Share via

Creare una soluzione per la visione senza codice in Azure Percept Studio

  • Articolo

Importante

Ritiro di Azure Percept DK:

Aggiornamento 22 febbraio 2023: un aggiornamento del firmware per i componenti accessori Percept DK Vision e Audio (noto anche come Visione e SOM audio) è ora disponibile qui e consentirà ai componenti accessori di continuare a funzionare oltre la data di ritiro.

L'anteprima pubblica di Azure Percept sarà in continua evoluzione per supportare nuove piattaforme per dispositivi perimetrali e esperienze per sviluppatori. Nell'ambito di questa evoluzione, Azure Percept DK e Audio Accessorio e i servizi di supporto associati per Percept DK verranno ritirati il 30 marzo 2023.

A partire dal 30 marzo 2023, Azure Percept DK e Audio Accessorio non sarà più supportato da alcun servizio di Azure, tra cui Azure Percept Studio, aggiornamenti del sistema operativo, aggiornamenti dei contenitori, visualizzare il flusso Web e Visione personalizzata integrazione. Microsoft non fornirà più supporto per il successo dei clienti e eventuali servizi di supporto associati. Per altre informazioni, visitare il post di blog sull'avviso di ritiro.

Azure Percept Studio consente di creare e distribuire soluzioni di visione artificiale personalizzate, senza dover scrivere codice. Contenuto dell'articolo:

  • Creare un progetto di visione in Azure Percept Studio
  • Raccogliere immagini di training con il devkit
  • Etichettare le immagini di training in Visione personalizzata
  • Eseguire il training del modello di rilevamento o classificazione degli oggetti personalizzato
  • Distribuire il modello nel devkit
  • Migliorare il modello configurando la ripetizione del training

Questa esercitazione è adatta per gli sviluppatori con poca o nessuna esperienza di intelligenza artificiale e quelle appena avviate con Azure Percept.

Prerequisiti

  • Azure Percept DK (devkit)
  • Sottoscrizione di Azure
  • Esperienza di configurazione di Azure Percept DK: è stato connesso il devkit a una rete Wi-Fi, è stato creato un hub IoT e è stato connesso il devkit al hub IoT

Creare un prototipo di visione

  1. Avviare il browser e passare a Azure Percept Studio.

  2. Nella pagina di panoramica fare clic sulla scheda Demo & tutorial. Azure Percept Studio schermata panoramica.

  3. In Esercitazioni e demo di Visione fare clic su Crea un prototipo di visione.

    Azure Percept Studio schermata demo ed esercitazioni.

  4. Nella pagina Nuovo prototipo di Azure Percept Visione personalizzata eseguire le operazioni seguenti:

    1. Nella casella Nome progetto immettere un nome per il prototipo di visione.

    2. Immettere una descrizione del prototipo di visione nella casella Descrizione progetto .

    3. Selezionare Azure Percept DK nel menu a discesa Tipo di dispositivo .

    4. Selezionare una risorsa nel menu a discesa Risorsa o fare clic su Crea una nuova risorsa. Se si sceglie di creare una nuova risorsa, eseguire le operazioni seguenti nella finestra Crea :

      1. Immettere un nome per la nuova risorsa.
      2. Selezionare la sottoscrizione di Azure.
      3. selezionare un gruppo di risorse o crearne uno nuovo.
      4. Selezionare l'area preferita.
      5. Selezionare il piano tariffario (è consigliabile S0).
      6. Fare clic su Crea nella parte inferiore della finestra.

      Finestra Crea risorsa.

    5. Per Tipo di progetto scegliere se il progetto di visione eseguirà il rilevamento di oggetti o la classificazione delle immagini. Per altre informazioni sui tipi di progetto, fare clic su ?

    6. Per Ottimizzazione selezionare se si vuole ottimizzare il progetto per la precisione, la latenza di rete bassa o un bilanciamento di entrambi.

    7. Fare clic sul pulsante Crea.

      Creare la schermata del prototipo di visione personalizzata.

