睿眼（Realeye）是一款集智能采集、识别、定位、抓取、视控全流程为一体的 AI 产品， 以其 AI 算法结合机械臂硬件实现对万事万物的定位抓取功能，能够实现对任意目标物从图 片采集、标注到模型训练和抓取。通过人性化的交互方式、易操作的界面，将原本复杂的数据采集、模型训练、模型部署、机械臂适配、机械臂操作、视控等功能简单、易懂地呈现给用户，降低用户学习和使用成本。

睿眼的模型训练功能是其亮点之一，无需复杂的理论和操作，也无需专业的设备，在笔记本电脑上就能够训练出一个自己想要的识别模型。经过一段时间的试用，在此与大家分享在使用睿眼进行模型训练时的一点心得。

1.图像采集

要自己训练一个新模型，第一步便是采集包含识别目标的图像。在睿眼中，这一步名为：采集数据。其页面如图1.1所示：

图1.1：“采集数据”页面

进入这一页面后，单击最左侧的功能按钮开始流程（整个操作流程就是从左到右使用这些功能按键即可）。点击最左侧的新增数据集后，在弹出的窗口中输入数据集名称以及识别物体的标签名称。输入完成后，系统会弹出窗口，需要在其中选择一个图像来源，如图1.2所示：

图1.2：视频源选择

这一步需要根据实际需要选择，这里选择camera作为视频源。那么，睿眼就会使用摄像头来拍摄画面，并截取画面生成图片，作为后续训练的素材。这里需检查摄像头是否成功连接，可查看右上角图标，从左到右第二个图标显示了摄像头的连接状态，图1.2中的状态即是连接正常。

图1.3：选择camera作为视频源后的确认窗口

选择camera作为视频源后，会弹出一个窗口，其中显示的画面即为当前摄像头所拍的画面。若画面中没有要识别训练的目标物体，请拖动机械臂末端以移动摄像头，使目标物体出现在画面中，并点击“S”键（“s”亦可）。

完成以上步骤后，便可以开始图像采集。如图1.4、1.5所示，点击“顺序播放画面“按键，睿眼便会从摄像头画面中不断截取图像（采集过程中文件列表不会立刻更新，需要点击停止采集后文件列表才会更新。

图1.4：开始顺序播放画面

图1.5：停止采集后的文件列表

睿眼的图像采集速度为5帧/秒，所以采集的时间越长，所得到的图像数量就越多。图像更多，则训练得到的模型效果更好，但也会相应的使训练时间变长。大家在实践的过程中可自行衡量。

2.图片标注

图像采集完成后就需要进行标注，以告知睿眼目标物体的轮廓和在图像中的位置。标注方式又分为手动标注和自动标注两种。自动标注可以一键自动标注物体轮廓，只需点击一下物体在画面中的所在位置即可。但是自动标注只能大致根据物体与背景的轮廓分界来标注其形状，在一些时候存在误识别等问题，此时就需要重新自动标注或手动标注。

图2.1：自动标注物体轮廓（识别有误）

此时便可使用手动标注方法：取消自动标注的选择，然后用鼠标左键点击物体轮廓边缘，使画面上的点围绕物体。若过程中有点错的点，可用鼠标右键取消。如图2.2所示：

图2.2：手动标注物体边缘

若完成了边缘标注，即可按空格键，生成一个绿色图案覆盖住目标物体，如此便完成了一张图片的标注流程。如图2.3所示：

图2.3：点击空格键生成轮廓

如果一张一张地标注，操作上非常繁琐，因此睿眼提供了一个自动标注多张图片的功能。如图2.4：

图2.4：正向追踪目标

在前面，我们标注了序号为11的图片，此时点击正向追踪目标，睿眼便会以11为示范，自动完成序号12至最后的所有图片的标注。在我的使用过程中，一般是先手动标注一两张图，尽可能精确，这样使用自动追踪得到的标注效果就会较好。自动追踪目标的过程中，可以看到页面右下角的图片编号变化，主画面窗口的图像也会逐张切换，并显示标注出的轮廓。当自动追踪结束后，可找出其中标注效果不好的进行重新标注。反向追踪同理，不过它是从当前序号向前标注，功能相同，序号方向相反。

标注完所有图像后，点击“数据增强“按钮，睿眼将会自动处理数据集，向其中添加一定数量的图像，使得训练效果更好，如图2.5：

图2.5：数据增强

需要注意，数据增强产生的图像会添加到整个数据集中，便会使得图像张数变多，造成训练的时间延长。

3.识别训练

获得数据集并处理完成后，即可开始模型训练，如图3.1：

图3.1：识别训练页面

首先选择训练的轮次，即训练过程中整个训练数据集被模型使用的次数。默认为30轮，轮次越多，效果越好，但是花费的时间也将按倍数增加。

其次为训练批次选择，在机器学习中，训练批次即每次更新模型参数时使用多少训练数据。此值越大，对资源消耗占用越多，但相应的训练效果也更好。需要注意，训练批次的选择会极大的影响训练时的内存占用，若设置得过大，而硬件性能不足，会导致训练失败闪退。

最后则是选择参与本次训练的数据集，可以使用刚刚标注好的数据集，也可以用之前标注的数据集。查看当前的所有数据集可以点击左侧最下方的“设置管理“按钮，如图3.2：

图3.2：查看当前的所有数据集

选择完三个参数后，点击左侧的“开始训练“按钮即可开始模型训练，接下来只需要等待即可。如图3.3：

图3.3：开始训练（负担最小，速度最快的配置）

训练过程中，可以实时查看训练情况，如图3.4所示（之前训练时截的）：

图3.4：训练过程中的页面

训练完成后，便得到了识别模型，可用于推理识别和识别抓取等一系列过程。日后会对这些操作过程进行分享，此处暂不赘述。

4.虚拟内存设置

整个训练过程中，电脑硬件配置、图片数量、训练轮次、训练批次都会影响训练速度。

有时候，可能一开始运行识别训练就会报错闪退，最可能的原因就是电脑内存不足。为了解决这个问题，可以通过设置虚拟内存来解决。

首先进入设置-系统-系统信息，如图4.1所示：（笔者电脑系统为win11）

图4.1：设置-系统-系统信息

进入系统信息页面后点击进入高级系统设置：

图4.2：系统信息页面

然后依次点击：高级-性能-设置-高级-虚拟内存-更改：

图4.3：高级系统设置页面

进入虚拟内存设置页面后，选择一个空间多的盘（最好是固态），自定义虚拟内存大小，最大值推荐为16*1024mb，如图4.4所示：

图4.4：虚拟内存设置

完成以上操作后点击确定，虚拟内存的设置便完成了。

接下来便可再次尝试模型的识别训练。

欢迎在评论区交流讨论。祝您顺利！