跳到主要內容

AI 驅動文件

您想了解什麼？

使用分類器（單 ROI 示例）

本教程將帶你在 OV20i 攝像系統上建立你的第一個分類模型。你將學習如何設定一個單一 ROI（Region of Interest）分類器，以自動識別並對不同型別的物件進行分類——在本示例中為鑽頭的不同尺寸。

將要構建： 一個可執行的分類模型，能夠自動識別並對不同鑽頭尺寸進行分類和排序，並具備可配置的透過/不透過邏輯。

預計時間： 45–60 分鐘

技能等級： 入門

先決條件： 已設定並連線 OV20i 攝像系統

步驟 1：建立一個新的分類配方​

1.1 進入配方建立介面​

  1. 在 OV20i 介面中導航到“所有配方”頁面
  2. 點選 + New Recipe 在右上角

1.2 配置配方設定​

將顯示“新增新配方”對話方塊：

  1. 輸入配方名稱： 使用一個描述性的名稱，例如 “Drill_Bit_Classification_v1”
    • 命名提示： 為了便於識別，請包含物件型別及版本資訊
  2. 選擇配方型別： 從下拉選單中選擇 “Classification”
  3. 點選 OK 以建立配方

1.3 啟用並開啟配方編輯器​

  1. 在“所有配方”列表中定位新建的配方（它將顯示為“Inactive”）
  2. 點選配方條目右側的 Activate
  3. 點選 Activate and go to editor 以確認並啟動配方編輯器

✅ 檢查點： 配方現已顯示為“Active”，並顯示配方編輯器。

步驟 2：配置相機成像設定​

2.1 開啟成像配置​

  1. 在配方編輯器的左下角單擊 Configure Imaging

2.2 調整焦點設定​

焦點對準確分類至關重要：

  1. 將鑽頭放置在相機視野中
  2. 使用以下任一方式調整焦點：
    • 滑塊控制元件，或
    • 手動數值輸入
  3. 測試不同的焦點位置，直到鑽頭邊緣清晰銳利

焦點提示：

  • 使用實時預覽檢視焦點變化（實時）
  • 將焦點放在最重要的特徵上（鑽頭螺旋槽、尖端幾何形狀）
  • 確保物件的整個深度在焦點範圍內

2.3 最佳化曝光設定​

適當曝光可確保一致的影象質量：

  1. 使用滑塊或手動輸入調整曝光
  2. 目標是在均衡照明下：
    • 物件細節清晰可見
    • 無區域過曝（純白）
    • 陰影不過於遮蔽重要特徵

2.4 配置 LED 照明​

照明對分類準確性有顯著影響：

  1. 根據物件選擇 LED 光模式：
    • Bright Field（明場）：通用照明
    • Dark Field（暗場）：突出邊緣和表面缺陷
    • Side Lighting（側光）：揭示紋理和高度變化
  2. 對於鑽頭，嘗試：
    • **Bright Field（明場）**用於一般形狀分類
    • **Side Lighting（側光）**以突出螺旋槽幾何形狀

2.5 調整 Gamma 設定​

Gamma 控制影象對比度：

  1. 調整 Gamma 以增強特徵可見性
  2. 較低數值可提亮暗區
  3. 較高數值可提升對比度

2.6 儲存成像設定​

  1. 在實時預覽中檢視所有設定
  2. 點選 Save Imaging Settings 以應用配置

✅ Checkpoint: 您的相機現在應能對鑽頭產生一致、光線充足的影象。

第 3 步：配置模板影象與對齊​

3.1 導航至對齊​

  1. 在麵包屑導航中點選 Template Image and Alignment，或
  2. 使用下拉選單選擇 Template Image and Alignment

3.2 跳過對齊器（本教程）​

由於鑽頭將被一致地放置：

  1. 選擇 Skip Aligner
  2. 點選 Save 以應用更改

何時使用 Aligner： 當部件到達時以不同的位置或方向出現時使用對齊器。對於本教程，假設部件放置保持一致。

第 4 步：設定檢查 ROI​

4.1 導航至 Inspection Setup​

  1. 點選麵包屑導航中的 Inspection Setup

4.2 定義 ROI​

ROI 定義了分類將發生的位置：

  1. 在相機檢視中放置鑽頭
  2. 拖動 ROI 的角點 以框定鑽頭
  3. 確保 ROI：
    • 完全包含鑽頭
    • 排除不必要的背景
    • 足夠覆蓋最大鑽頭型號

