Cómo entrenar un modelo de visión artificial para detectar defectos
Blog
Un sistema de visión artificial para inspección de calidad solo es tan bueno como el conjunto de datos con el que se entrena. Antes de evaluar cámaras y software, hay que entender cómo preparar ese conjunto de datos correctamente.
Conjunto de entrenamiento frente a conjunto de prueba
El modelo aprende con el conjunto de entrenamiento y se valida con un conjunto de prueba independiente, nunca usado en el entrenamiento. Mezclar ambos invalida la evaluación: el modelo "memoriza" en lugar de generalizar.
Reglas prácticas para capturar imágenes
- Fotografiar el mismo defecto en distintas piezas, no la misma pieza varias veces.
- Incluir variaciones reales de iluminación y posición que se darán en producción.
- Anotar con precisión: marcar solo el defecto real, dejando sin anotar lo que no lo es (por ejemplo, una esquina dañada que no es el defecto buscado), para no enseñar al modelo un hábito erróneo.
- Dejar margen alrededor del objeto bajo inspección en el encuadre de la cámara.
Cuándo no hace falta anotar
En detección de anomalÃas, algunas herramientas solo necesitan un conjunto de imágenes "normales", sin marcar nada, y detectan lo que se desvÃa de ese patrón.
Preguntas frecuentes
¿Cuántas imágenes hacen falta para entrenar un modelo de inspección? Depende de la complejidad del defecto y la variabilidad del producto; como referencia, se necesitan decenas o cientos de ejemplos por tipo de defecto, no unos pocos.
¿Estáis valorando un proyecto de visión artificial para inspección? Os ayudamos a diseñar la captura de datos desde el principio.
Contactar con nuestro equipo técnico · (+34) 91 811 34 73
