Saltar al contenido principal

Añadiendo Datos y Reentrenamiento

Este tutorial muestra cómo mejorar la precisión de su modelo de IA al añadir imágenes nuevas a una receta existente y reentrenar el modelo. Este proceso es esencial cuando su modelo clasifica incorrectamente piezas buenas como falladas o cuando se presentan variaciones nuevas en su producción.

Qué aprenderá:

  • Cómo encontrar y seleccionar imágenes para el reentrenamiento
  • Cómo agregar imágenes al conjunto de entrenamiento existente
  • Cómo etiquetar nuevos datos de entrenamiento
  • Cómo reentrenar su modelo con los nuevos datos

Cuándo usar esto: Cuando las piezas buenas están fallando en la inspección, cuando hay variaciones nuevas de piezas o cuando necesita mejorar la precisión del modelo con ejemplos adicionales.

Prerrequisitos​

  • Receta activa con un modelo de IA entrenado (clasificación o segmentación)
  • Acceso a la interfaz de la cámara OV80i
  • Imágenes en la Biblioteca que deben agregarse al entrenamiento

Paso 1: Encontrar Imágenes para el Reentrenamiento​

1.1 Navegar a la Biblioteca​

  1. Abrir la interfaz de OV80i
  2. Hacer clic en "Biblioteca" en el menú de navegación izquierdo
  3. Verás todas las imágenes capturadas por tu cámara

1.2 Filtrar Imágenes​

  1. Filtrar por Receta: Selecciona la receta que quieres mejorar
  2. Filtrar por Pasar/No Pasar (Pass/Fail): Selecciona "FAIL" para ver las imágenes fallidas, o "PASS" para ver las imágenes que pasaron
  3. Ordenar por: Elige fecha u otros criterios para organizar los resultados
  4. Hacer clic en "Buscar" para mostrar los resultados filtrados

Objetivo: Encontrar imágenes que fueron clasificadas incorrectamente: piezas buenas que fallaron o piezas malas que pasaron.

Paso 2: Agregar Imágenes al Conjunto de Entrenamiento​

2.1 Seleccionar Imágenes​

  1. Revisar cada imagen para identificar piezas clasificadas incorrectamente
  2. Seleccionar imágenes que muestren:
    • Piezas buenas que fueron marcadas incorrectamente como falladas
    • Piezas malas que fueron marcadas incorrectamente como pasadas
  3. Hacer clic en la casilla en cada imagen que desees agregar
Importante

Agregue imágenes que fueron clasificadas incorrectamente; esto incluye piezas buenas que fallaron y piezas malas que pasaron. Ambos casos ayudan a mejorar la precisión del modelo.

image.png

2.2 Añadir al Conjunto de Entrenamiento​

  1. Después de seleccionar las imágenes, haga clic en "Agregar al conjunto de entrenamiento de la receta activa" en la parte inferior
  2. Se mostrará un mensaje de éxito que confirmará que las imágenes fueron agregadas
  3. Haga clic en "Ir al editor de recetas" para continuar

Paso 3: Etiquetar Nuevos Datos de Entrenamiento​

3.1 Navegar a Etiquetar y Entrenar​

  1. Desde el Editor de Recetas, ir a:
    • Receta de Clasificación: "Bloque de Clasificación"
    • Receta de Segmentación: "Etiquetar y Entrenar"
  2. Haga clic en "Ver Todas las ROIs"

3.2 Encontrar Imágenes Sin Etiquetar​

  1. Usar el desplegable "Filtrar por Clase"
  2. Seleccionar "Sin Etiquetar" para mostrar solo las imágenes sin etiquetar
  3. Verás las imágenes que acabas de añadir al conjunto de entrenamiento

image.png

3.3 Etiquetar Imágenes Seleccionadas​

  1. Seleccionar todas las imágenes sin etiquetar que agregaste
  2. Hacer clic en "Etiquetar ROIs seleccionadas" en la esquina inferior izquierda
  3. Elegir la etiqueta correcta desde el desplegable (p. ej., "Pass", "Good", etc.)
  4. Hacer clic en "OK" para aplicar la etiqueta
Importante

Haga clic en "Borrar selección" entre diferentes sesiones de etiquetado para evitar etiquetado incorrecto.

image.png

3.4 Cerrar Vista de ROI​

  1. Cerrar la ventana modal "Ver Todas las ROIs"
  2. Volver a la página principal de Etiquetar y Entrenar

Paso 4: Reentrenar el Modelo​

4.1 Iniciar el Reentrenamiento​

  1. Hacer clic en "Entrenar Modelo de Clasificación" o "Entrenar Modelo de Segmentación"
  2. El sistema reentrenará usando todos los datos existentes más tus imágenes nuevas
  3. Supervisar el progreso del entrenamiento

4.2 Proceso de Entrenamiento​

  • El modelo aprende de los datos etiquetados antiguos y nuevos
  • El tiempo de entrenamiento depende de la cantidad total de datos
  • Espere a que el entrenamiento se complete antes de realizar pruebas

4.3 Probar el Modelo Mejorado​

  1. Usar "Modo de Vista previa en vivo" para probar el modelo reentrenado
  2. Probar con las mismas imágenes que previamente fallaban
  3. Verificar que el modelo ahora identifica correctamente las piezas buenas como pasadas

Paso 5: Validar Resultados​

5.1 Probar con Nuevas Imágenes​

  1. Capturar nuevas imágenes de piezas similares
  2. Verificar si el modelo rinde mejor en casos límite
  3. Verificar que las imágenes previamente buenas ahora pasen correctamente

5.2 Supervisar Desempeño​

  1. Vigilar posibles nuevos falsos positivos o falsos negativos
  2. Documentar la mejora en la precisión
  3. Anotar cualquier problema restante para futuros reentrenamientos

¡Éxito! Su Modelo Está Reentrenado​

Su modelo de IA mejorado ahora puede:

✅ Identificar mejor las piezas buenas que antes fallaban

✅ Manejar nuevas variaciones en sus piezas de producción

✅ Reducir falsos positivos/falsos negativos y mejorar la precisión

✅ Adaptarse a cambios en su proceso de fabricación

Consejos Clave para el Éxito​

Calidad de los Datos​

  • Añada imágenes clasificadas incorrectamente (tanto pases falsos como fallos)
  • Etiquete de forma consistente: piezas buenas como "Pass", piezas malas como "Fail"
  • Incluya ejemplos diversos de condiciones que pasan y que fallan
  • Borre las selecciones entre sesiones de etiquetado

Cuándo Reentrenar​

  • Aumentan los falsos fallos (piezas buenas que fallan)
  • Aumentan los pases falsos (piezas malas que pasan)
  • Aparecen nuevas variaciones de piezas en la producción
  • Cambios en el proceso afectan la apariencia de las piezas
  • Variaciones estacionales en materiales o iluminación

Mejores Prácticas​

  • Comience pequeño: agregue de 10 a 20 imágenes a la vez
  • Pruebe a fondo tras cada reentrenamiento
  • Documente cambios y mejoras
  • Mantenga respaldo de modelos que funcionan antes de un reentrenamiento mayor

Siguientes Pasos​

Después de reentrenar su modelo:

  1. Monitoree la producción para una mayor precisión
  2. Siga recopilando imágenes problemáticas para futuros reentrenamientos
  3. Configure un programa regular de reentrenamiento si es necesario
  4. Capacite a los operadores sobre cuándo señalar imágenes para reentrenamiento
  5. Documente su proceso de reentrenamiento para mantener la consistencia

🔗 Véase También​