WEBVTT - generated by wenglor-media

1
00:00:02.560 --> 00:00:04.400
Pour commencer, nous devons dÆabord connecter

2
00:00:04.400 --> 00:00:06.720
weHub à un compte AI Lab.

3
00:00:09.400 --> 00:00:10.200
Pour ce faire,

4
00:00:10.200 --> 00:00:12.800
ouvrez les paramètres weHub et entrez

5
00:00:12.800 --> 00:00:14.800
vos identifiants AI Lab.

6
00:00:22.480 --> 00:00:23.520
Une fois cela fait,

7
00:00:23.520 --> 00:00:27.360
le statut AI Lab de l’appareil passe de «
Not Connected »

8
00:00:27.360 --> 00:00:29.360
à « Not Registered ».

9
00:00:34.360 --> 00:00:35.560
En connectant l’appareil

10
00:00:35.560 --> 00:00:38.360
à notre compte AI Lab sous l'onglet « Actions »,

11
00:00:38.400 --> 00:00:41.280
le statut AI Lab passe à « Registered ».

12
00:00:41.280 --> 00:00:42.000
La connexion de l’AI Loop

13
00:00:42.000 --> 00:00:45.240
est alors établie et

14
00:00:45.240 --> 00:00:47.280
nous pouvons passer à l’étape suivante
:

15
00:00:47.280 --> 00:00:49.720
créer un ensemble de données dans AI Lab.

16
00:00:51.200 --> 00:00:51.880
Pour ce faire,

17
00:00:51.880 --> 00:00:54.000
rendez-vous sur la page d’accueil d’AI
Lab

18
00:00:54.000 --> 00:00:56.040
et cliquez sur le bouton « CREATE DATASET
».

19
00:00:56.160 --> 00:00:58.480
Nous devons d’abord donner un nom à l’ensemble
de données,

20
00:00:58.480 --> 00:01:00.000
nous en saisissons donc un.

21
00:01:00.000 --> 00:01:01.000
Ensuite, nous pouvons ajouter des classes –

22
00:01:01.000 --> 00:01:04.000
autant que nous le souhaitons, mais au moins
deux sont requises.

23
00:01:11.000 --> 00:01:14.000
Une fois cela fait, nous pouvons accéder au
jeu

24
00:01:14.000 --> 00:01:16.000
de données et copier son ID.

25
00:01:19.000 --> 00:01:20.000
À l’étape suivante,

26
00:01:20.000 --> 00:01:23.000
nous configurons le Module Image AI

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

28
00:01:24.000 --> 00:01:26.000
Tout d’abord, ouvrez les paramètres de la
caméra

29
00:01:26.000 --> 00:01:29.000
et assurez-vous que le mode de déclenchement
est réglé sur « On »

30
00:01:29.000 --> 00:01:31.000
et que la source de déclenchement est réglée
sur « Software ».

31
00:01:32.000 --> 00:01:34.000
Ajoutez ensuite le Module Image AI

32
00:01:34.000 --> 00:01:36.000
de la boîte à outils à l’arborescence
du projet.

33
00:01:37.000 --> 00:01:38.000
Liez l’image d’entrée et entrez

34
00:01:38.000 --> 00:01:40.000
l’ID de l’ensemble de données

35
00:01:40.000 --> 00:01:42.000
que nous venons de créer dans AI Lab.

36
00:01:43.000 --> 00:01:46.000
En cochant la case « Upload to weHub »,

37
00:01:46.000 --> 00:01:48.000
nous pouvons définir d’autres paramètres,

38
00:01:48.000 --> 00:01:51.000
par exemple le nombre d’images que nous voulons
ajouter

39
00:01:51.000 --> 00:01:54.000
et si ces images doivent être accompagnées
de balises.

40
00:01:54.000 --> 00:01:56.000
Les balises nous aident à distinguer les bonnes
images

41
00:01:56.000 --> 00:01:58.000
des mauvaises directement sur la machine.

42
00:01:59.000 --> 00:02:01.000
Nous téléchargeons donc d'abord 50 bonnes
images

43
00:02:01.000 --> 00:02:03.000
et leur attribuons la balise « OK ».

44
00:02:03.000 --> 00:02:05.000
Une fois que tout est configuré,

45
00:02:05.000 --> 00:02:08.000
retournez aux paramètres de la caméra et,
sous « Acquisition Control »,

46
00:02:09.000 --> 00:02:11.000
remettez le mode de déclenchement sur « Off
»

47
00:02:11.000 --> 00:02:14.000
afin que les 50 images suivantes soient automatiquement
téléchargées

48
00:02:14.000 --> 00:02:18.000
vers AI Lab à la fréquence d’acquisition
que nous avons définie.

49
00:02:20.000 --> 00:02:22.000
Lorsque nous retournons dans AI Lab,

50
00:02:22.000 --> 00:02:27.000
nous pouvons voir que nos images sont téléchargées
automatiquement.

