AI 驅動文件
您想了解什麼？
建立您的第一個程式 (OV80i)
這是您的相機變身為 AI 檢測員的地方。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），針對一個特定的檢測任務捆綁在一起。
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。您將按順序經過六個步驟。不要跳過。 在進入下一步之前，驗證每一步都能正常執行。
影象設定
曝光、增益、光照
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（這也是開啟相機時的著陸頁面）
- 點選 + New
- 為其命名（例如 "Surface Defect Inspection"）
- 選擇程式型別：Segmentation 或 Classification（如下所述）
What do you want this recipe to do?
Each OV80i 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 OV80i 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？閱讀 Understanding Classifier 瞭解判定與標籤，或閱讀 Understanding Segmenter 瞭解畫素級蒙版、計數與測量。 5. 點選 Activate 進入程式編輯器
OV80i 支援多模型程式。您可以在單個程式中組合分類器和分割器以實現全面檢測。例如，使用分類器檢查零件是否存在，使用分割器檢測表面缺陷，全部整合在一個程式中。
不確定該選擇哪一個？請參閱 Classifier vs. Segmenter 或在 tools.overview.ai 詢問 AI 助手。
OV80i 支援多模型程式，允許您在單個程式中組合分類器和分割器以實現全面檢測。例如，使用分類器驗證零件是否存在，使用分割器檢測表面劃痕，全部基於同一次捕獲執行。
現在遵循以下六個步驟：
第一步：影象設定
讓您的相機影象看起來清晰且一致。調整曝光、增益、白平衡，關鍵是，如果您使用廣角鏡頭，請啟用鏡頭畸變校正。
關鍵設定：
- Exposure（曝光）： 感測器捕獲光線的時長。值越高 = 越亮但運動模糊越嚴重
- Gain（增益）： 數字亮度提升。值越高 = 越亮但噪聲越多
- Lens Correction（鏡頭校正）： 修正廣角鏡頭的桶形畸變。**如適用請立即啟用。**不要跳過此步驟
- 外部照明： 在繼續之前，請驗證您的照明是否均勻且一致
繼續之前請驗證： 點選 Live Preview。影象應清晰、光線充足，且每次拍攝都保持一致。
第二步：模板影象與對齊
這是大多數客戶感到最具挑戰性的步驟，也是影響最大的步驟。對齊器是整個檢測的基礎。它動態地移動您的檢測框，以跟蹤零件在傳送帶上發生的位移和旋轉。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準確的 AI。對齊器 → ROI → 分類器/分割器：如果第一個環節薄弱，下游的一切都會失效。
簡要說明：
- 捕獲良品零件的模板影象
- 在永不改變的特徵（明顯的邊緣、角、孔）上放置 2-3 個小型模板區域
- 在零件上將它們放置得儘可能遠
- 使用 Ignore 工具清理嘈雜的邊緣
- 儲存，然後使用 Live Preview 測試。移動零件並驗證對齊是否能跟蹤它
切勿將對齊器錨定在缺陷、標籤、貼紙或任何可能獨立於零件移動的物體上。僅對齊到永久性、剛性的特徵（機加工邊緣、鑽孔、PCB 輪廓）。如果您將對齊器錨定在條形碼貼紙上，而有人將其貼歪，相機就會將您所有的檢測框移到錯誤的位置。
親自嘗試： 使用下面的模擬器檢視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
**閱讀 對齊詳解 以獲取完整的演練。**這是本文件中最重要的頁面。
第三步：感興趣區域 (ROIs)
現在繪製 AI 實際進行檢測的區域。這些就是您的感興趣區域 (ROIs)。
關鍵規則：儘可能保持 ROI 小。 這是客戶問題的第二大來源。閱讀 為什麼 ROI 大小很重要 以瞭解原因。
簡短版本：
- 建立一個檢測型別（例如 "Surface Quality"），並定義預期的類別（例如 "good"、"defective"）
- 在每個需要檢測的位置繪製矩形 ROI
- 讓它們剛好足夠包含特徵，不要更大
- 用描述性的名稱命名（例如 "Surface_Center"）
第四步：訓練您的 AI 模型
標註少量影象並訓練您的第一個模型。
簡短版本：
- 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。嘗試找出問題
- 在失敗的地方新增針對性資料，然後重新訓練
第五步：輸出規則 (IO模組)
定義當 AI 做出決策時會發生什麼。
基本模式： 設定透過/失敗的規則。最簡單的設定：所有 ROI 必須透過才算全域性透過。該單一二進位制結果會傳送到您的 PLC、HMI 或輸出。
高階模式 (Node-RED)： 適用於超出簡單透過/失敗的任何場景：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 從純英文描述生成 Node-RED 流程。
第六步：部署與驗證
- 啟用您的程式
- 設定觸發模式（手動、硬體感測器、PLC 或間隔）
- 在系統中執行測試零件
- 驗證透過/失敗輸出是否符合您的預期
- 檢查邊緣情況，即最難分類的零件
恭喜！您現在已經擁有一個執行中的 AI 檢測系統。
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 (ROIs) 已繪製：小巧、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
- 程式已使用正確的觸發模式啟用並部署