Skip to main content
Skip table of contents

Vytvorenie inšpekcie

Inšpekcie využívajú systém učenia umelej inteligencie pre komplexnú a univerzálnu kontrolu dielcov s potrebou presnosti ako nity, platničky a podobne. Pre jednoduchšie pozície môžeme použiť farebné inšpekcie prítomnosti farby ako napríklad rukoväť prípravkov.

V projektovom strome otvoríme zvolenú inšpekciu

a otvorí sa kamerový obraz a zoznam inšpekcií.

Väzba

Výber skupiny inšpekčných regiónov podľa viazania sa na model, alebo workspace. Pokiaľ je inšpekcia vytvorená priamo v modely tak je viazaná na model a jeho detekciu polohy. Pokiaľ je vytvorená vo workspace, tak je fixne viazaná do pracovného priestoru a nájdeme ju v skupine workspace.

Spustiť

Spustenie vybraných inšpekcií.

Rec. Options

Nahrávanie obrázkov datasetu pre učenie umelej inteligencie.

Voľba inšpekcie povoliť / zakázať

Zakázať / Povoliť

Výber inšpekcie.

Vlastnosti / Draw result

Vykresliť výsledok inšpekcie do obrazu kamery.

Vlastnosti / Inšpekcia

Zobraziť inšpekciu v osobitnom okne

Vlastnosti inšpekcie

Pose

Umiestnenie, rotácia a veľkosť inšpekčného regiónu.

Vlastnosti inšpekcie

Pokročilé / Invertovať

Invertovať výsledok inšpekcie.

Vyplniť

Zaplniť plochu inšpekcie nepriehľadnou farbou výsledku.

Draw result

Zaplniť plochu inšpekcie priehľadnou farbou výsledku.

Vlastnosti inšpekcie

Profil / ver1

Selekcia a voľba spoločného profilu inšpekcií.

Inspector

Typ inšpekcie:

CNN

umelá inteligencia

Farba

farebná inšpekcia

Vytvorenie farebnej inšpekcie

Mód

Farebný formát odporúčaný HSV.

Odtieň, Saturácia, Jas

Ohraničenie nameraných hodnôt z obrazu.

Min. score

Minimálne výsledné skóre potrebné na potvrdenie inšpekcie.

Color range

Zobrazenie farebného ohraničenia.

Actual score

Aktuálne namerané skóre.

Zobrazením inšpekčného okna vieme dynamicky zvoliť rozsah požadovanej farby. Stlačením tlačidla Ctrl + kliknutie na požadovanú farbu rozširujeme rozsah farebného ohraničenia.

Zobrazenie grafu umožňuje vizualizovať rozsah ohraničenia a aktuálnu farebnú konfiguráciu.

Vytvorenie CNN inšpekcie

Inspector

CNN typ umelá inteligencia

CNN Inšpektor

Trénovať

Otvoriť trénovacie okno.

Export

Exportovať model CNN.

Vymazať

Vymazať model CNN

Správne triedy / Use custom classes /

Lokálne

Nastavenie trénovanej správnej tiredy modelu CNN.

Globálne

Použiť správnu triedu nastavenú v profile.

TOOL

Selekcia správnej triedy.

Min. score

Minimálne výsledné skóre potrebné na potvrdenie inšpekcie.

Použitie profilu

Použitím profilu umožníme zdieľať rovnaké inšpekčné nastavenia viacerým inšpekčným regiónom. Profily sú uložené v rámci projektu a každý projekt má vlastné.

Architektúra CNN inšpekcií pre aplikáciu nitovanie

Každá CNN inšpekcia potrebuje natrénovaný model, ktorý obsahuje triedy, ktoré predstavujú výsledok rozpoznania obrazu (auto, lietadlo, atď…). Takéto triedy musíme vytvoriť trénovaním pomocou vytvorených fotiek, ktoré predstavujú objekt danej triedy. Súbor takýchto fotiek sa volá Dataset.

Dataset môže byť spoločný pre rôzne CNN modely, alebo unikátny. Je to priečinok na disku, ktorý obsahuje kategorizovane zoradené fotky tried v priečinkoch podľa ktorého sa trénujú CNN modely.

V rámci projektu nitovania používame jeden dataset „rivet“, ktorý obsahuje všetky spojovacie prvky ako nity, skrutky, etc.... Tento dataset je spoločný pre všetky CNN modely projektov a je potrebné ho udržovať nemenný, len pridávať triedy, ale pôvodné nemeniť. Každé trénovanie projektov používa tento spoločný dataset a preto zmena projektu X bude vplývať na projekt Y.
Všetky ostatné komponenty ako konzoly, prípravky atď. sú držané v lokálnom CNN modely a datasete v priečinku určenom len pre daný projekt.

Vytváranie Datasetu

Rec. Options

Tlačidlo pre otvorenie možností nahrávania.

Nahrávanie

Spustenie nahrávania obrázkov z vybraných inšpekčných regiónov.

Directory

Voľba priečinku datasetu.