4.3 ROI 最佳實踐​

要做不要做
包含所有重要特徵讓 ROI 太大（包含噪聲）
在物件周圍留出小邊界截斷物件的部分
將預期物件居中在一個 ROI 中包含多個物件
在影象間保持一致的 ROI 尺寸捕獲之間更改 ROI

4.4 儲存 ROI 設定​

  1. 使用不同尺寸的鑽頭驗證 ROI 位置
  2. 點選 Save 以應用 ROI 設定

✅ Checkpoint: 無論鑽頭的具體尺寸如何，ROI 應始終能框定鑽頭。

第 5 步：訓練分類模型​

5.1 導航至 Classification Block​

  1. 在麵包屑導航中點選 Classification Block

5.2 建立 Classification Classes​

您將為不同鑽頭尺寸建立分類：

示例類別：

  • Small Bits (1-3mm)
  • Medium Bits (4-6mm)
  • Large Bits (7-10mm)

5.3 捕獲訓練影象​

對於每個類別，至少捕獲 5 張不同的影象：

Class 1: Small Bits​

  1. 在 ROI 中放置一個小鑽頭
  2. 點選 capture 獲取訓練影象
  3. 將影象標註為“Small”
  4. 再用 4 個不同朝向/位置的小鑽頭重複

Class 2: Medium Bits​

  1. 在 ROI 中放置一箇中等鑽頭
  2. 捕獲並標註為“Medium”
  3. 再用不同的中等鑽頭重複 4 次

Class 3: Large Bits​

  1. 在 ROI 中放置一個大型鑽頭
  2. 捕獲並標註為“Large”
  3. 再用不同的大鑽頭重複 4 次

5.4 訓練影象最佳實踐​

最佳實踐為何重要
使用不同的示例提高模型的泛化能力
改變朝向處理現實世界的定位變化
包含邊緣情況更好地在類別之間界限檢測
保持一致的照明降低對照明依賴的錯誤
最少 5 張影象提供足夠的訓練資料

5.5 審閱並驗證標籤​

  1. 仔細檢查所有標註的影象
  2. 確保正確的類別分配
  3. 刪除任何標註錯誤的示例

5.6 啟動模型訓練​

  1. 點選 Train Classification Model
  2. 選擇訓練模式：
    • Fast: 快速訓練用於測試（2-5 分鐘）
    • Accurate: 生產就緒訓練（10-20 分鐘）
  3. 選擇迭代次數：
    • More iterations = Better accuracy → 更多迭代 = 更高的準確性
    • More iterations = Longer training time → 更多迭代 = 更長的訓練時間
  4. 點選 Start Training

5.7 監控訓練進度​

訓練進度模態框顯示：

  • 當前迭代次數
  • 訓練準確率百分比
  • 預計完成時間

訓練控制元件：

  • Abort Training: 如有需要，停止訓練
  • Finish Training Early: 當達到足夠的準確度時停止訓練

訓練提示：

  • 目標準確度達到時，訓練會自動停止
  • 85%+ 準確度通常適用於生產使用
  • 如準確度較低，可以使用更多影象重新訓練

✅ Checkpoint: 您的模型應達到 >85% 的訓練準確度。

Step 6: 測試您的分類器​

6.1 訪問實時預覽​

  1. 點選 Live Preview 訓練完成後
  2. 將不同的鑽頭放置在 ROI 中
  3. 觀察分類結果：
    • 預測的類別名稱
    • 置信度百分比
    • 分類時間

6.2 驗證測試​

逐一系統地測試每個類別：

測試型別預期結果失敗時的處理
已知小位分類為 "Small" >80% 置信度新增更多訓練影象
已知中位分類為 "Medium" >80% 置信度檢查標籤準確性
已知大位分類為 "Large" >80% 置信度用更多示例重新訓練
空 ROI無分類或低置信度調整置信度閾值

6.3 分類問題排查​

問題可能原因解決辦法
低置信度訓練資料不足新增更多訓練影象
錯誤的分類影象質量差改善照明/對焦
結果不一致ROI 包含背景噪聲減小 ROI 大小
類別混淆外觀相似的物件新增更多可區分的示例

Step 7: 配置透過/失敗邏輯​

7.1 導航至 IO Block​

在繼續之前，請確保所有 AI 塊都已訓練完成（綠色狀態）：

  1. 點選麵包屑選單中的 "IO Block"，或
  2. 從 Recipe Editor 選擇 "Configure I/O"

