Entrenar un Segmentador

Esta guía le muestra cómo configurar y ajustar la función de segmentación del OV20i para detectar, medir y analizar automáticamente características o defectos específicos en sus piezas. Use segmentación cuando necesite identificar formas irregulares, medir áreas o detectar patrones específicos que no pueden manejarse con una clasificación simple.

Cuándo Usar Segmentación: Defectos en la superficie, derrames de líquidos, formas irregulares, medición de áreas, detección de patrones o cualquier característica que requiera precisión a nivel de píxel.

Antes de Comenzar

Lo que Necesitará

• Sistema de cámara OV20i configurado y conectado
• Piezas de prueba con las características que desea segmentar (por ejemplo, láminas con marcas de lápiz)
• Buenas condiciones de iluminación para su aplicación específica
• 15-20 imágenes de muestra para entrenamiento

Paso 1: Crear una Receta de Segmentación

1.1 Iniciar Nueva Receta

1. Navegue a la página All Recipes
2. Haga clic en + New Recipe (esquina superior derecha)
3. Ingrese Nombre de la Receta: Use un nombre descriptivo como "Pencil_Mark_Detection" o "Surface_Defect_Segmentation"
4. Seleccione Tipo de Receta: Elija "Segmentation" en el menú desplegable
5. Haga clic en OK para crear

1.2 Activar Receta

1. Encuentre su receta en la lista (aparece como "Inactive")
2. Haga clic en Actions > Activate
3. Haga clic en Activate para confirmar

✅ Resultado: La receta ahora está activa y lista para configuración.

Paso 2: Acceder al Editor de Recetas

1. Haga clic en Edit junto a su receta activa
2. Haga clic en Open Editor para confirmar

Ahora verá el Editor de Recetas con opciones específicas para segmentación.

Paso 3: Configurar Ajustes de Cámara

3.1 Abrir Configuración de Imagen

1. Haga clic en Configure Imaging (parte inferior izquierda)

3.2 Optimizar Enfoque para Segmentación

El enfoque es crítico para una detección precisa de bordes:

1. Coloque su pieza de prueba en el campo de visión de la cámara
2. Ajuste el enfoque hasta que los bordes estén nítidos y claros
3. Pruebe con diferentes piezas para asegurar un enfoque consistente en todo su rango

tip

• Enfoque en la superficie donde aparecerán defectos/características
• Asegúrese que toda el área de interés esté en foco nítido
• Es preferible un enfoque ligeramente sobreenfocado que un enfoque suave para segmentación

3.3 Establecer Exposición Óptima

Una exposición adecuada asegura detección consistente de características:

1. Ajuste la exposición para lograr iluminación equilibrada
2. Evite áreas sobreexpuestas (regiones completamente blancas)
3. Asegúrese que las características sean visibles con buen contraste

Guías de Exposición para Segmentación:

• Las características deben tener contraste claro con el fondo
• Evite sombras que puedan confundirse con defectos
• Pruebe con diferentes condiciones de las piezas (limpias, sucias, desgastadas)

3.4 Configurar Patrón de Iluminación LED

Elija la iluminación según lo que esté segmentando:

Tipo de Característica	Iluminación Recomendada	Por qué
Defectos en superficie	Bright field	Iluminación uniforme que muestra irregularidades de superficie
Rayaduras/grietas	Side lighting	Crea sombras que resaltan defectos lineales
Características elevadas	Dark field	Hace que las áreas elevadas destaquen sobre el fondo
Derrames de líquidos	Side lighting	Muestra diferencias en textura superficial

3.5 Ajustar Gamma para Mejorar Características

1. Aumente Gamma para mejorar el contraste entre características y fondo
2. Pruebe diferentes valores mientras observa sus características objetivo
3. Encuentre el ajuste que haga las características más distinguibles

3.6 Guardar Configuración

1. Revise los ajustes en la vista previa en vivo
2. Haga clic en Save Imaging Settings

✅ Punto de control: Las características deben ser claramente visibles con buen contraste.

Paso 4: Configurar Plantilla y Alineación

4.1 Navegar a la Sección de Plantilla

Haga clic en "Template Image and Alignment" en el menú de migas de pan

4.2 Configurar Alineación (Opcional)

Para este ejemplo, omitiremos la alineación:

1. Seleccione Skip Aligner si las piezas están posicionadas consistentemente
2. Haga clic en Save

Cuándo Usar Alineador: Active esta opción cuando las piezas llegan en posiciones u orientaciones variables que afectarían la precisión de segmentación.

