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。

defect segmentation example

训练缺陷分割模型的流程如下:

defect segmentation workflow

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)。

新建工程并添加模块

  1. 新建工程:打开 Mech-DLK,在启动界面左上角,单击新建工程,输入工程名并选择保存路径。

  2. 添加算法模块:进入工程界面后,在右上角的模块区域,单击 icon create 并选择“缺陷分割”模块。

导入并标注图像

  1. 导入图像数据:在图像列表上方选择 导入/导出  导入文件夹,导入准备好的网口图像;

  2. 截取 ROI:

    1. 在标注工具栏,单击 ROI 工具 icon roi,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。

    2. 单击 ROI 边框右下角的 icon OK 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。

      defect segmentation roi
  3. 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 OK label tool 将其标注为 OK。

    • 对于有缺陷的图像,右键单击 polygon icon 后,单击画笔工具 pen icon,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。

      defect segmentation label
  4. 划分数据集:导入并标注所有图像后,单击 images divide icon,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。

    defect segmentation image divide

训练模型

完成图像导入和标注后,即可开始训练模型。

进入训练页面,点击训练按钮开始训练。可在训练中心查看模型训练进度,点击显示图表查看各轮次训练的精度和损失值。

defect segmentation train

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。

defect segmentation validate

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。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。