创建您的第一个分割程序

按照 创建您的第一个程序 中的步骤配置成像设置、模板图像和对齐以及检测设置后，按照以下步骤训练分割模型。

标注与训练

在本节中，您将捕获物体的多个图像，并使用刷子工具标注缺陷。您需要捕获并标注至少10张图像。

1. 选择  Label and Train 选项卡。 或者，在 程序编辑器 中选择 Label and Train。

   

   注意

   预览窗格（左侧）显示实时预览，直到捕获图像或通过导航菜单选择图像。

2. 在检测类型下，点击Edit以重命名默认类别（fail_[检测类型名称]）或添加其他类别。完成所有需要相机识别的类别后，继续下一步。
   

3. 确保物体位于相机视野内，然后选择 Capture。
   

   

4. 使用 Brush 工具突出显示您希望相机识别的物体上的缺陷。
   
   
   

   提示

   使用 Eraser 工具删除任何不需要的高亮部分。

5. 如果您添加了其他类别，从下拉菜单中选择适用的刷子类别。
   

6. 点击 Save Annotations。
   
   

   

7. 将同一物体的另一个示例放入相机视野内，并重复步骤 3-6，直到您添加了至少10个标注示例（如果添加了其他类别，则每个类别至少添加五个示例）。
   

   提示

   如果每张图像有所不同（避免重复相同的图像），模型的准确性会更高。
   
   仔细检查每张捕获的图像是否正确标注，因为这些标签将用于训练模型。

8. 继续到 IO模块。

注意

有关标注和训练页面更多信息，请参见 标注和训练（分割模块）。

IO模块

在本节中，您将使用 Node-RED 逻辑为程序定义通过/失败逻辑。

1. 选择 IO Block 选项卡。或者，在 程序编辑器 中选择 IO Block。

   

2. 定义模型通过或失败的标准。例如，指定如果所有检测到的斑点的‘Center X’坐标不完全为1000像素，则模型应失败。
   

   提示

   如果需要更高级的设置，请单击右上角的 Advanced mode ，然后转到 高级模式.

   

高级模式

1. 右键单击 Classification Block Logic 节点，选择 Delete Selection。

   

2. 右键单击，选择 Insert > Node > Function。

   

3. 重新连接节点。

   

4. 双击 function 1 节点。

5. 复制并粘贴下方代码示例中的所需代码到 On Message 选项卡。

   代码示例：如果未检测到像素，则通过

   复制并粘贴以下逻辑代码：

   const allBlobs = msg.payload.segmentation.blobs; // 从有效负载的分割数据中提取斑点信息
   
   const results = allBlobs.length < 1; // 检查是否没有斑点，并存储结果（true 或 false）
   
   msg.payload = results; // 将有效负载设置为检查结果
   
   return msg; // 返回修改后的消息对象

   代码示例：如果检测到的所有斑点均小于设定阈值，则通过

   复制并粘贴以下逻辑代码：

   const threshold = 500; // 定义像素数量的阈值
   
   const allBlobs = msg.payload.segmentation.blobs; // 从有效负载的分割数据中提取斑点信息
   
   const allUnderThreshold = allBlobs.every(blob => blob.pixel_count < threshold); // 检查所有斑点的像素数量是否小于阈值
   
   msg.payload = allUnderThreshold; // 将有效负载设置为检查结果
   
   return msg; // 返回修改后的消息对象

   代码示例：如果检测到的像素总数小于设定阈值，则通过

   复制并粘贴以下逻辑代码：

   const threshold = 5000; // 定义像素总数的阈值
   
   const allBlobs = msg.payload.segmentation.blobs; // 从有效负载的分割数据中提取斑点信息
   
   const totalArea = allBlobs.reduce((sum, blob) => sum + blob.pixel_count, 0); // 计算所有斑点的像素总数
   
   msg.payload = totalArea < threshold; // 如果像素总数小于阈值，将有效负载设置为 true，否则为 false
   
   return msg; // 返回修改后的消息对象

6. 点击 Done。
   

7. 点击 Deploy。
   

8. 继续到 训练分割模型。

注意

有关 IO 模块 页面更多信息，请参见 IO块和Node-RED逻辑。

训练分割模型

在本节中，您将使用先前标记的图像训练模型。

1. 选择  Label and Train 选项卡。或者，在 程序编辑器 中选择 Label and Train。
   

   
   

2. 点击 Train Segmentation Model。
   

3. 可选步骤：调整 迭代次数 (Epochs)，设置标记图像显示的次数，路径为 Advanced Settings > Parameters。
   

   注意

   增加迭代次数会提高模型的准确性，但也会延长训练时间。

   
   
   

4. 点击 Start Training。一个弹窗将显示训练进度。
   

5. 模型训练完成后，使用 Live Preview Mode 或 HMI 标签验证程序的功能。将不同示例的物体放置在摄像头视野内，验证模型是否正确分类每个示例。

   下一步

   返回设置页面并选择下一步。