--- title: "Intégration de Tulip et Landing AI " slug: "tulip-and-landing-ai-integration" updated: 2025-05-27T15:06:07Z published: 2025-05-27T15:06:07Z canonical: "support.tulip.co/tulip-and-landing-ai-integration" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # Intégration de Tulip et Landing AI ## Créer et déployer les modèles de vision de Landing AI dans Tulip Availability The Third Party Vision Integration will be available in Tulip Instances upon request. La fonction Snapshot de Vision peut être utilisée avec les services d'intégration tiers de Tulip pour construire et déployer rapidement un modèle de vision de classification. En utilisant cette fonctionnalité avec Landing AI, vous pouvez envoyer des images pour tester votre modèle, et le modèle classifiera différents types d'objets et apprendra la confiance de cette classification. Dans cet article, vous apprendrez - Comment entrer vos informations d'identification Landing AI - Comment créer un modèle de classification - Comment déployer un modèle de classification ### Conditions préalables Vous avez collecté les images nécessaires et les avez classées pour votre ensemble de données (il en faut au moins 10 par classe). Pour des exemples, voir:* [https://library.tulip.co/apps/vision-data-collection*](https://library.tulip.co/apps/vision-data-collection) [https://support.tulip.co/docs/collecting-data-for-visual-inspection-with-vision](https://support.tulip.co/docs/collecting-data-for-visual-inspection-with-vision) ## Cas d'utilisation : Classification d'un PCB radio comme "anomalie" ou "normal". Cette méthode peut être utilisée pour classer plusieurs états mais, dans ce cas, nous n'en utiliserons que deux pour plus de simplicité. ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.07.38%20AM.png) ### Saisissez vos informations d'identification Landing AI 1. Sous l'onglet Shop floor, sélectionnez Vision. 2. Dans le panneau latéral gauche, sélectionnez Models, puis cliquez sur le bouton Manage providers en haut à droite de la page.![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.07.54%20AM.png) 3. Saisissez votre clé API Landing AI.![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.00%20AM.png) ### Créer un modèle de classification Une fois que votre ensemble de données est prêt, collecté et classé, cliquez sur créer un modèle. Lisez [cet article](https://support.tulip.co/docs/collecting-data-for-visual-inspection-with-vision) pour savoir comment collecter vos données. ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.07%20AM.png) Saisissez le **nom**, la **description** du modèle et le **fournisseur de vision** (Landing AI). Ensuite, saisissez les champs suivants:* **Type de modèle** - uniquement la classification (différenciation des entités connues)* **Table Tulip** - votre source de données Tulip* **Image** - la ou les images que vous souhaitez classifier* **Annotation** - l'étiquette (qui devient la classe) pour chaque image * **Requête** - Une requête pour limiter le nombre d'images que vous choisissez d'envoyer. ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.15%20AM.png) Cliquez sur **Créer un modèle**. ### Déployer un modèle de classification Il existe quatre statuts pour les modèles de classification:* **Uploading** - actuellement en train de télécharger des images vers Landing AI* **Trained** - prêt à être utilisé* **Published** - utilisé dans une application* **Failed** - le modèle a rencontré des problèmes et ne peut pas être utilisé![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.22%20AM.png) ### Déclencheur Tulip crée automatiquement un connecteur pour chaque modèle afin que vous puissiez facilement déployer dès que le modèle est formé. Choisissez le déclencheur **Vision AI**, puis **Run Vision Model Inference**, et sélectionnez le modèle que vous avez créé. Vous devrez fournir l'image sur laquelle vous exécutez le modèle et une variable pour stocker le résultat (c'est-à-dire la classe et la confiance pour cette classe). ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.28%20AM.png) Le résultat sera retourné avec un "label" et un "score". #### Limites - 100 modèles de vision - Taille de l'image : 20 Mo - 10K images dans un modèle - 25 requêtes par seconde #### Classification - 2 classes requises - minimum 10 images par classe