KONTAKT Z KONSULTANTEM

Narzędzie ViDiELClassify: Automatyczna Klasyfikacja i Sortowanie Obrazów

ViDiELClassify to inteligentna funkcja zaprojektowana do automatycznej klasyfikacji obrazów do zdefiniowanych klas na podstawie początkowego zestawu treningowego. Jest to idealne rozwiązanie do sortowania produktów, identyfikacji typów defektów lub kategoryzacji części według ich wyglądu.

Kluczowe Funkcje i Działanie

Narzędzie działa w oparciu o uczenie maszynowe. Aby je uruchomić, użytkownik musi:

  • Zdefiniować klasy, do których będą przypisywane obrazy.
  • Załadować zestaw obrazów do narzędzia.
  • Manualnie etykietować podzbiór obrazów treningowych.

Na podstawie tego etykietowania, narzędzie uczy się rozpoznawać cechy wizualne i klasyfikuje nowe obrazy do najbardziej pasującej, wcześniej zdefiniowanej klasy.

Wymagania Wstępne i Konfiguracja

Obszar Zainteresowania (Region of Interest - ROI)

Niezależnie od trybu pracy, kluczowe jest zdefiniowanie obszaru inspekcji:

  • Regulacja interaktywna: Dwukrotne kliknięcie parametru Region pozwala na dostosowanie pola ROI bezpośrednio na wyświetlaczu obrazu.
  • Definicja manualna: Możliwe jest ręczne zdefiniowanie parametrów pola ROI (X, Y, Szerokość, Wysokość, Kąt).
Tryby Klasyfikacji i Progi

Narzędzie oferuje kluczowe ustawienia wpływające na sposób podejmowania decyzji:

  1. Wykrywanie Niesklasyfikowanych (Unclassified Detection):
    • Włączone: Narzędzie identyfikuje próbki, które nie pasują dobrze do żadnej z wytrenowanych klas. Taki obraz jest oznaczany flagą Is Unclassified = 1, choć narzędzie nadal przypisze mu etykietę z niższą pewnością.
    • Wyłączone: Narzędzie wymusza przypisanie każdego obrazu do jednej z wytrenowanych klas, nawet jeśli dopasowanie jest słabe.
  2. Próg Pewności (Confidence Threshold):
    • Specyfikuje minimalny procent pewności (domyślnie 70%), jaki jest wymagany, aby klasyfikacja została uznana za prawidłową.
Proces Treningu
  1. Włączenie Gromadzenia Próbek: W arkuszu kalkulacyjnym (Spreadsheet) należy zaznaczyć pole w komórce Collect Samples, aby umożliwić narzędziu ładowanie obrazów.
  2. Ładowanie Obrazów: Załadowanie wszystkich obrazów treningowych (np. z Filmstrip).
  3. Wyłączenie Gromadzenia Próbek: Po załadowaniu należy odznaczyć pole Collect Samples.
  4. Etykietowanie: W zakładce Train lub Images etykietuje się obrazy, przypisując je do odpowiednich, zdefiniowanych klas. Można etykietować obrazy pojedynczo lub wiele naraz.
  5. Monitorowanie Postępu: Model Health (Wydajność Modelu) w zakładce Images wzrasta w miarę etykietowania. Trening powinien trwać, aż Model Health osiągnie wystarczająco wysoki poziom.