软件要求/操作
- AMD CPU 是否能够运行 CPU 模型？
-
AMD CPU 不支持运行 CPU 模型。
- 为什么现场数据与训练数据 ROI 设置不一致会影响实例分割置信值的高低？
-
与训练数据 ROI 不一致会使物体不在模型的最佳识别大小范围内，因而影响置信值，所以实际应用时数据 ROI 设置应与训练数据 ROI 保持一致。
- 如何设置合理的 ROI 范围？
-
-
对于托盘、料筐来料，ROI 区域应涵盖所有图像中的托盘或料筐区域，并在托盘或料筐边缘外预留三分之一余量，从而避免因托盘或料筐磨损、晃动等情况而导致抓取偏差。
-
对于传送带来料，ROI 边界应尽量贴近目标物料外轮廓。
-
ROI 区域内不能出现与目标物料无关的异物。
-
如果设置的 ROI 无法兼容所有场景，可在 Mech-Vision 中进行图像预处理，如缩放 2D ROI 内的图像、调整 3D ROI、获取最高层彩色图等。
-
- 用新版 Mech-DLK 打开旧工程验证时，验证结果出现偏移如何解决？
-
重新单击一下验证即可。
- 使用 Mech-DLK 训练模型时，软件报错显示 ModuleNotFoundError: No module named ‘onnxruntime’ 怎么解决？
-
进入 C 盘的“用户”文件夹，打开当前用户文件夹。 检查 AppData/Roaming/Python/Pythong36/site-packages 目录下是否为空，若不为空，请手动删除该目录下所有内容。
- 如何提升标注效率？
-
-
Mech-DLK 提供智能标注套件用于提升标注效率，可组合使用标注工具以满足现场的精度和节拍要求。
-
使用视觉大模型标注工具批量标注数据并验证，确认是否满足现场要求。
-
如果使用视觉大模型标注工具无法满足现场要求，建议组合使用视觉大模型标注工具和智能标注工具，使用智能标注工具进行人工微调，直到满足现场要求。
-
-
Mech-DLK 支持数据集导入/导出功能，可将待标注的数据导出后分发给多位标注者同时标注。
-
- 如何将多人标注的数据同时用于模型训练？
-
分别导出每位标注者已经标注完成的数据，并将所有导出的数据集导入同一个工程中。导入完成后，检查图像增加数量是否为导入的图像数量，一致则说明导入成功，此时可以使用导入的数据进行模型训练等操作。
- 如何在模型部署时修改模型中的标签名称？
-
部署模型包时，模型中的标签将根据在 Mech-DLK 中的创建顺序映射为从 0 开始的整数（0、1、2……）。可在 Mech-Vision 中使用 标签映射 步骤修改标签名称。
- 同样的图像在 Mech-DLK 和 Mech-Vision 中推理结果不一致如何解决？
-
问题现象：使用 Mech-DLK 训练缺陷分割模型后，在 Mech-Vision 中导入该模型包进行推理，对同一张图片的推理结果与 Mech-DLK 中的结果不一致。
问题版本：Mech-Vision 1.7.x， Mech-DLK 2.5.x。
可能原因：Mech-DLK 中配置的缺陷面积过滤规则在 Mech-Vision 中未生效，导致部分缺陷在 Mech-Vision 中未被过滤掉。
解决方法：升级 Mech-Vision 至 1.8.0 及以上版本。