标准类型红色分析参数

参数调整工具的训练关闭 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。方式，以及工具处理统计结果的方式。您可以通过选择工具然后单击 % 图标打开和关闭参数侧面板。您可以通过选择帮助菜单中的专家模式来访问提供高级功能的其他参数。

类型和模式参数

参数 专业模式 说明
类型 否 指定神经网络模型关闭 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。的类型。
模式 否

指定神经网络模型关闭 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。的模式，这会影响训练和处理所需的时间。

  • 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。

训练参数

训练工具参数控制训练过程。

注意： 如果更改已训练工具的训练参数，则必须重新训练该工具。
参数 专业模式 说明
最大迭代次数关闭 通过反复向网络提供采样图像数据、处理数据，将结果与预期的真值进行比较，然后调整网络权重并再次尝试训练深度学习工具。迭代次数计数是通过网络处理每个输入样本的次数。计数 是 指定用于训练的最大迭代次数的数量。如果训练在达到最大迭代次数值之前收敛，则训练会自动停止。如果训练在达到最大迭代次数之前未收敛，您可以决定是否继续或停止训练。
容忍度迭代次数 是 影响系统提前停止训练之前等待的时间。在训练期间，系统会检查模型是否已经达到最佳性能，如果达到，系统可以提前完成训练。值范围为 0-100。值越高，训练时间越长。
像素块大小关闭 将每个视图分成几块的正方形的大小。基于每个块训练（特征检测）和处理每个视图。 否 指定将每个视图关闭 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。分成几块的正方形的大小。系统基于每个块执行每个视图的训练和处理。选择较小的像素块大小用于捕捉小而细微的斑点，而对于明显的大斑点，则使用更大的像素块大小，以便在训练中更快地达到收敛。

训练集

 否

指定用于创建神经网络模型的训练数据集。系统仅提取训练集中包含的图像的特征关闭 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）。。

单机编辑打开对话框，您可以在其中指定样本集和用作训练样本的标注关闭 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。图像的百分比。每次开始训练时，系统都会随机选择训练图像。

验证集关闭 验证集是一组保留用于验证的图像集。验证集与训练集和测试集是独立分开的。由于验证集是独立的，您可以评估该工具在处理未见过的图像时的表现。VisionPro Deep Learning应用程序计算特殊指标，即损失。损失是基于工具在验证集上的表现。比率

 否

指定验证关闭 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。集中使用的视图的比例。当你开始训练时，系统会从训练集中随机选择验证集。值范围为 1%–50%。

如果在保持训练集大小不变的同时提高验证集比率，则用于训练的数据量将减少。这意味着当使用小型训练集时，高验证集比率会对性能产生负面影响。另一方面，验证集比率过低，对为不可见的数据集选择良好的模型不利。
加速训练 是

启用或禁用加速训练。加速训练优化了 GPU 资源，有助于提高速度，但性能可能会随数据质量而降低。

注意： 在稳健模式下，此参数不可用。

扰动参数

利用扰动关闭 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，您可以允许工具生成模拟运行时预期变化的图像。

例如，如果您的零件旋转 +/- 45 度，您可以设置旋转参数，软件将在训练期间使图像按照该参数旋转。不过，图像扰动不能代替收集和训练实际图像。图像扰动只能近似逼近真实零件或场景的变化。

注意： 但是，为了获得最佳效果，Cognex 建议使用零件变化的实际样本图像。当零件旋转时，可能产生不同的阴影，如果旋转基于人工旋转图像，工具就不会捕获这些阴影。

扰动参数在所有工具中都是通用的，您可以组合使用这些参数。这样，您可以单独使用参数，也可以结合使用参数来生成更复杂的图像。

注意： 所有训练图像样本都可以应用于扰动。每个训练图像都有 50% 的机会被独立地增加到每个选中的选项。根据大数定律，所有扰动选项都可以平等地应用，并且可以通过增加 Epoch 数进行训练。
参数 专业模式 说明

水平翻转

 

 否

在水平方向执行翻转。在对象的位置和角度未完全固定的情况下很有用。

垂直翻转

 

 否

在垂直方向执行翻转。在对象的位置和角度未完全固定的情况下很有用。

旋转 90°

 

 否

顺时针方向旋转 90°。如果选中水平翻转、垂直翻转和旋转 90°，可能会执行 0°、90°、180° 和 270° 旋转。

旋转

 

 否

在 0° 至 45° 之间执行旋转。如果您选中旋转 90°、旋转、水平翻转和垂直翻转，则在 0° 到 360° 之间执行随机翻转。

放大

 

 否

从中心随机放大。最大缩放比例为原始大小的 5/6。随机变量遵循均匀分布。在要检测的缺陷具有不规则的大小时使用。

颜色

 

 否

通过为每个通道乘以和/或增加不同的随机值来调整颜色。将此参数与对比度和/或亮度参数一起使用。颜色参数会更改应用对比度和亮度参数的方式（从对所有通道应用相同的值到对每个通道应用不同的随机值）。当图像因不规则的光照环境而导致色调不一致时很有用。

层次

 

 否

随机调整层次。当图像因不规则的光照环境而出现不一致的层次时很有用。

畸变

 

 否

通过选择视图中的点并移动来应用畸变。点数等于或小于六。当光学设备品质降低而导致图像发生畸变时，此选项很有用。

对比度

 

 否

通过为所有通道乘以一个随机值来调整对比度。随机值在 0 到 2 范围内遵循均匀分布。当图像因不规则的光照环境而导致对比度不一致时很有用

亮度

 