Trieda

Zvoliť si preddefinovanú triedu, Good/Bad/Empty, alebo si vytvoriť vlastnú.

Resize a Max. Resolution

Nemeniť.

Príprava trénovania CNN modelu

Okno trénovania CNN modelu pozostáva z časti zobrazenia datasetu a konfigurácie trénovania.
Dataset pozostáva z trénovacej časti a validačnej. Trénovací dataset slúži pre učenie a validačný pre kontrolu učenia. Každá fotka z trénovacieho datasetu je upravená podľa parametrov tak, aby simulovala možné obmeny v rámci živého obrazu.

Dataset – výber zdrojového adresára
V tejto časti vyberáme dataset, podľa ktorého budeme trénovať CNN model.

Prepínanie medzi tréningovým a validačným datasetom.

Vlastnosti zobrazovaných obrázkov datasetu

Premiestniť do val. datasetu

Funkcia premiestni vybranú fotku/fotky do validačného datasetu.

Nastaviť váhu

Zvýši mieru učenia na vybranú fotku, používa sa v prípade nových fotiek na ktoré chceme doúčať CNN model. Nové fotky v datasete sú vždy vyznačené zelenou farbou a pokiaľ chceme urýchliť trénovanie im môžeme dať váhu 10. Nezabudnúť váhu po trénovaní nastaviť na nulu prípadne nižšie číslo.

Zakázať

Fotka ostane zašednutá a nebude sa používať na trénovanie.

Funkcie triedy

V vytváranie tried učenia.

Odstrániť

Vymazať.

Zobrazenie tried v strome datasetu. Všetky fotky zobrazíme kliknutím na položku Dataset.

Práca s jednotlivými triedami v strome
datasetu

Posunúť triedu dole / hore

Táto funkcia priamo zasahuje to indexácie tried a teda do projektov. Ak zmeníme poradie tried tak sa stratí väzba s projektom.

Premiestniť do

Triedu môžeme premiestniť do inej triedy.

Zlúčiť

Dve triedy vieme zlúčiť do jednej skupinovej triedy.

Rozdeliť

Naopak vieme rozdeliť skupinu na dve osobitné triedy tak ako pred zlúčením.

Práca s fotkami a zmena ich veľkosti ikony a ich zoradenie v zobrazení podľa:
Dátum, Názov
Podobnosť – Fotky s predpokladom najväčšej podobnosti teda najmenších známok rozdielov sú zobrazené ako prvé.
Zaostrenie – Najrozmazanejšie fotky sú zobrazené ako prvé.
Ostrosť / Kontrast – Triedenie podľa kvality fotky.
Skóre – Po spustení:

dostane každá fotka v datasete pridelené číslo úspešnosti (skóre) podľa ktorého si vieme zoradiť fotky a určiť tak fotky s najnižším skóre a rozhodnúť sa či majú dôležitosť pre učenie, alebo sú zlé.

Záložka výsledky trénovania – Po spustení testovania na datasete je skóre každej fotky štatisticky zobrazené v tabuľke výsledkov.

Spustenie trénovania CNN modelu

Augmentácia

Rozširovanie učenia na základe poznaných fotiek je dôležitá funkcia, kde pomocou určených parametrov upravujeme fotky tak aby simulovali zmenu prostredia:

Transformácia

Objekt je potrebné zobraziť pri učení aj v iných pozíciách ako len tej, ktorú poznáme.

Prevrátiť vertikálne / horizontálne

Preklopenie fotky cez V/H os.

Rotácia / Posunutie / Zväčšenie

Rozmerová a pozičná úprava fotky.

Gamma rozsah

Úprava farebnej kvality fotiek.

Rozsah osvetlenia

Simulácia zmeny jasových podmienok pracovného prostredia.

Saturácia

Úprava kvality farieb fotky.

Šum / Rozmazanie / Zaostrenie

Simulácia zhoršených podmienok pracoviska.

Parametre učenia

Resetovať

Resetovať model CNN.

Importovať

Importovať model CNN.

Veľkosť dávky

Veľkosť dávky musí obsiahnuť počet fotiek v datasete teda ak máme 13954 fotiek v datasete tak nastavíme hodnotu 14000.

Mini-dávka

Je objem fotiek použitých na jedno trénovanie, teda celková veľkosť dávky je rozdelená na mini-dávky o veľkosti závislej na použitej grafickej karte a jej pamäti.

Validačné rozdelenie

V prípade, že máme prázdnu validačnú triedu, systém automaticky určí percentuálny počet fotiek, ktorý premení na validačné.

Použiť CUDA

Áno. Trénovanie na GPU.

Priebeh trénovania. Strata predstavuje stratu pre jednotlivú mini-dávku trénovania na trénovacích a validačných dátach. Táto strata musí klesať pokiaľ učenie prebieha dobre.
Presnosť trénovania naopak stúpa s počtom trénovaní a očakávaná úroveň je cez 99% avšak je závislá na kvalite datasetu.

JavaScript errors detected

Please note, these errors can depend on your browser setup.

If this problem persists, please contact our support.