# LumiScan Training 2.3.0.2 – complete documentation

> All pages of the LumiScan Training 2.3.0.2 manual (language: de) by HD Vision Systems GmbH, in navigation order. Each page starts with a level-1 heading followed by its URL; cite that URL. Manual: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/

# LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/index.html

|   |   |   |
| --- | --- | --- |
| ![Drei Ordner mit annotierten Bildern und eine JSON-Konfiguration](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/intro/step-1.svg)<br><br>**Die Daten vorbereiten.** Annotierte Bilder für Training, Validierung und Test. | ![Trainingskurve, die über die Epochen fällt](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/intro/step-2.svg)<br><br>**Das Netz trainieren.** Von Grund auf oder als Fortsetzung eines bestehenden Netzes. | ![ONNX- und HEF-Modelldateien für AI Object Matching, LumiScan VGR und Hailo-TPU](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/intro/step-3.svg)<br><br>**Das Modell exportieren.** Als ONNX oder für eine Hailo-TPU konvertiert. |

LumiScan Training trainiert neuronale Netze für Objekterkennung und Lokalisierung, von Grund auf oder als Fortsetzung eines bestehenden Netzes. Training, Validierung, Test und Inferenz werden in einer JSON-Konfiguration festgelegt; das fertige Modell wird als ONNX für LumiScan AI Object Matching und LumiScan VGR exportiert. Das optionale Hailo PlugIn konvertiert es für eine Hailo-TPU. Läuft unter Windows 11 mit NVIDIA-RTX-Grafikkarte, lokal oder auf einem gemeinsamen Trainingsserver.

Zur Lizenzierung siehe [Lizenz](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html#licence). Fragen oder eine Fehlermeldung? Siehe [FAQ](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/faq.html).

# Beschreibung – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/description.html

LumiScan Training ist eine Anwendung zum Training neuronaler Netzwerke für Aufgaben der Bildverarbeitung, einschließlich Objekterkennung und Objektlokalisation.

Die Anwendung kann ein Netzwerk von Grund auf trainieren oder ein vorhandenes Netzwerk mit zusätzlichen Daten weitertrainieren. Training, Validierung, Test und Inferenz werden über eine JSON-Konfiguration gesteuert, die Datensätze, Klassen, Netzwerktyp, Trainingsprofil und Exporteinstellungen festlegt.

Trainierte Modelle können im ONNX-Format für die Verwendung in unterstützten Anwendungen exportiert werden. Wird eine Hailo-TPU eingesetzt, kann das optionale Hailo PlugIn ein ONNX-Modell zusätzlich in ein Hailo-kompatibles Modell für den Einsatz auf der TPU konvertieren.

# Voraussetzungen – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html

## Betriebssystem

LumiScan Training setzt eines der folgenden Betriebssysteme voraus:

- Windows 11 Professional
- Windows 11 Enterprise

## Hardware

Die folgende Hardware ist erforderlich:

- NVIDIA-RTX-Grafikkarte
- Bis zu 15 GB freier Speicherplatz

## Software

Die folgende Software ist erforderlich:

- CUDA Toolkit 11.8
- CodeMeter 9.00 oder höher

## Lizenz {#licence}

Wie LumiScan Training lizenziert wird, hängt davon ab, wo Sie es gekauft haben und wo es läuft:

| Gekauft bei | Läuft auf | Lizenzierung |
| --- | --- | --- |
| HD Vision Systems | Windows 11 | Die Lizenz liegt auf Ihrem LumiScan Key. Sie ist ein Jahresabonnement und muss jedes Jahr verlängert werden; die Verlängerung setzt ein gültiges Abonnement voraus.<br><br>[Lizenzierungsweg: gekauft bei HD Vision Systems](https://docs.hdvisionsystems.com/de/lumiscan-licensing-de/1.0.4/path-hdvs.html) |
| ctrlX Store | Windows 11 | Die Lizenz liegt in ctrlX WORKS. Zusätzlich ist der LumiScan Key erforderlich; er schützt die Software vor Reverse Engineering.<br><br>[Lizenzierungsweg: ctrlX Store, Windows](https://docs.hdvisionsystems.com/de/lumiscan-licensing-de/1.0.4/path-ctrlx-windows.html) |

Jedes Gerät, auf dem LumiScan Training gleichzeitig läuft, benötigt einen eigenen LumiScan Key. Keys können zwischen Geräten ausgetauscht werden.

Wie Sie die CodeMeter Runtime installieren und Lizenzen anfordern, verlängern und an einem anderen PC verwenden, steht in [LumiScan Lizenzierung](https://docs.hdvisionsystems.com/de/lumiscan-licensing-de/1.0.4/index.html).

## Zusätzliche Voraussetzungen für das Hailo PlugIn

Die folgenden zusätzlichen Anforderungen gelten nur, wenn das Hailo PlugIn für die Modellkonvertierung verwendet wird:

- Mindestens 24 GB Arbeitsspeicher (DRAM). Die Modellkonvertierung läuft in einer virtuellen Maschine, die mit 18 GB Arbeitsspeicher konfiguriert ist.
- Hardware, die Hyper-V unterstützt. Siehe [Hyper-V host hardware requirements](https://learn.microsoft.com/en-us/windows-server/virtualization/hyper-v/host-hardware-requirements?pivots=windows).

Informationen zur Installation der erforderlichen Komponenten finden Sie unter [\[installing-podman\]](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html#installing-podman).

# LumiScan Training Installation

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html

LumiScan Training wird über ein Setup-Programm installiert, dessen Dateiname mit `Installer_` beginnt und mit der Versionsnummer endet, zum Beispiel `Installer_LumiScanTrainingFramework_v2_1_0_0.exe`.

Das Setup-Programm enthält alle erforderlichen Komponenten, einschließlich einer eigenen Python-Umgebung. Eine separate Python- oder Anaconda-Installation ist nicht erforderlich.

Wird eine Hailo-TPU verwendet, installieren Sie Podman und das Hailo PlugIn, **bevor** Sie LumiScan Training installieren. Siehe [Podman installieren (optional)](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman). Die Anwendung nutzt Podman für die Funktion **Model Conversion**, und das Setup-Programm meldet während der Installation, wenn das Hailo PlugIn fehlt.

## Podman installieren (optional) {#installing-podman}

Dieser Abschnitt ist nur erforderlich, wenn eine Hailo-TPU verwendet wird.

Die Funktion **Model Conversion** konvertiert ein trainiertes Netzwerk in ein Hailo-Modell. Siehe [Modellkonvertierung: ONNX zu Hailo](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html). Die Konvertierung läuft in einem Container und erfordert daher Podman und das Hailo PlugIn.

Wenn Sie keine Hailo-TPU verwenden, überspringen Sie diesen Abschnitt und [Hailo PlugIn installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-hailo-plugin) und fahren Sie mit [LumiScan Training installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-lumiscan-training) fort.

> [!NOTE]
> Hyper-V muss nicht vorab aktiviert werden. Das Installationsprogramm des Hailo PlugIn prüft, ob es verfügbar ist, und bietet an, es bei Bedarf zu aktivieren. Hyper-V steht auf Windows-Home-Editionen nicht zur Verfügung; das Hailo PlugIn kann dort nicht verwendet werden.

> [!IMPORTANT]
> Das Hailo PlugIn enthält ein Podman-VM-Abbild, das für **Podman 6.0** erstellt wurde. Installieren Sie eine passende **Podman 6.0.x**-CLI, um die Kompatibilität zwischen CLI und mitgeliefertem Abbild sicherzustellen. Eine neuere Podman-CLI funktioniert möglicherweise, wurde jedoch nicht mit dem mitgelieferten Abbild getestet. Bietet <https://podman.io/> nur eine neuere Version an, verwenden Sie **Other Install Options**, um ein 6.0.x-Release zu beziehen.

So installieren Sie Podman:

1. Öffnen Sie <https://podman.io/> in einem Webbrowser.

2. Öffnen Sie das Menü **Download** und wählen Sie **Podman CLI for Windows amd64** (Abb. 1).

