Suchen und zählen Sie Elemente mit Objekterkennung

Dieses Codemuster ist Teil des Erste Schritte mit IBM Maximo Visual Inspection Lernweg.

Zusammenfassung

Die Objekterkennung hat andere Verwendungszwecke und andere Möglichkeiten als die Bildklassifizierung. Dieses Codemuster veranschaulicht, wie Sie IBM Maximo Visual Inspection Object Detection verwenden, um Objekte in einem Bild (in diesem Fall Coca-Cola-Produkte) auf der Grundlage einer benutzerdefinierten Schulung zu erkennen und zu kennzeichnen. Anschließend können Sie dieses anfängliche Datensatzbeispiel ganz einfach mit Ihren eigenen Datensätzen anpassen – ohne Code schreiben zu müssen.

Beschreibung

Stellen Sie sich vor, Sie sind Lieferant eines Artikels (z. B. eines Erfrischungsgetränks) und möchten wissen, wie viele Flaschen sich im Regal eines Geschäfts befinden. Sie können eine App erstellen, die Ihnen dabei hilft. IBM Maximo Visual Inspection nutzt Deep Learning, um trainierte Modelle auf der Grundlage von Bildern zu erstellen, die Sie hochladen und beschriften. Sie müssen keinen Code schreiben, um ein neues Objekterkennungsmodell zu trainieren, bereitzustellen und zu testen. Sie laden einfach die Bilder hoch, beschriften die Objekte in Ihren Bildern mit der Maus und überlassen dann IBM Maximo Visual Inspection das Lernen.

Mit diesem Muster verwenden Sie ein Deep-Learning-Training, um ein Modell für die Objekterkennung zu erstellen. Mit nur wenigen Klicks können Sie das Modell trainieren und bereitstellen. Nachdem Sie das Modell trainiert und bereitgestellt haben, können Sie mit einem REST-Endpunkt Elemente in einem Image suchen und zählen. Das Codemuster enthält einen Beispieldatensatz, mit dem Sie einen Colaflaschendetektor erstellen können. Sie können jedoch auch eigene Beispiele verwenden und andere Objekte erkennen.

IBM Maximo Visual Inspection präsentiert REST-APIs für Inferenzoperationen. Sie können einen beliebigen REST-Client zur Objekterkennung mit Ihrem benutzerdefinierten Modell verwenden und die Benutzeroberfläche von IBM Maximo Visual Inspection zum Testen verwenden. Dieses Beispiel enthält eine Node.js-Beispielanwendung, die zeigt, wie ein Bild hochgeladen und das Bild dann mit Beschriftungen und Begrenzungsrahmen um erkannte Objekte gezeichnet wird.

Wenn Sie dieses Codemuster abgeschlossen haben, sollten Sie wissen, wie Sie:

• Erstellen Sie einen Datensatz zur Objekterkennung mit IBM Maximo Visual Inspection
• Trainieren und Bereitstellen eines Modells basierend auf dem Datensatz
• Testen Sie das Modell mithilfe von REST-Aufrufen

Flow

1. Laden Sie die Bilder hoch, um einen IBM Maximo Visual Inspection-Datensatz zu erstellen.
2. Beschriften Sie die Objekte im Bilddatensatz vor dem Training.
3. Trainieren, implementieren und testen Sie das Modell in IBM Maximo Visual Inspection.
4. Verwenden Sie einen REST-Client, um Objekte in Bildern zu erkennen.

Anweisungen

Die detaillierten Schritte für dieses Muster finden Sie in der README. Diese Schritte zeigen Ihnen, wie Sie:

1. Klonen Sie das GitHub-Repo für die Powerai-Vision-Objekterkennung.
2. Melden Sie sich bei IBM Maximo Visual Inspection an.
3. Erstellen Sie einen neuen Datensatz für das Objekterkennungstraining.
4. Erstellen Sie Tags für Trainingsobjekte und beschriften Sie die Objekte.
5. Erstellen Sie eine DL-Aufgabe.
6. Stellen Sie das Modell bereit und testen Sie es.
7. Führen Sie die App aus.

Zusammenfassung

Dieses Codemuster demonstrierte, wie IBM Maximo Visual Inspection Object Detection verwendet werden kann, um Objekte in einem Bild basierend auf einem benutzerdefinierten Training zu erkennen und zu kennzeichnen. Das Codemuster ist Teil des Erste Schritte mit IBM Maximo Visual Inspection Lernweg. Um die Serie fortzusetzen und mehr über die Funktionen von IBM Maximo Visual Inspection zu erfahren, werfen Sie einen Blick auf das nächste Codemuster: Objektverfolgung in Video mit OpenCV und Deep Learning.

Quelle: https://developer.ibm.com/patterns/locate-and-count-items-with-object-detection/