红色分析聚焦监督

红色分析架构概述

红色分析 工具用于检查图像、查找缺陷像素，并将缺陷图像与正常图像区分开来，反之亦然。红色分析工具有两种类型的架构：聚焦（聚焦监督，聚焦无监督）和高细节。

 

• 红色分析聚焦监督用于分割特定区域，如缺陷或其他感兴趣区域。无论是铸造金属上的气孔还是输送带上有瘀伤的蔬菜，监督模式下的红色分析工具可以都通过学习缺陷或目标区域的不同外观来识别所有这些问题。要训练红色监督工具，您只需提供要查找的缺陷区域类型的图像。

• 红色分析聚焦无监督 用于检测异常和美学缺陷无论是装饰表面上的划痕、不完整或不正确的组件，甚至是织物的编织问题，红色分析工具都可以通过学习对象的正常外观（包括其重要但可容忍的变化）来识别所有问题。要训练红色非监督工具，您只需提供良好对象的图像。

• 红色分析高细节红色分析工具高细节模式在分割性能方面是红色分析聚焦 – 监督的增强版本，但在训练和处理速度方面会有所下降。与红色分析聚焦 – 监督相比，它在分割任务方面的更高性能来自其独特的训练架构。

 

关于 红色分析聚焦监督

使用红色分析聚焦监督，红色分析工具学习缺陷的外观。因此，它不形成（至少明确地）被检查零件的模型，因此对图像采集期间的零件配置、类型或条件的依赖性较低。但是，聚焦 - 监督模式下的红色分析工具需要形成不同类型缺陷的显式模型。因此，它需要良好和不良的样品来训练。具体而言，它需要后者的代表性集合（通常很难获得）。

此外，在聚焦 - 监督模式下，可以使用红色分析工具搜索缺陷以外的差异。该工具可用于识别图像中有意存在的不同区域。聚焦 - 监督模式下的红色分析工具可用于标注训练图像上的目标区域，以便训练后在未训练的图像上找到并标注相似类型的区域。

当红色分析工具处于聚集监督时，重点是让网络学习缺陷的外观。在训练期间，仅考虑已标注的图像。对包含标注缺陷区域的图像进行训练以学习缺陷。此外，该工具还可以学习已标注图像不包含缺陷区域的部分。通常，当您在监督模式下训练红色分析工具时，您是训练该工具检测并响应缺陷。因此，标注图像最重要的指导原则是，如果图像被标注为包含缺陷，则必须标注图像中的每个缺陷。

在监督模式下将图像标注为良好（也就是说不包含任何缺陷区域的图像）时，该工具也将使用该图像进行训练。具体而言，该工具将尝试训练网络，以便标注为良好的图像不会生成任何缺陷响应。将已标注的无缺陷良好图像添加到您的训练图像集，可以帮助您在分类良好图像和不良图像时验证工具的性能。

选择图像时，需要确保拥有训练图像集，其中包括您预计在运行时将遇到的所有缺陷，以及无缺陷图像。如果您没有让工具学习特定缺陷的外观，工具将找不到这些缺陷。例如，如果您只让工具学习污渍的样子，工具将找不到划痕。

 

架构：红色分析聚焦监督与红色分析高细节

高细节模式使用与聚焦模式不同的架构。由于架构差异，它在工具参数窗格中没有采样参数，因为它从整个视图中采样。因此，与聚焦模式相比，高细节模式需要更多的训练/处理时间，但您可以获得像素级别的更准确或更详细的结果。在高细节模式下标注图像和创建模型的方式与聚焦模式基本相同，但工具参数有所不同。与红色分析聚焦监督一样，红色分析高细节仅支持二分类（良好/不良）。这意味着不支持多个类。

 

	聚焦 - 监督	高细节（监督）
训练/处理时间	短	长
结果	精确	更精确
图像数据集组成	训练集、测试集	训练集、验证集、测试集

 

支持的特征和架构

特征\架构	红色分析聚焦监督, 红色分析聚焦无监督	红色分析高细节
损失检查器	不支持	支持
验证集	不用于训练	用于训练
VisionPro Deep Learning 工具参数	更少的参数	更多控制参数*， 无采样参数

* 更多的训练和扰动参数，用于详细的训练控制和粒度调整

 

