Chuyển đến nội dung chính

TÀI LIỆU ĐƯỢC HỖ TRỢ BỞI AI

Bạn muốn biết điều gì?

Cải Thiện Mô Hình Theo Thời Gian

Quy trình kiểm tra của bạn đã được triển khai. Vậy làm thế nào để duy trì hiệu suất tốt khi điều kiện thay đổi, các loại lỗi mới xuất hiện, hoặc thông số kỹ thuật thay đổi?

Library: Công cụ cải tiến liên tục của bạn​

Mỗi hình ảnh camera chụp được sẽ được lưu vào Library, cùng với dự đoán của AI và điểm confidence. Đây là kho tài nguyên quý giá để cải thiện.

Chế độ xem Library: duyệt ảnh chụp, lọc theo dự đoán và confidence

Tìm những gì AI đã dự đoán sai​

  1. Vào Library
  2. Duyệt các ảnh chụp gần đây
  3. Chú ý hai điểm:
    • Misses: những hình ảnh mà dự đoán của AI rõ ràng là sai (checkbox ở góc trên bên trái của mỗi hình thu nhỏ)
    • Dự đoán có confidence thấp: cuộn xuống trên bất kỳ hình ảnh nào để xem giá trị confidence. Confidence thấp = AI không chắc chắn

Huấn luyện lại với dữ liệu mục tiêu​

  1. Chọn các hình ảnh mà AI đã dự đoán sai hoặc không chắc chắn
  2. Nhấp vào "Add to Active Recipe Train Set"
  3. Sửa nhãn nếu cần
  4. Nhấp vào Retrain

Thêm ảnh từ Library vào tập huấn luyện

Tập trung vào các trường hợp misses và ảnh có confidence thấp, không phải dữ liệu mới ngẫu nhiên. Đây là cách hiệu quả nhất để cải thiện.

Kiểm tra ảnh đã lưu với Metadata Viewer

Nếu bạn cần xem chính xác AI đã dự đoán gì trên một hình ảnh cụ thể, hãy tải tệp JPEG đã lưu lên Metadata Viewer. Camera OV nhúng kết quả dự đoán, điểm confidence và cài đặt camera trực tiếp vào mỗi ảnh được chụp.

Quy trình cải tiến Classifier​

  1. Xem xét các ảnh trong Library → tìm lỗi và các dự đoán có confidence thấp
  2. Thêm chúng vào tập huấn luyện
  3. Gán lại nhãn nếu cần
  4. Retrain
  5. Sử dụng Haystack để khám phá dữ liệu trực quan và tìm các ảnh bị gán sai nhãn trên quy mô lớn

Quy trình cải tiến Segmenter​

Segmenter mất nhiều thời gian hơn để gán nhãn (chú thích ở cấp độ pixel), vì vậy có một lối tắt:

  1. Import các ảnh có vấn đề vào recipe segmentation
  2. Nhấp vào Generate Predictions để mô hình gán nhãn trước cho các ảnh mới một cách tốt nhất có thể
  3. Sửa các dự đoán thay vì gán nhãn từ đầu (nhanh hơn nhiều)
  4. Retrain

Triết lý​

  • Không bao giờ ngừng cải tiến. AI có khả năng học cao và vẫn tiếp tục cải thiện với 50, 100, thậm chí hơn 500 hình ảnh
  • Nhắm mục tiêu cụ thể vào các trường hợp thất bại. Đừng thêm dữ liệu ngẫu nhiên. Hãy thêm các trường hợp mà AI gặp khó khăn
  • Kiểm tra nhãn sai thường xuyên. Khi tập dữ liệu của bạn lớn lên, các nhãn sai trở nên khó phát hiện hơn nhưng vẫn ảnh hưởng đến độ chính xác

Tăng tốc với các công cụ GenAI​

Ba công cụ được hỗ trợ AI tại tools.overview.ai có thể tăng tốc đáng kể chu kỳ cải tiến của bạn:

  • Defect Studio -- Tạo ảnh lỗi tổng hợp chân thực (photorealistic) nhanh hơn tới 10.000 lần so với chờ đợi các lỗi thực tế
  • Integration Builder -- Xây dựng các luồng Node-RED sẵn sàng cho sản xuất từ mô tả bằng tiếng Anh thông thường
  • AI Expert Helper -- Nhận hướng dẫn chuyên gia 24/7 cho mọi câu hỏi về camera
Lợi thế của bộ công cụ GenAI

Cùng với nhau, ba công cụ này có thể giảm thời gian triển khai từ vài ngày xuống còn vài giờ. Tạo dữ liệu huấn luyện tổng hợp thay vì chờ đợi các lỗi thực tế, xây dựng tích hợp bằng cách mô tả những gì bạn muốn, và nhận hướng dẫn chuyên gia tức thì mà không cần chờ ticket hỗ trợ.

→ Xem hướng dẫn đầy đủ về GenAI Toolkit