分類器與分割器

這是建立配方時最常見的問題。以下是一個清晰的框架。

分類器

分類器檢視每個 ROI 裁剪並將其分配到一個 類別：合格、不合格、存在、缺失、劃傷、良好或您定義的其他類別。

可以把它想象成將卡片分堆。 AI 檢視整個裁剪並說“這放在合格堆”或“這放在不合格堆”。

在以下情況下使用分類器：

• 您需要合格/不合格或多類別決策
• 您的 ROI 足夠小，可以清楚地顯示缺陷
• 標籤速度很重要（分類器的標記速度更快）
• 您正在檢查特徵的存在/缺失
• 示例：螺絲存在/缺失，聯結器安裝/未安裝，標籤正確/錯誤

需要訓練影象？

使用 缺陷建立者工作室 生成逼真的合成缺陷影象，您只需用簡單的英語描述缺陷，即可在幾秒鐘內獲得適合訓練的影象。

訓練模式

分類提供兩種不同的訓練方法：

快速分類器

• 目的： 快速設定和測試
• 用例： 快速原型和概念驗證
• 速度： 更快的訓練時間
• 準確性： 精度較低
• 生產就緒： 不推薦用於生產

準確/生產分類器

• 目的： 生產就緒的檢查
• 用例： 最終部署和製造
• 速度： 較長的訓練時間
• 準確性： 精度較高
• 生產就緒： 主要訓練模型以獲得最佳結果

生產中的分類示例

鬆動螺母檢測（OEM 裝配）

任務： 識別機械裝配中的鬆動螺母

設定：

• ROI： 包圍螺母區域的矩形
• 類別：
  • 良好 - 正確擰緊的螺母（合格 100%）
  • 缺陷 - 鬆動的螺母（不合格 98%）

結果： 二元決策 - 螺母是正確安裝還是鬆動

軸座驗證（OEM 裝配）

任務： 識別部分安裝的軸

設定：

• ROI： 覆蓋軸安裝區域的矩形
• 類別：
  • 良好 - 完全安裝的軸
  • 缺陷 - 部分安裝的軸
  • 缺陷 - 完全未安裝的軸

結果： 元件被分類為正確安裝或有缺陷

彎曲引腳檢查（T1 供應商製造）

任務： 檢查彎曲的引腳

設定：

• ROI： 覆蓋散熱器引腳陣列的矩形
• 類別：
  • 良好 - 未損壞的引腳（直）
  • 缺陷 - 彎曲/損壞的引腳（彎曲）

結果： 分類器區分良好引腳和壞引腳

分割器

分割器在 畫素級別 檢查每個 ROI 裁剪，並準確識別哪些畫素屬於缺陷。

可以把它想象成用記號筆高亮顯示。 AI 精確圈出缺陷的位置，而不僅僅是是否存在缺陷。

在以下情況下使用分割器：

• 您需要畫素級缺陷定位（劃痕具體在哪裡？）
• 您需要測量缺陷的大小或面積
• 您的 ROI 需要足夠大，但您正在尋找小缺陷
• 您需要在一個區域內計數多個缺陷
• 示例：表面劃痕、汙漬、裂縫、焊接質量、尺寸測量

訓練模式

分割使用單一訓練模式：

準確/僅限生產

• 目的： 生產就緒的畫素級分析
• 訓練： 單一高精度模式
• 速度： 精確畫素分類的訓練時間較長
• 準確性： 對詳細缺陷對映的高精度
• 生產就緒： 針對製造環境進行了最佳化

生產中的分割示例

表面缺陷檢測（T1 供應商組裝）

任務： 識別膠水溢位

設定：

• ROI： 包圍閥門表面的矩形
• 畫素類別：
  • 膠水（黃色畫素）

結果： 黃色高亮顯示 AI 模型檢測到的缺陷，原始影象供參考

縫隙尺寸測量（T1 供應商組裝）

任務： 驗證檢查的縫隙是否合適

設定：

• ROI： 包圍縫隙區域的矩形
• 測量邏輯： 基於畫素面積值的透過條件
• 類別：
  • 藍色畫素用於教學縫隙的外觀
  • 合格 - 面積 <100 畫素（透過）
  • 缺陷 - 面積 > 100 畫素（失敗）

