跳到主要内容

重新训练模型

本页说明了在 OV20i 系统上何时以及如何重新训练您的 AI 模型，无论您使用的是 Classification 还是 Segmentation，以便在零件或生产条件变化时保持检测的准确性。

提示

AI 性能取决于训练数据的相关性。当零件、条件或检测要求发生变化时，请重新训练。

何时应重新训练？​

重新训练可确保模型跟上生产实际情况。此指导适用于 Classification 和 Segmentation 项目。

需要重新训练的情况：​

  • 您正在检测 新的 SKU 或零件变体
  • 您的 检测要求发生了变化（例如，现在检测表面缺陷或油脂）
  • 您更换了 夹具、机器人或零件呈现方式
  • 光照发生显著变化（例如反射、角度、强度）
  • 准确率下降 — 假阳性/假阴性增多
  • 需要 更严格的置信度阈值 或更精确的结果
  • 模型出现 过拟合或泛化不足 的迹象

如何重新训练（适用于两种模型类型）​

  1. 采集当前生产环境下的新样本图像

  2. 对于 Classification：为图像或 ROI 标注类别名称

    对于 Segmentation：绘制缺陷（或良品/不良区域）的像素级掩码

  3. 选择合适的训练模式：

    • Classification：
      • Fast – 用于快速测试或迭代
      • Accurate – 用于生产环境
    • Segmentation：
      • Accurate – 仅有一种模式，优化精度

  4. 在 Recipe 界面内运行训练

  5. 审查模型输出并测试实时检测

  6. 当置信度和覆盖率达到预期时，部署新模型

模型类型快速指南​

模型类型适用场景训练模式输出
Classification良品/不良或离散状态判定Fast, Accurate整图或 ROI 类别
Segmentation像素级缺陷或区域映射仅 Accurate标注掩码（高亮区域）

示例用例​

示例模型类型
检测缺失螺栓Classification
检查划痕或凹痕Segmentation
验证油脂存在Classification 或 Segmentation（取决于所需精度）
测量泡沫覆盖率Segmentation

重新训练最佳实践​

  • ✅ 始终使用 最新的生产图像
  • ✅ 包含 通过/失败案例的混合，尤其是边缘案例
  • ✅ 每个类别至少使用 30–50 张图像（Classification）
  • ✅ 确保 ROI 边界或掩码 符合零件布局
  • ✅ 部署前使用 Accurate 模式
  • ❌ 不要使用模糊、低光或对齐错误的图像进行训练

🔗 另请参阅​