딥 러닝 모델 소개

현재 최신 버전 (2.6.1)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 현재 사용하고 있는 제품의 버전이 확실하지 않은 경우에는 언제든지 당사 기술 지원팀에 문의하시기 바랍니다.

Mech-Mind Robotics는박스나 포대와 같은 물체의 디팔레타이징 및 팔레타이징 작업을 위한 자사 개발 딥 러닝 모델을 제공합니다. 이 모델은 대부분의 프로젝트에 바로 적용할 수 있으며, 추가적인 이미지 수집이나 훈련 없이도 대부분의 물체를 정확하게 분류할 수 있습니다.

사용 시나리오

딥 러닝 모델은 다음 물체를 안정적으로 인식할 수 있습니다.

박스 모델

단색 박스

패턴이 있는 박스

투명 테이프가 있는 박스

불투명 테이프가 있는 박스

끈으로 묶인 박스

solid color carton

patterned carton

transparent tape carton

opaque tape carton

strap carton

포대 모델

내용물이 가득 찬 포대

주름이 있는 반쯤 채워진 포대

full sack

wrinkled sack

샤프트 막대 모델

정렬된 고반사 샤프트

정렬된 무광 샤프트

무작위 배치된 샤프트

neat reflective shaft

neat matte shaft

random shaft 1

메탈 인고트 모델

metal ingot 1

metal ingot 2

metal ingot 3

metal ingot 4

수축 필름 모델

film wrapped package 1

film wrapped package 2

film wrapped package 3

film wrapped package 4

딥 러닝 모델 다운로드

다운로드 센터 에서 딥 러닝 모델을 다운로드할 수 있습니다. 딥 러닝 모델에는 배포에 사용되는 모델 패키지(.dlkpack)와 파인튜닝에 사용되는 모델 패키지(.dlkmp)가 포함되어 있습니다.

Mech-Vision에 딥 러닝 모델 패키지 배포

딥 러닝 모델 패키지 추론 스텝을 사용하면 딥 러닝 모델 패키지를 가져와서 박스와 포대 이미지에 대한 추론을 수행할 수 있습니다.

추론이 완료되면 Mech-Vision에서 인식 결과를 확인할 수 있습니다.

Mech-MSR에 딥 러닝 모델 패키지 배포

딥 러닝 모델 패키지 추론 스텝을 사용하면 딥 러닝 모델 패키지를 가져와서 박스와 포대 이미지에 대한 추론을 수행할 수 있습니다.

추론이 완료되면 Mech-MSR에서 인식 결과를 확인할 수 있습니다.

Mech-DLK에서 딥 러닝 모델 파인튜닝

인식 성능이 기대에 미치지 않는 경우, Mech-DLK에서 딥 러닝 모델을 미세 조정할 수 있습니다.

모델 파인튜닝 방법:

  1. 인식 결과가 좋지 않은 이미지를 획득합니다.

  2. Mech-DLK를 열고 새 프로젝트를 만든 다음 인스턴스 세그먼테이션 모듈을 추가합니다.

  3. 화면 상단의 설정  설정에서 “개발자 모드”를 활성화합니다.

  4. 캡처한 이미지를 훈련 세트와 검증 세트에 추가합니다.

  5. 새로 추가된 이미지의 레이블링을 진행합니다.

  6. 훈련 탭에서 menu:“훈련 파라미터 설정“[“모델 파인튜닝“]을 클릭하고 파인튜닝 버튼을 활성화합니다.

  7. 딥 러닝 모델 파인튜닝 옵션을 선택하고 model iteration folder을 클릭하여 딥 러닝 모델(.dlkmp)을 선택합니다.

  8. 훈련 파라미터 탭에서 “학습률” 파라미터의 값을 적절히 낮추고 “Epochs”를 50~80으로 설정합니다.

  9. 모델 훈련을 완료하고 모델을 내보냅니다.

딥 러닝 모델을 파인튜닝한 후, 해당 모델을 딥 러닝 모델 패키지(.dlkpack 파일) 형식으로 내보낸 뒤, Mech-Vision에 불러와 추론에 활용할 수 있습니다.

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.