训练缺陷分割模型
缺陷分割模型可判断当前物体是否有缺陷，并精确定位缺陷位置，本文以网口为例，介绍如何训练一个可以判断网口是否有缺陷、并能输出精确缺陷位置的缺陷分割模型。
训练缺陷分割模型的流程如下：
准备工作
开始训练前，请确保已按照采集规范采集并筛选出用于训练的图像数据。本例中需要准备不含缺陷的网口图像（OK 图像）和有缺陷的网口图像（NG 图像）。
导入并标注图像
-
导入图像数据：在图像列表上方选择 ，导入准备好的网口图像；
-
截取 ROI：
-
在标注工具栏，单击 ROI 工具
，框选目标图像区域。框选 ROI 应去除部分无意义背景，覆盖待识别物体会出现的区域，且保留一定冗余。 -
单击 ROI 边框右下角的
应用当前 ROI。同一 ROI 设定将应用于所有图片，检查网口是否始终在 ROI 范围内，如果有网口超出 ROI 范围，则应重新调整 ROI。
-
-
标注图像：
-
对于无缺陷的图像，在标注工具栏，单击 OK 标签工具
将其标注为 OK。 -
对于有缺陷的图像，右键单击
后，单击画笔工具 
，标注出具体的缺陷位置。在标注时确保画笔紧贴缺陷边缘标注，避免包含大量非缺陷区域。针对不同的标注场景，还可以使用掩膜工具、橡皮工具及网格工具。单击此处 查看标注工具使用详解。
-
-
划分数据集：导入并标注所有图像后，单击
，拖动滑块，将图像按照训练集（80%）和验证集（20%）的比例进行划分。
验证和导出模型
模型训练完成后，进入验证页面，点击验证按钮，Mech-DLK 会使用当前图像数据对模型进行验证。
验证结束后，检查验证结果无误，此时一个用于检测网口缺陷的缺陷分割模型就训练完成了。
点击右下角的导出按钮，选择模型存放路径后导出该模型。导出的模型可在 Mech-Vision 与 Mech-DLK SDK 中使用，单击此处 查看详细说明。