   ![Das Download-Menü der Website podman.io mit ausgewähltem Eintrag Podman CLI for Windows amd64](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/download_podman_installer.png)

   *Abbildung 1. Abb. 1: Podman: Download der Podman-CLI für Windows*

3. Starten Sie das heruntergeladene Setup-Programm.

4. Wählen Sie **Windows Hyper-V** als Virtualisierungs-Provider (Abb. 2) und klicken Sie auf **Next**.

   ![Der Setup-Assistent der Podman-CLI mit ausgewähltem Windows Hyper-V als Virtualisierungs-Provider](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/podman-install-with-hyperV.png)

   *Abbildung 2. Abb. 2: Podman CLI Setup: Auswahl des Virtualisierungs-Providers*

5. Folgen Sie den weiteren Installationsschritten und schließen Sie das Setup-Programm mit **Finish** (Abb. 3).

   ![Der Setup-Assistent der Podman-CLI meldet, dass die Installation abgeschlossen wurde](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/podman-installation-finished.png)

   *Abbildung 3. Abb. 3: Podman CLI Setup: Abgeschlossene Installation*

> [!TIP]
> Installieren Sie Podman vor dem Hailo PlugIn, wie im nächsten Abschnitt beschrieben. Das Hailo PlugIn prüft seine Voraussetzungen nacheinander und bricht bei der ersten fehlenden Voraussetzung ab. Eine andere Installationsreihenfolge kann daher zusätzliche Installationsversuche erfordern.

## Hailo PlugIn installieren {#installing-hailo-plugin}

Das Hailo PlugIn stellt das Container-Abbild bereit, das zur Konvertierung eines trainierten Netzwerks in ein Hailo-Modell verwendet wird. Wie Podman ist es nur erforderlich, wenn eine Hailo-TPU verwendet wird.

Der Dateiname des Setup-Programms beginnt mit `Installer-LumiScanTraining-HailoPlugIn`. Das Installationsprogramm konfiguriert Podman, erstellt und startet eine virtuelle Maschine und lädt das Modellkonvertierungs-Abbild hinein.

> [!IMPORTANT]
> Die Installation kann 10 bis 20 Minuten dauern, bei der Erstinstallation auch länger. Unterbrechen Sie den Installationsvorgang nicht.

Das Installationsprogramm benötigt während des Betriebs etwa 5 GB freien Speicherplatz. Die virtuelle Maschine und das Modellkonvertierungs-Abbild belegen mehrere zusätzliche Gigabyte; ihr Speicherbedarf kann im Betrieb ansteigen.

So installieren Sie das Hailo PlugIn:

1. Doppelklicken Sie auf das Setup-Programm und bestätigen Sie die Windows-Abfrage zu Administratorrechten.

2. Übernehmen Sie den vorgeschlagenen Installationsordner oder wählen Sie einen anderen, und klicken Sie auf **Next** (Abb. 4).

   ![Das Setup-Programm des Hailo PlugIn zeigt die Seite Select Destination Location mit dem Standard-Installationsordner](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-1-install-with-default.png)

   *Abbildung 4. Abb. 4: Hailo PlugIn Setup: Auswahl des Installationsordners*

3. Eine Meldung beschreibt die folgenden Installationsschritte und deren voraussichtliche Dauer. Bestätigen Sie sie mit **OK** (Abb. 5).

   ![Eine Meldung des Setup-Programms erklärt, dass Podman konfiguriert, eine virtuelle Maschine erstellt und gestartet und ein 4-GB-Abbild hineingeladen wird](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-2-start.png)

   *Abbildung 5. Abb. 5: Hailo PlugIn Setup: Installationsdauer*

4. Die Windows-Firewall kann melden, dass Features von `podman.exe` blockiert wurden, und fragen, ob Netzwerkzugriff erlaubt werden soll (Abb. 6).\
   Es wird empfohlen, diese Anfrage mit **Cancel** abzulehnen. Die Modellkonvertierung läuft vollständig auf dem lokalen Computer; Podman muss für andere Computer im Netzwerk nicht erreichbar sein. Die Modellkonvertierung funktioniert auch ohne Netzwerkzugriff.

   ![Der Windows-Sicherheitsdialog fragt, ob öffentliche, private und Domänennetzwerke auf podman.exe zugreifen dürfen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-3-reject-access-internet.png)

   *Abbildung 6. Abb. 6: Windows-Firewall: Netzwerkzugriffsanfrage für podman.exe*

5. Das Setup-Programm führt die erforderlichen Schritte aus und zeigt den Fortschritt in einem Live-Log (Abb. 7). Warten Sie, bis der Vorgang abgeschlossen ist.

   ![Das Setup-Programm während der Installation mit aktuellem Installationsschritt und Live-Log des Podman-Maschinen-Setups](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-4-install-running.png)

   *Abbildung 7. Abb. 7: Hailo PlugIn Setup: Installation läuft*

6. Eine Meldung bestätigt, dass das Abbild erfolgreich installiert wurde. Klicken Sie auf **OK** (Abb. 8).

   ![Eine Meldung des Setup-Programms meldet, dass das Hailo-Modellkonvertierungs-Abbild erfolgreich installiert wurde](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-5-install-success.png)

   *Abbildung 8. Abb. 8: Hailo PlugIn Setup: Erfolgreiche Abbildinstallation*

7. Schließen Sie das Setup-Programm mit **Finish** (Abb. 9).

   ![Die letzte Seite des Setup-Assistenten des Hailo PlugIn mit vollständigem Installationslog und der Schaltfläche Finish](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/hailo_plugin_install-6-finished.png)

   *Abbildung 9. Abb. 9: Hailo PlugIn Setup: Abgeschlossene Installation*

## LumiScan Training installieren {#installing-lumiscan-training}

So installieren Sie LumiScan Training:

1. Doppelklicken Sie auf das Setup-Programm.
2. Bestätigen Sie die Windows-Abfrage zu Administratorrechten.\
   Administratorrechte sind erforderlich, wenn am Standardspeicherort unter `C:\Program Files` installiert wird.
3. Wählen Sie die Installationssprache. Deutsch und Englisch sind verfügbar.
4. Ist das Hailo PlugIn nicht installiert, meldet eine Meldung, dass die Funktion **Model Conversion** nicht verfügbar sein wird.\
   Wählen Sie **Yes**, um die Installation ohne das PlugIn fortzusetzen, oder **No**, um abzubrechen und das PlugIn zuerst zu installieren. Siehe [Podman installieren (optional)](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman).
5. Übernehmen Sie den vorgeschlagenen Installationsordner oder wählen Sie einen anderen.\
   Standardmäßig wird die Anwendung unter `C:\Program Files\HD Vision Systems GmbH{page-component-title}` installiert.
6. Wählen Sie optional **Create a desktop icon**, wenn Sie die Anwendung vom Desktop aus starten möchten.
7. Starten Sie die Installation und warten Sie, bis sie abgeschlossen ist.

Das Setup-Programm erzeugt einen Eintrag namens **LumiScan Training** im Windows-Startmenü und, falls ausgewählt, eine Desktop-Verknüpfung. Sie können die Anwendung von beiden Orten starten.

Treten während der Installation Probleme auf, wenden Sie sich an HD Vision Systems.

# Benutzeroberfläche – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/user-interface.html

Nach dem Start des Programms öffnet sich die Standard-Benutzeroberfläche (Abb. 10).

Die Elemente der Benutzeroberfläche sind in Tabelle 1 beschrieben.

