WEBVTT - generated by wenglor-media

1
00:00:02.560 --> 00:00:04.400
Per iniziare, dobbiamo prima collegare

2
00:00:04.400 --> 00:00:06.720
weHub a un account AI Lab.

3
00:00:09.400 --> 00:00:10.200
Per farlo,

4
00:00:10.200 --> 00:00:12.800
apri le impostazioni di weHub e inserisci

5
00:00:12.800 --> 00:00:14.800
le tue credenziali AI Lab.

6
00:00:22.480 --> 00:00:23.520
Una volta fatto ciò,

7
00:00:23.520 --> 00:00:27.360
lo stato AI Lab del dispositivo passerà

8
00:00:27.360 --> 00:00:29.360
da “Not Connected” a “Not Registered”.

9
00:00:34.360 --> 00:00:35.560
Collegando il dispositivo

10
00:00:35.560 --> 00:00:38.360
al nostro account AI Lab nella scheda “Azioni”,

11
00:00:38.400 --> 00:00:41.280
lo stato AI Lab si aggiorna a “Registered”.

12
00:00:41.280 --> 00:00:42.000
A questo punto,

13
00:00:42.000 --> 00:00:45.240
la connessione dell'AI Loop è stata stabilita
con successo

14
00:00:45.240 --> 00:00:47.280
e possiamo procedere con il passaggio successivo:

15
00:00:47.280 --> 00:00:49.720
creare un set di dati nell’AI Lab.

16
00:00:51.200 --> 00:00:51.880
Per farlo,

17
00:00:51.880 --> 00:00:54.000
vai alla pagina iniziale dell’AI Lab

18
00:00:54.000 --> 00:00:56.040
e clicca sul pulsante “CREATE DATESET”.

19
00:00:56.160 --> 00:00:58.480
Per prima cosa, dobbiamo dare un nome al set
di dati,

20
00:00:58.480 --> 00:01:00.000
quindi ne inseriamo uno.

21
00:01:00.000 --> 00:01:01.000
Successivamente, possiamo aggiungere classi,

22
00:01:01.000 --> 00:01:04.000
quante ne desideriamo, ma almeno due sono obbligatorie.

23
00:01:11.000 --> 00:01:14.000
Una volta fatto ciò, possiamo accedere al
set di dati

24
00:01:14.000 --> 00:01:16.000
e copiare l’ID del set di dati.

25
00:01:19.000 --> 00:01:20.000
Nel passaggio successivo,

26
00:01:20.000 --> 00:01:23.000
configuriamo il Module Image AI

27
00:01:23.000 --> 00:01:24.000
in wenglor uniVision 3.

28
00:01:24.000 --> 00:01:26.000
Innanzitutto, apriamo le impostazioni della
telecamera

29
00:01:26.000 --> 00:01:29.000
e ci assicuriamo che la modalità di attivazione
sia impostata su “On”

30
00:01:29.000 --> 00:01:31.000
e che la sorgente di attivazione sia impostata
su “Software”.

31
00:01:32.000 --> 00:01:34.000
Quindi, aggiungere il Module Image AI

32
00:01:34.000 --> 00:01:36.000
dalla casella degli strumenti all’albero
del progetto.

33
00:01:37.000 --> 00:01:38.000
Collegare l’immagine di input e inserire

34
00:01:38.000 --> 00:01:40.000
l’ID del set di dati

35
00:01:40.000 --> 00:01:42.000
appena creato in AI Lab.

36
00:01:43.000 --> 00:01:46.000
Selezionando la casella di controllo “Upload
to weHub”,

37
00:01:46.000 --> 00:01:48.000
è possibile definire ulteriori impostazioni,

38
00:01:48.000 --> 00:01:51.000
ad esempio il numero di immagini che si desidera
aggiungere

39
00:01:51.000 --> 00:01:54.000
e se queste immagini devono avere dei tag.

40
00:01:54.000 --> 00:01:56.000
I tag aiutano a distinguere le immagini buone

41
00:01:56.000 --> 00:01:58.000
da quelle cattive direttamente sulla macchina.

42
00:01:59.000 --> 00:02:01.000
Quindi, per prima cosa, carichiamo 50 immagini
buone

43
00:02:01.000 --> 00:02:03.000
e assegniamo loro il tag “OK”.

44
00:02:03.000 --> 00:02:05.000
Una volta configurato tutto,

45
00:02:05.000 --> 00:02:08.000
torniamo alle impostazioni della telecamera
e, in “Acquisition Control”,

46
00:02:09.000 --> 00:02:11.000
riportiamo la modalità di trigger su “Off”

47
00:02:11.000 --> 00:02:14.000
in modo che le prossime 50 immagini vengano
caricate automaticamente

48
00:02:14.000 --> 00:02:18.000
nell’AI Lab alla frequenza di acquisizione
che abbiamo impostato.

49
00:02:20.000 --> 00:02:22.000
Quando torniamo all’AI Lab,

50
00:02:22.000 --> 00:02:27.000
possiamo vedere che le nostre immagini vengono
caricate automaticamente.

