast – 適用於快速測試或迭代
- Accurate – 適用於生產使用
- Segmentation：
- Accurate – 僅一種模式，針對高精度最佳化
- Classification：
-
在 Recipe 介面中執行訓練
-
稽覈模型輸出並測試現場檢查
-
當置信度與覆蓋範圍達到預期時部署新模型
模型型別快速指南
| 模型型別 | 最佳用途 | 訓練模式 | 輸出 |
|---|---|---|---|
| Classification | 良好/不良或離散狀態判定 | 快速、準確 | 整張影象或 ROI 類別 |
| Segmentation | 畫素級缺陷或區域對映 | 僅用於高精度 | 帶標籤的掩模（高亮區域） |
使用示例
| 示例 | 模型型別 |
|---|---|
| 檢測螺栓缺失 | Classification |
| 檢查劃痕或凹痕 | Segmentation |
| 驗證油脂存在 | Classification 或 Segmentation（取決於所需精度） |
| 測量泡沫覆蓋 | Segmentation |
重新訓練的最佳實踐
- ✅ 始終使用最新的生產影象
- ✅ 包含混合的 pass/fail cases，尤其是邊緣情況
- ✅ 每個類別至少使用 30–50 張影象（Classification）
- ✅ 確保 ROI 邊界或掩模與部件佈局一致
- ✅ 部署前使用 Accurate 模式
- ❌ 不要使用模糊、低光照或對齊不良的影象進行訓練