DOCUMENTACIÓN CON IA
¿Qué desea saber?
Mejorando Su Modelo con el Tiempo
Su inspección está desplegada. Ahora, ¿cómo mantenerla funcionando bien 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 toma la cámara se guarda en la Biblioteca, junto con la predicción de la IA y el puntaje de confianza. Esta es su mina de oro para mejorar.
Encuentre lo que la IA hizo mal
- Vaya a la Biblioteca
- Explore las capturas recientes
- Busque dos cosas:
- Errores: imágenes donde 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. Baja confianza = la IA no estaba segura
Reentrene con datos específicos
- Seleccione las imágenes que la IA falló o sobre las que no estuvo segura
- Haga clic en "Agregar al conjunto de entrenamiento de la receta activa"
- Corrija las etiquetas si es necesario
- Haga clic en Reentrenar
Enfóquese en los errores y capturas de baja confianza, no en datos nuevos al azar. Esta es la forma más eficiente de mejorar.
Si necesita ver exactamente qué predijo la IA sobre una imagen específica, cargue el JPEG guardado en el Metadata Viewer. Las cámaras OV incrustan los resultados de predicción, puntajes de confianza y configuraciones de la cámara directamente en cada imagen capturada.
Flujo de trabajo de mejora del clasificador
- Revise las imágenes de la Biblioteca → encuentre errores y predicciones de baja confianza
- Agréguelas al conjunto de entrenamiento
- Reetiquete si es necesario
- Reentrene
- Use Haystack para explorar sus datos visualmente y encontrar imágenes mal etiquetadas a gran escala
Flujo de trabajo de mejora del segmentador
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 u OV80i. Consulte Classifier vs. Segmenter para obtener ayuda en su decisión.
Los segmentadores tardan más en etiquetar (anotación a nivel de píxel), por lo que hay un atajo:
- Importe imágenes problemáticas a la receta de segmentación
- Haga clic en Generar Predicciones para que el modelo pre-etiquete las nuevas imágenes lo mejor que pueda
- Corrija las predicciones en lugar de etiquetar desde cero (mucho más rápido)
- Reentrene
La filosofía
- Nunca deje de iterar. La IA tiene una alta capacidad de aprendizaje y sigue mejorando con 50, 100, incluso más de 500 imágenes
- Apunte a las fallas específicamente. No agregue datos al azar. Agregue los casos donde la IA tiene dificultades
- Verifique regularmente las etiquetas incorrectas. A medida que crece su conjunto de datos, las etiquetas incorrectas son más difíciles de detectar, pero aún dañan 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 sintéticas de defectos fotorrealistas hasta 10,000 veces más rápido que esperar defectos reales
- Integration Builder -- Construya 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 implementación de días a horas. Genere datos de entrenamiento sintéticos en lugar de esperar defectos reales, construya integraciones describiendo lo que desea y obtenga orientación experta instantánea sin esperar tickets de soporte.