- 打印
将 Azure CustomVision.ai 与 Tulip Vision 结合使用,是在工作站及其他设备上实现视觉检测的一种简单无代码方法。
在本文中,我们将演示如何使用 Microsoft Azure 的 CustomVision.ai 服务与 Tulip 一起进行视觉检测。CustomVision.ai 服务用于轻松创建视觉识别任务的机器学习模型。通过 Tulip,您可以收集数据来训练 CustomVision.ai 提供的机器学习模型。
视觉检测是一线操作的重要组成部分。它可以用来确保只有高质量的产品才会离开生产线,减少退回零件和返工,并提高真正的产量。自动视觉检测可以节省人工执行视觉检测的时间,降低总体成本并提高效率。有了 Tulip Vision,只需将经济实惠的摄像头连接到现有计算机,并创建一个用于检测的 Tulip 应用程序,就能快速、轻松地将视觉检测添加到任何工作站。
前提条件
- 配备视觉检测相机的 Tulip Vision 工作站。按照Tulip Vision 入门指南进行操作
- 在CustomVision.ai 上使用的账户/或者,您也可以使用 Landing AI -点击此处了解更多。
- 用于视觉检测任务的产品
- 一个至少包含 30 张图片的数据集,用于您希望检测的每个类别(例如 "合格 "或 "不合格"、"缺陷 1"、"缺陷 2"、"缺陷 3 "等)。按照指南上的说明从 Tulip 收集和导出视觉检测数据
视觉检测设置示例
将检测图像上传到 CustomVision.ai
从数据集 Tulip 表单击 "下载数据集 "并选择图像和注释的相关列。下载并解压数据集 .zip 文件到计算机上的文件夹。根据数据集表中的注释,每个检测类别应包含若干子文件夹。
在 Customvision.ai 上创建一个新项目:
命名您的项目并选择 "分类 "项目类型和 "多类别(每幅图像一个标签)"。分类。类型选项:(默认选择这些选项)
点击 "添加图像"。
为其中一个类别选择计算机上的图像。您可以选择从郁金香表解压数据集中获得的子文件夹中的所有图像。图片加载到 Customvision.ai 后,您可以一次性为所有图片应用标签,以节省逐个标记的时间。由于当前的所有图片都来自同一类别,因此可以这样做。
在下面的示例中,我们上传了所有 "正常 "类图像,并将标签(类)一次性应用于所有图像:
对其他类别重复同样的上传操作。
训练和发布视觉检测模型
训练数据准备就绪后,就可以开始训练模型了。右上角的 "训练 "模型会打开训练对话框。
适当选择训练模式。如果要快速试运行,查看一切工作是否正常,请使用 "快速 "选项。否则,为了获得最佳分类效果,请使用 "高级 "选项。
模型训练完成后,您就可以检查其性能指标,还可以发布模型,以便通过 API 调用进行访问。
为发布选择合适的资源,然后继续。
此时,您发布的模型就可以接受来自 Tulip 的推理请求了。请注意发布 URL,因为我们很快就会使用它从 Tulip 进行连接。
向已发布模型提出推理请求的小工具
向 Azure CustomVision.ai 服务提出推理请求可在 Tulip 上使用自定义小工具完成。您可以在 "设置 "下找到 "自定义部件 "页面。
创建一个新的自定义部件并添加以下输入:
代码部分请使用以下内容:
HTML
<button class="button" type="button">检测异常情况</button>。
JavaScript
注意:此处您需要从 CustomVision.ai 发布的模型中获取 URL 和预测密钥
。