결함 세그먼테이션 모듈 사용방법

새 프로젝트 생성 및 '결함 세그먼테이션' 모듈 추가 : 홈 화면에서 새로운 프로젝트 버튼을 클릭한 후, 프로젝트 경로를 선택하고 이름을 입력하여 새 프로젝트를 생성합니다. 모듈 패널 우측 상단에 있는+ 추가 아이콘을 클릭하고 '결함 세그먼테이션' 모듈을 추가합니다.

이미지 데이터 가져오기 : 다운로드한 데이터 파일의 압축을 풉니다. 왼쪽 상단의 가져오기/내보내기 버튼을 클릭하고 폴더 가져오기를 선택하여 폴더를 선택합니다. 이미지 데이터에는 솔더 과다, 구리선 노출, 완전한 구리선 3가지 상태가 포함되어야 합니다.

ROI 조정하기 : 각 이미지의 결함 위치가 서로 비슷한 경우, ROI 도구를 사용하여 모델 훈련에 적합한 ROI 영역을 선택할 수 있습니다. ROI를 설정하면 관련 없는 배경 정보 간섭을 줄일 수 있습니다. 본 예제 프로젝트에서는 모든 결함이 패드에 나타나므로, 레이블링 툴 바에서 를 클릭해 ROI 영역을 조정하고 을 누릅니다. 설정된 ROI는 모든 이미지에 적용됩니다.

마스크 도구로 훈련 간섭 제거(선택 사항) : 결함 영역과 비결함 영역의 특징이 유사하거나 겹칠 경우, 마스크 도구를 사용해 훈련 방해 요소를 가릴 수 있습니다. 예를 들어, 과잉 솔더 결함과 주변 4개의 솔더 접합부는 외관과 반사 특성이 비슷하므로, 전체 이미지 마스크를 사용해 접합부를 가릴 수 있습니다.

소량의 데이터만 선택하여 레이블링 : 모든 이미지에 레이블을 지정할 필요는 없습니다. 소량이지만 정밀한 레이블링은 수작업 부담을 줄이고, 훈련 및 검증 속도를 높이는 데 효과적입니다. 또한, 모델 훈련 및 검증 중 발생할 수 있는 문제 해결하고 파라미터 조정 시간도 줄일 수 있습니다.
예를 들어, 본 예제 프로젝트에서는 전체 이미지 중 5개만 선택해 레이블을 지정할 수 있습니다.

레이블링 도구 선택 : 이 프로젝트에서는 결함의 특징이 뚜렷하므로, 스마트 레이블링 도구 사용을 권장합니다.

차이가 큰 결함 레이블링 : 데이터 레이블링 기준에 따라, 데이터를 레이블링합니다. 유사한 결함에 레이블을 중복 지정하지 말고, 특징 차이가 큰 이미지(결함 위치, 수량, 면적, 형상, 색상, 윤곽 등이 다른)를 골라 레이블링하세요. 레이블은 결함 윤곽에 맞게 지정하고, 결함 영역을 벗어나지 않도록 주의합니다. 마스크 기능을 사용할 경우, 마스크 영역과 레이블이 겹치지 않도록 설정하세요.

훈련 세트에 레이블링된 이미지 추가 : 레이블링이 완료되면, 해당 이미지를 필터링하여 훈련 세트로 이동시켜 훈련에 참여합니다. 이때도 소수의 정밀한 레이블링 이미지만 포함하는 것이 좋습니다.

최소 1장의 OK 이미지 설정 (선택 사항) :결함 없는 이미지 1장을 OK 이미지로 지정해 훈련 세트에 포함시킵니다.
왼쪽 이미지 리스트에서 결함 없는 이미지를 선택한 후, 레이블링 툴 바에서 아이콘을 클릭하거나, 해당 이미지 항목을 마우스 오른쪽 버튼으로 클릭하여 OK로 설정하기를 선택합니다. 이후 다시 이미지 항목을 마우스 오른쪽 버튼으로 클릭하여 훈련 세트로 옮기기를 선택합니다.

파라미터 구성 : '훈련' 탭에서 '훈련 파라미터 설정' 오른쪽에 있는 버튼을 클릭하여 파라미터를 구성합니다. 파라미터에 대한 자세한 내용은 모델 훈련을 참조하세요.

훈련 시작 : 파라미터 구성이 완료되면, 훈련 탭에서 훈련 버튼을 클릭하여 모델 훈련을 시작합니다.

훈련 정보를 통해 훈련 상태 확인 : 훈련 탭 아래의 훈련 정보 패널에서 실시간으로 모델 훈련 정보를 확인할 수 있습니다.

'훈련 차트’룰 통해 훈련 상태 확인 : 훈련 탭에서 '훈련 차트' 버튼을 클릭하면서, 모델 훈련 과정 중 정확도 곡선과 손실 곡선의 변화를 실시간으로 확인할 수 있습니다. 정확도 곡선이 전반적으로 상승하고, 손실 곡선이 전반적으로 하락하는 추세를 보이면 현재 훈련이 정상적으로 진행되고 있음을 의미합니다.

실제 상황에 따라 훈련 조기 종료 (선택 사항) : 모델 정확도가 요구 수준에 도달한 경우, 시간을 절약하기 위해 훈련을 조기에 종료할 수 있습니다. 사용자는 [훈련 센터] 버튼을 클릭한 후, 작업 목록에서 해당 프로젝트를 선택하고, 버튼을 클릭하여 훈련을 중단할 수 있습니다. 또한, 사용자는 훈련이 완료될 때까지 기다린 후, 최고 정확도 및 기타 훈련 파라미터를 확인하여 모델 성능을 사전에 평가할 수도 있습니다.

모델 검증 : 훈련이 완료되었거나 수동으로 중단된 후, 검증 탭에서 검증 버튼을 클릭하여 모델을 검증할 수 있습니다.

모델 검증 결과 확인 : 검증이 완료되면, 검증 탭의 검증 통계 영역에서 검증 결과 요약을 확인할 수 있습니다. 또한, 전체 리포트 보기 버튼을 클릭하면 보다 상세한 검증 통계 결과를 확인할 수 있습니다.
혼동 행렬은 실제 레이블과 모델 검증 결과 간의 대응 관계를 시각적으로 보여주며, 이를 통해 모델의 매칭 성능을 평가할 수 있습니다. 이 혼동 행렬에서 행은 수동으로 레이블링된 결과를, 열은 모델의 예측 결과를 나타냅니다. 행렬 내 파란색 셀은 레이블링 결과와 예측 결과가 일치한 항목을 의미하며, 그 외 셀은 추가적인 최적화가 필요한 영역을 나타냅니다. 또한, 행렬에서 특정 셀을 클릭하면 메인 화면의 이미지 리스트가 자동으로 필터링되어 해당 조건에 해당하는 이미지만 표시됩니다.

훈련 재시작 : 새로 레이블링한 이미지를 훈련 세트에 추가한 후, [훈련] 버튼을 클릭하여 훈련을 다시 시작합니다.

모델 검증 결과 재확인 : 훈련 완료 후, [검증] 버튼을 다시 클릭하여 모델을 검증하고, 각 데이터 세트에서의 검증 결과를 다시 확인합니다.

모델 파인튜닝(선택 사항) : 개발자 모드를 활성화한 후, 훈련 파라미터 설정에서 모델 파인튜닝 기능을 사용할 수 있습니다. 자세한 내용은 모델 반복 섹션을 참조하세요.

모델 지속 최적화 : 모델이 실제 사용 요구 사항을 충족할 때까지, 위의 단계를 반복하여 모델 성능을 지속적으로 최적화합니다.