Paso 5: Definir Región de Inspección

5.1 Navegar a Configuración de Inspección

Haga clic en "Inspection Setup" en el menú de migas de pan

5.2 Establecer Región de Interés (ROI)

El ROI define dónde ocurrirá la segmentación:

1. Coloque una pieza de prueba en el campo de visión de la cámara
2. Arrastre las esquinas del ROI para enmarcar el área de inspección
3. Dimensione el ROI apropiadamente:
   • Incluya todas las áreas donde puedan aparecer características
   • Excluya regiones de fondo innecesarias
   • Deje un pequeño margen alrededor de las ubicaciones esperadas de las características

5.3 Mejores Prácticas para ROI en Segmentación

Hacer	No hacer
Cubrir toda la superficie de inspección	Incluir objetos irrelevantes de fondo
Dejar espacio de margen alrededor de los bordes	Hacer el ROI demasiado pequeño para variaciones de características
Considerar variación en posicionamiento de piezas	Superponer con fijaciones o herramientas
Probar con las características más grandes esperadas	Incluir áreas con marcas permanentes

5.4 Guardar Configuración de ROI

1. Verifique que el ROI cubra todas las áreas objetivo
2. Haga clic en Save

Paso 6: Etiquetar Datos de Entrenamiento

6.1 Navegar a Etiquetar y Entrenar

Haga clic en "Label And Train" en el menú de migas de pan

6.2 Configurar Clase de Inspección

1. Haga clic en Edit bajo Inspection Types
2. Renombre la clase para que coincida con su característica (por ejemplo, "Pencil Mark", "Surface Defect", "Spill Area")
3. Elija color de clase para identificación visual
4. Guarde los cambios

6.3 Capturar y Etiquetar Imágenes de Entrenamiento

Necesita mínimo 10 imágenes etiquetadas, pero se recomiendan 15-20:

Proceso de Captura de Imagen

1. Coloque la primera pieza de prueba en el área de inspección
2. Tome la imagen usando la interfaz de la cámara
3. Use la herramienta Brush para pintar sobre las características objetivo
4. Pinte con precisión:
   • Cubra toda el área de la característica
   • Manténgase dentro de los límites de la característica
   • No pinte áreas de fondo
   • Use un enfoque de etiquetado consistente
5. Haga clic en Save Annotations
6. Repita con la siguiente pieza

Mejores Prácticas de Etiquetado

Buen Etiquetado	Mal Etiquetado
Límites precisos de características	Pintura desordenada en bordes
Definición consistente de características	Criterios inconsistentes
Cobertura completa de características	Áreas de características faltantes
Fondo limpio (sin pintar)	Pintura accidental en fondo

6.4 Variedad en Datos de Entrenamiento

Asegúrese que su conjunto de entrenamiento incluya:

• Diferentes tamaños de características
• Varias intensidades de características
• Múltiples ubicaciones dentro del ROI
• Diferentes condiciones de iluminación (si aplica)
• Casos límite y ejemplos marginales

6.5 Revisión de Calidad de Datos de Entrenamiento

1. Revise todas las imágenes etiquetadas
2. Verifique un enfoque de etiquetado consistente
3. Elimine ejemplos etiquetados incorrectamente
4. Agregue más ejemplos si es necesario

Paso 7: Entrenar Modelo de Segmentación

7.1 Iniciar Proceso de Entrenamiento

1. Haga clic en Return to Live cuando termine de etiquetar
2. Haga clic en Train Segmentation Model

7.2 Configurar Parámetros de Entrenamiento

1. Establezca Número de Iteraciones:
   • Entrenamiento rápido: 50-100 iteraciones (5-10 minutos)
   • Calidad de producción: 200-500 iteraciones (15-30 minutos)
   • Alta precisión: 500+ iteraciones (30+ minutos)
2. Haga clic en Start Training

7.3 Monitorear Progreso de Entrenamiento

El progreso muestra:

• Número de iteración actual
• Porcentaje de precisión del entrenamiento
• Tiempo estimado para completar

Controles de Entrenamiento:

• Abortar Entrenamiento: Detener si surgen problemas
• Terminar Entrenamiento Temprano: Detener cuando la precisión sea suficiente

tip

• 85% de precisión suele ser adecuado para producción
• El entrenamiento se detiene automáticamente al alcanzar la precisión objetivo
• Más datos de entrenamiento suelen ser mejor que más iteraciones