![Benutzeroberfläche des LumiScan Training Framework mit Optionen zum Auswählen einer Konfigurationsdatei, zum Starten von Training, Testing und Inferenz, zum Konvertieren eines Modells und zum Abbrechen des aktuellen Vorgangs](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/trainingframework_started.jpg)

*Abbildung 1. Abb. 10: Benutzeroberfläche des LumiScan Training Framework*

**Tabelle 1. Tabelle 1: Beschreibung der Benutzeroberfläche des LumiScan Training Framework**

| Nr. | Beschreibung |
| --- | --- |
| 1 | Mit **Select Config File/Browse** wird die Konfigurationsdatei ausgewählt. |
| 2 | **Process Status** zeigt den aktuellen Status des Vorgangs an.<br> Mögliche Meldungen sind unter anderem:<br><br>- **Waiting for configuration file!** Das Programm wartet darauf, dass eine Konfigurationsdatei ausgewählt wird.<br>- **Testing Network!** Erscheint nach dem Klick auf **Start Testing** und zeigt an, dass ein vorhandenes Netzwerk mit einem Testdatensatz getestet wird.<br>- **Waiting for deployment!** Erscheint nach dem Training, während das Netzwerk für die Konvertierung und den Export in eine ONNX-Datei vorbereitet wird.<br>- **Finished cleanup** zeigt an, dass der Vorgang abgeschlossen ist.<br>- **Time Remaining** zeigt die geschätzte verbleibende Vorgangsdauer an.<br>- **Latest test scores** zeigt eine Metrik zur Bewertung trainierter Netzwerke. Der Wert sollte vor allem zum Vergleich von Netzwerken dienen, die mit demselben Datensatz getestet wurden, und nicht als absolutes Leistungsmass. |
| 3 | **Start Training** startet den Trainingsvorgang mit der ausgewählten Konfiguration. |
| 4 | **Start Testing** testet das Netzwerk mit dem in der Konfiguration angegebenen Testdatensatz. Die Ergebnisse werden im Export-Ordner gespeichert. |
| 5 | **Start Inference** öffnet einen Dialog zur Auswahl eines Ordners mit Bildern. Das trainierte Netzwerk wird auf diese Bilder angewendet, und die Vorhersageergebnisse werden im Ordner `predictions` innerhalb des Exportverzeichnisses gespeichert. |
| 6 | **Model Conversion** öffnet einen Dialog zum Konvertieren eines trainierten ONNX-Modells in ein Hailo-Modell. Siehe [Modellkonvertierung: ONNX zu Hailo](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html).<br> Diese Funktion erfordert das Hailo PlugIn. |
| 7 | **Cancel** bricht einen laufenden Trainings-, Test- oder Inferenzvorgang ab. |

Für ein erfolgreiches Training müssen zuvor alle relevanten Parameter in den JSON-Einstellungen konfiguriert werden. Eine Beispielkonfiguration finden Sie im nächsten Abschnitt.

# App-Einstellungen: Lokale und Remote-Backends – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html

Standardmäßig startet LumiScan Training ein eigenes Backend auf demselben Computer und erfordert keine zusätzliche Konfiguration.

Über den Reiter **App Settings** in der Navigationsleiste der Anwendung lässt sich zusätzlich ein gemeinsamer Backend-Server konfigurieren. Andere Computer können dann entweder das Frontend in einem Webbrowser aufrufen oder eine eigene LumiScan Training-Installation betreiben und diese mit dem gemeinsamen Backend verbinden, statt ein lokales Backend zu starten.

## Einrichten eines gemeinsamen Backend-Servers {#app-settings-server}

1. Installieren Sie LumiScan Training auf dem Computer, der als Server dienen soll, wie in [\[installing-lumiscan-training\]](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#installing-lumiscan-training) beschrieben.

2. Starten Sie die Anwendung und öffnen Sie den Reiter **App Settings**.

3. Stellen Sie sicher, dass unter **Backend connection** die Option **Start backend locally** aktiviert ist.

4. Wählen Sie unter **Backend bind address** die Netzwerkschnittstelle aus, über die andere Computer auf den Server zugreifen sollen.

   Wählen Sie nicht `localhost (127.0.0.1)`, da diese Adresse ausschließlich Verbindungen desselben Computers annimmt.

   Wählen Sie die Netzwerk-IP-Adresse des Computers, beispielsweise `192.168.1.50`, oder `0.0.0.0 (all interfaces)`, um Verbindungen auf allen verfügbaren Netzwerkschnittstellen anzunehmen.

5. Aktivieren Sie **Autostart backend as a service**.

   Dadurch wird das Backend automatisch gestartet, sobald sich der Windows-Benutzer anmeldet, ohne das Anwendungsfenster zu öffnen. Das Backend bleibt damit auch dann verfügbar, wenn LumiScan Training selbst nicht geöffnet ist.

6. Klicken Sie auf **Save**.

7. Starten Sie LumiScan Training neu, oder melden Sie sich von Windows ab und wieder an, damit die Änderungen wirksam werden.

> [!NOTE]
> Die Windows-Firewall kann beim ersten Binden an eine netzwerkreichebare Adresse fragen, ob das Backend über das Netzwerk kommunizieren darf. Erlauben Sie den Zugriff für **Private networks**, damit andere Computer eine Verbindung zum Server herstellen können.

## Verbindung von einem Client-Computer {#app-settings-client}

Es gibt zwei Möglichkeiten, einen weiteren Computer mit dem gemeinsamen Backend zu verbinden.

### Browserzugriff ohne Installation

Öffnen Sie einen Webbrowser und rufen Sie auf:

`http://<server-ip>:8420`

Ersetzen Sie `<server-ip>` durch die IP-Adresse des Servers, zum Beispiel:

`http://192.168.1.50:8420`

Das vollständige Frontend läuft im Browser; eine lokale Installation von LumiScan Training ist nicht erforderlich.

### Installation von LumiScan Training auf dem Client

1. Installieren Sie LumiScan Training auf dem Client-Computer, wie in [\[installing-lumiscan-training\]](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#installing-lumiscan-training) beschrieben.
2. Starten Sie die Anwendung und öffnen Sie den Reiter **App Settings**.
3. Deaktivieren Sie unter **Backend connection** die Option **Start backend locally**.
4. Geben Sie unter **Remote backend address** die IP-Adresse des Servers ein, beispielsweise `192.168.1.50`.
5. Klicken Sie auf **Save**.
6. Starten Sie LumiScan Training neu.

Die Anwendung verbindet sich nun mit dem gemeinsamen Backend, statt ein lokales Backend zu starten.

## Fehlerbehebung {#app-settings-troubleshooting}

Probleme mit dem gemeinsamen Backend sind Schritt für Schritt unter [Fehlerbehebung](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html) beschrieben:

- [Ein Client kann keine Verbindung zum gemeinsamen Backend herstellen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-client-cannot-connect)

# JSON-Einstellungen – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html

## [source,json]

{ "trainingData": "C:/Users/user_name/Desktop/recordings/raw", "validationData": "C:/Users/user_name/Desktop/recordings/raw", "exportDirectory": "C:/Users/user_name/Desktop/recordings/network", "finetuneDataRoot": "C:/Users/user_name/Desktop/recordings/raw", "classes": [ "Arrow", "Disk" ], "nonRotables": [ "Disk" ], "imageScale": 0.5, "networkBase": null, "networkType": "ORTMS", "schedule": "Full", "trainingProfile": "B8x1", "deploymentConfiguration": "LumiScanVGR", "tmpFiles": "tmp" } -

Dies sind Standardparameter der JSON-Konfiguration. Ihre Bedeutung ist in [Tabelle 2](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description) erläutert. Die erforderlichen Parameter hängen von der Anwendung und dem Trainings-Workflow ab.

## Beschreibung der JSON-Parameter {#json-parameters-description}

> [!NOTE]
> Verwenden Sie bei der Angabe von Pfaden Schrägstriche (`/`) statt Backslashes (`\`).

> [!NOTE]
> Wenn für einen Parameter, der einen leeren Wert unterstützt, kein Wert angegeben wird, verwenden Sie genau wie dargestellt `null`. Verwenden Sie keine Anführungszeichen und keine Grossbuchstaben.

