WEBVTT - generated by wenglor-media

1
00:00:02.560 --> 00:00:04.400
Para empezar, primero tenemos que conectar

2
00:00:04.400 --> 00:00:06.720
weHub con una cuenta de AI Lab.

3
00:00:09.400 --> 00:00:10.200
Para ello,

4
00:00:10.200 --> 00:00:12.800
abre la configuración de weHub e introduce

5
00:00:12.800 --> 00:00:14.800
tus credenciales de AI Lab.

6
00:00:22.480 --> 00:00:23.520
Una vez hecho esto,

7
00:00:23.520 --> 00:00:27.360
el estado de AI Lab del dispositivo cambia
de “Not Connected”

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

9
00:00:34.360 --> 00:00:35.560
Al conectar el dispositivo

10
00:00:35.560 --> 00:00:38.360
a nuestra cuenta de AI Lab en la pestaña “Actions”,

11
00:00:38.400 --> 00:00:41.280
el estado de AI Lab se actualiza a “Registered”.

12
00:00:41.280 --> 00:00:42.000
Con eso,

13
00:00:42.000 --> 00:00:45.240
la conexión del AI Loop se establece correctamente

14
00:00:45.240 --> 00:00:47.280
y podemos continuar con el siguiente paso:

15
00:00:47.280 --> 00:00:49.720
crear un conjunto de datos en AI Lab.

16
00:00:51.200 --> 00:00:51.880
Para ello,

17
00:00:51.880 --> 00:00:54.000
vaya a la página de inicio de AI Lab

18
00:00:54.000 --> 00:00:56.040
y haga clic en el botón “CREATE DATASET”.

19
00:00:56.160 --> 00:00:58.480
Primero, debemos darle un nombre al conjunto
de datos,

20
00:00:58.480 --> 00:01:00.000
así que introduciremos uno.

21
00:01:00.000 --> 00:01:01.000
A continuación, podemos añadir clases,

22
00:01:01.000 --> 00:01:04.000
tantas como queramos, pero se requieren al
menos dos.

23
00:01:11.000 --> 00:01:14.000
Una vez hecho esto, podemos entrar en el conjunto
de datos

24
00:01:14.000 --> 00:01:16.000
y copiar el ID del conjunto de datos.

25
00:01:19.000 --> 00:01:20.000
En el siguiente paso,

26
00:01:20.000 --> 00:01:23.000
configuramos el Module Image AI

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

28
00:01:24.000 --> 00:01:26.000
En primer lugar, abra la configuración de
la cámara

29
00:01:26.000 --> 00:01:29.000
y asegúrese de que el modo de activación

30
00:01:29.000 --> 00:01:31.000
está establecido en “On” y la fuente de
activación en “Software”.

31
00:01:32.000 --> 00:01:34.000
A continuación, añada el Module Image AI

32
00:01:34.000 --> 00:01:36.000
de la caja de herramientas al árbol del proyecto.

33
00:01:37.000 --> 00:01:38.000
Vincule la imagen de entrada e introduzca

34
00:01:38.000 --> 00:01:40.000
el ID del conjunto de datos

35
00:01:40.000 --> 00:01:42.000
que acabamos de crear en AI Lab.

36
00:01:43.000 --> 00:01:46.000
Al seleccionar la casilla “Upload to weHub”,

37
00:01:46.000 --> 00:01:48.000
podemos definir otros ajustes,

38
00:01:48.000 --> 00:01:51.000
por ejemplo, cuántas imágenes queremos añadir

39
00:01:51.000 --> 00:01:54.000
y si estas imágenes deben tener etiquetas.

40
00:01:54.000 --> 00:01:56.000
Las etiquetas nos ayudan a distinguir las imágenes
buenas

41
00:01:56.000 --> 00:01:58.000
de las malas directamente en la máquina.

42
00:01:59.000 --> 00:02:01.000
Así que, primero, subimos 50 imágenes buenas

43
00:02:01.000 --> 00:02:03.000
y les asignamos la etiqueta “OK”.

44
00:02:03.000 --> 00:02:05.000
Una vez que todo está configurado,

45
00:02:05.000 --> 00:02:08.000
volvemos a los ajustes de la cámara y, en
“Acquisition Control”,

46
00:02:09.000 --> 00:02:11.000
cambiamos el modo de disparo de nuevo a “Off”

47
00:02:11.000 --> 00:02:14.000
para que las siguientes 50 imágenes se suban
automáticamente

48
00:02:14.000 --> 00:02:18.000
al AI Lab a la velocidad de fotogramas de adquisición
que hemos establecido.

49
00:02:20.000 --> 00:02:22.000
Cuando volvemos al AI Lab,

50
00:02:22.000 --> 00:02:27.000
podemos ver que nuestras imágenes se están
subiendo automáticamente.

