快速入门

  • 本章节将带领用户快速训练并导出一个模型，该模型可识别出物体缺陷，并且对缺陷种类进行分类。

  • 通过Mech-DLK软件，用户可以用语义分割模块级联图像分类模块的方式实现该功能。

  • 使用Mech-DLK前，需要先确认 深度学习环境 和 Mech-DLK 是否安装成功。

  1. 新建工程

    点击初始页面上的 新建工程 以新建一个工程, 如图1所示。

    ../../_images/new_project.png

    图1 新建工程

  2. 选择模块

    添加模块：点击页面右侧模块栏中的 icon1 选择语义分割算法，点击确定。

    ../../_images/algorithm_selection.png

    图2 添加模块

  3. 导入数据

    点击左上侧的 icon2 标签，选择导入本地的图像。

    ../../_images/dataset.png

    图3 导入数据

    注意

    语义分割模块导入的图像中必须包含没有缺陷的图像，且验证集和训练集中都要有，否则会出现弹窗导致后续的训练无法正常进行。

  4. 标注数据

    语义分割算法会自动生成一个名为Defect的标签，标注数据直接从左侧工具栏选取 icon3 icon4 icon5 适当的标注工具标注即可。

    ../../_images/defect_image.png

    图4 语义分割标注

  5. 训练模型

    点击右下方的 训练 按钮开始训练即可。点击 显示图表 可以查看训练的精度和损失。

    ../../_images/training_chart.png

    图5 训练图表

  6. 验证模型

    语义分割模型训练完后，点击 验证，进行结果验证，验证后会保存一个训练结果。

    ../../_images/result_verification.png

    图6 训练图表

  7. 增加下一模块

    模型效果确认良好后点击页面右上方模块栏中的 icon1 添加图像分类算法。

    ../../_images/add_algorithm.png

    图7 添加算法

  8. 将数据导入图像分类模块

    上一模型训练结果会作为数据源导入图像分类算法，点击导入会直接弹框显示可选择数据，此时手动选择需要的数据即可。

    ../../_images/data_source.png

    图8 导入数据源

  9. 建立图像分类标签并标注

    图像分类在标注前需要先点击右侧标签栏的 icon6 创建针对不同种类物体的标签；之后点击标注栏左侧的 icon7 icon8 便可对图像进行标注。

    ../../_images/label.png

    图9 图像分类标注

  10. 训练模型

    点击右下方的 训练  按钮开始训练即可。点击 显示图表 可查看训练的精度和损失。

  11. 导出最终模型

    在模型训练完成后点击右侧 导出模型 ，选择保存路径后即可导出最佳模型到文件夹内。如图10所示。

模型文件

图10 模型文件