Green 분류

Green 분류 도구를 사용하여 개체 또는 이미지 내의 전체 장면을 식별하고 분류할 수 있습니다. 도구가 이미지에 태그를 할당하고 태그를 사용하여 이미지를 클래스로 정렬합니다. 태그는 라벨로 표현되며 각 라벨에는 도구가 할당된 클래스를 얼마나 확신하는지 보여주는 백분율이 포함됩니다.

Green 분류 도구는 다음과 같은 작업을 수행할 수 있습니다.

• 개체 혹은 장면 분류

• 라벨을 적용한 이미지 컬렉션에 기초해서 다양한 범주 구분

• 포장에 따른 제품 식별

• 용접 이음매의 품질 분류

• 허용 또는 불합격 이상 구분

Green 분류 도구는 도구 체인의 일부로 유연하게 사용할 수 있습니다. 예:

• Green 분류 도구는 한 클래스의 이미지를 Red Analyze 도구로 전달하여 추가 검사를 수행할 수 있으며, 다른 클래스의 이미지를 Blue Locate 도구로 전달하여 Feature Feature는 이미지에서 시각적으로 구별할 수 있는 영역입니다. Feature는 대개 응용 프로그램의 관심 대상(결함, 개체, 개체의 특정 구성 요소)을 나타냅니다.를 셀 수 있습니다.

• Green 분류 도구는 Red Analyze 도구에서 이미지를 가져와 결함 유형을 분류할 수 있습니다.

• Green 분류 도구는 Blue Locate 도구로부터 이미지를 받아 특정 뷰 이미지의 뷰는 이미지 내의 픽셀 영역을 말합니다. 도구 프로세싱은 뷰 내의 픽셀에 제한됩니다. 사용자는 뷰를 수작업으로 지정할 수도 있고, 상위 도구의 결과를 이용해 뷰를 생성할 수도 있습니다.를 생성한 모델 Feature의 집합이 특정한 방식으로 공간적으로 배열된 것(Blue 위치 도구 및 Blue 읽기 도구에만 해당). 사후 프로세싱 단계에서, Blue 위치 및 Blue 위치 도구는 이미지에서 검출된 모든 Feature를 해당 도구에 대해 정의된 모델에 맞출 수 있습니다. 이어서 모델의 전체적인 pose 및 ID가 반환됩니다. 유형을 분류할 수 있습니다.

도구 유형

머신 비전 문제를 해결하기 위해 Green 분류 도구가 필요하다면 트레이닝 트레이닝이란 도구, 즉 신경망 네트워크가 사용자가 작성한 라벨에 기반하여 Feature(픽셀)를 학습하는 과정입니다. 예를 들어, 도구는 사용자가 표시한 결함/정상 라벨에 기반하여 각 이미지의 결함/정상 픽셀을 학습합니다. 도구를 트레이닝하는 목적은 새로운 이미지가 주어졌을 때 이미지에 결함이 있는지 여부를 정확하게 검사할 수 있도록 충분히 학습하기 위한 것입니다. 트레이닝에서는 가능한 변동을 트레이닝 세트에 모두 포함하고 이미지에 정확한 라벨을 지정하는 것이 매우 중요합니다. 트레이닝 시간은 응용 프로그램, 도구 설정, 네트워크 트레이닝에 이용하는 PC의 GPU에 따라 달라집니다.할 도구의 유형을 선택해야 합니다. 도구 매개변수 사이드바에서 유형 매개변수를 설정함으로써 도구의 유형을 선택할 수 있습니다.

Green 분류 도구는 다음의 유형으로 제공됩니다.

• 가장 정확한 분류를 위한 표준 유형.

• 이전 VisionPro 딥러닝 소프트웨어 버전의 포커스 모드 도구와의 호환성을 위해 사용되는 레거시 유형. 레거시 유형 도구는 표준 유형 도구보다 빠르지만 정확도가 낮습니다.

이러한 도구 유형은 각기 다른 신경망 모델 VisionPro Deep Learning의 각 도구는 신경망입니다. 신경망은 인간 뇌의 생물학적 뉴런이 작동하는 방식을 모방합니다. 신경망은 노드라고 불리는 인공 뉴런이 상호 연결된 층으로 구성되어 있으며, 다수의 층을 가지고 있습니다. 신경망은 이미지 분류와 패턴 인식 등의 작업에서 뛰어난 성능을 발휘합니다. 유형에 해당합니다. 트레이닝 및 프로세싱 시간이 늘어나는 것을 감수하더라도 더 정확한 결과를 원한다면 표준 유형을 사용하십시오. 표준 유형 도구는 전체 이미지를 고르게 검사하는 반면, 레거시 유형 도구는Feature 샘플링을 사용하여 유용한 정보가 있는 이미지의 특정 부분에 선택적으로 초점을 맞춥니다. 따라서 도구가 정보를 놓칠 수 있고, 특히 이미지 곳곳에 중요한 세부 사항이 있을 때 그 가능성이 큽니다.

표준 유형

표준 유형 도구는 레거시 유형 도구의 발전된 버전입니다. 표준 유형은 성능이 더 뛰어나지만, 트레이닝 및 프로세싱 시간이 더 깁니다. 표준 유형 도구는 하나의 이미지에 여러 개의 라벨을 지원하지 않습니다.