Connettere un dispositivo al progetto e acquisire immagini

Dopo aver creato una soluzione di visione, è necessario aggiungere il devkit e il relativo hub IoT corrispondente.

  1. Accendere il devkit.

  2. Nel menu a discesa hub IoT selezionare l'hub IoT a cui è stato connesso il devkit durante la configurazione guidata.

  3. Nel menu a discesa Dispositivi selezionare il devkit.

Successivamente, è necessario caricare immagini o acquisire immagini per il training del modello di intelligenza artificiale. È consigliabile caricare almeno 30 immagini per tipo di tag. Ad esempio, se si vuole creare un cane e un rilevatore di gatti, è necessario caricare almeno 30 immagini di cani e 30 immagini di gatti. Per acquisire immagini con il soM di visione del devkit, eseguire le operazioni seguenti:

  1. Nella finestra Acquisizione immagini selezionare Visualizza flusso del dispositivo per visualizzare il flusso video SoM di visione.

  2. Controllare il flusso video per assicurarsi che la fotocamera SoM di visione sia allineata correttamente per scattare le immagini di training. Apportare modifiche in base alle esigenze.

  3. Nella finestra Acquisizione immagini fare clic su Scatta foto.

    Schermata di acquisizione delle immagini.

  4. In alternativa, configurare un'acquisizione automatica di immagini per raccogliere una grande quantità di immagini alla volta selezionando la casella Acquisizione automatica immagini . Selezionare la frequenza di creazione dell'immagine preferita in Frequenza di acquisizione e il numero totale di immagini da raccogliere in Destinazione. Fare clic su Imposta acquisizione automatica per avviare il processo di acquisizione automatica delle immagini.

    Menu a discesa Acquisizione automatica immagini.

Quando si dispone di foto sufficienti, fare clic su Avanti: Contrassegna le immagini e il training del modello nella parte inferiore della schermata. Tutte le immagini verranno salvate in Visione personalizzata.

Nota

Se si sceglie di caricare le immagini di training direttamente in Visione personalizzata, tenere presente che le dimensioni del file di immagine non possono superare i 6 MB.

Contrassegna le immagini ed esegui il training del modello

Prima di eseguire il training del modello, aggiungere etichette alle immagini.

  1. Nella pagina Contrassegna immagini e training del modello fare clic su Apri progetto in Visione personalizzata.

  2. Sul lato sinistro della pagina Visione personalizzata fare clic su Senzatag in Tag per visualizzare le immagini appena raccolte nel passaggio precedente. Selezionare una o più immagini senza tag.

  3. Nella finestra Dettagli immagine fare clic sull'immagine per iniziare l'assegnazione di tag. Se è stato selezionato il rilevamento degli oggetti come tipo di progetto, è necessario disegnare anche un rettangolo di selezione intorno a oggetti specifici da contrassegnare. Regolare il rettangolo di selezione in base alle esigenze. Digitare il tag dell'oggetto e fare clic + per applicare il tag. Ad esempio, se si sta creando una soluzione di visione che informa quando uno scaffale di un negozio necessita di rifornimento, aggiungere il tag "Svuota scaffale" alle immagini degli scaffali vuoti e aggiungere il tag "Full Shelf" alle immagini degli scaffali completamente riforniti. Ripetere per tutte le immagini senza tag.

    Schermata di assegnazione di tag alle immagini in Visione personalizzata.

  4. Dopo aver aggiunto tag alle immagini, fare clic sull'icona X nell'angolo superiore destro della finestra. Fare clic su Tag in Tag per visualizzare tutte le immagini appena contrassegnate.

  5. Dopo aver etichettato le immagini, è possibile eseguire il training del modello di intelligenza artificiale. A tale scopo, fare clic su Esegui training nella parte superiore della pagina. È necessario avere almeno 15 immagini per tipo di tag per eseguire il training del modello (è consigliabile usare almeno 30). Il training richiede in genere circa 30 minuti, ma potrebbe richiedere più tempo se il set di immagini è estremamente grande.

    Selezione dell'immagine di training con il pulsante Train evidenziato.