51
00:02:30.000 --> 00:02:32.000
Après avoir téléchargé nos 50 premières
images correctes,

52
00:02:32.000 --> 00:02:36.000
le Module Image AI dans uniVision 3 nous informe

53
00:02:36.000 --> 00:02:38.000
que nous devons réinitialiser le compteur

54
00:02:38.000 --> 00:02:40.000
avant d’en télécharger d’autres.

55
00:02:41.000 --> 00:02:42.000
Avant de le faire,

56
00:02:42.000 --> 00:02:45.000
nous ajustons notre configuration pour capturer
les images « NOK »

57
00:02:45.000 --> 00:02:48.000
et saisissons cette mention comme balise dans
le champ prévu à cet effet.

58
00:02:49.000 --> 00:02:51.000
Une fois que tout est prêt, nous pouvons réinitialiser
le compteur.

59
00:02:53.000 --> 00:02:55.000
À partir de là, les 50 images suivantes sont
capturées

60
00:02:55.000 --> 00:02:58.000
automatiquement et téléchargées vers weHub.

61
00:02:59.000 --> 00:03:01.000
Une fois que toutes les images des deux classes

62
00:03:01.000 --> 00:03:04.000
(OK et NOK) ont été téléchargées,

63
00:03:04.000 --> 00:03:06.000
nous voulons les étiqueter par lots.

64
00:03:06.000 --> 00:03:09.000
Pour ce faire, nous utilisons les options de
filtrage pour sélectionner les balises

65
00:03:09.000 --> 00:03:12.000
que nous avons précédemment définies dans
uniVision 3.

66
00:03:12.000 --> 00:03:15.000
Tout d“abord, nous filtrons nos balises «
OK ».

67
00:03:15.000 --> 00:03:17.000
Une fois les images filtrées,

68
00:03:17.000 --> 00:03:21.000
nous les sélectionnons toutes et leur attribuons
l’étiquette de vérité terrain « OK ».

69
00:03:24.000 --> 00:03:26.000
Ensuite, nous répétons le même processus

70
00:03:26.000 --> 00:03:28.000
pour les images « NOK »,

71
00:03:28.000 --> 00:03:29.000
en leur attribuant

72
00:03:29.000 --> 00:03:32.000
l’étiquette de vérité terrain correspondante.

73
00:03:39.000 --> 00:03:40.000
Une fois toutes les images de notre ensemble
de données étiquetées,

74
00:03:40.000 --> 00:03:43.000
nous pouvons commencer à entraîner notre
modèle.

75
00:03:43.000 --> 00:03:46.000
Pour ce faire, cliquez sur le bouton « TRAIN
MODEL ».

76
00:03:46.000 --> 00:03:48.000
Sur la page de configuration du modèle,

77
00:03:48.000 --> 00:03:50.000
nous pouvons choisir le dispositif cible pour
le déploiement,

78
00:03:50.000 --> 00:03:53.000
soit B60, soit MVC.

79
00:03:53.000 --> 00:03:56.000
Nous pouvons également définir la taille
de l’image pour l’entraînement

80
00:03:56.000 --> 00:03:58.000
et choisir si les images doivent être

81
00:03:58.000 --> 00:04:00.000
rectangulaires ou carrées.

82
00:04:07.000 --> 00:04:09.000
Lorsque vous êtes satisfait de la configuration,

83
00:04:09.000 --> 00:04:10.000
cliquez sur « TRAIN MODEL »

84
00:04:11.000 --> 00:04:13.000
et le processus d’entraînement commence.

85
00:04:15.000 --> 00:04:17.000
Lorsque l’entraînement du modèle est terminé,

86
00:04:17.000 --> 00:04:20.000
le statut sur la page du modèle indique que
l’opération est terminée.

87
00:04:20.000 --> 00:04:22.000
Ensuite, retournez au

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

89
00:04:25.000 --> 00:04:27.000
et ouvrez la boîte de dialogue du modèle
AI.

90
00:04:27.000 --> 00:04:30.000
Ici, sélectionnez « Load Primary Model ».

91
00:04:30.000 --> 00:04:33.000
Le modèle que nous venons de créer est automatiquement

92
00:04:33.000 --> 00:04:35.000
téléchargé depuis AI Lab vers uniVision
3.

93
00:04:36.000 --> 00:04:39.000
Dans la fenêtre de dialogue, un bref aperçu
du modèle

94
00:04:39.000 --> 00:04:41.000
et quelques informations supplémentaires s’affichent.

95
00:04:44.000 --> 00:04:45.000
Dans le logiciel,

96
00:04:45.000 --> 00:04:46.000
nous voyons immédiatement

97
00:04:46.000 --> 00:04:48.000
comment les prédictions du modèle changent

98
00:04:48.000 --> 00:04:50.000
en fonction de l’image que nous sélectionnons.

99
00:04:52.000 --> 00:04:53.000
Merci d’avoir regardé.