Tutorial paso a paso sobre inspección visual

Ejecute un flujo de trabajo de inspección visual frecuente e identifique defectos a partir del contenido de una imagen.

Para poder seguir las explicaciones:

  1. Descargue el código
  2. Ábralo en MATLAB

¿No tiene acceso? Obtenga una versión de prueba gratuita.

Tiempo necesario:
15-30 minutos
Requisitos previos:
Conocimientos básicos de MATLAB

¿Necesita un repaso? Pruebe un tutorial interactivo gratuito.

Paso 1

Cargue y preprocese los datos

Importe los datos y asegúrese de que estén preparados para Deep Learning.

 

Conceptos aprendidos: Cómo cargar y preprocesar datos

  • Cargar datos utilizando un almacén de datos de imágenes
  • La función imageDatastore etiqueta automáticamente las imágenes basándose en los nombres de las carpetas
  • Puede aumentar el conjunto de datos agregando imágenes con diferente escala y rotación
  • Las apps basadas en imágenes pueden acelerar significativamente tareas de preprocesamiento frecuentes, tales como recortar, etiquetar y registrar imágenes

Paso 2

Importe el modelo

Aprenda diversas opciones de modelos de Deep Learning. 

 

Conceptos aprendidos: Cómo importar un modelo de Deep Learning y modificarlo para la transferencia del aprendizaje

  • Usar diversos modelos previamente entrenados como punto de partida para la transferencia del aprendizaje
  • Usar la app Deep Network Designer para modificar el modelo de manera interactiva para una nueva tarea
  • Importar modelos y arquitecturas desde TensorFlow™-Keras, TensorFlow 2, Caffe y el formato de modelo ONNX™ (Open Neural Network Exchange)

Paso 3

Entrene el modelo

Utilice los datos y la red modificada para entrenar un nuevo clasificador de imágenes.

 

Conceptos aprendidos: Cómo modificar un modelo de aprendizaje

  • Elegir entre varias opciones de entrenamiento, que influyen en los resultados del entrenamiento
  • Entrenar los modelos puede requerir mucho tiempo, en función del hardware y el tamaño del conjunto de datos
  • Realizar Deep Learning sin necesidad de aprender a crear un modelo desde cero

Paso 4

Pruebe el modelo y visualice los resultados

Cargue el modelo y utilice los datos de prueba para ver la precisión del modelo.

 

Conceptos aprendidos: Cómo probar el modelo con datos nuevos

  • Clasificar los datos de prueba (del paso 1) y calcular la precisión de la clasificación
  • Visualizar los datos de prueba con las etiquetas correspondientes para garantizar la precisión del modelo con datos nuevos
  • Utilizar técnicas explicables de IA, como GradCAM, para visualizar dónde el modelo ha detectado un defecto en la imagen.