結果： 精確的縫隙尺寸測量，包含確切的畫素計數

油漆飛濺檢測

任務： 識別表面上的油漆飛濺

設定：

• ROI： 包圍檢查區域的矩形
• 畫素類別：
  • 黃色畫素用於教學油漆的外觀

結果： 油漆飛濺的畫素級檢測

同時檢查多個特徵

分割器可以透過定義單獨的畫素類別來同時檢查多個特徵。例如，您可以訓練一個單一的分割器在同一 ROI 中檢測劃痕（類別 1）、凹痕（類別 2）和汙漬（類別 3）。每個類別透過用不同標籤標記該缺陷型別的畫素進行獨立訓練。分割器在一次透過中識別所有缺陷型別，並報告哪些畫素屬於哪個類別。

這與分類不同，分類是整個 ROI 獲得一個單一標籤。透過分割，多個缺陷型別可以共存於同一影象中，每個缺陷都有自己的畫素級掩碼。

比較

方面	分類器	分割器
它告訴你什麼	類別（透過/失敗等）	缺陷的確切畫素
標記工作量	低：每張影象選擇一個類別	高：標記缺陷畫素
所需資料	每個類別 3-5 張影象以開始	類似，但標記時間更長
ROI 大小	最適合小 ROI	更好地處理較大 ROI
最佳用途	存在/缺失、類別決策	劃痕、汙漬、測量、畫素級檢測

迴圈時間效能

模型型別	檢查速度	最佳用例
分割	最快	高速生產線
分類（準確）	較慢	質量關鍵檢查
分類（快速）	中等	測試和原型

備註

分割模型提供最快的檢查迴圈時間，使其非常適合高產量的生產環境。

何時選擇每個模型

選擇分類模型當：

• 你需要 簡單的好/壞分類
• 整個 ROI 可以標記為 多個類別之一
• 整體狀態評估 足夠
• 預期存在 固定缺陷位置
• 你希望在設定過程中實現 更快的標記

最佳適用場景： Go/No-Go 決策、元件存在/缺失、整體質量評估

選擇分割模型當：

• 缺陷可以 出現在檢查區域的任何地方
• 你需要 測量缺陷的大小或面積
• 多種缺陷型別 可能存在於一張影象中
• 需要 精確的位置對映
• 對於生產來說，最快的週期時間 至關重要

最佳適用場景： 表面缺陷、間隙測量、覆蓋驗證、可變位置缺陷

如果不確定，先從分類器開始

分類器設定更快，需要更少的訓練影象，並且適用於大多數合格/不合格的檢查。只有在需要畫素級細節、缺陷測量或需要在大檢查區域內檢測小缺陷時，才切換到分割器。

分割器需要更多的設定時間

分割器在標記時需要畫素級註釋，這比分類器標記花費的時間要長得多。與分類器相比，初始設定時需要額外的時間預算。如果你有許多區域需要標記，時間投資會迅速增加。

512x512 畫素處理限制

分類器和分割器處理 ROI 裁剪的最大解析度為 512x512 畫素。任何大於此的 ROI 在 AI 處理之前都會被縮小，這意味著小缺陷可能會變得不可見。儘量將 ROI 保持儘可能小以保留細節，或者如果需要覆蓋更大區域同時仍能檢測細小缺陷，則使用分割器。

重疊區域

確實存在重疊。許多檢查可以使用這兩種方法。如果你不確定：

1. 先從分類器開始。 它更簡單，設定更快，標記更快
2. 如果發現分類器不夠精確（無法在大區域內檢測小缺陷，或者需要測量），則切換到分割器
3. 在 tools.overview.ai 詢問 AI 助手。描述你的應用，它將推薦最佳方法

訓練模式總結

訓練模式	模型型別	生產就緒	備註
快速分類器	分類	否	用於測試和原型的快速設定
精確分類器	分類	是	具有更高精度的生產就緒
精確分割器	分割	是	針對生產最佳化的單一高精度模式

OV20i 與 OV80i

• OV20i： 每個配方選擇一個，要麼是分類器，要麼是分割器
• OV80i： 多模型支援。在同一配方中結合兩者以進行相同捕獲