FAQ

안 됩니다. 작업 현장의 조명이 낮과 밤에 다르면 다른 조명을 사용할 때의 이미지를 각각 캡처해야 합니다. 수동으로 설정한 데이터는 실제 상황에서 참고할 수 있는지를 모릅니다.

안 됩니다. 카메라의 설치 위치는 데이터를 수집하기 전에 정해져야 합니다. 카메라 위치를 바꾸면 딥 러닝 모델 효과 및 카메라 외부 파라미터에 영향을 미칠 것입니다. 이러한 경우에는 훈련 시 ROI를 적당히 크게 설정할 수 있습니다.

입력할 필요가 없습니다. 카메라를 바꾼 후 데이터를 새로 수집하여 모델을 훈련시켜야 합니다.

영향을 미칠 것입니다. 배경이 변하면 모델이 인식할 때 오류가 발생하거나 빠진 부분이 생길 수도 있으니 배경을 미리 확인한 후 바꾸지 말라야 합니다.

그렇게 해도 문제가 없지만 ROI를 주의햐야 합니다. 다른 높이에 설치된 카메라가 캡처한 이미지의 ROI를 각각 선택하여 차이를 줄일 수 있습니다.

주의해야 할 것은 이미지가 너무 밝거나 어두우면 안 됩니다. 불가피한 부분 노출 과다의 경우 부품의 윤곽이 뚜렷하게 보일 수 있는 것을 확보해야 합니다.

훈련 용 데이터의 수량 및 질, 다양성, 작업 현장에서 설정한 ROI 파라미터 또는 조명 등 측면에서 원인을 고려할 수 있습니다.

작업 현장의 실제 상황에 따라 빛을 채우거나 가릴 수 있습니다.

훈련 데이터의 ROI와 일치하지 않으면 물체가 모델 최적 인식 범위에 위치하지 않아서 믿음도 역치에 영향을 미칠 것입니다. 따라서 실제 작업 시의 ROI가 훈련 데이터와 일치해야 합니다.

종이 상자 디팔레타이징/팔레타이징 시나리오를 위해 전문적으로 "슈퍼 모델" ( 여기를 클릭하여 다운로드하세요 ) 제공하고 대부분 작업 현장에 직접 사용할 수 있으며 이미지를 캡처하고 훈련하지 않아도 대부분 종이 상자를 정확하게 분할할 수 있습니다.

물체의 색깔과 무늬가 단일하거나 다양한 종류의 종이 상자 수평 디팔레타이징&팔레타이징 시나리오에 적용됩니다. 주의해야 할 것은 이 모델이 종이 상자를 같은 층에서 수평적으로 배치되고 기울어진 상자가 없는 상황에만 적용될 수 있습니다.

먼저 종이 상자 슈퍼 모델로 테스트하고 완전히 정확하게 분할할 수 없으면 문제가 있는 데이터를 약 20장 정도 수집해야 합니다.

btn:[검증] 버튼을 다시 클릭하면 됩니다.

C 드라이브의 "사용자" 폴더에 들어가 현재 사용자 폴더를 엽니다. AppData/Roaming/Python/Pythong36/site-packages 디렉토리가 비어 있는지 확인하십시오. 비어 있지 않으면 이 디렉토리의 모든 파일을 수동으로 삭제하십시오.

실행할 수 없습니다.