  6. Al termine del training, la schermata mostrerà le prestazioni del modello. Per altre informazioni sulla valutazione di questi risultati, vedere la documentazione sulla valutazione del modello. Dopo il training, è anche possibile testare il modello su immagini aggiuntive e ripetere il training in base alle esigenze. Ogni volta che si esegue il training del modello, il modello verrà salvato come nuova iterazione. Fare riferimento alla documentazione di Visione personalizzata per altre informazioni su come migliorare le prestazioni del modello.

    Risultati del training del modello.

    Nota

    Se si sceglie di testare il modello su immagini aggiuntive in Visione personalizzata, tenere presente che le dimensioni del file di immagine di test non possono superare i 4 MB.

Dopo aver soddisfatto le prestazioni del modello, chiudere Visione personalizzata chiudendo la scheda del browser.

Distribuire il modello di intelligenza artificiale

  1. Indietro alla scheda Azure Percept Studio e fare clic su Avanti: Valuta e distribuisci nella parte inferiore della schermata.

  2. La finestra Valuta e distribuisci mostrerà le prestazioni dell'iterazione del modello selezionata. Selezionare l'iterazione da distribuire nel devkit nel menu a discesa Iterazione modello e fare clic su Distribuisci modello nella parte inferiore della schermata.

    Schermata di distribuzione del modello.

  3. Dopo aver distribuito il modello, visualizzare il flusso video del dispositivo per visualizzare l'inferenza del modello in azione.

    Flusso del dispositivo che mostra il rilevatore di cuffie in azione.

Dopo aver chiuso questa finestra, è possibile tornare indietro e modificare il progetto di visione in qualsiasi momento facendo clic su Visione in Progetti di intelligenza artificiale nella home page di Azure Percept Studio e selezionando il nome del progetto di visione.

Pagina del progetto visione.

Migliorare il modello configurando la ripetizione del training

Dopo aver eseguito il training del modello e averla distribuita nel dispositivo, è possibile migliorare le prestazioni del modello configurando i parametri di ripetizione del training per acquisire più dati di training. Questa funzionalità viene usata per migliorare le prestazioni di un modello sottoposto a training offrendo la possibilità di acquisire immagini in base a un intervallo di probabilità. Ad esempio, è possibile impostare il dispositivo per acquisire solo le immagini di training quando la probabilità è bassa. Ecco alcune indicazioni aggiuntive sull'aggiunta di altre immagini e sul bilanciamento dei dati di training.

  1. Per configurare la ripetizione del training, tornare al progetto e quindi a Riepilogo progetto

  2. Nella scheda Acquisizione immagini selezionare Acquisizione automatica immagini e Configura ripetizione del training.

  3. Configurare l'acquisizione automatica delle immagini per raccogliere una grande quantità di immagini alla volta selezionando la casella Acquisizione automatica immagini .

  4. Selezionare la frequenza di creazione dell'immagine preferita in Frequenza di acquisizione e il numero totale di immagini da raccogliere in Destinazione.

  5. Nella sezione Configura ripetizione del training selezionare l'iterazione per cui acquisire altri dati di training e quindi selezionare l'intervallo di probabilità. Solo le immagini che soddisfano il tasso di probabilità verranno caricate nel progetto.

    acquisizione di immagini.

Pulire le risorse

Se per questa esercitazione è stata creata una nuova risorsa di Azure e non si vuole più sviluppare o usare la soluzione di visione, seguire questa procedura per eliminare la risorsa:

  1. Accedere al portale di Azure.
  2. Fare clic su Tutte le risorse.
  3. Fare clic sulla casella di controllo accanto alla risorsa creata durante questa esercitazione. Il tipo di risorsa verrà elencato come Servizi cognitivi.
  4. Fare clic sull'icona Elimina nella parte superiore della schermata.

Procedura dettagliata video

Per una procedura dettagliata visiva dei passaggi descritti in precedenza, vedere il video seguente:



Passaggi successivi

Vedere quindi gli articoli sulle procedure di visione per informazioni sulle funzionalità aggiuntive della soluzione di visione in Azure Percept Studio.