2022VDkit視覺檢查系統(tǒng)軟件使用說(shuō)明

海之晨VDkit視覺檢查系統(tǒng)軟件V1.0使用說(shuō)明文檔11.軟件簡(jiǎn)介2.使用流程3.界面概覽4.常用工具5.常用術(shù)語(yǔ)6.常用參數(shù)21.軟件介紹海之晨VDkit視覺檢查系統(tǒng)軟件V1.0：是基于深度學(xué)習(xí)的工業(yè)視覺軟件平臺(tái)，賦能多種工業(yè)應(yīng)用場(chǎng)景，可解決復(fù)雜缺陷和字符的定位、檢測(cè)、分類及識(shí)別等問題，具有強(qiáng)大的兼容性。內(nèi)置多種應(yīng)用模塊，無(wú)需編程，幫助用戶快速構(gòu)建和迭代模型，滿足不同業(yè)務(wù)場(chǎng)景下的差異化需求，助力產(chǎn)業(yè)智能化升級(jí)。32.使用流程1加載圖像2選擇合適的模塊整理標(biāo)注數(shù)據(jù)34訓(xùn)練5測(cè)試AI系統(tǒng)上線6分析結(jié)果并優(yōu)化98調(diào)用API接口7導(dǎo)出AI模型43.界面概覽?菜單欄：文件的基本操作、版本管理、工具、設(shè)置、圖像管理、訓(xùn)練推理、模型管理、設(shè)置、視圖、軟件幫助等。工程管理：新建、刪除、打開、查看工程流程圖：新建、管理算法流程標(biāo)注/顯示類型：顯示內(nèi)容設(shè)置、標(biāo)注、掩膜標(biāo)注工具選項(xiàng)：選擇詳細(xì)標(biāo)注工具、標(biāo)簽設(shè)置主畫布：標(biāo)注繪制，測(cè)試結(jié)果查看的區(qū)域數(shù)據(jù)集統(tǒng)計(jì)：統(tǒng)計(jì)當(dāng)前模塊訓(xùn)練集、測(cè)試集數(shù)量圖像列表：圖像查找、篩選、排序、批量操作標(biāo)注管理：設(shè)置標(biāo)簽、Tag、標(biāo)注統(tǒng)計(jì)訓(xùn)練推理：訓(xùn)練推理參數(shù)設(shè)置模型評(píng)估：過(guò)檢、漏檢、錯(cuò)檢、耗時(shí)等信息統(tǒng)計(jì)調(diào)整顯示類型：查看原圖、果等標(biāo)注、測(cè)試結(jié)推理結(jié)果整合輸出工廠模式驗(yàn)證版本管理、回退首選項(xiàng)：設(shè)置語(yǔ)言等視圖轉(zhuǎn)換器：確定進(jìn)入算法模塊的感興趣區(qū)域(ROI)、掩膜，視圖轉(zhuǎn)換器支持偏移、旋轉(zhuǎn)、切分開始訓(xùn)練開始測(cè)試新增模塊刪除模塊模塊重命名、復(fù)制64.常用工具＞數(shù)據(jù)集訓(xùn)練集：已標(biāo)注并用于網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)集測(cè)試集：已標(biāo)注并用于模型測(cè)試的數(shù)據(jù)集未標(biāo)注：未標(biāo)注數(shù)據(jù)用于人工模型評(píng)價(jià)＞基礎(chǔ)操作訓(xùn)練：利用訓(xùn)練集訓(xùn)練模型的過(guò)程測(cè)試/推理：利用訓(xùn)練得到的模型對(duì)數(shù)據(jù)進(jìn)行測(cè)試的過(guò)程導(dǎo)出模型：將訓(xùn)練得到的模型導(dǎo)出到其他設(shè)備上使用＞指標(biāo)說(shuō)明漏檢率=未檢出NG數(shù)量/NG總數(shù)過(guò)檢率=0K判為NG數(shù)量/0K總數(shù)75.常用術(shù)語(yǔ)6.常用參數(shù)模塊通用訓(xùn)練參數(shù)訓(xùn)練輪數(shù)：將訓(xùn)練集中所有圖像均學(xué)習(xí)一遍為一次迭代?—般設(shè)置為200-400?訓(xùn)練數(shù)據(jù)越復(fù)雜，需要將迭代次數(shù)設(shè)置得越大"?迭代次數(shù)越高，訓(xùn)練集結(jié)果越收斂，同時(shí)訓(xùn)練時(shí)間越長(zhǎng)（需注意避免迭代次數(shù)過(guò)高導(dǎo)致過(guò)擬合的情況）訓(xùn)練批次：將多張圖打包成一個(gè)批次同時(shí)進(jìn)行訓(xùn)練-檢測(cè)和OCR模塊訓(xùn)練批次固定為1（修改無(wú)效）?