**Tabelle 1. Tabelle 2: LumiScan Training JSON-Einstellungen**

| Parameter | Beschreibung |
| --- | --- |
| `trainingData` | Pfad zu den Trainingsdaten.<br> Dieser Ordner wird in der Regel von LumiScan Annotation erzeugt und enthält die Bilder und die zugehörigen Annotationsdaten im CSV- oder JSON-Format. Jedes Bild sollte über eine zugehörige Annotationsdatei verfügen. |
| `validationData` | Pfad zu den Validierungsdaten, die zur Bewertung des Netzwerks während des Trainings verwendet werden.<br> Dies kann derselbe Pfad wie `trainingData` sein. |
| `testData` | Optional. Pfad zum Datensatz, der bei Auswahl von **Start Testing** verwendet wird. |
| `exportDirectory` | Optional. Pfad, unter dem exportierte ONNX-Modelle und weitere Trainingsergebnisse gespeichert werden.<br> Ist kein Pfad angegeben, werden die Ergebnisse im Verzeichnis der unter `trainingData` angegebenen Trainingsdaten gespeichert. |
| `finetuneDataRoot` | Pfad zu den Daten, die für das Fine-Tuning verwendet werden. Dies ist in der Regel derselbe Pfad wie `validationData`. |
| `classes` | Liste der Klassen bzw. Labels, die das Netzwerk erkennen soll. Die Klassennamen müssen mit den in den Annotationsdaten verwendeten Labels übereinstimmen. |
| `nonRotables` | Liste der Klassen ohne definierte Ausrichtung, beispielsweise eine Scheibe oder ein Kratzer.<br> Jeder Eintrag muss exakt einem in `classes` definierten Klassennamen entsprechen. |
| `Arrow`, `Disk` | Beispiele für Klassennamen. |
| `imageScale` | Gibt den Bildskalierungsfaktor relativ zur ursprünglichen Bildgrösse an. Unterstützte Werte sind `0.5` und `1.0`. |
| `networkBase` | Pfad zu einem vorhandenen trainierten Netzwerk, das als Ausgangspunkt für das Training verwendet werden soll.<br> Setzen Sie den Wert auf `null`, um ein Training ohne vorhandenes Netzwerk zu starten. |

| Parameter | Beschreibung |
| --- | --- |
| `networkType` | Gibt den Netzwerktyp an. Die verfügbaren Werte hängen von der Zielanwendung davon ab, ob die Ausrichtung des Objekts oder nur seine Rotation bestimmt werden muss.<br><br>Für **LumiScan VGR**:<br><br>- `ORTML`, `ORTMM`, `ORTMS`, `ORTMXS`: Orientierte Modelle. Verwenden Sie diese, wenn das Objekt eine sinnvolle Ausrichtung hat, beispielsweise eine unterscheidbare Oberseite, die zusätzlich zur Position identifiziert werden muss.<br>- `RRTML`, `RRTMM`, `RRTMS`, `RRTMXS`: Rotierte Modelle. Verwenden Sie diese, wenn nur die Rotation des Objekts bestimmt werden muss und keine bestimmte Seite oder Ausrichtung zu unterscheiden ist.<br>- `LumiScanOOD` (veraltet): Vorgängermodelltyp für die orientierte Objekterkennung.<br>- `LumiScanROD` (veraltet): Vorgängermodelltyp für die rotierte Objekterkennung.<br><br>Für **AI Object Matching**:<br><br>- `OOD`: Für Objekte mit sinnvoller Ausrichtung, die identifiziert werden muss.<br>- `ROD`: Für Objekte, bei denen nur die Rotation bestimmt werden muss.<br><br>Die letzten Buchstaben der Werte `ORTM…` und `RRTM…` geben die Netzwerkgrösse an:<br><br>- `L`: gross<br>- `M`: mittel<br>- `S`: klein<br>- `XS`: extra klein<br><br>Grössere Netzwerke können eine höhere Genauigkeit liefern, benötigen jedoch mehr Speicher und dauern im Training in der Regel länger.<br><br>**Note:** Geben Sie den Wert exakt wie aufgeführt ein, einschliesslich des Grössen-Suffixes. `ORTM` und `RRTM` ohne Grössen-Suffix sind keine gültigen Werte. |
| `schedule` | Gibt den Trainingsplan an. Unterstützte Werte sind `Full` und `Finetune`.<br><br>- `Full`: Führt einen neuen Trainingslauf durch. Verwenden Sie diese Option für das erstmalige Training.<br>- `Finetune`: Setzt das Training mit einem vorhandenen Netzwerk und den unter `finetuneDataRoot` angegebenen Daten fort. Verwenden Sie diese Option für nachfolgende Verfeinerungsschritte. |
| `trainingProfile` | Gibt das Trainingsprofil an und beeinflusst die GPU-Speichernutzung. Derzeit wird nur eine GPU unterstützt.<br><br>Verfügbare Werte:<br><br>- `B8x1`: Standardwert.<br>- `B4x1`: Verwenden Sie diese Option, wenn das Training mit `B8x1` wegen unzureichenden GPU-Speichers fehlschlägt oder wenn das Training gemeinsamen GPU-Speicher (Shared GPU Memory) verwendet.<br><br>Die Nutzung des gemeinsamen GPU-Speichers können Sie im Windows-Task-Manager prüfen. Auch eine ungewöhnlich lange Trainingsdauer kann auf unzureichenden GPU-Speicher hindeuten. |
| `deploymentConfiguration` | Gibt die Ziel-Deployment-Konfiguration an. Für LumiScan VGR lautet der Wert `LumiScanVGR` und sollte nicht geändert werden. |
| `tmpFiles` | Pfad, unter dem temporäre Dateien während des Trainings gespeichert werden. Die Anwendung muss über Schreibrechte für diesen Speicherort verfügen. Temporäre Dateien werden nach dem Training gelöscht. |

# Modellkonvertierung: ONNX zu Hailo – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html

Ein Netzwerk, das trainiert und als ONNX-Datei exportiert wurde, kann für die Ausführung auf einer Hailo-TPU in ein Hailo-Modell konvertiert werden.

Die Konvertierung läuft im Hailo-Konvertierungscontainer. Sie ist daher nur verfügbar, wenn zusätzlich zu LumiScan Training das **Hailo PlugIn** (`Installer-LumiScanTraining-HailoPlugIn`) installiert ist. Fehlt das PlugIn, meldet die Anwendung, dass der Befehl `podman` oder das erforderliche Konvertierungsabbild nicht gefunden werden konnte.

## Programmstart

Starten Sie LumiScan Training wie in [LumiScan Training Installation](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html) beschrieben. Während die Anwendung lädt, wird der Begrüßungsbildschirm angezeigt (Abb. 11).

![Der Begrüßungsbildschirm von LumiScan Training mit dem HD-Vision-Systems-Logo, dem Text Loading LumiScan Training und einem Fortschrittsbalken](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/splashscreen.jpg)

*Abbildung 1. Abb. 11: LumiScan Training: Begrüßungsbildschirm*

Nach dem Laden öffnet sich das Hauptfenster (Abb. 12). Die Modellkonvertierung wird über die Schaltfläche **Model Conversion** gestartet.

![Das Hauptfenster des LumiScan Training Framework mit den Bereichen Select Config File und Process Status sowie den Schaltflächen Start Training, Start Testing, Start Inference und Model Conversion](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/trainingframework_started.jpg)

*Abbildung 2. Abb. 12: LumiScan Training Framework: Hauptfenster mit Schaltfläche Model Conversion*

## Kalibrierbilder vorbereiten

Während der Konvertierung wird das Netzwerk quantisiert. Zur Bestimmung der im Netzwerk vorkommenden Wertebereiche ist ein Satz von Kalibrierbildern erforderlich.

> [!IMPORTANT]
> Die Kalibrierbilder müssen **dieselbe Auflösung wie die Trainingsbilder** haben. Bilder mit abweichender Auflösung können zu einem unbrauchbaren Modell führen.

Qualität und Repräsentativität der Kalibrierbilder beeinflussen die Genauigkeit des konvertierten Modells. Daher:

1. Nehmen Sie die Bilder unter **realen Produktionsbedingungen** auf — mit derselben Kamera, Optik, Arbeitsdistanz und denselben Objekten wie im späteren Betrieb.
2. Beziehen Sie repräsentative **Beleuchtungsbedingungen** ein. Verwenden Sie beispielsweise unterschiedliche Belichtungszeiten, wenn auch im Betrieb die Belichtungszeit variiert, oder nehmen Sie Bildserien unter verschiedenen Umgebungslichtbedingungen auf.

