AI分类（正反/有无）工具
功能介绍
AI分类（正反/有无）工具是一款高效的可视化二分类工具，支持针对 OK 和 NG 两类图像进行自定义标注、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正反防错、有无检测等场景。
-
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，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，你可单击工具底部的单次采集按钮，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。
|
-
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。
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。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。
-
若需手动框选多个目标区域，建议先绘制一个目标区域，再通过复制粘贴生成其他目标区域，以保证每个目标区域的大小一致，提升模型训练的稳定性和推理准确率。
-
当“物体位姿”端口存在输入时，无需手动创建多个目标区域。用户仅需绘制一个目标区域，系统会根据对齐参数自动生成其余目标区域进行识别。
若自动生成的目标区域位置存在偏移，通常只需将第一个目标区域移动到正确的目标物体位置，其余目标区域会根据各自的对齐参数自动对齐到对应的目标物体上，无需逐个调整。
-
-
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结果推理。
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。
-
标注当前图像。
在可视化区域中，选中已框选的目标区域，在右侧的标注类别选项中，单击 OK 或 NG 类别对应的标注图像按钮，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。
该工具使用固定的 OK 和 NG 类别进行标注，你可根据实际需求定义其业务含义。例如，可将“正面”或“有”标注为 OK 类别，将“反面”或“无”标注为 NG 类别。
-
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 OK 或 NG 类别对应的标注图像按钮进行标注。
需注意，OK 类别至少标注一张图像；若 NG 类别包含多种情况，建议每种情况至少标注一张，以覆盖该类别的典型情况。
-
标注时，建议同时标注 OK 和 NG 类别的图像，并覆盖多种拍摄条件（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或连续采集并推理按钮，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：设置分类结果的最低置信度。系统首先将置信度最高的类别作为初始分类结果。当该类别的置信度低于所设置的阈值时，结果默认判定为 NG。
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。 判定设置
参数解释：当图像中存在多个目标区域时，选择“全部为OK”表示仅当所有目标区域均被识别为 OK 类别时，验证结果才显示为 OK；选择“至少一个为OK”表示只要任一目标区域被识别为 OK 类别，验证结果就显示为 OK。
值列表：全部为 OK、至少一个为 OK
默认值：全部为 OK
调节说明：请根据实际需求选择合适的判定设置。
-
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。