51
00:02:30.000 --> 00:02:32.000
Dopo aver caricato le nostre prime 50 immagini
buone,

52
00:02:32.000 --> 00:02:36.000
il Module Image AI in uniVision 3 ci informa

53
00:02:36.000 --> 00:02:38.000
che dobbiamo azzerare il contatore

54
00:02:38.000 --> 00:02:40.000
prima di caricarne altre.

55
00:02:41.000 --> 00:02:42.000
Prima di farlo,

56
00:02:42.000 --> 00:02:45.000
modifichiamo la nostra configurazione per acquisire
immagini “NOK”

57
00:02:45.000 --> 00:02:48.000
e inseriamo questo come tag nel campo tag.

58
00:02:49.000 --> 00:02:51.000
Una volta preparato, possiamo azzerare il contatore.

59
00:02:53.000 --> 00:02:55.000
Da quel momento in poi, le successive 50 immagini
vengono acquisite

60
00:02:55.000 --> 00:02:58.000
automaticamente e caricate su weHub.

61
00:02:59.000 --> 00:03:01.000
Dopo che tutte le immagini di entrambe le classi

62
00:03:01.000 --> 00:03:04.000
– OK e NOK – sono state caricate,

63
00:03:04.000 --> 00:03:06.000
vogliamo etichettarle in batch.

64
00:03:06.000 --> 00:03:09.000
Per farlo, utilizziamo le opzioni di filtro
per selezionare i tag

65
00:03:09.000 --> 00:03:12.000
che abbiamo definito in precedenza in uniVision
3.

66
00:03:12.000 --> 00:03:15.000
Per prima cosa, filtriamo i nostri tag “OK”.

67
00:03:15.000 --> 00:03:17.000
Una volta filtrate le immagini,

68
00:03:17.000 --> 00:03:21.000
le selezioniamo tutte e assegniamo loro l’etichetta
di verità di base “OK”.

69
00:03:24.000 --> 00:03:26.000
Quindi, ripetiamo lo stesso processo

70
00:03:26.000 --> 00:03:28.000
per le immagini “NOK”,

71
00:03:28.000 --> 00:03:29.000
assegnando loro l’etichetta di verità

72
00:03:29.000 --> 00:03:32.000
di base corrispondente.

73
00:03:39.000 --> 00:03:40.000
Una volta etichettate tutte le immagini nel
nostro set di dati,

74
00:03:40.000 --> 00:03:43.000
possiamo iniziare ad addestrare il nostro modello.

75
00:03:43.000 --> 00:03:46.000
Per farlo, clicchiamo sul pulsante “TRAIN
MODEL”.

76
00:03:46.000 --> 00:03:48.000
Nella pagina di configurazione del modello,

77
00:03:48.000 --> 00:03:50.000
possiamo scegliere il dispositivo di destinazione
per l’implementazione,

78
00:03:50.000 --> 00:03:53.000
B60 o MVC.

79
00:03:53.000 --> 00:03:56.000
Possiamo anche definire la dimensione dell’immagine
per l’addestramento

80
00:03:56.000 --> 00:03:58.000
e selezionare se le immagini devono essere

81
00:03:58.000 --> 00:04:00.000
rettangolari o quadrate.

82
00:04:07.000 --> 00:04:09.000
Quando siamo soddisfatti della configurazione,

83
00:04:09.000 --> 00:04:10.000
clicchiamo su “TRAIN MODEL”

84
00:04:11.000 --> 00:04:13.000
e il processo di addestramento ha inizio.

85
00:04:15.000 --> 00:04:17.000
Al termine dell’addestramento del modello,

86
00:04:17.000 --> 00:04:20.000
lo stato nella pagina del modello indicherà
il completamento.

87
00:04:20.000 --> 00:04:22.000
Successivamente, tornare al

88
00:04:22.000 --> 00:04:25.000
Module Image AI in uniVision 3

89
00:04:25.000 --> 00:04:27.000
e aprire la finestra di dialogo del modello
AI.

90
00:04:27.000 --> 00:04:30.000
Qui, selezionare “Load Primary Model”.

91
00:04:30.000 --> 00:04:33.000
Il modello appena creato viene scaricato

92
00:04:33.000 --> 00:04:35.000
automaticamente dall’AI Lab in uniVision
3.

93
00:04:36.000 --> 00:04:39.000
Nella finestra di dialogo viene visualizzata

94
00:04:39.000 --> 00:04:41.000
una breve anteprima del modello e alcune informazioni
aggiuntive.

95
00:04:44.000 --> 00:04:45.000
Nel software,

96
00:04:45.000 --> 00:04:46.000
vediamo immediatamente come cambiano

97
00:04:46.000 --> 00:04:48.000
le previsioni del modello

98
00:04:48.000 --> 00:04:50.000
a seconda dell’immagine selezionata.

99
00:04:52.000 --> 00:04:53.000
Grazie per averci seguito.