Saltar al contenido principal

DOCUMENTACIÓN CON IA

¿Qué desea saber?

Mejorando Su Modelo A Lo Largo Del Tiempo

Tiempo: 5 minutos (lectura)

Su inspección ya 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 toma la cámara se guarda en la Biblioteca, junto con la predicción de la IA y la puntuación de confianza. Este es su recurso clave para la mejora continua.

Vista de Biblioteca: explorar capturas, filtrar por predicción y confianza

Encuentre lo que la IA hizo mal​

  1. Vaya a la Biblioteca
  2. Navegue por capturas recientes
  3. Busque dos cosas:
    • Fallas: 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. Una confianza baja = la IA no estaba segura
Las imágenes mal etiquetadas pueden perjudicar significativamente la precisión

Una imagen mal etiquetada en un conjunto de datos pequeño tiene un impacto desproporcionado. Con solo 5 imágenes de entrenamiento, una sola etiqueta incorrecta corrompe el 20% de sus datos. Siempre verifique las etiquetas antes de reentrenar, especialmente cuando su conjunto de datos es pequeño.

Reentrenar con datos dirigidos​

  1. Seleccione las imágenes que la IA clasificó mal 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

Añadiendo imágenes de la Biblioteca a su conjunto de entrenamiento

Concentre la atención en las capturas de fallas y de baja confianza, no en datos nuevos al azar. Este es el método más eficiente para mejorar.

Inspect saved images with the Metadata Viewer

Si necesita ver exactamente lo que la IA predijo en una imagen específica, cargue el JPEG guardado al Visor de Metadatos. Las cámaras OV incorporan los resultados de predicción, las puntuaciones de confianza y los ajustes de la cámara directamente en cada imagen capturada.

Flujo de trabajo de mejora del clasificador​

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

Flujo de trabajo de mejora del segmentador​

Los segmentadores requieren más tiempo para etiquetar (anotación a nivel de píxel), así que hay un atajo:

  1. Importe imágenes problemáticas en la receta de segmentación
  2. Haga clic en Generate Predictions para que el modelo pre-etiquete las nuevas imágenes lo mejor que pueda
  3. Arregle las predicciones en lugar de etiquetar desde cero (mucho más rápido)
  4. Reentrene
Use Haystack to spot mislabels at scale

Haystack es una herramienta de exploración de datos visual que le permite revisar todo su conjunto de entrenamiento y detectar rápidamente imágenes que parecen fuera de lugar. A medida que su conjunto de datos crece más allá de 50-100 imágenes, la revisión manual se vuelve impráctica. Haystack agrupa imágenes similares, haciendo que los outliers mal etiquetados se destaquen visualmente.

La filosofía​

  • Nunca deje de iterar. La IA tiene una gran capacidad de aprendizaje y sigue mejorando con 50, 100 e incluso más de 500 imágenes
  • Dirija específicamente los fallos. No agregue datos al azar. Añada los casos en 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 dañando la precisión

Acelere con herramientas GenAI​

Tres herramientas impulsadas por IA en tools.overview.ai pueden acelerar significativamente sus ciclos de mejora:

  • Defect Studio -- Genera imágenes de defecto sintéticas 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 la cámara
Ventaja del kit GenAI

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 necesita, y obtenga orientación experta instantánea sin esperar tickets de soporte.

→ Vea la guía completa del GenAI Toolkit