- 第一段階。
- 建筑物
- 应用设计
- 应用程序编辑器
- 郁金香应用程序编辑器介绍
- 创建新的郁金香应用程序
- 如何在应用程序编辑器和播放器中使用键盘快捷键
- 郁金香中的多语言功能
- 步骤
- 小装饰
- 教科文组织
- 什么是触发器?
- 阶跃触发器
- 应用程序级触发器
- 小部件触发器
- 应用程序过渡指南
- 计时器触发器
- 如何添加设备触发器
- 如何通过条件(If/Else 语句)添加触发器
- 触发器编辑器中的操作和转换列表
- 最常见的十大触发因素是什么?
- 如何通过触发器设置部件颜色
- 如何发送电子邮件
- 如何为 Tulip 用户设置短信通知
- 如何从触发器打印步骤
- 如何在应用程序编辑器中使用表达式编辑器
- 表达编辑器的技术细节
- 应用程序编辑器中的完整表达式列表
- 使用日期时间表达式
- 类型化表达
- 使用数组和对象表达式
- 在触发器中处理时间
- 支持的自定义日期格式
- 如何完成应用程序
- 如何通过设备摄像头扫描条形码和 QR 码
- 如何在触发器中添加正则表达式
- 在郁金香应用程序中使用应用程序信息
- 如何使用触发器调用连接器函数
- 变量
- 解决问题
- 达蒂(印度教女神)。
- 连接器
- 分析
- 视觉
- 设备监测
- 受管制行业
- 副驾驶站在第一线。
- 自动化
- 进口中的出口
- 运行应用程序
- 管理
- Developers
- Connect to Software
- Connect to Hardare
- Edge Devices
- 支持的设备
- 可与郁金香配合使用的即插即用设备列表
- 创建和支持设备驱动程序
- 郁金香中的设备驱动程序支持
- 如何设置条形码扫描仪
- 使用串行驱动程序
- 如何将斑马打印机与 Tulip 集成
- 使用 Zebra 网络打印机驱动程序
- 使用 Zebra GK 系列标签打印机驱动程序
- 使用 USB 波贝盒驱动程序
- 使用康耐视 In-Sight 2000 驱动程序
- 如何配置康耐视和 Tulip
- 使用 MT SevenExcellence PH 计驱动程序
- 使用通用 ADC 驱动程序
- 使用欧米茄 HH806 温度计驱动器
- 使用数字卡尺驱动器
- 如何设置通用 TS05 蓝牙测温枪
- 使用康耐视 DataMan TCP 驱动程序
- 为 Windows Tulip Player 设置三丰 U-WAVE 接收器
- 使用布雷克内尔 PS25 称重驱动器
- 使用 RFID 驱动程序
- 使用Kolver EDU 2AE/TOP/E驱动程序
- 使用 USB 脚踏板驱动程序
- 使用 Torque 开放协议驱动程序
- 使用 Dymo M10 USB 电子称驱动程序
- 使用康耐视 In-Sight 驱动程序
- 使用 Telnet 驱动程序
- 使用通用 I/O 驱动程序
- 如何设置科尔弗扭矩控制器
- 使用 Insize 多通道卡尺驱动器
- 使用 Dymo S50 USB 电子称驱动程序
- 斑马 Android DataWedge 配置
- 将三丰数字卡尺与三丰 U 波驱动器配合使用
- Troubleshoot
- Nodo Rosso.