Paso 8: Probar Rendimiento de Segmentación

8.1 Acceder a Vista Previa en Vivo

1. Haga clic en Live Preview después de completar el entrenamiento
2. Pruebe con varias piezas:
   • Piezas buenas conocidas (deberían mostrar segmentación mínima o nula)
   • Piezas defectuosas conocidas (deberían resaltar defectos)
   • Casos límite y ejemplos marginales

8.2 Evaluar Resultados

Revise la calidad de segmentación:

Métrica	Buen Rendimiento	Necesita Mejora
Precisión	Encuentra características reales consistentemente	Pierde características evidentes
Precisión (Precision)	Pocos falsos positivos	Muchas áreas de fondo resaltadas
Calidad de Bordes	Límites limpios y precisos	Bordes ásperos o imprecisos
Consistencia	Resultados similares en pruebas repetidas	Resultados muy variables

8.3 Solución de Problemas por Resultados Deficientes

Problema	Causa Probable	Solución
Faltan características	Datos de entrenamiento insuficientes	Agregar más ejemplos etiquetados
Falsos positivos	Mala iluminación/contraste	Mejorar ajustes de imagen
Bordes ásperos	Calidad de imagen pobre	Mejorar enfoque/iluminación
Resultados inconsistentes	Variedad insuficiente en entrenamiento	Agregar ejemplos más diversos

Paso 9: Configurar Lógica de Aprobación/Rechazo

9.1 Acceder al Bloque IO

1. Asegúrese que el modelo AI muestre verde (estado entrenado)
2. Navegue al Bloque IO vía menú de migas de pan

9.2 Eliminar Lógica Predeterminada

1. Elimine el nodo Classification Block Logic
2. Prepárese para construir lógica personalizada de segmentación

9.3 Construir Flujo de Segmentación

Cree un flujo Node-RED con estos componentes:

1. Arrastre nodos desde el panel izquierdo:
   • Nodo Function (para lógica)
   • Nodo Debug (para pruebas)
   • Nodo final Pass/Fail
2. Conecte los nodos con cables

9.4 Configurar Lógica Según Sus Necesidades

Opción A: Aprobar si No se Detectan Defectos

Caso de uso: Inspección de calidad donde cualquier característica detectada es fallo

Código Nodo Function:

const allBlobs = msg.payload.segmentation.blobs;
const results = allBlobs.length < 1; // Aprobar si no se encuentran características
msg.payload = results;
return msg;

Opción B: Aprobar si Solo Hay Defectos Pequeños

Caso de uso: Aceptar defectos menores debajo de un umbral de tamaño

Código Nodo Function:

const threshold = 500; // Ajuste el umbral de conteo de píxeles
const allBlobs = msg.payload.segmentation.blobs;
const allUnderThreshold = allBlobs.every(blob => blob.pixel_count < threshold);
msg.payload = allUnderThreshold;
return msg;

Opción C: Aprobar si el Área Total de Defectos es Pequeña

Caso de uso: Aceptar piezas con área total limitada de defectos

Código Nodo Function:

const threshold = 5000; // Ajuste el umbral total de píxeles
const allBlobs = msg.payload.segmentation.blobs;
const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_count, 0);
msg.payload = totalArea < threshold;
return msg;

9.5 Configurar Nodo Function

1. Haga doble clic en el nodo Function
2. Copie el código apropiado de los ejemplos anteriores
3. Péguelo en la pestaña "On Message"
4. Ajuste los valores de umbral para su aplicación
5. Haga clic en Done

9.6 Desplegar y Probar Lógica

1. Haga clic en Deploy para activar la lógica
2. Navegue al HMI para pruebas
3. Pruebe con piezas buenas y malas conocidas
4. Verifique que los resultados de aprobación/rechazo coincidan con lo esperado

Paso 10: Validación en Producción

10.1 Pruebas Exhaustivas

Pruebe el sistema de segmentación con:

Caso de Prueba	Resultado Esperado	Acción si Falla
Piezas limpias	Aprobar (sin segmentación)	Ajustar umbrales o reentrenar
Defectos menores	Aprobar/Rechazar según criterios	Refinar parámetros de lógica
Defectos mayores	Rechazar (segmentación clara)	Verificar precisión del modelo
Casos límite	Comportamiento consistente	Agregar datos de entrenamiento

10.2