 否

通过为所有通道增加一个随机值来调整亮度。随机值在 - 255 到 255 范围内遵循均匀分布。当图像因不规则的光照环境而亮度不一致时很有用。

锐化

 

 否

通过 0 到 2 范围内的图像筛选来随机锐化视图。当图像太模糊时很有用。

模糊

 

 否

随机将高斯模糊应用于视图。随机变量在 0 到 2 范围内遵循高斯 Sigma 分布。当图像太清晰时很有用。

噪音

 

 否

通过对所有通道的每个像素乘以一个随机值来应用噪音。随机值在 0 到 2 范围内遵循均匀分布。当光学设备品质降低而导致图像畸变或被灰尘污染时，此选项很有用。

调整大小参数

使用超出 GPU 容量的图像可能会导致性能下降。如果您使用其他消耗大量 GPU VRAM 的软件，您可以用于训练的最大图像大小可能会减小。在这些情况下，调整图像大小可以提高训练速度和处理速度。

处理所有视图并用于训练时，都会对这些大小进行调整。原始大小的图像会保留在视图浏览器和图像显示区域中。

注意： 如果将图像调整到极小的尺寸，您可能会丢失关键的图像信息。为了避免信息丢失，请调整 ROI关闭 感兴趣区域 (ROI) 界定了工具的操作面积。ROI 保留了原始图像的位置、角度、拉伸和倾斜。 以减小视图的大小。

当视图的宽度或高度大于输入尺寸时，视图保持其原始纵横比。调整大小后的视图位于调整大小区域的中心，周围由零填充。

当视图的宽度或高度小于输入尺寸时，该视图将被放置在调整大小区域的中心，并用零填充包围。

如果所有视图的原始纵横比不相同，该工具将创建新的纵横比，并根据图像的最大高度和最大宽度计算最大缓冲区大小。

参数 专业模式 说明
调整大小模式 是

指定调整视图大小的模式。选择自动允许应用程序自动调整视图大小，或选择手动指定要自行调整大小的视图。

该应用程序会随图像大小调整标注和标记关闭 图像标记是由 VisionPro Deep Learning 工具生成的注释。工具生成的标记是工具处理特定图像时获得的“答案”。您可以通过将工具生成的标记与用于同一图像的标注进行比较，从而验证工具的性能。与标注一样，生成的特定标记取决于工具。大小。
调整大小到 是 以百分比形式指定调整大小因子。最大值为 100%。仅当您选择手动调整大小模式时可用。

处理参数

处理参数控制工具处理图像的方式。使用相同的模型进行处理始终会产生相同的结果。更改处理参数后，无需重新训练工具。重新处理数据库之后就可以看到效果。

参数 专业模式 说明
阈值 否

指定用于确定工具是否检测并将区域标记为良好或不良的阈值。工具将低于阈值的值分类为良好，高于阈值的值分类为不良。您也可以使用数据库概述中的分数图形设置阈值。

您可以为每种缺陷类型设置一个阈值。
自动 否

计算一个阈值，该阈值根据您在下拉菜单中选择的标准，最大化数据库概述中混淆矩阵的 F1 分数。标准与数据库概述中计数下拉菜单中的标准相同。
区域筛选条件 否

为工具指定筛选条件，用作找到区域的标准。根据筛选条件，从结果中剔除不符合标准的区域。如果将该参数留空，该工具将返回所有区域。要应用区域筛选条件，请在设置筛选条件公式后重新处理该工具。

您可以使用以下语法来筛选特定类的区域，例如 name = 'CLASSNAME' 或 name!='CLASSNAME'。例如，要筛选“偏差”类区域，请使用：

region![name!='deviation']

注意： 筛选条件的语法与用于显示筛选条件的语法相同。有关构建筛选条件语法的更多信息，请参阅自定义显示筛选条件。

 

变量 变量类型 说明

评分

浮点型

返回区域内像素中概率最高的缺陷概率。

孔

 

面积

返回缺陷区域中的像素数。

示例：面积 >= 150

周长

 

严密性

返回以下公式的值：4 * π * 面积 / 周长^2。

覆盖率

返回标注面积和标记面积之间的重叠率。

示例：覆盖率>= 0.5

x

返回缺陷区域中心的 x 轴位置。

例如：x> 150

y

返回缺陷区域中心的 y 轴位置。

例如：y> 50

名称

字符串

 

您可以根据数据库概述中计数下拉菜单的设置，将区域筛选条件应用于混淆矩阵的结果。

  • 视图和未训练视图示例：

    如果您在区域筛选条件中设置区域>150，工具只会将标记区域超过 150 个像素的视图标记为“不良”。否则，它们将被标记为“良好”。

  • 区域和未训练区域示例：

    如果您在区域筛选条件中设置区域>150，则标记区域在 150 像素以下的视图将在处理结果中丢失标记区域。

    如果所有与像素级标注缺陷区域重叠的标记区域从结果中移除，则该视图不会被计入“不良”（实际）- “不良”（预测）对。

有关更多信息，请参阅计数选项和混淆矩阵。
速度优化 否

提供使用 NVIDIA TensorRT 来提升工具处理速度的选项：

  • 基本：可以提高处理速度，但会降低红色分析工具的性能。

  • Int8：提供更显著的速度提升，但会进一步降低性能。

性能随数据质量而降低。没有可用于每个选项的特定数据模式。

注意： 您必须通过 API 优化运行时环境的速度优化参数。如需更多信息，请参阅运行时支持 API NVIDIA TensorRT。