如何训练边缘学习

文本：

大家好，我是 Tyler Ducharme，一名技术营销专员。我在康耐视任职，与 Insight 产品团队合作开展工作。今天我想介绍一下如何借助我们全新的 ViDi EL 分类器工具设置 In-Sight 2800 应用程序。

在设置方面，我的 In-Sight 2800 智能摄像头由24V电源供电，并配备了集成光源和镜头。 我还将通过与 In-Sight 2800 智能摄像头相结合的新 ViDi EL 分类器工具来展示我们如何简化视觉任务。 好了，可以看到，我们用视觉套件软件来设置 In-Sight 应用程序，我已经连上了 In-Sight 2800 智能摄像头。 

首先是选择我们的图像来源，在本次演示中，我们只会使用摄像头本身。我们要做的全部操作就是简单点两次按钮来设置好照明和焦点，所以我只需要点击“optimize lighting”（优化照明），来得到明亮的图像，然后点击“focus”（对焦）来捕捉图像和对焦。训练分类工具的第一步是设置我们想要检测的感兴趣区域。配置好区域后，我只要按“Ok”（确定）就可以。这款工具会显示两个默认类别，也就是正常和异常，“异常”就是指不合格。工具会自动给“正常”图像分配一个标签，作为第一张图像。现在摄像头下的实际上就是正常的部件。我想说的另一件事是，如果遇到图像中根本没有部件，也就是无部件的情况，该怎么办。这种情况下，我们工具的优秀之处在于，我们可以添加另一个类别，我们可以叫它“无部件”。 我们可以引入这个类别，并在演示过程中训练它。首先我们来收集一些图像。您知道，这是合格部件。我可以在图像中稍微四处移动一下它，触发摄像头，这仍是正常部件。我只需要按“OK”（确定）按钮，在这里可以看到图像数量递增，我实际上就已经训练好了这张图像。可以注意到，在黄色圆圈的周围有一个绿色的环，黄色圆圈显示的是正在接受预测的类别，而绿色环形表示置信度。在这个情况下，因为我只训练了这个图像，所以置信分数是 100%。

好了，让我们加入一些密封损坏的不合格部件来触发摄像头，而我们还没有训练任何不合格部件，所以这种情况下，这款工具在预测这些部件的类别方面遇到了一些困难，因为这些部件在我们目前拥有的所有分类中都没有置信分数。开始训练后。就可以看到置信分数上涨到了 88%。最后我们来训练无部件图像，这非常简单。找一张“无部件”训练的图像，我觉得这张看起来很不错。我想说一下底部的模型运行状况指标。我们用这个模型运行状况指标来决定什么时候可以部署应用程序。根据经验来说，指数超过 80% 并在添加更多图像时保持稳定，是判断何时可以部署应用程序的良好标准。好了，我想在这再添加几个图像，我会进入“edit classes”（编辑类别）窗口，实际上我已经事先收集了一些样本图像用来导入工具，我可以选择相应的文件夹。很好。我们总共导入了 10 张图像，现在可以看到每个图像都有了一个带绿环的预测结果。让我们选择所有这些图像。我们可以非常轻松地一次标记所有这些图像。我需要点击图像并把它们拖拽到想要进行训练的类别中。这些看起来没有问题。再次说明，我们可以选择全部图像，然后点击它们并直接拖拽到类别中。好了，让我们退出“edit classes”（编辑类别）窗口，返回到之前的界面，可以看到，模型运行状况指标涨到了 99%。正如大家所知，我们训练了八张“异常”图像、两张“无部件”图像和九张“正常”图像。我认为这个应用程序可以部署了。让我们继续操作，来测试一下它。我会将设备改成在线模式。现在摄像头下没有部件。让我们放一个正常部件在下面，我们可以在图像中四处移动这个部件，可以看到置信分数非常高。我们也可以旋转这个看起来良好的部件。现在让我们放上一个异常部件，我们还是可以旋转和四处移动它。很好。也许还可以加入更多的变化。系统仍然可以恰当分类。嗯，我觉得这不错。

我想为大家展示的最后一项操作，是为可能在工厂车间监控这个设备的用户创建运行时 HMI 显示。让我们进入 HMI 步骤，幸运的是，用户可能想要了解的许多信息在默认情况下就已经显示出来了。我们有检测部件的感兴趣区域，以及图像上和这个灰框中显示的预测类别，不过假设用户想要知道工具预测的置信分数是多少。我们只需要进入这个下拉菜单，这里有您能找到预测分类分数的所有不同工具属性，预测分类分数用百分比表示。我们可以把这些放在显示中，然后就可以返回在线显示正常部件。现在这里也会显示预测类别置信分数了。这里是异常部件。很好。我认为以上就是设置 HMI 显示的方法了。

让我们来简要回顾一下本教程，首先我们要连接设备和 Insight 视觉套件，然后简单点击两下，设置图像。我们引入了 ViDi EL 分类器工具，并创建了三个类别：正常、异常和无部件。我们为每个部件类型准备了多张图像，并给这些图像分配了相应的类别。模型运行状况指标超过 80% 并稳定后，我们运行了应用程序并确保了部件获得恰当分类。