Speichern Sie die Bilder in einem einzigen Ordner, im Folgenden **Kalibrierordner** genannt. Unterstützte Bildformate sind unter anderem `.png`, `.jpg`, `.jpeg`, `.bmp` und `.tiff`.

## Konvertierung durchführen

Klicken Sie auf **Model Conversion**, um den Dialog **Model Conversion (ONNX → Hailo)** zu öffnen (Abb. 13). Wählen Sie über die jeweiligen **Browse**-Schaltflächen die drei in [Tabelle 3](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html#model-conversion-parameters) beschriebenen Pfade aus.

![Der Dialog Model Conversion mit den Feldern ONNX model file, Calibration folder und Output folder, jeweils mit Browse-Schaltfläche, sowie der Schaltfläche Start Conversion und dem Status Ready](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/select_model_and_calibration_dir.jpg)

*Abbildung 3. Abb. 13: LumiScan Training: Dialog Modellkonvertierung*

**Tabelle 1. Tabelle 3: Parameter der Modellkonvertierung in LumiScan Training**

| Feld | Beschreibung |
| --- | --- |
| **ONNX model file** | Das trainierte Netzwerk im ONNX-Format. Es befindet sich in der Regel in dem Ordner, der in den [JSON-Einstellungen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html) unter `exportDirectory` angegeben ist. |
| **Calibration folder** | Der Ordner mit den im vorherigen Abschnitt beschriebenen Kalibrierbildern. |
| **Output folder** | Der Ordner, in dem das konvertierte Modell und zugehörige Dateien gespeichert werden. Standardmäßig ist der Ordner ausgewählt, der die ONNX-Datei enthält. |

Klicken Sie auf **Start Conversion**, um die Konvertierung zu starten (Abb. 14).

Während die Konvertierung läuft:

- Wechselt der Status zu **Converting…**.
- Ändert sich die Schaltfläche **Start Conversion** zu **Stop Conversion**, mit der die laufende Konvertierung abgebrochen werden kann.
- Sind die Eingabefelder deaktiviert.
- Wird der Fortschritt der Konvertierung in der Log-Konsole am unteren Fensterrand angezeigt.

![Der Dialog Model Conversion während der Konvertierung mit der Schaltfläche Stop Conversion, dem Status Converting und der Log-Konsole mit Container-Ausgabe](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/_images/start_conversion.jpg)

*Abbildung 4. Abb. 14: LumiScan Training: Laufende Modellkonvertierung*

> [!NOTE]
> Die erste Konvertierung kann länger dauern, da zunächst die Podman-Maschine gestartet wird, falls sie nicht bereits läuft.

> [!NOTE]
> Der Konvertierungscontainer kann direkt auf das Laufwerk `C:` zugreifen. Befinden sich die ONNX-Datei, der Kalibrierordner oder der Ausgabeordner auf einem anderen Laufwerk, beispielsweise `E:`, oder auf einer Netzwerkfreigabe, werden die erforderlichen Dateien vor der Konvertierung automatisch in den Container übertragen. Die Ergebnisse werden nach Abschluss der Konvertierung zurückübertragen. Eine zusätzliche Konfiguration ist nicht erforderlich. Die Log-Konsole zeigt die zusätzlichen Übertragungsschritte an; die Gesamtdauer der Konvertierung kann je nach Umfang der Kalibrierdaten zunehmen.

Ist die Konvertierung abgeschlossen, erscheint die Meldung **Conversion finished successfully.**

Im Ausgabeordner werden folgende Dateien erzeugt, wobei `<name>` der Name der ONNX-Datei ist:

- `<name>.hef` - Modell für die Hailo-TPU.
- `<name>.har` - Zwischenarchiv, das während der Konvertierung erstellt wird.
- `<name>_hailo.onnx` - für Hailo angepasstes ONNX-Modell.
- `convert_parameters.json` - Für die Konvertierung verwendete Parameter.

Schlägt die Konvertierung fehl, wird der Exit-Code in der Statuszeile angezeigt; zusätzliche Informationen stehen in der Log-Konsole.

Probleme bei der Modellkonvertierung sind Schritt für Schritt unter [Fehlerbehebung](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html) beschrieben:

- [**Model Conversion** ist nicht verfügbar, oder `podman` bzw. das Konvertierungsabbild wird nicht gefunden](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-model-conversion-unavailable)
- [Die Modellkonvertierung bricht mit Exit-Code 137 ab](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-exit-code-137)
- [Die Modellkonvertierung dauert länger als erwartet](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-conversion-slow)

Treten bei der Modellkonvertierung andere Probleme auf, wenden Sie sich an HD Vision Systems.

# FAQ – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/faq.html

Kurze Antworten auf häufige Fragen und Fehlermeldungen zu LumiScan Training. Jeder Eintrag verweist auf die Seite mit den Details.

> [!TIP]
> Durchsuchen Sie diese Seite nach der genauen Fehlermeldung. Jeder Eintrag hat einen festen Anker (zum Beispiel `#faq-json-paths-null`).

## Voraussetzungen und Installation

### Welche Systemvoraussetzungen gelten? {#faq-system-requirements}

- **Antwort:**
  - Windows 11 Professional oder Windows 11 Enterprise
  - NVIDIA-RTX-Grafikkarte
  - CUDA Toolkit 11.8
  - CodeMeter 9.00 oder höher
- **Mehr:** [Voraussetzungen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html)

### Wie installiere ich LumiScan Training, und brauche ich Python? {#faq-installation}

- **Antwort:** Starten Sie das Setup-Programm (der Dateiname beginnt mit `Installer_` und endet mit der Versionsnummer, zum Beispiel `Installer_LumiScanTrainingFramework_v2_1_0_0.exe`) und bestätigen Sie die Abfrage zu Administratorrechten; diese sind für den Standardspeicherort unter `C:\Program Files` erforderlich. Das Setup-Programm enthält eine eigene Python-Umgebung, eine separate Python- oder Anaconda-Installation ist nicht erforderlich. Als Installationssprache stehen Deutsch und Englisch zur Verfügung.
- **Mehr:** [LumiScan Training Installation](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-lumiscan-training)

### In welcher Reihenfolge installiere ich die Komponenten für eine Hailo-TPU? {#faq-hailo-installation-order}

- **Antwort:** Nur erforderlich, wenn eine Hailo-TPU verwendet wird. Halten Sie diese Reihenfolge ein: Das Hailo PlugIn prüft seine Voraussetzungen nacheinander und bricht bei der ersten fehlenden ab, eine andere Reihenfolge kann daher zusätzliche Installationsversuche erfordern.
  1. Podman CLI 6.0.x für Windows mit **Windows Hyper-V** als Virtualisierungs-Provider (das Abbild des Hailo PlugIn ist für Podman 6.0 erstellt; neuere CLIs sind nicht getestet).
  2. Das Hailo PlugIn (der Dateiname des Setup-Programms beginnt mit `Installer-LumiScanTraining-HailoPlugIn`). Die Installation kann 10 bis 20 Minuten oder länger dauern; unterbrechen Sie sie nicht.
  3. LumiScan Training.
- **Mehr:** [Podman installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman), [Hailo PlugIn installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-hailo-plugin)

### Was benötigt der Computer für das Hailo PlugIn? {#faq-hailo-requirements}

- **Antwort:** Mindestens 24 GB Arbeitsspeicher (DRAM), da die Modellkonvertierung in einer virtuellen Maschine mit 18 GB Arbeitsspeicher läuft, sowie Hardware, die Hyper-V unterstützt. Hyper-V muss nicht vorab aktiviert werden; das Installationsprogramm des Hailo PlugIn bietet die Aktivierung an. Auf Windows-Home-Editionen steht Hyper-V nicht zur Verfügung, das Hailo PlugIn kann dort nicht verwendet werden.
- **Mehr:** [Voraussetzungen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html), [Podman installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman)

### Die Windows-Firewall fragt, ob `podman.exe` auf das Netzwerk zugreifen darf. Was soll ich tun? {#faq-podman-firewall}

