결함 세그먼테이션

현재 최신 버전 (2.2.0)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.

기능 소개

결함 세그먼테이션 모델 패키지를 사용하여 입력 이미지에 대한 추론을 수행하고, 이미지 내의 결함 영역을 위치 파악 및 분할하면서 동시에 결함 카테고리 정보를 출력합니다. Mech-DLK에서 학습 및 내보낸 단일 카테고리 또는 다중 카테고리 결함 세그먼테이션 모델 패키지를 가져오는 것을 지원합니다.

오염, 기포, 긁힘 등 표면 결함을 감지하는 신에너지, 전자, PCB, 인쇄, 일용품 제조 등 업계에 적용됩니다.

intro

입력 및 출력

"딥 러닝 모델 패키지 추론" 스텝에 이 모델 패키지를 가져오면, 다음 입력 및 출력 포트가 표시됩니다.

입력

입력 포트 데이터 유형 설명

이미지

Image/Color

이 포트로 입력된 이미지가 딥 러닝 모델 패키지 추론에 사용됩니다.

출력

가져온 모델 패키지가 단일 카테고리 결함 세그먼테이션 모델 패키지인 경우, 출력 포트는 다음과 같습니다:

출력 포트 데이터 유형 설명

시각화 출력

Image/Color

시각화 결과.

분할 불리언 결과

Bool

결함 존재 여부를 나타내는 불리언 결과. True는 입력 이미지에 물체 결함이 없음을, False는 물체 결함이 있음을 의미합니다.

분할된 마스크 이미지

Image/Color/Mask

비제로 픽셀 값 영역이 감지된 결함입니다.

분할된 마스크 윤곽

Shape2D/Contour[]

분할 결과 마스크 꼭짓점의 픽셀 좌표 목록.

결함 카테고리

String

이미지에서 인식된 결함 유형.

가져온 모델 패키지가 다중 카테고리 결함 세그먼테이션 모델 패키지인 경우, 출력 포트는 다음과 같습니다:

출력 포트 데이터 유형 설명

결함 세그먼테이션/레이블1

DLResult/DefectSegmentation

레이블1 카테고리의 결함 세그먼테이션 결과.

결함 세그먼테이션/레이블2

DLResult/DefectSegmentation

레이블2 카테고리의 결함 세그먼테이션 결과.

…​

…​

…​

이 스텝에서 다중 카테고리 결함 세그먼테이션 모델 패키지를 가져온 경우, 각 출력 포트를 딥 러닝 결과 파서 스텝에 연결하여 각 레이블 카테고리에 해당하는 결함 세그먼테이션 결과를 별도로 출력해야 합니다.

파라미터 설명

결함 세그먼테이션 모델 패키지를 가져올 때 이 스텝에서 다음 파라미터를 조정해야 합니다.

모델 패키지 설정

파라미터 설명

모델 패키지 관리 도구

파라미터 설명: 이 파라미터는 딥 러닝 모델 패키지 관리 도구를 열고 딥 러닝 모델 패키지를 가져오는 데 사용됩니다. 모델 패키지 파일은 Mech-DLK에서 내보낸 “.dlkpack” 파일입니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구의 사용 방법은 딥 러닝 모델 패키지 관리 도구를 참조하십시오.

모델 패키지 이름

파라미터 설명: 딥 러닝 모델 패키지를 가져온 후, 이 파라미터로 해당 스텝에서 사용할 모델 패키지를 선택합니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구를 사용하여 딥 러닝 모델을 가져온 후, 드롭다운 리스트에서 해당 모델 이름을 선택합니다.

모델 패키지를 전환한 후 원래 모델 패키지 해제

파라미터 설명: 모델 패키지를 전환할 때 원래 모델 패키지가 점유한 리소스를 즉시 해제할지 제어합니다.

기본값: 선택함.

조정 설명: 선택하면 스텝이 다른 모델 패키지로 전환될 때 시스템은 원래 모델 패키지가 다른 스텝에서 계속 사용 중이어도 해당 리소스를 즉시 해제합니다. 선택하지 않으면 원래 모델 패키지가 어떤 스텝에서도 더 이상 사용되지 않을 때만 자동으로 리소스를 해제합니다.

모델 패키지 유형

파라미터 설명: 모델 패키지 이름을 선택하면 자동으로 모델 패키지 유형이 채워집니다.

입력 이미지 배치 크기

파라미터 설명: 매번 추론 시 처리할 이미지 수입니다.

GPU ID

파라미터 설명: 이 파라미터는 모델 패키지 추론에 사용할 GPU 장치 ID를 지정하는 데 사용됩니다.

조정 설명: 모델 패키지 이름을 선택한 후, 이 파라미터의 드롭다운 목록에서 모델 패키지 추론에 사용할 GPU 장치 ID를 선택합니다.

사전 처리

파라미터 설명

ROI 파일

파라미터 설명: 이 파라미터는 입력 이미지의 ROI를 설정하거나 수정하는 데 사용됩니다.

조정 설명: 초기 상태에서는 기본 ROI가 이미 설정되어 있습니다. ROI 설정을 수정하려면 ROI 파일을 클릭한 다음, 팝업되는 ROI 설정 창에서 ROI를 편집하고 ROI 이름을 입력하십시오.

추론에 앞서 여기서 설정한 ROI가 Mech-DLK에서 설정한 ROI와 일치하는지 확인하시기 바랍니다. 일치하지 않으면 인식 결과에 영향을 줄 수 있습니다.

추론 중에는 일반적으로 모델 훈련 시 설정된 기본 ROI가 사용됩니다. 카메라 시야 내 물체의 위치가 변경되면, ROI를 조정해야 합니다.

기본 ROI를 다시 사용하려면, 편집기를 열기 버튼 아래의 ROI 파일 이름을 삭제하면 됩니다.

후처리

파라미터 설명

추론 구성

파라미터 설명: 결함 세그먼테이션 모델 패키지 추론 시 관련 파라미터를 구성하는 데 사용됩니다. 편집기 열기를 클릭하면 추론 구성 창을 열 수 있습니다.

조정 설명: 구성 지침은 결함 판정 규칙 구성에서 확인하십시오.

시각화 설정

파라미터 설명

시각화 검출 결과

파라미터 설명: 활성화하면 이미지에 검출 결과가 표시됩니다.

기본값: 비활성화.

조정 권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

사용자 정의 글꼴 크기

파라미터 설명: 이 파라미터는 시각화 출력 결과의 텍스트 글꼴 크기를 사용자 정의할지 여부를 결정합니다. 이 파라미터를 활성화하면 글꼴 크기(0~10)를 설정해야 합니다.

기본값: 비활성화.

조정 권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

글꼴 크기(0~10)

파라미터 설명: 이 파라미터는 시각화 출력 결과의 텍스트 글꼴 크기를 설정하는 데 사용됩니다.

기본값: 1.5

조정 권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

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.