- 创建可重复使用的组件
- 使用应用程序接口
- 技术和信息技术文件
- 指南
- 图书馆
- 使用郁金香图书馆
- Laboratory Operation App Suite
- 图书馆藏书
- 图书馆应用程序
- 教科书上的例子
- 应用解决方案
- CMMS 应用程序包
- Zerokey solutions
- 成果的可见性
- 物品委託電子申告(eBR)申請書類一式
- 盈科 CAPA Lite
- 5 为何使用人工智能进行根源分析
- 利用人工智能进行简单的缺陷报告
- 业务案例生成器
- 轮班启动会议
- 看板应用程序套件
- 简单的 OEE 控制面板
- Arena BOM 解决方案
- 设备管理应用程序套件
- 简单核对表
- 清单管理套件
- 上柴应用程序套件
- 改善漏斗
- 考勤管理简单解决方案
- 上柴质量审计
- 包装与装运图书馆应用
- CAPA 管理
- 移动照相机应用程序
- OEE 计算器
- 每小时生产记分卡
- 材料反冲
- 质量事件仪表板
- 首次通过产量申请
- 采光
- 培训解决方案
- 数字系统库存
- 视觉定位跟踪
- 数字系统访问管理
- 材料管理
- 工具与资产经理
- 优质活动管理
- 带断光传感器的步进推进器
- 数字秒表
- 审核清单
- 卡塔纳企业资源规划应用程序
- 高级别基线评估
- 物料清单管理
- 安全事故经理
- 上柴卡管理
- 精益仪表板
- 5S 结果雷达(蜘蛛)图表小工具
- 5S 一览表
- 移动生产记分卡
- 移动设计模板
- 工艺工程(移动)
- 执行维护令
- 机器启动检查表示例
- 如何申请
- 可堆肥 MES
- 制药行业的 MES 系统
- 连接器和单元测试
- Planeus 单元测试
- COPA-DATA Connector
- 平面连接器
- Veeva 连接器
- Inkit 连接器
- MRPeasy 连接器
- Oracle 融合连接器
- LabVantage 连接器和单元测试
- 谷歌聊天连接器
- Salesforce 连接器
- Litmus 概览
- eMaint 连接器
- eLabNext 连接器
- Acumatica ERP 连接器
- CETEC 连接器
- PagerDuty 连接器
- NiceLabel 集成
- Aras 集成概述
- SDA 集成
- 尼米乐队单元测试
- 竞技场整合
- 条码扫描器单元测试
- 脚踏板单元测试
- 开始在 RealWear 头戴式耳机上使用郁金香
- 空气台连接器
- 希波连接器
- 调酒师集成
- SAP S/4 HANA 云连接器
- RFID 扫描仪单元测试
- Jira 连接器
- 斑马标签打印机单元测试
- 谷歌翻译连接器
- MSFT Power Automate
- OpenAI 连接器
- 谷歌日历连接器
- 郁金香应用程序接口单元测试
- Duro PLM 单元测试
- HiveMQ 单元测试
- 与 NetSuite 集成
- 康耐视单元测试
- PowerBI 桌面集成
- ProGlove 单元测试
- Fivetran 集成
- ParticleIO 集成
- Google Drive 连接器
- 雪花连接器
- SAP SuccessFactors 连接器
- ZeroKey Integration
- 谷歌地理编码连接器
- 谷歌工作表连接器
- 如何将 Tulip 与 Slack 整合
- HighByte 智能枢纽单元测试
- LandingAI 单元测试
- LIFX 单元测试(无线灯)
- 微软日历连接器
- M365 Dynamics F&O 连接器
- Microsoft Outlook 连接器
- Microsoft Teams 连接器
- 使用 Oauth2 将 Microsoft Graph API 连接到 Tulip
- Microsoft Excel 连接器
- 网宿应用程序和连接器
- OpenBOM 连接器
- 称重秤单元测试
- InfluxDB 连接器
- Augury 连接器
- 连接器
- 舍弗勒 Optime 连接器
- MongoDB Atlas 连接器
- MaintainX 连接器
- Twilio 连接器
- SendGrid 连接器
- 安慰连接器
- 如何为 RealWear 头戴式耳机设计郁金香应用程序
- OnShape 连接器
- 可定制的小部件
- Job Planning/Scheduling Board
- 时间轴小工具
- json 树查看器小工具
- 看板任务管理小工具
- 徽章小工具
- 高级计时器小工具
- 分段按钮自定义小工具
- 动态仪表自定义小工具
- 小吃店小部件
- 变化探测器单元测试
- 状态颜色指示器 设备测试
- 输入长度检查单元测试
- 计算器自定义部件单元测试
- 图像注释小工具单元测试
- 精益仪表板小工具
- Looper 单元测试
- 秒表单元测试
- 数字输入单元测试
- 数字键盘单元测试
- 径向测量仪
- 菜单单元测试步骤
- SVG 小工具
- 文本输入单元测试
- 工具提示单元测试
- 作业指导 照顾要点 单元测试
- 书面电子签名小工具单元测试
- ZPL 查看器单元测试
- 简单折线图小工具
- 货架自定义小工具
- 滑块小工具
- NFPA 钻石定制小工具
- 通过 - 失败 自定义小工具
- 简单计时器自定义小工具
