绿色分类

您可以使用绿色分类工具来识别和分类图像中的对象或整个场景。该工具为图像分配标签，并使用该标签将图像分类。标签由标注 标注是用“真值”来注释图像的过程。根据您使用的工具，标注可以采用不同的形式。标注图像集有两个原因：提供训练工具所需的信息，并允许您根据真值衡量和验证受训练的工具的性能。表示，每个标注都有一个百分比，显示该工具对指定类的信心程度。

绿色分类 工具可以执行以下任务，例如：

• 分类对象或场景

• 基于学习已标注图像的集合区分不同类别

• 根据包装识别产品

• 焊缝质量分类

• 区分可接受或不可接受的异常

您可以灵活地将绿色分类工具作为工具链的一部分来使用。例如：

• 绿色分类工具可以将某个类别的图像传递给红色分析工具以进行进一步检查，并将另一个类的图像传递给蓝色定位工具以计算特征 特征是图像上可进行视觉辨识的区域。特征通常代表对应用相关的内容（缺陷、对象、对象的特定部分）。。

• 绿色分类工具可以从红色分析工具获取图像，对缺陷类型进行分类。

• 该绿色分类工具可以从蓝色定位工具获取图像，对生成特定视图 图像的视图是图像中的像素区域。工具处理仅限于视图中的像素。您可以手动指定视图，也可以使用上游工具的结果生成视图。的模型 特征集合的特定空间排列（仅限蓝色定位和蓝色读取工具。）在后处理步骤中，蓝色定位和蓝色读取工具可以将在图像中检测的所有特征与该工具定义的模型相拟合。然后返回模型的整体位姿和标识。类型进行分类。

工具类型

当您知道需要绿色分类工具来解决机器视觉问题时，您必须选择要训练 训练是您的工具（神经网络）根据您的标注学习特征（像素）的过程。例如，工具将根据您绘制的缺陷/正常标注，学习每个图像中的缺陷/正常像素。工具训练的目标是充分学习，能够对未见过的图像是否缺陷给出正确的检测结果。训练的关键是确保将所有可能的变化都包括在训练集中，并且图像被正确标注。训练时间因应用程序、工具设置以及用于训练网络的 PC 中的 GPU 而异。的工具类型。您可以通过在工具参数边栏中设置类型参数来实现。

绿色分类工具有以下几种类型：

• 标准类型，以便获得最准确的分类。

• 遗留类型与早期版本VisionPro Deep Learning的聚焦模式工具兼容。遗留类型工具比标准类型工具速度更快，但精度较低。

不同工具类型对应不同的神经网络模型 每个 VisionPro Deep Learning 工具都是一个神经网络。神经网络模仿了人脑中生物神经元的工作方式。神经网络由相互连接的人工神经元层（称为节点）组成，并且具有多个层。神经网络在图像分类和模式识别等任务中表现出色。类型。如果想获得更加准确的结果，需要以增加训练和处理时间为代价，请使用标准类型。标准类型工具对整个图像进行平等检查，而遗留类型工具使用特征采样，使其具有选择性，聚焦于图像中包含有用信息的部分。由于这种聚焦，工具可能会丢失信息，尤其是当图像中到处都有重要细节时。

标准类型

标准类型工具是遗留类型的改进版。标准 类型的性能更高，但训练和处理时间较长。标准 类型工具不支持每个图像使用多个标注。

标准类型工具在不同模式下支持以下功能：

模式	NVIDIA Tensor RT 速度优化	异常值评分	热力图
快速	是	是	是
少量样本	是	否	是
精确	是	是	是
稳健	否	是	是

标准类型的模式

模式是指神经网络模型的子类型，它会影响训练和处理所需的时间。在使用模式参数进行训练之前，请选择模式。可用模式如下所示：

• 快速：选择此模式可缩短快速处理时间，但精确度较低。

• 精确：选择此模式可以提高精确度，但处理时间会较慢。

• 稳健：如果您希望在不同的生产线和新产品上使用该工具而无需重新训练，请选择此模式。此模式允许工具适应生产线的变化以及具有类似缺陷的产品变体。

注意： 在稳健模式下，处理时间会随着图像大小的增大而增加。

• Few Sample：选择此模式以仅用少量图像训练工具。训练和处理时间比其他模式更长。

  • 如果您没有足够的图像来在其他模式下训练工具，请使用Few Sample模式。当您拥有足够的训练图像时，请切换到其他模式。

  • 此模式的参数比其他模式更少。

  • 此模式不使用损失检查器 功能，也不在训练中使用验证 验证是指在工具训练过程中用于评估性能的一个过程。验证就像工具在训练阶段进行的模拟考试，是与最终测试分开的。例如，验证可以帮助您识别过拟合，并避免在训练工具时浪费时间。如果您意识到该工具正在过拟合，可以提前停止训练。图像集。

  • 此模式会自动将图像大小减小为 512x512 像素。

  • 您可以在Few Sample模式下，仅使用训练集中每个类的一个图像来训练工具，而其他模式则需要每个类四张图像。

  • 此模式不支持Cognex Deep Learning 参数搜索工具。

标准类型特征和优点

标准类型具有以下优点：

• 具有更多的训练和扰动 扰动是通过模拟特定类型变化的效果来提高受训工具的零件和图像的变化容差的过程。参数，并没有采样参数，因为标准类型工具会对整个图像进行采样。

• 监控验证损失，使用训练中的验证图像集，并支持损失检查器功能。

• 支持在视图检查器中使用热力图，并可作为图像叠加。热力图显示了工具用于分类图像的线索。

• 支持异常值评分，您可以通过异常值评分处理参数来启用。

  异常值评分显示了某个视图相较于训练集中其他视图的偏离程度。高异常值评分可能表明生产过程中发生了异常，例如，光照条件发生了变化。

• 支持使用 NVIDIA Tensor RT 优化运行时的处理速度。

• 注意： 在进行 Tensor RT 速度优化时，您无法同时使用异常值评分和热力图功能。启用速度优化将禁用异常值评分和热力图。在导出运行时工作区 运行时工作区是一个配置文件，不包含图像或数据库，只包含流和工具，因此是较小版本的完整工作区。可以在库中加载此配置文件以执行某些分析。时，您必须在导出对话框中选择要包含的特征。

遗留类型

遗留类型工具是标准类型工具稍低级的版本。标准类型性能更高，但训练和处理时间更长。该遗留类型支持每个图像多个标注。您可以使用 Exclusive 参数启用此功能。

遗留 类型工具使用与采样区域相关联的特征采样器来对像素进行采样。您在工具参数边栏中通过采样参数来定义采样区域。若采样区域不包括任何缺陷像素，则网络不应产生响应。