AI 驅動文件
您想了解什麼？
重新訓練模型
本頁說明在 OV80i 系統上何時以及如何重新訓練你的 AI 模型，無論你使用 Classification 還是 Segmentation，以便在零件或生產條件變化時保持檢驗的準確性。
影片指南
檢視本主題的實際演示：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、工況或檢查要求發生變化時，請重新訓練。
何時應重新訓練？
重新訓練可確保模型跟上生產實際情況。請將本指南應用於 Classification 和 Segmentation 專案。
何時應重新訓練？
- 你正在檢查一個 new SKU or part variant
- 你的 檢查要求已改變（例如現在需要檢測表面缺陷或潤滑脂）
- 你已改變 夾具、機器人，或零件呈現方式（part presentation）
- 照明發生顯著變化（例如反射、角度、強度）
- 準確性下降 — 假陽性/假陰性增多
- 你需要 更嚴格的置信閾值 或更精確的結果
- 模型顯示出 過擬合或泛化不足 的跡象
如何重新訓練（針對兩種模型型別）
-
從你當前的生產設定中捕獲新的示例影象 (Capture new sample images)
-
對 Classification：用類別名稱對影象或 ROI 進行標註
對 Segmentation：在缺陷處（或良/壞區域）繪製畫素級掩模
-
選擇合適的訓練模式：
- Classification：
- Fast（快速） – 用於快速測試或迭代
- Accurate（準確） – 用於生產使用
- Segmentation：
- Accurate（準確） – 僅一種模式，最佳化以實現高精度
- Classification：
-
在 Recipe 介面內執行訓練
-
審查模型輸出並測試現場檢驗
-
當置信度和覆蓋率達到預期時部署新模型
模型型別快速指南
| Model Type | Best For | Training Modes | Output |
|---|---|---|---|
| Classification | Good/Bad 或離散狀態決策 | Fast、Accurate | 整張影象或 ROI 分類 |
| Segmentation | 畫素級缺陷或區域對映 | Accurate 僅有 | 帶標籤的掩模（高亮區域） |
示例用例
| Example | Model Type |
|---|---|
| 檢測螺栓缺失 | Classification |
| 檢查劃痕或凹痕 | Segmentation |
| 驗證潤滑脂存在性 | Classification or 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
- ✅ 包含一組透過/失敗案例，特別是邊緣情況
- ✅ 對於每個類別至少使用 30–50 張影象（Classification）
- ✅ 確保 ROI 邊界或掩模與零件佈局相匹配
- ✅ 部署前使用 Accurate 模式
- ❌ 不要使用模糊、光線不足或對齊不良的影象進行訓練