图像分割[AI]

## 图像分割
图像分割是计算机视觉领域像素级分析核心任务</strong>，通过划分图像为语义同质区域，实现目标轮廓与背景的精准分离，涵盖语义、实例、全景分割等细分方向，为高阶视觉任务提供底层支撑。作为连接图像感知与决策的关键技术，图像分割突破目标检测的框级局限，以逐像素标注能力，精准刻画目标形态与位置，是复杂场景视觉理解的必要前提。

### 模块原理
通过调用深度学习库推理已训练好的深度学习分割模型获取针对某一区域或某缺陷的mask或多边行点集、类别、检测框

#### 算法工作流
首先构建好分割的深度学习模型，确定好数据输入形式、训练策略、模型结构，然后针对这个模型确定好推理方式及推理结构。做好准备工作后就可以根据项目需求收集好数据集，然后对数据集进行标注，再进行训练，训练之后导出模型，再然后就可以把模型导入vg3中运行。

#### 算法公式

卷积运算（下采样，提取特征）

转置卷积运算（上采样，恢复尺寸）

损失函数

交并比

### 使用场景
缺陷检测
### 使用方法

#### 前后序模块
相机采图，显示图像等

### 参数配置说明
添加AI模型
  1.点击AI模型树进入AI模型添加页面
![](/media/202601/2026-01-15_165502_1478870.0590558949650134.png)
  2.点击添加打开设置AI模型页面添加模型

![](/media/202601/2026-01-15_165911_0731130.8435335254751559.png)
  3.下面可选择多家公司的算法（目前支持的为汇图科技、锋睿领创），及多个类型的模型，此图像分割选择分割类别
![](/media/202601/2026-01-15_165934_0218030.6019170157417704.png)

![](/media/202601/2026-01-15_165957_1083930.6417422314809366.png)
函数输入
  AI模型：可选择在AI模型树中选择的模型
  最小阈值：又叫置信度阈值，它是一个对某一目标识别的概率值，当这个概率值低于设置的最小阈值时识别的目标就会过滤掉。因此在要识别的目标没有识别时适当降低最小阈值。
  缺陷绘制模式：包括输出真时绘制缺陷、输出假时绘制缺陷
  结果标签绘制：包括不绘制识别标签、绘制识别标签
  判定结果输出：包括满足条件时判定结果输出假、包括满足条件时判定结果输出真
  识别标签筛选：当需要筛选掉某个标签时，在此处填入某个标签，可筛选掉此标签之外的标签相关的结果
![](/media/202601/2026-01-15_170504_9706920.3898506192082045.png)

### 输出说明
函数输出
![](/media/202601/2026-01-22_174412_6130760.6513917510157249.png)
### 函数属性说明
函数属性
![](/media/202601/2026-01-22_174838_8506430.6111941053389512.png)
基本参数

![](/media/202601/2026-01-22_175039_7869410.6778533495793185.png)
运行参数
![](/media/202601/2026-01-22_175112_6173550.07899279482637944.png)

点击此处跳转到对应的中文说明书文章页:&nbsp;[Image Segmentation AI](/doc/478)