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.

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.

Vytvorenie farebnej inšpekcie

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

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.

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 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.

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.

	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
Profil / ver1	Selekcia a voľba spoločného profilu inšpekcií.
Inspector	Typ inšpekcie:
	CNN	umelá inteligencia
	Farba	farebná inšpekcia

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.

Inspector	CNN typ umelá inteligencia
CNN Inšpektor	Trénovať	Otvoriť trénovacie okno.
	Export	Exportovať model CNN.
	Vymazať	Vymazať model CNN

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.