- **Antwort:** Es wird empfohlen, die Anfrage mit **Cancel** abzulehnen. Die Modellkonvertierung läuft vollständig auf dem lokalen Computer und funktioniert auch ohne Netzwerkzugriff.
- **Mehr:** [Hailo PlugIn installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-hailo-plugin)

## Fehlerbehebung {#troubleshooting}

Probleme und Fehlermeldungen sind Schritt für Schritt unter [Fehlerbehebung](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html) beschrieben:

- [**Model Conversion** ist nicht verfügbar, oder `podman` bzw. das Konvertierungsabbild wird nicht gefunden](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-model-conversion-unavailable)
- [Das Training schlägt wegen unzureichenden GPU-Speichers fehl oder dauert ungewöhnlich lange](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-gpu-memory)
- [Die Modellkonvertierung bricht mit Exit-Code 137 ab](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-exit-code-137)
- [Die Modellkonvertierung dauert länger als erwartet](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-conversion-slow)
- [Ein Client kann keine Verbindung zum gemeinsamen Backend herstellen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#faq-client-cannot-connect)

## Konfiguration und Training

### Wie schreibe ich Pfade und leere Werte in der JSON-Konfiguration? {#faq-json-paths-null}

- **Antwort:** Verwenden Sie in Pfaden Schrägstriche (`/`) statt Backslashes (`\`), zum Beispiel `C:/Users/user_name/Desktop/recordings/raw`. Für einen Parameter, der einen leeren Wert unterstützt, schreiben Sie genau `null`, ohne Anführungszeichen und Großbuchstaben (zum Beispiel `"networkBase": null`, um ohne vorhandenes Netzwerk zu trainieren).
- **Mehr:** [Beschreibung der JSON-Parameter](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description)

### Welchen Wert verwende ich für `networkType`? {#faq-network-type}

- **Betrifft:** LumiScan VGR und AI Object Matching
- **Antwort:**
  - LumiScan VGR: `ORTML`, `ORTMM`, `ORTMS` oder `ORTMXS` (orientierte Modelle), wenn das Objekt eine sinnvolle Ausrichtung hat, die identifiziert werden muss; `RRTML`, `RRTMM`, `RRTMS` oder `RRTMXS` (rotierte Modelle), wenn nur die Rotation benötigt wird. Das Suffix gibt die Größe an (L, M, S, XS); `ORTM` und `RRTM` ohne Suffix sind ungültig.
  - AI Object Matching: `OOD` für Objekte mit sinnvoller Ausrichtung, `ROD`, wenn nur die Rotation benötigt wird.
- **Mehr:** [Beschreibung der JSON-Parameter](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description)

### Wo werden trainierte Modelle und Ergebnisse gespeichert? {#faq-results-location}

- **Antwort:** Exportierte ONNX-Modelle und weitere Trainingsergebnisse werden unter `exportDirectory` gespeichert; ist kein Pfad angegeben, im Verzeichnis der Trainingsdaten (`trainingData`). **Start Testing** speichert seine Ergebnisse im Export-Ordner, **Start Inference** die Vorhersagen im Ordner `predictions` innerhalb des Exportverzeichnisses.
- **Mehr:** [Beschreibung der JSON-Parameter](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description), [Benutzeroberfläche](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/user-interface.html)

### Was bedeuten die Meldungen unter **Process Status**? {#faq-process-status}

- **Antwort:**
  - `Waiting for configuration file!`: Es wurde noch keine Konfigurationsdatei ausgewählt (über **Select Config File/Browse**).
  - `Testing Network!`: Nach **Start Testing** wird ein vorhandenes Netzwerk mit dem Testdatensatz getestet.
  - `Waiting for deployment!`: Nach dem Training wird das Netzwerk für die Konvertierung und den Export in eine ONNX-Datei vorbereitet.
  - `Finished cleanup`: Der Vorgang ist abgeschlossen.
  - **Latest test scores**: Eine Metrik zum Vergleich von Netzwerken, die mit demselben Datensatz getestet wurden, kein absolutes Leistungsmaß.
- **Mehr:** [Benutzeroberfläche](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/user-interface.html)

## Modellkonvertierung (ONNX zu Hailo)

### Welche Kalibrierbilder benötige ich für die Modellkonvertierung? {#faq-calibration-images}

- **Antwort:** Die Kalibrierbilder müssen dieselbe Auflösung wie die Trainingsbilder haben, sonst kann das Modell unbrauchbar werden. Nehmen Sie sie unter realen Produktionsbedingungen auf (dieselbe Kamera, Optik, Arbeitsdistanz und dieselben Objekte) und beziehen Sie repräsentative Beleuchtungsbedingungen ein. Legen Sie sie in einem einzigen Ordner ab; unterstützte Formate sind unter anderem `.png`, `.jpg`, `.jpeg`, `.bmp` und `.tiff`.
- **Mehr:** [Modellkonvertierung: ONNX zu Hailo](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html)

### Welche Dateien erzeugt die Konvertierung? {#faq-conversion-output}

- **Antwort:** Nach `Conversion finished successfully.` enthält der Ausgabeordner `<name>.hef` (Modell für die Hailo-TPU), `<name>.har` (Zwischenarchiv), `<name>_hailo.onnx` (für Hailo angepasstes ONNX-Modell) und `convert_parameters.json` (Konvertierungsparameter), wobei `<name>` der Name der ONNX-Datei ist. Standardmäßig ist der Ausgabeordner der Ordner der ONNX-Datei.
- **Mehr:** [Parameter der Modellkonvertierung](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/model-conversion.html#model-conversion-parameters)

## Gemeinsames Backend

### Wie können mehrere Computer ein gemeinsames Backend von LumiScan Training nutzen? {#faq-shared-backend}

- **Antwort:** Öffnen Sie auf dem Server **App Settings**, lassen Sie **Start backend locally** aktiviert, setzen Sie **Backend bind address** auf die Netzwerk-IP-Adresse des Computers oder `0.0.0.0 (all interfaces)` (nicht `localhost (127.0.0.1)`), aktivieren Sie **Autostart backend as a service**, klicken Sie auf **Save** und starten Sie neu. Clients öffnen entweder `http://<server-ip>:8420` im Webbrowser, oder sie deaktivieren in ihrer eigenen Installation **Start backend locally** und tragen den Server unter **Remote backend address** ein.
- **Mehr:** [Einrichten eines gemeinsamen Backend-Servers](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#app-settings-server), [Verbindung von einem Client-Computer](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#app-settings-client)

## Lizenzierung und Support

### Wie wird LumiScan Training lizenziert? {#faq-licence}

- **Antwort:** LumiScan Training benötigt CodeMeter 9.00 oder höher. Bei Kauf über HD Vision Systems liegt die Lizenz auf dem LumiScan Key und ist ein Jahresabonnement. Bei Kauf im ctrlX Store für Windows 11 werden ctrlX WORKS und der LumiScan Key verwendet. Pro Gerät, auf dem die Software gleichzeitig läuft, wird ein LumiScan Key benötigt; Keys können zwischen Geräten getauscht werden.
- **Mehr:** [Voraussetzungen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html#licence), [FAQ zur Lizenzierung](https://docs.hdvisionsystems.com/de/lumiscan-licensing-de/1.0.4/faq.html)

### Wo erhalte ich weitere Hilfe? {#faq-support}

- **Antwort:** Siehe die seitenübergreifende [LumiScan FAQ](https://docs.hdvisionsystems.com/de/faq.html). Den Kundensupport erreichen Sie unter [customer.success@hdvisionsystems.com](mailto:customer.success@hdvisionsystems.com) oder +49 6221 6721905. Bei Fragen zu Lizenzen schreiben Sie an [licenses@hdvisionsystems.com](mailto:licenses@hdvisionsystems.com).

# Fehlerbehebung – LumiScan Training

URL: https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html

Diese Seite beginnt mit allgemeinen Prüfungen, die Sie zuerst durchführen. Suchen Sie danach Ihr Symptom und arbeiten Sie Diagnose und Lösung durch. Besteht das Problem weiterhin, senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support.