7.2 定位 Classification Logic Node​

  1. 找到名為 "Classification Block Logic Node" 的節點（紫色節點）
  2. 若缺失： 從左側的節點選單拖拽

節點顏色： 紫色節點表示 AI 運算的 Overview Logic Blocks。

7.3 配置 Classification Logic​

  1. 雙擊 Classification Logic Node
  2. 配置設定：

ROI 選擇​

  • 從 "Inspection Region" 下拉選單中選擇您的 ROI

置信度閾值​

  • Set confidence threshold（通常為 70-85%）
  • Higher threshold = 更嚴格的分類
  • Lower threshold = 更寬鬆的分類

目標類別選擇​

  • 為“透過”結果選擇目標類別
  • **示例：**僅當中等位應透過時，請選擇“Medium”

多 ROI 邏輯（高階）​

  • 如有需要，新增更多 ROI
  • 選擇邏輯： Any 或 All 規則必須透過

7.4 示例透過/失敗配置​

配置 1：尺寸特定透過​

ROI: Drill_Bit_ROI
Target Class: Medium
Confidence: 80%
Logic: Pass only medium drill bits

配置 2：尺寸範圍透過​

ROI: Drill_Bit_ROI
Target Classes: Medium OR Large
Confidence: 75%
Logic: Pass medium or large bits

配置 3：拒絕小位​

ROI: Drill_Bit_ROI
Target Class: NOT Small
Confidence: 85%
Logic: Fail if classified as small

7.5 部署邏輯配置​

  1. 在右上角點選 Done
  2. 在 Node-RED 編輯器的右上角點選 Deploy
  3. 驗證部署成功訊息

第 8 步：最終測試與驗證​

8.1 端到端測試​

測試完整的檢測工作流程：

  1. 在檢測區域放置測試物件
  2. 觸發檢測（手動或自動）
  3. 驗證結果：
    • 顯示正確的分類
    • 正確的透過/失敗指示
    • 時序效能一致

8.2 生產驗證清單​

測試用例預期結果✓
目標類別物件透過結果☐
非目標類別物件失敗結果☐
空 ROI失敗結果☐
部分遮擋物件適當的置信度水平☐
照明條件差效能穩定☐

8.3 效能最佳化​

如果結果不令人滿意：

  1. 新增更多訓練影象（尤其是邊緣情形）
  2. 調整置信度閾值
  3. 改善照明一致性
  4. 細化 ROI 定位
  5. 使用“Accurate”模式重新訓練

恭喜！​

您已成功建立第一個分類模型！您的 OV20i 系統現在可以：

  • 自動識別不同鑽頭尺寸
  • 基於分類結果應用透過/失敗邏輯
  • 為每個分類提供置信度分數
  • 透過 I/O 控制與生產工作流整合

下一步​

現在您已掌握單個 ROI 分類，可以考慮探索：

高階分類技術​

  • Multi-ROI 分類（面向複雜部件）
  • Hierarchical 分類（用於詳細分類
  • Combination inspection（classification + defect detection）

生產整合​

  • PLC 通訊用於自動分揀
  • 用於質量跟蹤的資料記錄
  • 針對多條生產線的 Recipe 管理

模型最佳化​

  • Transfer learning（針對相似產品）
  • Active learning（用於持續改進）
  • Performance monitoring 與 retraining schedules

🔗 參閱​

故障排除指南​

常見問題及解決方案​

問題症狀解決方案
精度低分類經常錯誤增加更多樣本的訓練影象
效能慢處理時間較長降低 ROI 尺寸，最佳化照明
結果不一致同一物件產生不同結果改善部件定位，檢查對焦
誤檢空 ROI 顯示分類結果提高置信度閾值
訓練失敗模型無法成功訓練檢查影象質量，確保每個類別不少於 5 張影象

獲取幫助​

如果您在本教程未覆蓋的問題遇到困擾：

  1. 檢查文件中的故障排除指南
  2. 檢視系統日誌以獲取錯誤訊息
  3. 聯絡 Overview 支援，並提供：
    • 配方匯出檔案
    • 展示該問題的示例影象
    • 系統配置詳情

教程完成！ 您現在擁有一個可用於生產的分類系統。請定期驗證效能，並在需要時重新訓練模型，以確保長期準確性。