- Nymi Presence集成小工具
- 自动化
使用自定义模型进行视觉分类
如何使用视觉系统的自定义模型进行实时视觉分类,以执行边缘检测和验证
自动视觉检测是车间里非常强大的工具。它可用于保持装配步骤的高质量保证,以及减少处理时间和提高总体产量。在 Tulip Vision 中,使用自定义模型可以执行自动视觉检测。自定义模型是 Tulip Vision 在边缘实时执行的机器学习模型。这些模型需要使用在所需检测点从生产线采集的数据进行训练。
Tulip Vision 支持分类模型和检测模型。本指南将介绍如何使用分类模型。分类是决定视觉图像属于哪个类别的行为。例如,一个工件可能属于 "不合格"(NG)或 "合格"(OK)类别,或者对于缺陷分类,它可能属于 "太宽"、"太窄"、"翘曲 "或 "正常"(OK)类别。用户可自行决定类别,只要有足够的数据来训练模型即可(为确保足够的准确性,每个类别至少要有 50 幅示例图像)。
自定义模型在边缘运行,这意味着推理(执行模型以获得预测结果)不会像在云中运行模型那样产生额外费用。自定义模型还可在边缘计算机上实时运行,因此可即时用于生成检测结果,从而减少了向云端发送图像的带宽。由于图像不会离开工作站,因此在数据安全方面,这也使得操作更加私密。
前提条件
- Tulip r229 及以上版本已启用自定义模型
- Tulip Vision 相机已设置好相机配置(使用我们的入门指南
- 用于检测或验证的部件,在工作站中具有可重复的捕捉位置
- Tulip 上的分类图像数据集(使用我们的数据收集指南
获取用于推理的训练模型
要使用视觉自定义模型,您需要获得一个训练有素的模型。假设数据已经收集并下载到您的计算机(按照数据收集和导出指南进行操作),则可在 Microsoft Azure 的customvision.ai在线服务上轻松完成模型训练。只需点击几下按钮,您就可以加载图像及其注释并训练自定义模型。
在 customvision.ai 上加载数据
要训练一个新模型,请创建一个新的customvision.ai项目:(您需要 Azure 认证,认证可从Azure 门户获取)
确保您创建的是一个分类模型,多分类与一般(紧凑)指定:
然后添加从 Tulip 导出的图像:
批量上传图片,以节省标记每张图片的时间和精力。从 Tulip 导出的数据集会根据类别将图像排列在一个文件夹中。选择文件夹中的所有图像并上传到 customvision.ai:
对数据集的其他类别重复此过程。确保每个类别至少有 50 个样本:
在 customvision.ai 上训练模型
图像就位后,要训练模型,请单击 "Train(训练)"按钮。
选择您的训练预算。要快速检查郁金香应用程序的工作,请运行 "快速培训",我们建议您这样做,以获得在车间运行视觉检测的整体快速评估。不过,在 "快速培训 "模式下,检测结果可能不是很理想。在您的工作站中的所有物理设置准备就绪后,请在稍后时间用更多预算再次训练模型,以获得可用于生产的模型。
从 customvision.ai 导出 ONNX 模型
让模型完成训练,然后前往 "性能 "页面。您会发现导出模型的选项:
选择 "ONNX "选项:
导出并下载模型:
如果您在导出模型时遇到问题,请联系我们的支持团队,以获得性能良好的模型。
在 Tulip Vision 上设置自定义模型
要在 Tulip Vision 上使用下载的模型,请访问 Vision -> 模型页面:
创建一个新的自定义模型:
确保模型类型为 "分类"。从下载的导出文件中选择模型文件,你应该有一个model.xml
、model.bin
和labels.txt
文件。
然后,在探测器页面或摄像机配置页面创建一个新的 "分类器模型探测器",记住要选择刚刚创建的自定义模型:
然后,将新的分类器检测器分配给一个摄像机配置区域。确保使用与数据采集相同的区域。请注意,您还可以控制检测阈值,设置较高的阈值将只接受来自模型的高置信度预测。阈值越高,接受的案例就越少,但可以确保决策的可信度(高精度),并减少误报(I 类错误)。较低的阈值会尝试捕获更多案例,但可能会带来更多误报(高召回率)。
注意:在开始打印结果之前,摄像机可能需要一分钟的时间从云端下载模型。
一旦模型就位并开始工作,你就会看到它在实时视频中生成带有置信度分数的预测结果:
在郁金香应用程序中使用自定义模型
自定义模型在 Vision 机器上实时运行后,您就可以在 Tulip 应用程序中使用它的预测结果了。只要检测结果超过置信度阈值,分类器检测器就会发出事件。
在应用程序中设置一个用于视觉检测的步骤。例如,在其中添加摄像头视图,以便操作员进行视觉确认:
记住,检测结果是连续的,不需要快照按钮来触发。
接下来,根据自定义模型检测器输出添加触发器进行实时检测。使用 "检测开始 "触发器,当检测器预测结果高于您之前设置的阈值时,就会触发一个事件:
您可能还想在检测结束时添加一个事件并清除变量。
现在,您正在运行的应用程序应该会显示触发器中自定义模型的结果:
结论
自定义模型可以让您在边缘实时运行 ML 模型,自动执行视觉检测任务。它们可用于用经过适当训练的模型取代或增强人工检测。由于模型是在边缘运行的,因此不会产生额外费用,而且在数据方面运行更快、更私密、更安全。
现在就开始在 Tulip 上使用机器学习与 Vision 定制模型。通过快速简单的设置,这些功能强大的模型可以为您的工厂节省时间和精力。