Saltar al contenido principal

Mejorando Su Modelo A Lo Largo Del Tiempo

Tiempo: 5 minutos (lectura)

Su inspección está desplegada. ¿Cómo mantener su rendimiento a medida que cambian las condiciones, aparecen nuevos tipos de defectos o evolucionan las especificaciones?

La Biblioteca: Su herramienta de mejora continua​

Cada captura que realiza la cámara se guarda en la Biblioteca, junto con la predicción de la IA y la puntuación de confianza. Este es su recurso principal para la mejora.

Vista de la Biblioteca: navegar por capturas y filtrar por predicción y confianza

Encontrar lo que la IA hizo mal​

  1. Vaya a la Biblioteca
  2. Explore capturas recientes
  3. Busque dos cosas:
    • Fallas: imágenes en las que la predicción de la IA es claramente incorrecta (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. Una confianza baja = la IA no estaba segura

Reentrenar con datos focalizados​

  1. Seleccione las imágenes en las que la IA se equivocó 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

Agregar imágenes de la Biblioteca a su conjunto de entrenamiento

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

Flujo de trabajo para la mejora del clasificador​

  1. Revisar imágenes de la Biblioteca → encontrar errores y predicciones de baja confianza
  2. Añádalas al conjunto de entrenamiento
  3. Volver a etiquetarlas si es necesario
  4. Reentrenar
  5. Utilice Haystack para explorar sus datos visualmente y encontrar imágenes etiquetadas incorrectamente a gran escala

Flujo de trabajo para la mejora del segmentador​

OV10i admite solo clasificadores

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

Los segmentadores tardan más en etiquetar (anotación a nivel de píxel), así que hay un atajo:

  1. Importar imágenes problemáticas en la receta de segmentación
  2. Haga clic en Generate Predictions para que el modelo preetique las nuevas imágenes lo mejor que pueda
  3. Fix the predictions en lugar de etiquetar desde cero (mucho más rápido)
  4. Reentrenar

La filosofía​

  • Nunca deje de iterar. La IA tiene una alta capacidad de aprendizaje y sigue mejorando con 50, 100, incluso 500+ imágenes
  • Apunte a las fallas específicas. No agregue datos al azar. Agregue los casos en los que la IA tiene dificultades
  • Revise regularmente las etiquetas incorrectas. 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 -- Genera 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
  • AI Expert Helper -- Obtenga orientación experta 24/7 sobre cualquier consulta relacionada con cámaras
Ventaja de la caja de herramientas GenAI

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 necesita y obtenga orientación experta de inmediato sin tener que abrir tickets de soporte.

→ Ver la guía completa de GenAI Toolkit