五大核心能力
覆盖从原始图像到生产部署的完整机器学习生命周期。
数据集管理
创建、导入、版本控制与训练/验证/测试划分。支持本地文件夹、工业相机直采与 COCO/VOC/YOLO 外部标注导入。
- 版本冻结与回滚
- 随机/分层/按文件夹划分
- 类别分布统计
图像标注
矩形框 / 多边形 / 关键点 / 分割掩码四种标注类型，内置智能套索与智能剪刀辅助工具，支持预标注模型加速。
- 智能套索边缘吸附
- GraphCut 智能剪刀
- 标注质量自动审核
模型训练
GUI 配置模型架构与超参数，导入基模型微调训练。实时损失/精度曲线、自动检查点、中断恢复与提前停止建议。
- YOLO/ResNet/UNet 架构库
- CUDA GPU 自动加速
- 训练监控与日志
验证评估
Precision / Recall / mAP / F1 全指标体系，混淆矩阵、PR 曲线、逐图检测与多版本模型对比。
- 混淆矩阵可视化
- 测试集逐图审核
- PDF/JSON 报告导出
清单与部署审批
模型库版本树管理，ONNX 导出（FP32/FP16/INT8），部署审批后蓝绿切换上线，支持一键回滚。
- 版本树与指标对比
- 蓝绿部署零停机
- 30 天回滚窗口
工作流程
五个阶段，从原始图像到生产部署的完整闭环。
数据集准备
创建数据集、导入图像、版本管理与训练/验证/测试划分
图像标注
矩形框/多边形/关键点/分割标注，智能工具辅助
模型训练
导入基模型微调，配置超参，GPU 加速训练
验证评估
mAP/混淆矩阵/逐图审核，多版本对比
部署审批
ONNX 导出、审批上线、蓝绿切换与回滚
支持的模型类型
三类视觉任务，覆盖工业检测的主要场景。
图像分类
整图归类将整张图像归入预定义类别
- 产品良品/不良品分类
- 工件类型识别
- 外观等级判定
- 颜色/纹理分类
目标检测
定位 + 识别定位并识别图像中多个目标，输出边界框与类别
- 零件定位与抓取
- 缺陷位置标记
- 多目标计数
- 传送带工件识别
语义分割
像素级分类对每个像素进行分类，输出像素级分割掩码
- 精密轮廓提取
- 焊缝路径检测
- 表面缺陷面积测量
- 复杂背景目标分离
AI Studio vs AI 助手
IDE 中两个独立的 AI 能力模块，定位完全不同，可协同工作。
AI Studio 训练并验证「看得见的模型」，AI 助手编写「控制逻辑的代码」。两者协同：模型完成部署审批后供视觉算子运行时消费；AI 助手可以编写调用该模型推理结果的 PLC 程序。
使用说明 · 快速上手
九步完成从新建工程到部署审批的完整流程。
新建工程
菜单栏 工具 → AI Studio，或欢迎页「新建 AI 项目」
导入数据集
从本地文件夹导入图像，或连接工业相机直采
标注
用矩形框/多边形/关键点/分割工具标注目标区域
导入基模型关键步骤
导入预训练权重（基模型），或从云端模型库下载
配置训练
选择模型架构（YOLO/ResNet/UNet），设置超参数与数据增强
开始训练
GPU 加速训练，实时监控损失与精度曲线
验证
mAP/混淆矩阵/逐图审核，确认达到工业部署标准
导出 ONNX
导出标准 ONNX 模型（FP32/FP16/INT8）
部署审批
提交部署审批，审批通过后蓝绿切换上线
与视觉算子的关系
AI Studio 负责模型的训练、验证与部署审批； 审批通过的 ONNX 模型由视觉算子运行时消费执行推理。 推理结果经变量映射回写到 PLC 变量区（Vision.*）， PLC 程序基于视觉结果做控制决策——整个回写路径的端到端延迟通常在 50ms 以内。