Mejorando su modelo a lo largo del tiempo

Tiempo: 5 minutos (lectura)

Su inspección está desplegada. ¿Y ahora, cómo mantener un rendimiento alto a medida que cambian las condiciones, aparecen nuevos tipos de defectos o evolucionan las especificaciones?

The Library: Your continuous improvement tool

Cada captura que toma la cámara se guarda en la Library, junto con la predicción de la IA y la puntuación de confianza. Esta es su mina de oro para la mejora.

Find what the AI got wrong

1. Vaya a la Library
2. Explore capturas recientes
3. Busque dos cosas:
   • Misses: imágenes donde la predicción de la IA es claramente incorrecta (casilla de verificación en la esquina superior izquierda de cada miniatura)
   • Low-confidence predictions: desplácese hacia abajo en cualquier imagen para ver los valores de confianza. Baja confianza = la IA estaba insegura

Retrain with targeted data

1. Seleccione las imágenes que la IA obtuvo incorrectas o sobre las que tenía dudas
2. Haga clic en "Add to Active Recipe Train Set"
3. Corrija las etiquetas si es necesario
4. Haga clic en Retrain

Concéntrese en las capturas de misses y de baja confianza, no en datos nuevos al azar. Esta es la forma más eficiente de mejorar.

Inspect saved images with the Metadata Viewer

Si necesita ver exactamente qué predijo la IA en una imagen específica, cargue el JPEG guardado en el Metadata Viewer. Las cámaras OV incrustan los resultados de predicción, las puntuaciones de confianza y la configuración de la cámara directamente en cada imagen capturada.

Classifier improvement workflow

1. Revise las imágenes de Library → encuentre errores y predicciones de baja confianza
2. Agréguelas a su conjunto de entrenamiento
3. Etiquete de nuevo si es necesario
4. Retrain
5. Use Haystack para explorar visualmente sus datos y encontrar imágenes mal etiquetadas a gran escala

Segmenter improvement workflow

OV10i admite clasificadores únicamente

El flujo de trabajo del segmenter a continuación se aplica al OV20i y al OV80i. Si necesita detección de defectos a nivel de píxel, considere actualizar a un OV20i o un OV80i. Consulte Classifier vs. Segmenter para ayudar a decidir.

Los Segmenters requieren más tiempo para etiquetar (anotación a nivel de píxel), así que hay una solución rápida:

1. Importe las imágenes problemáticas en la receta de segmentación
2. Haga clic en Generate Predictions para que el modelo preetiquete las nuevas imágenes lo mejor posible
3. Corregir las predicciones en lugar de etiquetar desde cero (mucho más rápido)
4. Reentrenar

The philosophy

• Nunca deje de iterar. La IA tiene una alta capacidad de aprendizaje y continúa mejorando con 50, 100, incluso 500+ imágenes
• Apunte a las fallas específicamente. No agregue datos al azar. Añada los casos en los que la IA tiene dificultades
• Verifique regularmente las etiquetas incorrectas. A medida que su conjunto de datos crece, las etiquetas incorrectas se vuelven más difíciles de detectar pero siguen perjudicando la precisión

Accelerate with GenAI tools

Three AI-powered tools at tools.overview.ai can dramatically speed up your improvement cycles:

• Defect Studio -- Generar imágenes sintéticas de defectos fotorrealistas hasta 10,000x más rápido que esperar defectos reales
• Integration Builder -- Construya flujos de Node-RED listos para producción a partir de descripciones en inglés simple
• AI Expert Helper -- Obtenga orientación experta 24/7 sobre cualquier pregunta de cámara

The GenAI toolkit advantage

En conjunto, estas tres herramientas pueden reducir su tiempo de implementación de días a horas. Genere datos de entrenamiento sintéticos en lugar de esperar defectos reales, construya integraciones describiendo lo que quiere y obtenga orientación experta instantánea sin esperar tickets de soporte.

→ Vea la guía completa del GenAI Toolkit