알고리즘 모듈

현재 최신 버전 (2.6.1)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 현재 사용하고 있는 제품의 버전이 확실하지 않은 경우에는 언제든지 당사 기술 지원팀에 문의하시기 바랍니다.

모델의 성능이 좋지 않은 경우, 원인을 어떻게 파악할 수 있나요?

고려해야 할 요소 : 훈련 데이터의 양과 질, 데이터 다양성, 현장 ROI 파라미터, 현장 조명 조건.

  1. 양 : 학습 데이터의 양이 모델이 좋은 성능을 낼 수 있을 만큼 충분한지 여부입니다.

  2. 품질 : 데이터 품질이 표준에 부합하는지, 이미지가 충분히 선명하며 과다 노출/노출 부족이 없는지 여부입니다.

  3. 데이터 다양성 : 데이터가 현장에서 발생할 수 있는 모든 상황을 포괄하는지 여부입니다.

  4. ROI 파라미터 : 데이터 획득을 위한 ROI 파라미터가 실제 애플리케이션의 파라미터와 일치하는지 여부입니다.

  5. 조명 조건 : 조명 조건이 바뀌었는지, 그리고 조명 조건이 데이터 획득할 때의 조건과 일치하는지 여부입니다.

결함 세그먼테이션 모델의 성능이 좋지 않은 원인을 파악하려면 어떻게 해야 하나요?

  1. 레이블링이 올바른지 확인합니다.

  2. 훈련 세트에 모든 종류의 결함이 포함되어 있는지를 확인합니다.

  3. 입력 이미지 크기가 적절한지 확인하세요. 결함이 너무 작으면 모델 훈련에 효과적이지 않을 수 있습니다.

인스턴스 세그먼테이션 모델의 성능이 좋지 않은 원인을 파악하려면 어떻게 해야 하나요?

  1. 생성된 레이블 클래스에 대상 물체의 모든 유형이 ​​포함되어 있는지 확인합니다.

  2. 이미지 품질 개선, 전처리, ROI 조정 이후에도 인식되지 않는 데이터가 있다면, 모델 반복 학습을 위해 해당 데이터를 추가로 수집해야 합니다.

"결함 세그먼테이션" 모듈과 "비지도 세그먼테이션" 모듈을 언제 사용해야 하나요?

일반적으로 두 모듈 모두 이미지의 결함 영역을 인식할 수 있지만, 방식에 있어 상당한 차이가 있습니다. 아래 사항을 참고하여 적절한 모듈을 선택하는 것이 좋습니다.

  • 결함 세그먼테이션 모듈은 결함을 검출하는 것을 목표로 합니다. 즉, 결함의 위치, 모양, 크기에 대한 정확도 요구가 높습니다. 반면, 비지도 세그먼테이션 모듈은 결함의 존재 여부를 판단하고, 결함이 있을 경우 해당 영역을 대략적으로 표시하도록 설계되었습니다.

  • 결함 세그먼테이션의 경우, 모든 유형의 결함에 대해 레이블을 지정해야 합니다. 반면, 비지도 세그먼테이션은 결함 레이블링이 필요하지 않으며, 모델 훈련 시 NG 이미지 없이 OK 이미지만 사용됩니다.

  • 비지도 세그먼테이션의 경우, 이미지에서 결함이 있는 영역을 대략적으로만 표시할 수 있으며, 결함을 정밀하게 분할하는 것은 어렵습니다. 이미지의 결함을 분할하려면 결함 세그먼테이션 모듈을 사용하세요.

"이미지 분류" 모듈과 "비지도 세그먼테이션" 모듈의 차이점은 무엇입니까?

두 모듈 모두 이미지를 여러 클래스로 나눌 수 있지만, 사용법과 기능 면에서 서로 다릅니다.

  • 데이터 레이블링

    • 이미지 분류 모듈의 주요 기능은 이미지를 분류하는 것입니다. 따라서 모델을 훈련하려면 각 클래스의 데이터에 레이블을 설정해야 합니다.

    • 비지도 세그먼테이션 모듈은 OK 이미지에 대한 레이블링 데이터만 필요합니다. NG 이미지에는 레이블을 지정할 필요가 없으며, 특정 결함 유형에 대해 별도로 레이블링할 필요도 없습니다.

  • 기능

    • 이미지 분류 모듈은 지정된 레이블을 사용하여 이미지를 분류합니다. NG 이미지를 감지할 때, 하나 또는 그 이상의 결함 유형을 가진 NG 이미지만 식별할 수 있습니다. 한 가지 유형의 결함을 가진 NG 이미지들은 함께 클래스를 형성합니다.

    • 비지도 세그먼테이션 모듈은 지정된 임계값을 기준으로 이미지의 OK, NG, Unknown 여부를 판단할 수 있습니다. NG 이미지를 감지할 때, 비지도 세그먼테이션 모듈은 다양한 결함을 포함하는 NG 이미지를 식별할 수 있습니다.

  • 결과

    • 이미지 분류 모듈은 사용자가 지정한 클래스를 기반으로 결과를 생성합니다. 이미지는 지정된 클래스로만 분류될 수 있습니다.

    • 비지도 세그먼테이션 모듈은 이미지를 OK, NG, Unknown 클래스로 분류할 수 있으며, 결함 영역의 대략적인 범위를 지정할 수도 있습니다.

전반적으로, 이미지 분류 모듈은 제한된 클래스의 분류 작업에 사용되며, 비지도 세그먼테이션 모듈은 특정 결함 클래스를 미리 정의하지 않고 NG 이미지를 감지하고 결함 영역의 대략적인 범위를 지정하는 데 사용됩니다. Mech-DLK에서는 광학 문자 인식(OCR) 기능을 사용하려면? 이는 다음 두 알고리즘 모듈을 캐스케이딩하여 실현됩니다.

  • 텍스트 감지: 첫 번째 모듈로, 이미지에서 한 줄 또는 여러 줄의 텍스트 영역을 감지합니다.

  • 텍스트 인식 : 두 번째 모듈로, 감지된 텍스트 영역 내의 문자를 인식합니다.

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.

  • Preference
  • 모두 수락
  • 모두 거부