결함 세그먼테이션

현재 최신 버전 (2.2.1)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.

기능

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: 관련 파라미터 설명은 추론 구성 도구를 참조하십시오.

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.