AI分类（多类别）工具
功能介绍
AI分类（多类别）工具是一款基于深度学习的可视化分类工具，支持最多 8 种不同类别的自定义标注、训练和推理。用户通过完成向导式配置流程，即可快速实现从图像采集到深度学习推理的全流程。该工具通常应用于单一品类工件的多规格混流识别、外观缺陷分级等场景。
-
采集图像：采集用于学习的图像数据。建议覆盖实际生产环境中的典型情况，确保图像质量和多样性，以提升深度学习推理的准确率。
-
设置目标区域：在采集到的图像上框选需要检测或识别的图像区域，减少无关区域对推理结果的影响，为后续标注图像做好准备。
-
标注图像：为目标区域内的图像指定类别，支持最多定义 8 个类别，使工具根据标注结果完成模型训练和结果推理。
-
模型验证与优化：使用采集的图像验证模型推理效果，并根据实际情况设置推理规则或补充标注图像。
使用流程
进入工具后，在左侧模型列表中单击右上角的新建按钮，创建并进入新的模型配置流程。
采集图像
采集用于训练模型的图像数据。
-
确认当前步骤的输入端口已接入图像数据。
-
进入工具时，相机将自动采集一张图像数据用于模型训练，你可单击单次采集按钮，采集新的图像数据。
|
采集图像时，建议覆盖生产现场的典型变化，包括：
多样化的图像有助于模型适应实际环境，提升推理准确率。 |
设置目标区域
采集图像后，需在采集到的图像上框选需要检测或识别的图像区域，减少无关区域对推理结果的影响，为后续标注图像做好准备。
|
当“物体位姿”端口存在输入时，目标区域将随目标位姿同步变换。此处设置的目标区域为基准位置，实际识别时将根据对齐参数动态偏移。 |
-
打开目标区域设置界面。
单击编辑按钮，进入目标区域设置界面。
-
设置目标区域。
工具提供两种目标区域设置方式，可根据实际情况选择适合的方式。
设置方式 说明 全部为目标区域
目标区域自动覆盖整张图像。适用于目标物体占满图像的场景。如需排除部分区域，可在下一步设置屏蔽区。
自定义目标区域
选择“矩形”或“圆形”框选工具，在可视化区域拖拽绘制目标区域。此处仅支持设置单个目标区域，请根据目标物体的实际位置和形状，准确框选目标区域，避免包含无关背景。
框选目标区域时可以仅框选包含关键特征的区域。 -
设置屏蔽区域（可选）。
当目标区域内存在反光、阴影或固定背景等无关干扰时，可通过设置屏蔽区域将其排除，避免影响模型训练和分类判定结果。
单击设置屏蔽区域按钮，使用“多边形”框选工具在可视化区域绘制屏蔽区：单击左键添加多边形顶点，单击右键闭合多边形完成框选。
-
保存目标区域设置。
设置完成后，单击保存并使用，应用目标区域设置。
|
当目标区域和屏蔽区域的掩膜完全重叠时，仅置顶的图层支持编辑。 |
标注图像
设置目标区域后，需为目标区域内的图像指定类别。工具会根据标注结果更新模型，并在采集图像或标注图像后输出推理结果。
-
新建标注类别。
根据实际需求，在标注类别列表中新建多个类别（最多支持 8 个），并为每个类别命名以便区分。
-
标注当前图像。
在可视化区域中，选中目标区域，在右侧的标注类别选项中，单击对应类别的标注图像按钮，完成对单个目标的标注。每个类别最多支持标注 30 张图像。
每单击一次标注图像按钮，工具都会基于当前标注结果更新模型，并对当前图像执行一次推理。你可在参数配置区上方查看推理结果是否符合预期。
-
采集新图像并继续标注。
单击单次采集并推理按钮采集新图像。每单击一次该按钮，工具都会采集一张新图像，并基于当前模型对新图像执行一次推理。
根据新图像的推理结果，继续选择目标区域并单击对应类别的标注图像按钮进行标注，直至每个类别至少标注一张图像。
-
标注时，建议为每个类别尽可能多地标注覆盖不同拍摄条件的图像（如位置偏移、污渍、划痕、变形、色调或背景差异），标注越充分，模型适应能力越强。
-
避免标注类别模棱两可的图像，以免影响模型学习效果。
-
若真实生产场景下的光照或目标物体角度存在不确定性，可在高级设置开启“适应亮度变化”或“适应旋转变化”选项。系统会自动对已标注的图像进行轻微旋转、亮度调整，生成更多不同条件的虚拟图像用于模型训练，从而帮助扩充训练内容、提升模型的泛化能力。
-
模型验证与优化
完成上述标注操作后，可通过推理图像来验证模型效果，并根据实际情况设置推理规则或补充标注图像。
-
查看推理结果。
标注图像后，单击单次采集并推理按钮，查看工具基于当前模型的推理结果，并判断推理结果是否符合预期。
-
设置推理规则（可选）。
如果推理结果基本正确，但判定规则不符合实际需求，可通过设置推理规则调整判定标准，提升推理结果的准确性和适用性。
修改推理规则后，工具会基于当前推理规则更新模型，并对当前图像执行一次推理。你可在参数配置区上方查看推理结果。
参数 说明 置信度阈值
参数解释：模型判定类别的最低置信度标准。低于此值的分类结果将被判定为未知类别。
默认值：0.5
调节说明：推荐使用默认值。
热力图
参数解释：开启后，在图像上叠加显示模型关注区域的可视化热力图。颜色越深（或越暖），表示模型对该区域的特征关注度越高。
默认值：关闭。
调节说明：通常，热力图应集中在目标区域内的特征位置，如边缘、缺陷或纹理等。可用于辅助判断模型关注重点。
若热力图分布过于分散或集中在无关区域，可能表示模型未正确学习到有效特征，此时建议返回前面步骤补充更多样化的图像来更新模型。 -
补充标注图像（可选）。
如果推理结果仍不符合预期，或模型未覆盖某些典型情况，可继续采集图像并标注。工具会根据新增标注结果继续更新模型。
建议优先补充标注推理错误、置信度较低，或未覆盖典型情况的图像。重复执行采集、标注和查看推理结果，直至推理效果满足预期。
如补充标注图像后仍无法改善推理效果，请将采集的图像导入Mech-DLK，然后在Mech-DLK中进行训练，以获得更优的模型。
至此，模型配置已完成。关闭工具窗口后，在“模型名称”参数的下拉列表中选择该模型，即可在后续推理步骤中使用该模型进行分类。