표준 유형 도구는 다양한 모드에서 다음과 같은 기능을 지원합니다:

모드	NVIDIA Tensor RT 속도 최적화	이상치 점수	Heat map(히트맵)
고속	예	예	예
적은 촬영	예	아니오	예
정확	예	예	예
Robust	아니오	예	예

표준 유형의 모드

모드는 신경망 모델의 하위 유형을 의미하며, 이는 트레이닝 및 프로세싱에 필요한 시간에 영향을 미칩니다. 트레이닝을 시작하기 전에 모드 매개변수로 모드를 선택하십시오. 다음 모드를 사용할 수 있습니다.

• 고속: 정확도가 낮아지더라도 빠른 프로세싱 시간을 원하는 경우 이 모드를 선택하십시오.

• 정확: 프로세싱 속도가 느려지지만 정확성을 높이려면 이 모드를 선택하십시오.

• Robust: 이 모드를 선택하면 도구를 다시 트레이닝하지 않고 다양한 생산 라인과 신규 제품에 사용할 수 있습니다. 이 모드는 도구가 생산 라인의 변화 변화 시뮬레이션은 특정 변동 유형의 영향을 모방하여 트레이닝된 도구의 부품 및 이미지 변동에 대한 허용 오차를 향상시키는 과정입니다. 및 유사한 종류의 결함이 있는 제품 변형에 적응할 수 있도록 합니다.

참고: Robust 모드에서는 이미지 크기가 커질수록 프로세싱 시간이 증가합니다.

• Few Sample: 이 모드를 선택하면 몇 개의 이미지로만 도구를 트레이닝할 수 있습니다. 트레이닝 및 프로세싱 시간은 다른 모드보다 더 깁니다.

  • 다른 모드에서 도구를 트레이닝하기에 충분한 이미지가 없는 경우 Few Sample 모드를 사용하십시오. 충분한 트레이닝 이미지가 있을 때 다른 모드로 전환하십시오.

  • 이 모드는 다른 모드에 비해 매개변수가 적습니다.

  • 이 모드는 Loss 검사기 기능과 트레이닝에 설정된 검증 검증은 도구를 트레이닝하는 과정에서 성능을 평가하는 데 도움이 되는 절차를 의미합니다. 검증은 도구가 트레이닝 단계에서 최종 시험과는 별도로 치르는 모의고사와 같습니다. 예를 들어, 검증은 과적합을 인식하고 도구 트레이닝 시 시간 낭비를 피하는 데 도움이 됩니다. 도구가 과적합되고 있음을 인식하면, 트레이닝을 조기에 중단할 수 있습니다. 이미지 세트를 사용하지 않습니다.

  • 이 모드는 자동으로 이미지 크기를 512x512 픽셀로 줄입니다.

  • Few Sample 모드에서는 트레이닝 세트 내 각 클래스별로 단 하나의 이미지로 트레이닝할 수 있으며, 다른 모드에서는 각 클래스에 네 개의 이미지가 필요합니다.

  • 이 모드는 Cognex Deep Learning Parameter Search 유틸리티를 지원하지 않습니다.

표준 유형 기능 및 이점

표준 유형에는 다음과 같은 이점이 있습니다.

• 표준 유형 도구가 전체 이미지를 샘플링하므로 샘플링 매개변수가 없지만, 트레이닝 및 변화 매개변수는 더 많습니다.

• 트레이닝 중 검증 이미지 세트를 사용하여 검증 Loss를 모니터링하고 Loss 검사기 기능을 지원합니다.

• 뷰 검사기에서 히트맵을 지원하며, 이미지 오버레이로도 제공합니다. 히트맵은 도구가 이미지를 분류하는 데 사용한 단서를 나타냅니다.

• 이상치 점수를 지원하며, 이는 이상치 점수 프로세싱 매개변수를 사용하여 활성화할 수 있습니다.

  이상치 점수는 특정 뷰가 트레이닝 세트의 다른 뷰들과 얼마나 차이가 나는지를 나타냅니다. 이상치 점수가 높다면 생산 상의 이상 현상(예: 조명 조건 변경)을 나타낼 수 있습니다.

• NVIDIA Tensor RT를 통해 런타임 프로세싱 속도 최적화를 지원합니다.

• 참고: Tensor RT 속도 최적화와 함께 이상치 점수 및 히트맵 기능을 동시에 사용할 수 없습니다. 속도 최적화를 활성화하면 이상치 점수와 히트맵이 비활성화됩니다. 런타임 워크스페이스 런타임 워크스페이스는 이미지나 데이터베이스가 포함되지 않고, 스트림과 도구만을 포함한 구성 파일로 전체적인 워크스페이스의 작은 버전입니다. 이 구성 파일을 라이브러리로 로드해 일부 분석을 수행할 수 있습니다.를 내보낼 때 내보내기 대화 상자에서 포함할 기능을 선택해야 합니다.

레거시 유형

레거시 유형 도구는 표준 유형 도구보다 덜 발전된 버전입니다. 표준 유형은 성능이 더 뛰어나지만, 트레이닝 및 프로세싱 시간이 더 깁니다. 레거시 유형은 이미지 하나에 여러 개의 라벨을 지원합니다. 이 기능은 배타적 매개변수를 사용하여 활성화할 수 있습니다.

레거시 유형 도구는 샘플링 영역에 연결된 기능 샘플러를 사용하여 픽셀을 샘플링합니다. 도구 매개변수 사이드바에 있는 샘플링 매개변수를 사용하여 샘플링 영역을 정의합니다. 샘플링 영역에 결함 픽셀이 포함되어 있지 않다면, 네트워크는 아무런 응답을 생성하지 않을 것입니다.