--- title: "Integração de IA do Tulip e do Landing " slug: "tulip-and-landing-ai-integration" updated: 2025-05-27T15:06:49Z published: 2025-05-27T15:06:49Z 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. # Integração de IA do Tulip e do Landing ## Crie e implemente modelos de visão da Landing AI no Tulip Availability The Third Party Vision Integration will be available in Tulip Instances upon request. O recurso Snapshot do Vision pode ser usado com os Third Party Integration Services do Tulip para criar e implantar rapidamente um modelo de visão de classificação. Ao usar essa funcionalidade com o Landing AI, você pode enviar imagens para testar seu modelo, e o modelo classificará diferentes tipos de objetos e aprenderá a confiança dessa classificação. Neste artigo, você aprenderá: - Como inserir suas credenciais de IA do Landing - Como criar um modelo de classificação - Como implantar um modelo de classificação ### Pré-requisitos Você coletou as imagens necessárias e classificou essas imagens para seu conjunto de dados (precisa de pelo menos 10 por classe) Para obter exemplos, consulte:* [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) ## Caso de uso: Classificação de PCB de rádio como "anomalia" vs. "normal" Isso pode ser usado para classificar vários estados, mas, neste caso, estamos usando dois para simplificar. ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.07.38%20AM.png) ### Insira suas credenciais do Landing AI 1. Na guia Shop floor, selecione Vision. 2. No painel do lado esquerdo, selecione Models (Modelos) e clique no botão Manage providers (Gerenciar provedores) no canto superior direito da página.![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.07.54%20AM.png) 3. Digite sua chave da API do 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) ### Criar um modelo de classificação Quando seu conjunto de dados estiver pronto, coletado e classificado, clique em criar modelo. Leia [este artigo](https://support.tulip.co/docs/collecting-data-for-visual-inspection-with-vision) para obter informações sobre como coletar seus dados. ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.07%20AM.png) Insira o **nome**, **a descrição** do modelo e o **provedor de visão** (Landing AI)Em seguida, insira os seguintes campos:* **Tipo de modelo** - somente Classificação (diferenciação entre entidades conhecidas)* **Tabela Tulip** - sua fonte de dados Tulip* **Imagem** - a(s) imagem(ns) que você deseja classificar* **Anotação** - o rótulo (que se torna a classe) de cada imagem * **Consulta** - uma consulta para limitar o número de imagens que você escolhe enviar ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.15%20AM.png) Clique em **Criar modelo**. ### Implantar um modelo de classificação Há quatro status para os modelos de classificação:* **Uploading (carregando** ) - atualmente carregando imagens para o Landing AI* **Trained (treinado** ) - pronto para ser usado* **Published (publicado** ) - usado em um aplicativo* **Failed (com falha** ) - o modelo teve problemas e não pode ser usado![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.22%20AM.png) ### Gatilho O Tulip cria automaticamente um conector para cada modelo, de modo que você possa implantar prontamente assim que o modelo for treinado. Selecione o acionador **Vision AI**, depois **Run Vision Model Inference** e selecione o modelo que você criou. Você precisará fornecer a imagem na qual está executando o modelo e uma variável para armazenar o resultado (ou seja, a classe e a confiança para essa classe). ![Landing AI](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/Screenshot%202025-04-10%20at%2010.08.28%20AM.png) O resultado retornará com um "rótulo" e uma "pontuação". #### Limites - 100 modelos de visão - Tamanho de imagem de 20 MB - 10 mil imagens em um modelo - 25 solicitações por segundo #### Classificação - 2 classes necessárias - mínimo de 10 imagens por classe