AI 驅動文件
您想了解什麼？
重新訓練模型
本頁將解釋在 OV20i 系統上何時以及如何重新訓練你的 AI 模型，無論你是在使用 Classification 還是 Segmentation，以在零件或生產條件變化時保持檢測的準確性。
影片指南
請觀看本主題的演示： OV Auto-Defect Creator Studio
提示
AI 效能取決於訓練資料的相關性。隨著零件、條件或檢測要求的變化進行重新訓練。
何時應重新訓練？
重新訓練可確保模型跟上生產現實情況。將本指南應用於 Classification 和 Segmentation 專案。
何時重新訓練：
- 你正在檢測一個 new SKU or part variant
- 你的 inspection requirements have changed（例如現在檢測表面缺陷或 grease）
- 你已經更改了 fixture, robot, or part presentation
- 照明有顯著變化（例如反射、角度、強度）
- Accuracy has dropped —— 假陽性/假陰性增多
- 你需要 tighter confidence thresholds 或更精確的結果
- 模型顯示出 overfitting or under-generalizing 的跡象
如何重新訓練（適用於兩種模型型別）
-
從當前生產設定中捕獲新的樣本影象
-
對於 Classification：對影象或 ROIs 進行類別名稱標註
對於 Segmentation：在缺陷（或良好/不良區域）繪製畫素級掩模
-
選擇合適的訓練模式：
- Classification：
- Fast – 用於快速測試或迭代
- Accurate – 用於生產使用
- Segmentation：
- Accurate – 僅有一種模式，針對精度進行最佳化
- Classification：
-
在 Recipe 介面中執行訓練
-
審查模型輸出並測試實時檢測
-
當置信度和覆蓋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/不良或離散狀態決策 | Fast, Accurate | 整張影象或 ROI 類別 |
| Segmentation | 畫素級缺陷或區域對映 | Accurate only | 帶標籤的掩模（高亮區域） |
示例用例
| 示例 | 模型型別 |
|---|---|
| 檢測缺失的螺栓 | Classification |
| 檢查劃痕或凹痕 | Segmentation |
| 驗證潤滑脂的存在 | Classification 或 Segmentation（取決於所需精度） |
| 測量泡沫覆蓋率 | 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 情況，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匹配
- ✅ 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