分類模塊一般設(shè)置為50-100?其他模塊一般設(shè)置為4?適當(dāng)增加訓(xùn)練批次，可以加快訓(xùn)練速度（若訓(xùn)練批次的次數(shù)大于訓(xùn)練集中的圖像數(shù)量，訓(xùn)練速度會(huì)變慢）基準(zhǔn)通道：將訓(xùn)練圖像轉(zhuǎn)換為彩色圖或者灰度圖用于訓(xùn)練?若設(shè)置為彩色圖，彩色圖可以兼容灰度圖；若設(shè)置為灰度圖，則會(huì)將彩色圖轉(zhuǎn)換為灰度圖，丟失顏色信息?若無(wú)特殊情況，需要保持和源數(shù)據(jù)相同，即源數(shù)據(jù)為灰度圖則設(shè)置為灰度圖，源數(shù)據(jù)為彩色圖則設(shè)置為彩色圖數(shù)據(jù)增廣：訓(xùn)練時(shí)隨機(jī)生成圖片，已實(shí)現(xiàn)增加訓(xùn)練集樣本的效果?根據(jù)待檢圖像的性質(zhì)勾選合適參數(shù)?推薦用于（代表性）樣本數(shù)量較少的情況，旨在對(duì)缺少樣本的情況進(jìn)行仿真，同時(shí)提高模型泛化能力?勾選數(shù)據(jù)增廣參數(shù)的同時(shí)需要增加迭代次數(shù)（如果當(dāng)前訓(xùn)練集效果較好，每添加一個(gè)數(shù)據(jù)增強(qiáng)參數(shù)，迭代次數(shù)需要在原有基礎(chǔ)上增加0.5倍；如果當(dāng)前訓(xùn)練集效果不好,可以成倍地增加迭代次數(shù)）86.常用參數(shù)模塊特殊訓(xùn)練參數(shù)非監(jiān)督分割模塊最大精度：將源圖像的短邊縮放至【256*最大精度】，長(zhǎng)邊等比例縮放后用于訓(xùn)練?最大精度V【源圖像短邊尺寸/256]?最大精度越大，可以檢出缺陷越小，訓(xùn)練時(shí)間越長(zhǎng)?為了保證缺陷信息在縮放過(guò)程中不會(huì)丟失，一般設(shè)置為【源圖像短邊尺寸/256],若能保證缺陷信息在縮放時(shí)不會(huì)大量丟失，可以將最大精度設(shè)置得小精度等級(jí)：將源圖像的短邊縮放至【256*最大精度】，長(zhǎng)邊等比例縮放后用于訓(xùn)練?自動(dòng)適應(yīng)：依據(jù)原圖尺寸、最小標(biāo)注尺寸，自動(dòng)適應(yīng)精度等級(jí)以達(dá)到最佳分割效果?人工設(shè)置：默認(rèn)1,最大邊長(zhǎng)以人工設(shè)置為準(zhǔn)?若能保證缺陷信息在縮放時(shí)不會(huì)大量丟失，可以將精度等級(jí)減小，以節(jié)省顯存，增快訓(xùn)練推理速度檢測(cè)、定位模參、裝配檢查__最大邊長(zhǎng)：若源圖像的長(zhǎng)邊〉【最大邊長(zhǎng)】,則將源圖像的長(zhǎng)邊縮放至【最大邊長(zhǎng)】,短邊等比例縮放后用于訓(xùn)練?自動(dòng)適應(yīng)：依據(jù)原圖大小自動(dòng)適應(yīng)以達(dá)到最佳檢測(cè)效果?人工設(shè)置：默認(rèn)512,最大邊長(zhǎng)以人工設(shè)置為準(zhǔn)?若能保證缺陷信息在縮放時(shí)不會(huì)大量丟失，可以將最大邊長(zhǎng)減小，以節(jié)省顯存，增快訓(xùn)練推理速度分類、非監(jiān)督分類模塊輸入圖像高度/寬度：將源圖像按設(shè)置寬高輸入網(wǎng)絡(luò)?若能保證缺陷信息在縮放時(shí)不會(huì)大量丟失，可以將輸入圖像寬高減小，以節(jié)省顯存，增快訓(xùn)練推理速度9分類模塊6.常用參數(shù)通用測(cè)試參數(shù)推理模式：優(yōu)化不同需求場(chǎng)景的推理速度.快速啟動(dòng)：?jiǎn)?dòng)速度快，推理速度一般；.極速推理：第一次啟動(dòng)慢，推理速度最快，推理結(jié)果有輕微的失真；.極速推理高精度：第一次啟動(dòng)慢，推理速度介于快速啟動(dòng)和極速推理之間。模塊測(cè)試參數(shù)__分類模塊過(guò)濾參數(shù)：篩選出部分圖像定義為OK圖可視化參數(shù)：?jiǎn)⒂每梢暬?，推理結(jié)果包含熱力圖,用于檢驗(yàn)?zāi)Ｐ褪欠?/p>