DOCUMENTACIÓN CON IA
¿Qué desea saber?
Mejorando su modelo con el tiempo
Su inspección ya está desplegada. ¿Ahora, cómo mantener un rendimiento alto a medida que cambian las condiciones, aparecen nuevos tipos de defectos o evolucionan las especificaciones?
Library: Su herramienta de mejora continua
Cada captura que toma la cámara se guarda en la Library, junto con la predicción de la IA y el puntaje de confianza. Este es su auténtico tesoro para la mejora.
Encontrar lo que la IA hizo mal
- Vaya a la Library
- Explore capturas recientes
- Busque dos cosas:
- Misses: imágenes en las que la predicción de la IA es claramente incorrecta (la casilla de verificación en la esquina superior izquierda de cada miniatura)
- Predicciones de baja confianza: desplácese hacia abajo en cualquier imagen para ver los valores de confianza. Baja confianza = la IA no estaba segura
Reentrenar con datos dirigidos
- Seleccione las imágenes que la IA clasificó mal o sobre las que tenía dudas
- Haga clic en "Add to Active Recipe Train Set"
- Corrija las etiquetas si es necesario
- Haga clic en Reentrenar
Enfoque en fallos y capturas de baja confianza, no en datos nuevos aleatorios. Esta es la forma más eficiente de mejorar.
Si necesita ver exactamente qué predijo la IA en una imagen específica, cargue el JPEG guardado en el Visualizador de Metadatos. Las cámaras OV incrustan resultados de predicción, puntajes de confianza y configuraciones de la cámara directamente en cada imagen capturada.
Flujo de mejora del clasificador
- Revise las imágenes de la Library → encuentre errores y predicciones de baja confianza
- Añúdalas al conjunto de entrenamiento
- Vuelva a etiquetar si es necesario
- Reentrene
- Use Haystack para explorar sus datos visualmente y encontrar imágenes mal etiquetadas a gran escala
Flujo de mejora del segmentador
El flujo de trabajo de segmentación a continuación aplica para el OV20i y el OV80i. Si necesita detección de defectos a nivel de píxel, considere actualizar a un OV20i o un OV80i. Consulte Classifier vs. Segmenter para decidir.
Los segmentadores tardan más en etiquetar (anotación a nivel de píxel), así que hay un atajo:
- Importe imágenes problemáticas a la receta de segmentación
- Haga clic en Generar Predicciones para que el modelo etiquete previamente las nuevas imágenes lo mejor que pueda
- Corregir las predicciones en lugar de etiquetar desde cero (mucho más rápido)
- Reentrenar
La filosofía
- Nunca deje de iterar. La IA tiene una alta capacidad de aprendizaje y continúa mejorando con 50, 100, incluso 500+ imágenes
- Apunte a fallos específicamente. No agregue datos al azar. Agregue los casos en los que la IA tiene dificultades
- Verifique las etiquetas incorrectas regularmente. A medida que su conjunto de datos crece, las etiquetas erróneas se vuelven más difíciles de detectar, pero siguen dañando la precisión
Acelere con herramientas GenAI
Tres herramientas impulsadas por IA en tools.overview.ai pueden acelerar drásticamente sus ciclos de mejora:
- Defect Studio -- Genere imágenes de defectos sintéticos fotorrealistas hasta 10,000x más rápido que esperar defectos reales
- Integration Builder -- Crea flujos de Node-RED listos para producción a partir de descripciones en inglés sencillo
- AI Expert Helper -- Obtenga orientación experta 24/7 sobre cualquier pregunta de la cámara
Juntas, estas tres herramientas pueden reducir su tiempo de despliegue de días a horas. Genere datos de entrenamiento sintéticos en lugar de esperar defectos reales, construya integraciones describiendo lo que desea y reciba orientación experta de inmediato sin esperar tickets de soporte.