## Allgemeine Prüfungen {#general-checks}

- Prüfen Sie, ob der Computer die [Voraussetzungen](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html) erfüllt: Windows 11 Professional oder Windows 11 Enterprise, eine NVIDIA-RTX-Grafikkarte, bis zu 15 GB freier Speicherplatz, CUDA Toolkit 11.8 und CodeMeter 9.00 oder höher.
- Prüfen Sie die Lizenz (siehe [Lizenz](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/requirements.html#licence)). Lizenzprobleme mit dem LumiScan Key - ein Key, der nicht erkannt wird, die Meldung `User maximum reached!`, eine Engineering-App, die nicht mehr startet, weil das Jahresabonnement abgelaufen ist - sind unter [Lizenzierung: Fehlerbehebung](https://docs.hdvisionsystems.com/de/lumiscan-licensing-de/1.0.4/troubleshooting.html) beschrieben.
- Nur wenn eine Hailo-TPU verwendet wird: Prüfen Sie, ob der Computer mindestens 24 GB Arbeitsspeicher (DRAM) und Hardware hat, die Hyper-V unterstützt, und ob Podman 6.0.x und das Hailo PlugIn vor LumiScan Training installiert wurden (siehe [Podman installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman)).
- Prüfen Sie die JSON-Konfiguration: Pfade verwenden Schrägstriche (`/`) statt Backslashes (`\`), und ein leerer Wert wird als `null` geschrieben, ohne Anführungszeichen und Großbuchstaben (siehe [Beschreibung der JSON-Parameter](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description)).
- Lesen Sie den Bereich **Process Status** im Hauptfenster. `Waiting for configuration file!` bedeutet, dass noch keine Konfigurationsdatei ausgewählt wurde (**Select Config File/Browse**); die weiteren Meldungen sind unter [Benutzeroberfläche](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/user-interface.html) beschrieben.
- Während einer Modellkonvertierung zeigt die Log-Konsole am unteren Rand des Dialogs **Model Conversion (ONNX → Hailo)** den Fortschritt und, wenn die Konvertierung fehlschlägt, zusätzliche Informationen.

## Problem: **Model Conversion** ist nicht verfügbar, oder `podman` bzw. das Konvertierungsabbild wird nicht gefunden {#faq-model-conversion-unavailable}

**Symptome**

- Während der Installation von LumiScan Training meldet das Setup-Programm, dass die Funktion **Model Conversion** nicht verfügbar sein wird.
- Die Anwendung meldet, dass der Befehl `podman` oder das erforderliche Konvertierungsabbild nicht gefunden werden konnte.

**Mögliche Ursachen**

- Das Hailo PlugIn ist nicht installiert. Die Modellkonvertierung läuft im Hailo-Konvertierungscontainer und ist nur verfügbar, wenn zusätzlich zu LumiScan Training das Hailo PlugIn (`Installer-LumiScanTraining-HailoPlugIn`) installiert ist.
- Podman wurde nicht vor dem Hailo PlugIn installiert. Das Hailo PlugIn prüft seine Voraussetzungen nacheinander und bricht bei der ersten fehlenden Voraussetzung ab.
- Hyper-V ist nicht verfügbar. Auf Windows-Home-Editionen steht Hyper-V nicht zur Verfügung; das Hailo PlugIn kann dort nicht verwendet werden.

**Diagnose**

1. Prüfen Sie, ob die Podman-CLI für Windows in Version 6.0.x mit **Windows Hyper-V** als Virtualisierungs-Provider installiert ist - erwartet: Podman 6.0.x ist installiert. Das Abbild des Hailo PlugIn ist für Podman 6.0 erstellt; eine neuere Podman-CLI ist damit nicht getestet.
2. Prüfen Sie, ob das Setup-Programm des Hailo PlugIn bis zum Ende ausgeführt wurde - erwartet: Eine Meldung hat bestätigt, dass das Abbild erfolgreich installiert wurde, und das Setup-Programm wurde mit **Finish** geschlossen.
3. Prüfen Sie Windows-Edition und Hardware - erwartet: Windows 11 Professional oder Windows 11 Enterprise, Hardware, die Hyper-V unterstützt, mindestens 24 GB Arbeitsspeicher.

**Lösung**

- **Wenn das Hailo PlugIn nicht installiert ist:** Installieren Sie Podman und das Hailo PlugIn wie unter [Podman installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-podman) und [Hailo PlugIn installieren](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/lumiscan-training-installation.html#installing-hailo-plugin) beschrieben. Die Installation des Hailo PlugIn kann 10 bis 20 Minuten oder länger dauern; unterbrechen Sie sie nicht.
- **Wenn Podman nicht vor dem Hailo PlugIn installiert wurde:**
  1. Installieren Sie die Podman-CLI 6.0.x für Windows mit **Windows Hyper-V** als Virtualisierungs-Provider.
  2. Führen Sie das Setup-Programm des Hailo PlugIn erneut aus und warten Sie, bis es meldet, dass das Abbild erfolgreich installiert wurde.
- **Wenn Hyper-V nicht verfügbar ist:** Verwenden Sie einen Computer mit Windows 11 Professional oder Windows 11 Enterprise und Hardware, die Hyper-V unterstützt. Das Installationsprogramm des Hailo PlugIn prüft, ob Hyper-V verfügbar ist, und bietet an, es bei Bedarf zu aktivieren.

**Wenn das Problem weiterhin besteht**

Senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support, zusammen mit der genauen Meldung, der installierten Podman-Version und dem Installationslog, das das Setup-Programm des Hailo PlugIn anzeigt.

## Problem: Das Training schlägt wegen unzureichenden GPU-Speichers fehl oder dauert ungewöhnlich lange {#faq-gpu-memory}

**Symptome**

- Das Training mit dem Trainingsprofil `B8x1` schlägt wegen unzureichenden GPU-Speichers fehl.
- Das Training dauert ungewöhnlich lange.

**Mögliche Ursachen**

- Der GPU-Speicher reicht für das Trainingsprofil `B8x1` (Standardwert) nicht aus.
- Das Training verwendet gemeinsamen GPU-Speicher (Shared GPU Memory). Auch eine ungewöhnlich lange Trainingsdauer kann auf unzureichenden GPU-Speicher hindeuten.

**Diagnose**

1. Prüfen Sie den Wert von `trainingProfile` in der JSON-Konfiguration - erwartet: `B8x1` (Standard) oder `B4x1`.
2. Prüfen Sie während des Trainings im Windows-Task-Manager die Nutzung des gemeinsamen GPU-Speichers - erwartet: Das Training verwendet keinen gemeinsamen GPU-Speicher.

**Lösung**

- **Wenn der GPU-Speicher für `B8x1` nicht ausreicht oder das Training gemeinsamen GPU-Speicher verwendet:**
  1. Setzen Sie `trainingProfile` in der JSON-Konfiguration auf `B4x1` (siehe [Beschreibung der JSON-Parameter](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description)).
  2. Wählen Sie die Konfigurationsdatei aus und klicken Sie erneut auf **Start Training**.

> [!NOTE]
> Derzeit wird nur eine GPU unterstützt.

**Wenn das Problem weiterhin besteht**

Senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support, zusammen mit der JSON-Konfigurationsdatei und dem Modell der Grafikkarte.

## Problem: Die Modellkonvertierung bricht mit Exit-Code 137 ab {#faq-exit-code-137}

**Symptome**

Die Modellkonvertierung schlägt fehl. Die Statuszeile des Dialogs **Model Conversion (ONNX → Hailo)** zeigt den Exit-Code `137`, und die Log-Konsole zeigt zusätzliche Informationen.

**Mögliche Ursachen**

- Der Speicher der Podman-Maschine ist während der Quantisierung erschöpft.

**Diagnose**

1. Lesen Sie den Exit-Code in der Statuszeile - erwartet für dieses Problem: `137`. Bei einem anderen Exit-Code siehe [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information).
2. Lesen Sie die Log-Konsole - erwartet: Sie zeigt, wie Sie der virtuellen Maschine zusätzlichen Speicher zuweisen.
3. Prüfen Sie den Arbeitsspeicher des Computers - erwartet: mindestens 24 GB (DRAM). Die Modellkonvertierung läuft in einer virtuellen Maschine mit 18 GB Arbeitsspeicher.