51
00:02:30.000 --> 00:02:32.000
Después de cargar nuestras primeras 50 imágenes
buenas,

52
00:02:32.000 --> 00:02:36.000
el Module Image AI de uniVision 3 nos informa

53
00:02:36.000 --> 00:02:38.000
de que debemos restablecer el contador

54
00:02:38.000 --> 00:02:40.000
antes de cargar más.

55
00:02:41.000 --> 00:02:42.000
Antes de hacerlo,

56
00:02:42.000 --> 00:02:45.000
ajustamos nuestra configuración para capturar
imágenes “NOK”

57
00:02:45.000 --> 00:02:48.000
y lo introducimos como etiqueta en el campo
de etiquetas.

58
00:02:49.000 --> 00:02:51.000
Una vez preparado, podemos restablecer el contador.

59
00:02:53.000 --> 00:02:55.000
A partir de ese momento, las siguientes 50
imágenes se capturan

60
00:02:55.000 --> 00:02:58.000
automáticamente y se cargan en weHub.

61
00:02:59.000 --> 00:03:01.000
Una vez subidas

62
00:03:01.000 --> 00:03:04.000
todas las imágenes de ambas clases (OK e NOK),

63
00:03:04.000 --> 00:03:06.000
queremos etiquetarlas por lotes.

64
00:03:06.000 --> 00:03:09.000
Para ello, utilizamos las opciones de filtro
para seleccionar las etiquetas

65
00:03:09.000 --> 00:03:12.000
que hemos definido previamente en uniVision 3.

66
00:03:12.000 --> 00:03:15.000
En primer lugar, filtramos nuestras etiquetas
“OK”.

67
00:03:15.000 --> 00:03:17.000
Una vez filtradas las imágenes,

68
00:03:17.000 --> 00:03:21.000
las seleccionamos todas y les asignamos la
etiqueta de referencia “OK”.

69
00:03:24.000 --> 00:03:26.000
A continuación, repetimos el mismo

70
00:03:26.000 --> 00:03:28.000
proceso para las imágenes “NOK”,

71
00:03:28.000 --> 00:03:29.000
asignándoles la etiqueta

72
00:03:29.000 --> 00:03:32.000
de verdad fundamental correspondiente.

73
00:03:39.000 --> 00:03:40.000
Una vez etiquetadas todas las imágenes de
nuestro conjunto de datos,

74
00:03:40.000 --> 00:03:43.000
podemos empezar a entrenar nuestro modelo.

75
00:03:43.000 --> 00:03:46.000
Para ello, hacemos clic en el botón “TRAIN
MODEL”.

76
00:03:46.000 --> 00:03:48.000
En la página de configuración del modelo,

77
00:03:48.000 --> 00:03:50.000
podemos elegir el dispositivo de destino para
la implementación,

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

79
00:03:53.000 --> 00:03:56.000
También podemos definir el tamaño de la imagen
para el entrenamiento

80
00:03:56.000 --> 00:03:58.000
y seleccionar i las imágenes deben ser

81
00:03:58.000 --> 00:04:00.000
rectangulares  cuadradas.

82
00:04:07.000 --> 00:04:09.000
Cuando esté satisfecho con la configuración,

83
00:04:09.000 --> 00:04:10.000
haga clic en “TRAIN MODEL”

84
00:04:11.000 --> 00:04:13.000
y comenzará el proceso de entrenamiento.

85
00:04:15.000 --> 00:04:17.000
Cuando finalice el entrenamiento del modelo,

86
00:04:17.000 --> 00:04:20.000
el estado de la página del modelo indicará
que se ha completado.

87
00:04:20.000 --> 00:04:22.000
A continuación, vuelva al

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

89
00:04:25.000 --> 00:04:27.000
y abra el cuadro de diálogo del modelo de
IA.

90
00:04:27.000 --> 00:04:30.000
Aquí, seleccione “Load Primary Model”.

91
00:04:30.000 --> 00:04:33.000
El modelo que acabamos de crear se descarga

92
00:04:33.000 --> 00:04:35.000
automáticamente desde AI Lab a uniVision 3.

93
00:04:36.000 --> 00:04:39.000
En la ventana de diálogo, se muestra

94
00:04:39.000 --> 00:04:41.000
una breve vista previa del modelo y alguna
información adicional.

95
00:04:44.000 --> 00:04:45.000
En el software,

96
00:04:45.000 --> 00:04:46.000
vemos inmediatamente cómo cambian

97
00:04:46.000 --> 00:04:48.000
las predicciones del modelo en función

98
00:04:48.000 --> 00:04:50.000
de la imagen que seleccionemos.

99
00:04:52.000 --> 00:04:53.000
Gracias por vernos.