AI 驅動文件
您想了解什麼？
建立您的第一個程式 (OV20i)
這是您的相機成為 AI 檢測員的地方。一個程式是一個完整的包（影象設定、對齊、感興趣區域 (ROI)、AI 模型和輸出規則）捆綁在一起，用於一項特定的檢測任務。
您可以在一臺相機上擁有任意數量的程式。每個程式都可以儲存、備份、傳輸到其他相機，並進行版本控制。
開始之前：記住瀑布原則
本節中的所有內容都遵循瀑布原則。您將按順序完成六個步驟。**不要跳步。**在進入下一步之前，請驗證每一步是否有效。
影象設定
曝光、增益、LED
模板與對齊器
捕獲、對齊
感興趣區域 (ROI)
繪製 ROI
AI 訓練
標註、訓練
輸出規則
透過/失敗、IO
部署！
啟用、驗證
建立新程式
- 在左側邊欄中轉到 All Recipes（這也是您開啟攝像頭時的著陸頁）
- 點選 + New
- 為其命名（例如"Screw Presence Check"）
- 選擇程式型別：Segmentation 或 Classification（下文將解釋）
What do you want this recipe to do?
Each OV20i recipe uses one model type. Pick based on the question you need answered. You can change this later.
Decide whether each part, or each region of interest, belongs to a category.
Best for: verdicts and known categories, where the answer is one label per region.
Find and outline features, defects, or regions at the pixel level.
Best for: locating, measuring, or counting features whose shape and position matter.
Classification, in 60 seconds
Read Understanding Classifier →A classifier looks at each region you draw and assigns one label from a list you define. The model returns one verdict per ROI: this region is a "pass", or "missing", or "scratched". Most OV20i recipes start here.
Example, missing fastener
Four ROIs over four screw locations. Two classes: present and missing. The model returns one label per ROI.
Example, surface pass / fail
One ROI over the panel surface. Two classes: clean and blemished. The model returns one label for the panel.
想要並排對比？請參閱 Classifier vs. Segmenter。想要深入瞭解任一模型型別？請閱讀 Understanding Classifier 瞭解判定與標籤，或閱讀 Understanding Segmenter 瞭解畫素級掩碼、計數與測量。
- 點選 Activate 進入程式編輯器
以下是 Recipe Editor 的外觀。三個主要部分（Imaging Setup、AI Blocks、IO Block）直接對應瀑布流步驟：
每個程式選擇 classifier 或 segmenter（不能同時使用）。OV10i 僅支援 classifier。Segmentation 需要 OV20i。
不確定該選哪個？請參閱 Classifier vs. Segmenter 或在 tools.overview.ai 詢問 AI Assistant。
OV20i 同時支援 classifier 和 segmenter，但每個程式在每次檢測中僅使用一種型別。請根據您的檢測需求進行選擇。如果您需要在同一次捕獲中同時進行畫素級檢測和分類，請考慮支援多模型程式的 OV80i。
現在按照以下六個步驟操作：
第 1 步：影象設定
讓您的相機影象保持清晰且一致。調整曝光、增益、白平衡，並且至關重要的是，如果您使用廣角鏡頭，請啟用鏡頭畸變校正。
關鍵設定：
- Exposure： 感測器捕獲光線的時長。值越高 = 越亮，但運動模糊越多
- Gain： 數字亮度增強。值越高 = 越亮，但噪點越多
- Lens Correction： 修正廣角鏡頭產生的桶形畸變。如適用，請立即啟用。 不要跳過此步驟
- LED settings (OV20i)： 調整強度和模式以減少眩光
繼續之前請驗證： 點選 Live Preview。影象應清晰、光照充足，且每次拍攝保持一致。
第 2 步：模板影象與對齊
這是大多數客戶感到具有挑戰性的步驟，也是影響最大的一步。對齊器是整個檢測的基礎。它會動態移動您的檢測框，以跟蹤在傳送帶上發生位移和旋轉的零件。良好的對齊讓您可以繪製更小的 ROI，這意味著更少的訓練資料和更精準的 AI。Aligner → ROIs → Classifier/Segmenter：如果第一環薄弱，下游的一切都會崩潰。
簡要版本：
- 捕獲一張良品的模板影象
- 在永不變化的特徵上放置 2-3 個小型模板區域（強邊緣、角點、孔洞）
- 將它們儘可能放置在零件上相距較遠的位置
- 使用 Ignore 工具清理嘈雜的邊緣
- 儲存，然後使用 Live Preview 進行測試。移動零件並驗證對齊能否跟蹤到它
切勿將對齊器錨定到缺陷、標籤、貼紙或任何可獨立於零件移動的物體上。僅對齊到永久性的剛性特徵（機加工邊緣、鑽孔、PCB 輪廓）。如果您對齊到條形碼貼紙，而有人將其貼歪了，相機就會將所有檢測框移動到錯誤的位置。
親自嘗試： 使用下方模擬器檢視當零件在傳送帶上發生位移時會發生什麼。關閉對齊器，然後移動滑塊以觀察檢測框如何失去跟蹤。
相機設定
模擬真實環境
移動生產線上的零件。
Legend
請閱讀 Alignment Explained 獲取完整演練。 這是本文件中最重要的頁面。
第三步：感興趣區域 (ROI)
現在繪製 AI 實際檢測的區域。這些就是您的感興趣區域 (ROI)。
關鍵規則：ROI 儘可能小。 這是客戶問題的第二大來源。請閱讀 為什麼 ROI 大小很重要 以瞭解原因。
簡要版本：
- 建立一個檢測型別（例如"螺釘"），並設定預期的類別（例如"存在"、"缺失"）
- 在您想要檢測的每個位置繪製矩形 ROI
- 僅將 ROI 大小設為足夠包含該特徵即可，不要更大
- 使用描述性名稱命名（例如"Screw_Top_Left"）
第四步：訓練您的 AI 模型
標註幾張影象並訓練您的第一個模型。
簡要版本：
- 從每個類別 10-15 張影象開始。不要過度收集
- 訓練前仔細檢查每一個標籤（一個錯誤標籤就可能毀掉您的模型）
- 訓練（約 30 秒）以檢查訊號
- 使用實時預覽進行測試。嘗試找出它的弱點
- 在失敗的地方新增針對性資料，重新訓練
第五步：輸出規則 (IO模組)
定義 AI 做出決策時發生什麼。
基本模式： 設定透過/失敗規則。最簡單的設定是：所有 ROI 都必須透過才能全域性透過。該單一二進位制結果將傳送到您的 PLC、HMI 或輸出。
高階模式 (Node-RED)： 適用於簡單透過/失敗之外的任何場景：自定義儀表板、時間序列邏輯、資料路由到 MES 系統、條碼掃描器整合（需要外部讀取器）等。使用 tools.overview.ai 透過純英語描述生成 Node-RED 流程。
第六步：部署並驗證
- 啟用您的程式
- 設定您的觸發模式（手動、硬體感測器、PLC 或間隔）
- 讓測試部件透過系統
- 驗證透過/失敗輸出是否符合您的預期
- 檢查邊緣情況，即最難分類的部件
恭喜！您現在已經有一個正在執行的 AI 檢測。
程式檢查清單
在繼續之前，請確認：
- 已建立並命名新程式
- 影象設定已配置：清晰、光照良好、一致
- 對齊已設定並可靠跟蹤
- 感興趣區域 (ROI) 已繪製：尺寸小、位置合適、已命名
- AI 模型已訓練並透過實時預覽測試
- 輸出規則已配置：透過/失敗符合預期
- 程式已啟用並以正確的觸發模式部署