Lokaliseer en tel items met objectdetectie

Tijdstempel: 16 juni 2020 12:00 uur
Bronknooppunt: 749603

Dit codepatroon maakt deel uit van de Aan de slag met IBM Maximo Visuele Inspectie leerweg.

Samengevat

Objectdetectie heeft andere toepassingen en andere mogelijkheden dan beeldclassificatie. Dit codepatroon demonstreert hoe u IBM Maximo Visual Inspection Object Detection kunt gebruiken om objecten in een afbeelding (in dit geval Coca-Cola-producten) te detecteren en te labelen, op basis van aangepaste training. U kunt dit initiële datasetvoorbeeld vervolgens eenvoudig aanpassen met uw eigen datasets, zonder code te schrijven.

Omschrijving

Stel je voor dat je leverancier bent van een artikel (bijvoorbeeld frisdrank) en je wilt weten hoeveel flessen er in het schap van een winkel liggen. U kunt een app bouwen die u daarbij helpt. IBM Maximo Visual Inspection maakt gebruik van deep learning om getrainde modellen te maken op basis van afbeeldingen die u uploadt en labelt. U hoeft geen code te schrijven om een ​​nieuw objectdetectiemodel te trainen, implementeren en testen. U uploadt eenvoudig de afbeeldingen, gebruikt uw muis om de objecten in uw afbeeldingen te labelen en laat vervolgens IBM Maximo Visual Inspection het leerwerk doen.

Met dit patroon ga je deep learning training gebruiken om een ​​model te maken voor objectdetectie. Met slechts een paar klikken kunt u het model trainen en implementeren. Nadat u het model hebt getraind en geïmplementeerd, kunt u met een REST-eindpunt items in een afbeelding lokaliseren en tellen. Het codepatroon bevat een voorbeeldgegevensset om u te helpen bij het bouwen van een colaflesdetector, maar u kunt uw eigen voorbeelden gebruiken en andere objecten detecteren.

IBM Maximo Visual Inspection presenteert REST API's voor gevolgtrekkingsbewerkingen. U kunt elke REST-client gebruiken voor objectdetectie met uw aangepaste model, en u kunt IBM Maximo Visual Inspection UI gebruiken om het te testen. Dit voorbeeld bevat een voorbeeld van een Node.js-app die laat zien hoe u een afbeelding uploadt en vervolgens de afbeelding tekent met labels en selectiekaders rond gedetecteerde objecten.

Wanneer u dit codepatroon heeft voltooid, moet u weten hoe u:

  • Creëer een dataset voor objectdetectie met IBM Maximo Visual Inspection
  • Train en implementeer een model op basis van de dataset
  • Test het model met REST-aanroepen

Stroom

flow

  1. Upload de afbeeldingen om een ​​IBM Maximo Visual Inspection-dataset te maken.
  2. Label de objecten in de beeldgegevensset voorafgaand aan de training.
  3. Train, implementeer en test het model in IBM Maximo Visual Inspection.
  4. Gebruik een REST-client om objecten in afbeeldingen te detecteren.

Instructies

Vind de gedetailleerde stappen voor dit patroon in de README. Deze stappen laten u zien hoe u:

  1. Kloon de Powerai-vision-object-detectie GitHub-opslagplaats.
  2. Meld u aan bij IBM Maximo Visual Inspection.
  3. Maak een nieuwe dataset voor training voor objectdetectie.
  4. Maak tags voor het trainen van objecten en label de objecten.
  5. Maak een DL-taak.
  6. Implementeer en test het model.
  7. Voer de app uit.

Conclusie

Dit codepatroon demonstreerde hoe u IBM Maximo Visual Inspection Object Detection kunt gebruiken om objecten in een afbeelding te detecteren en te labelen op basis van aangepaste training. Het codepatroon maakt deel uit van het Aan de slag met IBM Maximo Visuele Inspectie leerweg. Om de serie voort te zetten en meer te leren over meer IBM Maximo Visual Inspection-functies, bekijk het volgende codepatroon: Object volgen in video met OpenCV en Deep Learning.

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

Tijdstempel:

Meer van IBM-ontwikkelaar