**Lösung**

- **Wenn der Speicher der Podman-Maschine erschöpft ist:**
  1. Weisen Sie der virtuellen Maschine zusätzlichen Speicher zu, wie in der Log-Konsole beschrieben.
  2. Klicken Sie erneut auf **Start Conversion**.

**Wenn das Problem weiterhin besteht**

Senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support, zusammen mit dem Exit-Code, dem vollständigen Inhalt der Log-Konsole und der Größe des Arbeitsspeichers.

## Problem: Die Modellkonvertierung dauert länger als erwartet {#faq-conversion-slow}

**Symptome**

Nach **Start Conversion** zeigt der Status länger als erwartet **Converting…**.

**Mögliche Ursachen**

- Es ist die erste Konvertierung: Die Podman-Maschine wird zunächst gestartet, falls sie nicht bereits läuft.
- Die ONNX-Datei, der Kalibrierordner oder der Ausgabeordner liegt auf einem anderen Laufwerk als `C:`, beispielsweise `E:`, oder auf einer Netzwerkfreigabe. Die erforderlichen Dateien werden dann vor der Konvertierung in den Container übertragen und die Ergebnisse danach zurückübertragen. Je nach Umfang der Kalibrierdaten verlängert sich dadurch die Konvertierung.

**Diagnose**

1. Prüfen Sie, ob es die erste Konvertierung seit dem letzten Start der Podman-Maschine ist - erwartet: Die erste Konvertierung dauert länger.
2. Prüfen Sie die Pfade unter **ONNX model file**, **Calibration folder** und **Output folder** - erwartet: Alle drei liegen auf dem Laufwerk `C:`. Andernfalls zeigt die Log-Konsole die zusätzlichen Übertragungsschritte an.

**Lösung**

- **Wenn es die erste Konvertierung ist:** Warten Sie, bis die Konvertierung abgeschlossen ist. Danach erscheint die Meldung `Conversion finished successfully.`
- **Wenn die Dateien auf einem anderen Laufwerk oder einer Netzwerkfreigabe liegen:** Warten Sie, bis die Konvertierung abgeschlossen ist. Der Konvertierungscontainer kann direkt auf das Laufwerk `C:` zugreifen; für dort gespeicherte Dateien ist keine Übertragung nötig.

**Wenn das Problem weiterhin besteht**

Senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support, zusammen mit den drei Pfaden der Konvertierung und dem vollständigen Inhalt der Log-Konsole.

## Problem: Ein Client kann keine Verbindung zum gemeinsamen Backend herstellen {#faq-client-cannot-connect}

**Symptome**

Ein Client-Computer kann keine Verbindung zum gemeinsamen Backend-Server herstellen: im Webbrowser unter `http://<server-ip>:8420` oder in einer LumiScan Training-Installation, in der **Start backend locally** deaktiviert und der Server unter **Remote backend address** eingetragen ist.

**Mögliche Ursachen**

- Die **Backend bind address** des Servers ist `localhost (127.0.0.1)`. Diese Adresse nimmt ausschließlich Verbindungen desselben Computers an.
- Die Windows-Firewall auf dem Server erlaubt dem Backend die Kommunikation über das Netzwerk nicht.
- Das Backend auf dem Server läuft nicht.
- Die Serveradresse auf dem Client ist nicht korrekt.

**Diagnose**

1. Öffnen Sie auf dem Client-Computer `http://<server-ip>:8420/api/v1/health` in einem Webbrowser - erwartet: Der Endpunkt antwortet sofort. Bleibt eine Antwort aus, fahren Sie mit den nächsten Schritten fort.
2. Öffnen Sie auf dem Server den Reiter **App Settings** und prüfen Sie **Backend bind address** - erwartet: die Netzwerk-IP-Adresse des Computers, beispielsweise `192.168.1.50`, oder `0.0.0.0 (all interfaces)`; nicht `localhost (127.0.0.1)`.
3. Prüfen Sie auf dem Server, ob die Windows-Firewall dem Backend die Kommunikation über das Netzwerk erlaubt - erwartet: Der Zugriff ist für **Private networks** erlaubt.
4. Öffnen Sie auf dem Server **App Settings** und prüfen Sie **Backend connection** - erwartet: **Start backend locally** und **Autostart backend as a service** sind aktiviert. Mit Autostart wird das Backend automatisch gestartet, sobald sich der Windows-Benutzer anmeldet, auch wenn LumiScan Training selbst nicht geöffnet ist.
5. Prüfen Sie auf dem Client die Serveradresse - erwartet: die IP-Adresse des Servers in der Browseradresse bzw. unter **Remote backend address**.

**Lösung**

- **Wenn die Bind-Adresse `localhost (127.0.0.1)` ist:**
  1. Wählen Sie auf dem Server unter **Backend bind address** die Netzwerk-IP-Adresse des Computers oder `0.0.0.0 (all interfaces)`.
  2. Klicken Sie auf **Save**.
  3. Starten Sie LumiScan Training neu, oder melden Sie sich von Windows ab und wieder an.
- **Wenn die Windows-Firewall das Backend blockiert:** Erlauben Sie auf dem Server den Zugriff für **Private networks**. Die Windows-Firewall kann beim ersten Binden des Backends an eine netzwerkerreichbare Adresse danach fragen.
- **Wenn das Backend nicht läuft:** Aktivieren Sie auf dem Server **Start backend locally** und **Autostart backend as a service**, klicken Sie auf **Save** und starten Sie LumiScan Training neu oder melden Sie sich von Windows ab und wieder an.
- **Wenn die Serveradresse falsch ist:** Tragen Sie die IP-Adresse des Servers unter **Remote backend address** (bzw. in der Browseradresse) ein, klicken Sie auf **Save** und starten Sie LumiScan Training neu.

Siehe auch [Einrichten eines gemeinsamen Backend-Servers](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#app-settings-server) und [Verbindung von einem Client-Computer](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/app-settings.html#app-settings-client).

**Wenn das Problem weiterhin besteht**

Senden Sie die unter [Informationen für den Support](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/troubleshooting.html#support-information) aufgeführten Informationen an den Support, zusammen mit der IP-Adresse des Servers, der **Backend bind address** und dem Ergebnis von `http://<server-ip>:8420/api/v1/health` auf dem Client.

## Informationen für den Support {#support-information}

Halten Sie diese Informationen bereit, wenn Sie den Support kontaktieren:

- Produkt und Version: LumiScan Training und seine Version. Der Dateiname des Setup-Programms endet mit der Versionsnummer, zum Beispiel `Installer_LumiScanTrainingFramework_v2_1_0_0.exe`.
- Betriebssystem: Windows 11 Professional oder Windows 11 Enterprise, das Modell der Grafikkarte und die installierten Versionen von CUDA Toolkit und CodeMeter. Wenn eine Hailo-TPU verwendet wird: die Podman-Version und die Größe des Arbeitsspeichers.
- Bezugsquelle der Software: HD Vision Systems oder ctrlX Store.
- Die Seriennummer des LumiScan Key (`3-…`, auf dem Key aufgedruckt).
- Die genaue Fehlermeldung, ein Screenshot sowie Datum und Uhrzeit, zu der das Problem auftrat. Beim Training: die Meldung unter **Process Status**. Bei der Modellkonvertierung: der Exit-Code in der Statuszeile und der vollständige Inhalt der Log-Konsole.
- Beim gemeinsamen Backend: die Einstellungen unter **App Settings** auf Server und Client (**Start backend locally**, **Backend bind address**, **Remote backend address**) und das Ergebnis von `http://<server-ip>:8420/api/v1/health`.
- Die für das Training verwendete JSON-Konfigurationsdatei.

Den Kundensupport erreichen Sie unter [customer.success@hdvisionsystems.com](mailto:customer.success@hdvisionsystems.com) oder telefonisch unter +49 6221 6721905. Bei Fragen zu Lizenzen schreiben Sie an [licenses@hdvisionsystems.com](mailto:licenses@hdvisionsystems.com).