红色分析聚焦监督的训练工作流

在红色分析工具处于红色分析聚焦监督模式时，工具的训练工作流为：

 

1. 启动 VisionPro Deep Learning。
2. 创建新工作区或将现有工作区导入 VisionPro Deep Learning。
3. 收集图像并将其加载到 VisionPro Deep Learning。
4. 定义 ROI（感兴趣区域）以构建视图。
   1. 如果蓝色定位工具中的某个姿势被用来改变视图的方向，并且该视图被用作红色分析工具的输入，请转到红色分析工具并处理图像（按下剪刀图标），然后重新打开红色分析工具。有关更多详细信息，请参阅蓝色定位工具后的 ROI 选项。

   2. 如有必要，调整关注区域 (ROI)。在显示区域中，右键单击并从菜单中选择编辑 ROI。

      

   3. 调整 ROI 后，按应用按钮，调整后的 ROI 将应用于所有图像。
   4. 按工具栏上的关闭按钮以继续。
5. 如果图像中存在无关信息，请添加适当的遮蔽以排除图像的这些区域。在显示区域内，右键单击并从菜单中选择编辑遮蔽。

   1. 从“遮蔽”工具栏中，选择并编辑相应的遮蔽。

      

   2. 添加必要的遮蔽后，按应用按钮，遮蔽将应用于当前图像。

      如果在添加必要的遮蔽后单击全部应用，并在随后出现的应用遮蔽对话框中单击是按钮，将在所有图像上应用相同的遮蔽。如果在对话框上单击否，将不会应用遮蔽，并返回到编辑遮蔽窗口。

      

   3. 按工具栏上的关闭按钮以继续。
6. 浏览所有图像并标注图像中的缺陷。确保已标注所有图像。有关标注的详细信息，请参阅创建标签（标注）。
7. 将整个图像分割成训练图像和测试图像。利用图像集将它们适当地分为训练组和测试组。将图像添加到训练集。
   1. 在视图浏览器中选择图像，然后在右键单击的弹出菜单中单击将视图添加到训练集。要在视图浏览器中选择多个图像，请使用 Shift + 鼠标左键。
   2. 或者，使用显示筛选条件仅显示训练所需的图像，并通过单击...视图的操作→将视图添加到训练集将它们添加到训练集。
8. 在训练之前，您需要在工具参数中设置参数。可以配置训练、采样和扰动参数或仅使用这些参数的默认值。有关支持参数的详细信息，请参阅配置工具参数。
   1. 请确保已设置采样参数中的特征尺寸参数。特征尺寸参数为网络提供了您有兴趣检测的缺陷大小的线索。因此，如果“特征尺寸”参数设置大于应用程序中的缺陷，则工具很可能无法识别图像中的缺陷。
   2. 您可以通过手动调整参数值来设置“特征尺寸”，也可以通过重新调整交互式特征尺寸图形来以图形方式设置。
   3. 如果您想对训练或处理进行更精细的控制，请打开帮助菜单上的专家模式以初始化工具参数中的其他参数。
9. 按大脑图标训练工具。
   1. 如果您在训练时通过按停止图标停止训练，您可以停止训练，但您将丢失目前训练的当前工具。

10. 训练后，审核结果。打开数据库概述面板并查看分数/ROC 图、混淆矩阵及其 F1 分数，并在计数下拉列表中的类别之间进行切换。查看精度、召回、F-得分（区域面积指标）以了解像素级别的结果。有关解释结果的详细信息，请参阅解释结果。

11. 查看结果后，浏览所有图像，看看工具如何正确或错误地标记图像中的缺陷。
    1. 如果工具已正确标记特征，请右键单击图像，然后选择接受视图。
    2. 如果工具错误地标记了缺陷，或者未能识别当前缺陷：
       1. 再次右键单击图像，然后选择清除标记和标签。
       2. 手动标注缺陷图像。
    3. 如果想通过影响处理来调整结果，可以操纵处理参数，然后单击放大镜 图标进行重新处理，以获取更改的结果。例如，要更改由 T1 和 T2 确定的决策边界，可以操纵阈值参数。
    4. 如果您遇到 (a.) 中的情况，则工具已可以使用。如果您遇到 (b.) 中的情况，则需要重新训练该工具并重复步骤 8 ~ 11。

 

每个步骤的详细信息在训练红色分析聚焦监督的每个子小节中说明。